Откройте Continuous Intelligence: CEO Juji Мишель Чжоу о демократизации ИИ

В этом подкасте RTInsights Real-Time Talk, редактор RTInsights Джо МакКендрик разговаривает с Мишель Чжоу, сооснователем и CEO Juji.

В этом RTInsights Real-Time Talk подкасте, редактор RTInsights Джо МакКендрик разговаривает с Мишель Чжоу, сооснователем и CEO Juji, о расширении использования искусственного интеллекта (ИИ) путем дела его более доступным с использованием самого ИИ. Разговор охватывает, как она построила на своей работе с IBM Watson, чтобы сфокусироваться на использовании no-code, многоразовых когнитивных ИИ-платформ для демократизации ИИ-ассистентов/чатботов и преодоления растущего ИИ-разрыва.

• Apple
• Google
• Spotify
• Другие платформы

Джо МакКендрик: Привет, это Джо МакКендрик, и добро пожаловать в подкасты RTInsights Continuous Intelligence, следующий в нашей серии. И я действительно взволнован быть присоединенным сегодня Мишель Чжоу, президент и сооснователь Juji и вы ведущий голос и мыслитель и делатель в области искусственного интеллекта. И мы смотрим вперед к изучению немного о том, что происходит и как мы можем двигаться вперед с вещами.

И для начала, Мишель, почему бы тебе не рассказать немного о своем пути? Я знаю, ты была с IBM Watson и ты сделала много работы в той области тоже. Так что ты была в поле ИИ на протяжении нескольких лет, с тех пор как вещи действительно начали катиться. Расскажи нам немного о своем пути. Как ты добралась до того, где ты сегодня?

Мишель Чжоу: Конечно. О, спасибо, Джо, за то, что имеешь меня. Я Мишель Чжоу и я на самом деле начала свой ИИ путь с тех пор, как я была аспирантом в Университете Колумбия. Я делала свой Ph.D. там. Так что одна из вещей, которая меня всегда fascinated, это как можно использовать машину, чтобы помочь людям делать что-то, что люди не любят делать, или люди не хороши в делающем? Так что моя диссертация была на создании ИИ-ассистента, чтобы помочь людям создавать, если хочешь, информационную графику, потому что не каждый дизайнер. Не каждый может дизайнить красивую информационную графику, но каждый хочет любить данные, хотеть интерпретировать данные. Так что я создала ИИ во время моего Ph.D. изучения, чтобы в основном смотреть на данные, анализировать данные и автоматически создавать визуальные объяснения данных. Так что это фактически было использовано для врачей и медсестер для понимания данных пациентов и также для сетевых аналитиков для понимания сетевых данных, данных нетворкинга и их производительности нетворкинга.

Так что оттуда, когда я graduировалась, я присоединилась к IBM Watson Research Center. И я начала … Потому что до того я работала в этой области, система не была интерактивной, что означает, что если у тебя есть набор данных, у тебя задачи пользователя и визуальные предпочтения, то ты автоматически генерируешь. Но что, если пользователи, как только они видят то, что они увидели от визуальной иллюстрации, что если у них есть дальнейшие вопросы? Что если они хотят видеть разные части данных. Так что я начала проект. В основном, это называется conversational AI для data analytics. Так что это было около почти 15, 20 лет назад, теперь, так давно. Так что мы на самом деле, конверсационный интерфейс, это помогает использовать естественный язык, чтобы спрашивать о данных.

Так что, например, люди могут спросить, «О, могли бы вы показать мне продукт?» Допустим, например, давайте скажем, мы покупаем страховые продукты. «Могли бы вы показать мне продукты домашней страховки, скажем, для домов под миллионом долларов», или что-то вроде того. Что если я куплю это с автостраховкой? Так что ты можешь видеть это контекстный инсент, чтобы позволить людям спрашивать о данных и, может быть, пройти через данные чисто на естественном языке. И система на самом деле возьмет пользовательские запросы, разберет их. Она понимает, что пользователь спрашивает, автоматически придумывает данные и правильную форму, чтобы фактически объяснить людям, как вот данные, о которых ты спрашивал. Так что это то.

Так что там, очень интересно что в этом виде проекта, мы только заботимся о предпочтениях пользователя данных и предпочтениях пользователя о презентации, но не индивидуальных различиях. Когда я говорю индивидуальные различия, это например, какова твоя личность? Какой твой когнитивный стиль, любишь ли ты более story-like тип данных story или где ты любишь более fact-based и number-like данные story? Так что мы не взяли это в расчет.

Так что тогда я начала другой проект в IBM под названием IBM … затем стал IBM Watson Personality Insights, что означает, что мы хотим использовать поведенческие данные пользователя как communication данные для лучшего понимания индивидуальных различий. Так что, например, ты экстраверт? Ты интроверт? Ты очень коллаборативен или ты больше про lone learner? Так что тогда я начала Juji как стартап с моим сооснователем, который оказывается компьютерным ученым и психологом и который со-изобрел IBM Watson personalities со мной.

Так что мы начали этот. Мы хотели создать, действительно, новое поколение ИИ-ассистентов. Мы называем их когнитивными ассистентами. Так что, в основном, они должны взаимодействовать с людьми. И затем они помогают организациям аугментировать их рабочую силу, автоматизировать разные типы задач, особенно довольно time-consuming, labor-intensive задачи, которые люди действительно не любят делать. Например, ведение разговора с незнакомцами, что не каждый хочет делать, или подталкивание людей делать что-то, что они не любят делать. Например, заканчивать твое домашнее задание или делать упражнения, или проверять твой статус здоровья каждый день. Так что мы должны оставить это для ИИ-ассистента делать. Так что это то, чем мы сегодня.

Джо МакКендрик: Это действительно fascinating. Как потребитель, я использую Google Assistant здесь в офисе и у меня Alexa дома. Но это звучит как то, над чем ты работаешь, более продвинутое, чем я думаю относительно простые вопросы или запросы для песен или что угодно, что потребитель пользователь использует сейчас на ИИ, на личном ассистенте.

Мишель Чжоу: Correct. Так что я рада, что ты упомянул тот контраст. Так что это действительно, так что один обычно люди используют, как Alexa или Google Home, они больше то, что мы называем user-driven взаимодействие, что пользователь скажет, «Могли бы вы сказать мне, какая температура снаружи?» Или, «Могли бы вы помочь мне найти песню, которую я люблю?» Так что это больше user-driven. Системы очень пассивны. Так что в нашем случае, мы хотим поддерживать действительно интерактивные ИИ-ассистенты. Так что это не просто user-driven, это фактически может быть driven как машинами, так и пользователем. Например, очень простой пример.

Так что давай скажем, ты идешь на чей-то университетский веб-сайт, ты хочешь поискать онлайн-программу для применения. Так что ассистент может фактически дать тебе тур онлайн-программы, потому что это то, о чем мы только что говорили о Zoom, потому что не каждый знает Zoom очень хорошо. Так что давай скажем, если твой ассистент мог дать тебе тур их, но по пути, во время тура, ты можешь спросить любые вопросы. Так что, например, если Zoom ассистент скажет тебе, «Эй, ты можешь просто начать этот, протестировать твой голос, посмотреть на картинку. И ты спрашиваешь, «О, я не люблю показывать свой фон. Что мне делать?» Так что в этом случае Zoom говорит, «О, теперь ты можешь сделать этот, ты можешь сменить свой фон или, может быть, заглушить свой фон, затем продолжить тур». Так что это почти как то, о чем мы говорим. Это настоящий разговор.

Так что это то, что Juji действительно разработало как. Поэтому мы называем это когнитивной ИИ-помощью. Это то, что называется когнитивным интеллектом. В отличие от обычного ИИ, когнитивный интеллект, что означает, что это не просто наличие языковых навыков, как ты испытал от Alexa или Google home, они также имеют то, что мы называем продвинутыми человеческими навыками, особенно мягкими навыками. Так что один пример мягких навыков — это то, что мы называем активным слушанием. Так что это означает не только то, что ИИ-ассистенты понимают, что пользователи говорят, но они фактически могут верифицировать эмоции, перефразировать то, что они говорят, суммировать то, что пользователи говорят, быть очень внимательными, а также быть очень заботливыми о том, за что заботится пользователь. И затем фактически затем делать trustworthy и эмпатичный разговор. Так что в этом случае подумай о том, как ты действительно беседуешь с человеком. И ты можешь иметь это почти как очень personable отношения.

Джо МакКендрик: Мы слышим о, например, с колл-центрами или контакт-центрами и мы звоним и получаем виртуального ассистента. И ты слышишь в наши дни, что они могут чувствовать, если клиент зол, например, если клиент фрустрирован. Они либо переключат их на живого оператора, или я думаю, это попытается адресовать их фрустрацию. И это звучит как ты строишь на том типе приложения. Правильно?

Мишель Чжоу: Right. Так что фактически мы пошли за этим уже. Так что первый, что мы называем активным слушанием, что означает, что это чувствовать то, что ты сказал, пользовательские сентименты, пользовательские эмоции и быть способным фактически перефразировать это, парафразировать это. И следующий пример, я рада, что ты на этом, мы называем, «Чтение между строк». Так что это означает, что ты можешь подумать об этом как ты говоришь с психологом, что психологи всегда пытаются понять, что за тем, что ты только что сказал. Так что твои unspoken needs и wants, так что твоя эмоциональная подпись. Так что это не о просто момент сентимента, момент эмоций, показываемых. Как выглядит подпись? Так что поэтому мы называем чтение между строк.

Так что, например, наш ИИ-ассистент динамически анализирует конверсационный текст пользователя и пытается обнаружить то, что мы называем индивидуальными различиями. Так что индивидуальные различия, они включают, какие твои страсти или интересы, и в чем ты хорош? Некоторые люди очень хороши в логическом рассуждении. Некоторые люди очень хороши в storytelling. И некоторые люди, как они справляются с жизненными вызовами. Например, некоторые люди под давлением очень спокойны, и некоторые люди под давлением могут быть немного off. Так что ты можешь видеть, потому что ты понимаешь underlying уникальные индивидуальные различия, характеристики каждого пользователя. Тогда они могут лучше помогать каждому пользователю.

Просто чтобы дать тебе пример, о котором мы говорили ранее, студент-проспект, студент, который ищет онлайн-программу, но этот человек может быть волноват о финансовом бремя, потому что что угодно, онлайн-программа, тебе нужно платить за обучение. В другом случае, если ассистент обнаруживает такие unspoken needs и wants, может действительно гидировать их, может сказать им сказать, «Эй, ты знаешь что? Особенно для человека, который очень волнуется, и также хочет быть очень независимым тогда сказал, что, «У нас много финансовых программ помощи. У нас стипендии, так что мы можем помочь тебе в основном в твоем путешествии получения степени или, может быть, продвижении твоей карьеры». Так что ты можешь видеть, быть действительно очень персонализированным, что если другой человек имеет ту же волну, что этот человек намного более methodical, намного более, давай скажем, careful. Так что тогда ты будешь использовать разные способы презентации информации.

Может сказать этот, «Теперь я собираюсь представить тебе с разными типами финансовых опций помощи. Ты можешь выбрать тот, который лучше всего подходит твой образ жизни или, может быть, твой рабочий стиль». Так что ты можешь видеть, ты можешь действительно персонализировать один, даже люди, у которых needs могут быть теми же, хотят найти программу, в которую ты enrollишь, но underlying, у них свои психологические needs, психологические wants.

Джо МакКендрик: Это почти звучит как когнитивные ИИ-ассистенты также adopt их собственную личность, их собственный набор поведений для адаптации к…right?

Мишель Чжоу: Фактически, мы сделали много работы. Yeah. Мы сделали много study на том. Они не adopting еще. Так что мы все еще в research. И мы wondering, потому что research показал conflicting результаты. Так что некоторые research показывают, что … Наш research также показывает, что люди любят взаимодействовать с ИИ, у которых похожая личность. Так что если я очень экстраверт, я люблю взаимодействовать с ИИ с экстравертной личностью. Но некоторые research фактически defy то, показывая, что люди любят взаимодействовать с ИИ, у которых opposite, мы говорим complimentary личность. Так что если я очень chatty, я предпочитаю ИИ не очень chatty, кто более reserved. Так что поэтому мы не положили это в production еще, потому что мы все еще пытаемся выяснить, какой путь пользователи предпочитают больше. Это требует немного больше research в том конкретном отношении.

Джо МакКендрик: Yeah. Ты говоришь о демократизации ИИ, что действительно великий концепт. И ты foresee ИИ быть частью меньших footprint устройств, скажем, наши смартфоны, будут ли они взаимодействовать через смартфоны? Может быть, будут некоторые ИИ на том. Или может быть устройства, которые могут быть интегрированы в другие системы. Это то, что ты смотришь тоже?

Мишель Чжоу: Yes. Correct. Фактически, ты затронул один аспект демократизации ИИ. Так что думая об этом, назад в, вероятно, 1970-х, что мы называем демократизацией computing. До того, IBM имел эти мейнфрейм компьютеры, или, может быть, small computer. Так что действительно люди не могли позволить купить это, потому что это too expensive. Не просто это, вторая часть этого в том, что не многие люди могут использовать тот вид компьютера, потому что они не могут программировать. Они не знают языки программирования. Они не могут действительно использовать их. Так что с advent персональных компьютеров, PCs, Macs, так что это действительно демократизировало computing, это не только … Почти каждый теперь, каждая компания может позволить купить компьютер. Каждый, у кого очень мало знаний, кто не программист, или кто не эксперт в computer science, может оператить компьютер.

Так что у нас очень похожая идея в демократизации ИИ. Так что если ты скажешь, что мы должны видеть ИИ фактически запускаться на любом типе устройства, включая смартфон. Мы уже делали это. Вторая часть этого в том, что, за пределами той части, мы хотим enable любого, буквально каждого, пока они могут делать PowerPoints, они могут делать spreadsheets. Они должны иметь возможность настраивать, развертывать и управлять кастомным ИИ-ассистентом. Как я только что сказала, со всей когнитивной интеллигенцией на их собственных, no coding, им не нужна ИИ экспертиза. Им не нужны training data, потому что мы уже trained, так что они могут быстро кастомизировать это и развернуть это и управлять этим. Так что это то, что мы действительно имеем в виду о демократизации ИИ. Так что это означает, что они могут просто идти adopt и затем быстро кастомизировать это и использовать это для их benefits.

Джо МакКендрик: Wow. Это звучит pretty exciting. Так что кто-то вроде меня, или если есть человек, у которого нет технического бэкграунда, мог бы начать настраивать эти типы этих приложений, затем, что могло.

Мишель Чжоу: Ты должен yeah.

Джо МакКендрик: Клиенты.

Мишель Чжоу: Джо, ты делаешь PowerPoints? Ты знаешь PowerPoint? Ты знаешь spreadsheets. Так что мы сделали barriers to entry действительно, действительно низкими, буквально означая, что люди могут делать PowerPoints. Люди могут делать spreadsheets. Они должны приходить, быть способными использовать нашу платформу для создания очень мощного ИИ-ассистента, который кастомизирован и также кастомизирован к их контексту, их задаче. Потому что большинство наших пользователей, например, рекрутинг specialists, маркетинг managers, продукт managers, и user research, там researcher. Так что это означает, что они не definitely computer scientists. Они не знают как программировать. Они не нужно знать как program. И они basically just the kind of general knowledge workers. Так что они способны настраивать очень мощный ИИ-ассистент на нашей платформе.

Джо МакКендрик: That's wonderful. И как ты видишь … Как ты идешь вперед с этим, будет ли там Juji-брендированный продукт, который клиенты смогут скачать или купить? Или ты будешь работать за кулисами с другими провайдерами приложений, чтобы построить это? Что мы будем видеть в ближайшем будущем от вас ребят?

Мишель Чжоу: Okay. Я думаю both. Так что один способ это то, что уже у нас клиенты приходят просто использовать нашу платформу для создания кастом ИИ. Deploy, мы хостим это. И другой один, это то, что мы также партнерим с другими компаниями. Так что basically они становятся нашими channel partners. Так что их клиенты будут использовать их в conjunction с нашими для создания ИИ-ассистента. Например, с voice. Так что потому что в Juji, мы не делаем voice один. Так что тогда как кто-то, кто специализируется в voice recognition и TTS, тогда они могут фактически комбинировать с нашими технологиями для создания очень умного когнитивного ИИ-ассистента с voice также, always a face. Так что мы можем также комбинировать все те технологии вместе. Так что один это если ты сказал … Это больше, так что мы serve как конверсационный ИИ движок, когнитивный движок, если хочешь, к тем потенциальным партнерам. И затем в meantime, люди, если они просто хотят text-based ИИ-ассистент, могут просто directly прийти к нашей платформе и использовать это.

Джо МакКендрик: Ты close к passing Turing Test где кто-то может не быть способным distinguish это?

Мишель Чжоу: Кто-то сказал это. Но мы не знаем, должны ли мы использовать это как стандарт для тестирования quality. Потому что reason, я не sure если ты слышал об этом, actually назад в 1970-х, particular professor's Turing … A chatbot that passes the Turing Test, that was the first one. The reason is that it imitated a patient who has a psychological disorder. So that's why. So that's why it passed because nobody knew what he's talking about. So I'm not sure whether that's a good criteria or not.

Так что я думаю, наши criteria были бы more concrete? Может ИИ фактически помочь тебе закончить твою задачу? Может ИИ действительно deliver то user satisfaction? Я думаю, это more practical и это more actually also measurable, с бизнес-точки зрения. Потому что если мы помогаем, давай скажем, университет помочь их prospective students или existing students, или даже graduates и whether этот ИИ has done its help. Так что what's the outcome of the help? Do they have more enrollments and they actually have seen that? Yes. Do they have a higher success rate and retention rate of the students? Yes. Or will their graduates or alumni come back, more of them will come back and continue their education? That's very concrete … Actually, I would say outcome, success outcomes, or usefulness of the AI, versus comparing just the passing.

Джо МакКендрик: И одна из concerns ИИ всегда the data, the amount of data that's needed, big data например you need large datasets to identify and train, and so forth. Как ты видишь это happening? Что ты работаешь на требует large datasets.

Мишель Чжоу: Precisely. This is a great question. That's why I was talking about democratizing AI because many organizations don't have that kind of data. For example, they don't even have that kind of AI yet. So that's why we are, as a company, as a platform company, and we have been generating our own data, collecting our data. So yes, our models are trained on massive amounts of data, because we already trained data. We should just let other people reuse it. So it's almost like a transfer of intelligence.

I was on another call just last week, people were asking me about this one. And I said, "It is the beauty of what we are working on, what Juji's doing is this." You say that we're teaching AI everything from scratch, reading between the lines. We actually embed intelligence in that. So when you actually adopt the AI, that AI came with those, born with this intelligence. Built-in, we call it built-in intelligence. So we can really transfer intelligence from one to another one.

So another thing, for example, we're working with universities to help their recruitment program. So then you got lots of prospective students' questions there. So in this case, those data can be actually used for other universities as well. When I say the data, not the answers per se, but the questions. So students ask a question, phrase the question, and then on top of that, we automatically generate more training data. So the universities don't need to do that. So when they originally come to us and say, "Hey, we don't have the data." So you don't have to worry about it. We already have it. So you can just have a jumpstart of your AI assistant. So that's what also I meant exactly about democratizing AI, which means that you're packaging the intelligence. You pre-build intelligence, so other people can adopt it, and can reuse it instantly.

Джо МакКендрик: Just like scientific research, you can build on existing research and keep improving things. Right?

Мишель Чжоу: Yeah. So it's the most like you're growing as a kid. The kid has the intelligence, the beginning has very good intelligence. So once this kid has more intelligence, so you keep it, not just keep it, you transfer this kid's intelligence into another kid, so the other kid doesn't need to learn from scratch. So that's very powerful.

Джо МакКендрик: It is. Absolutely. And Michelle, what do you see happening over the next 5 to 10 years? What are you looking forward to seeing happening? What will the world look like by 2025 or even 2030, especially with your technology?

Мишель Чжоу: I do think we're going toward a more, actually made-up optimistic scenario of the movie Her. You remember the movie Her?

Джо МакКендрик: Yes. Yes. Great movie.

Мишель Чжоу: Right? So this means that your AI will perhaps know more about you than you know yourself. And your AI will know what you want before you know even what you want. For example, you need to save money. The AI already knew in advance that you need to save money. Or you need a new degree in order to be more employable. The AI probably will know that before you know it. So that's what I see. You have a true, what I call personal assistant, personal companionship, in this case, the AI companion, who can really understand who you are, what your needs and wants are, and help you in the best way to benefit you. So that's why we also go to our topic of responsible AI, because with that level of understanding, if we're not going to enforce this responsible AI, if this technology falls into bad people's hands, it could be abused and could have bad consequences. That's why we also instill this sense of responsible AI, which means that we want to make sure AI helps people basically in the best way to benefit people.

Джо МакКендрик: Wonderful. Wonderful. And absolutely the work you're doing in that area is really moving AI in a positive direction to benefit people. And we really appreciate you being able to share this with us in our podcast today. Again, I'm speaking with Michelle Zhou. She's the CEO and co-founder of Juji. And thank you very much Michelle for joining us today. We really enjoyed having you on.

Мишель Чжоу: Thank you, Joe, for having me. Thank you. Bye.