Neste trinn for maskinlæring og AI

Neste trinn for maskinlæring og AI David Karandish, grunnlegger og administrerende direktør i Jane.ai, diskuterer neste trinn for maskinlæring og AI gjennom chatbots og naturlig språkbehandling.

Tonya Hall intervjuer ledere for søstersiden ZDNet, og vi kjører et utvalg av noen av hennes mest viste videoer. Følgende er et redigert utskrift av samtalen hennes med David Karandish, medgründer og administrerende direktør i Jane.ai, som først ble publisert i desember 2018 på ZDNet. For å se flere av videoene hennes, sjekk ut The Tonya Hall Show på ZDNets YouTube-kanal.

Mer om kunstig intelligens

  • Google DeepMind-grunnlegger Demis Hassabis: Tre sannheter om AI
  • De 10 mest etterspurte AI-jobbene i verden
  • De 3 mest oversett begrensningene av AI i virksomheten
  • Hvordan bli maskinlæringsingeniør: Et jukseark

Tonya Hall: En chatbot som vet mer enn bare Taylor Swift-tekster. Den kan finne TPS-rapporter og mer.

Du har ganske teknisk CV. Gi oss en oppsummering av hva som førte deg til funnet Jane.ai.

David Karandish: Så jeg har vært i teknologiområdet i omtrent 20 år - helt tilbake fra da jeg utformet en webside, satte deg på omtrent det nivået som å være en trollmann eller en warlock. Og så har jeg gjort mye på den elektroniske markedsføringsplassen, og sist et selskap som heter Answers.com. Og så startet vi Jane.ai i januar i fjor.

Tonya Hall: Hvilket problem er Jane.ai designet for å løse?

David Karandish: Jane er her for å gjøre all selskapets intelligens tilgjengelig og et enkelt chatgrensesnitt . Du kan tenke på henne som å ha din egen Siri eller Alexa på arbeidsplassen, der hun kobler seg til bedriftens apper, dokumenter og kunnskapen til teamet ditt.

Tonya Hall: Forklar prosessen som Jane følger for å bygge klientdatasettet.

David Karandish: Jane vil først koble seg til bedriftens viktigste applikasjoner - så ting som Salesforce, Office 365, ServiceNow, Workday, you name it. Hvis den har et skybasert API, kan vi sannsynligvis koble oss til det. Derfra kan Jane hente informasjon. Hun kan også begynne å gjøre tiltak på dine vegne. Det andre området hun kobler seg til er dokumentene dine. Så hun kan lese innholdet i dokumentene dine og gjøre det tilgjengelig for hele teamet ditt. Og så til slutt lager vi et kunnskapsgrunnlag der Jane kan ta all informasjonen du har som ikke bor i en app eller et dokument og gjøre den tilgjengelig også.

Tonya Hall: Du har fremdeles et lag med menneskelig engasjement i å lage og rense dataene, riktignok?

David Karandish: Vi tror ikke det skal være mennesker mot AI. Vi mener at de burde jobbe sammen. Og en av de grunnleggende designfeilene i mange AI-systemer er at hvis du stiller dem et spørsmål og de ikke vet svaret, er du heldig. Så for oss, hvis du stiller Jane et spørsmål, og hun ikke vet svaret, vil hun ta en person i løkka, hjelpe deg med å få riktig respons.

Tonya Hall: Fortell om integrering av naturlig språk og hvordan Jane lærer av nye spørsmål og forespørsler.

Karandisk: Så Jane er bygd av en serie nevrale nettverk og algoritmer, noen av dem veldig høyteknologiske, andre en gjeng med innviklede nevrale nettverk. Noen av dem er ganske enkle som stavekontroll og tar bedriftens forkortelsesliste. Men hun kombinerer alt dette sammen, og så setter vi sammen en haug med stemmer. Så tenk på alle algoritmene som stemmer og si om vi skal eller ikke skal matche en bestemt kandidat eller ikke. Basert på disse stemmene vil hun enten komme tilbake til deg med svar fra en app, et dokument eller en person; eller hun vil sende den til en co-pilot, hvor noen kan komme tilbake og hjelpe deg med å få det svaret.

Nå erkjenner vi at verden ikke alltid er så svart eller hvit. Så hvis hun har rett på linjen, vil hun komme tilbake til deg med en avklaring, der hun sier "Mente du A, B eller C?" Hvis du velger B, vil hun huske det. Det strømmer tilbake til det nevrale nettverket, og hun husker det neste gang.

Tonya Hall: En co-pilot er et menneske, tar jeg det?

David Karandish: Co-pilot er en eller flere mennesker i teamet ditt som kan hjelpe med å organisere Jane's kunnskapsbase.

Tonya Hall: Hvordan har du integrert andre apper som fungerer i Jane?

David Karandish: Ja, så det vi gjør er at vi designer tjenesten først, og dette er noe annerledes enn mange andre selskaper. Så for oss vil tjenester være e-post og kalender og HRIS og CRM, billettering og skystasjoner. Og så deler alle appene som vi kobler til den tjenesten, de samme ferdighetene. En grunn som er gunstig, er at hvis IT-teamet ditt bestemmer seg for å bytte fra Jira til ServiceNow eller fra NetSuite til Salesforce eller fra ADP til Workday, trenger du ikke å lære en ny måte å samhandle med Jane, fordi alle HRIS er de samme . Når vi har designet den tjenesten, kobler vi Jane opp til hvilke APIer som er tilgjengelige for disse appene, og deretter kan hun hente informasjon og gjøre handlinger på dine vegne.

Tonya Hall: Hva skiller Jane fra den gjennomsnittlige chatbotten?

David Karandish: Det som skiller Jane fra den gjennomsnittlige chatbot, er for det første Jane har læring i spissen. Så vi visste at hvis du stiller Siri et spørsmål på telefonen din, hun ikke har svaret, er du heldig. Vi visste at det er greit hvis du er min fem år gamle datter som leter opp tekster fra Taylor Swift. Men hvis du er et teammedlem, hvis du er en kunde, må du kunne få det svaret, og det må kunne lære selv når det ikke vet svaret. Så vi setter læring i høysetet.

Den andre store tingen er at Jane snakker leksikonet til organisasjonen din. Så vi ønsker ikke at hun bare skal snakke amerikansk engelsk, men vi vil at hun skal snakke amerikansk engelsk med din egen dialekt, din egen formulering, dine egne måter du jobber i organisasjonen. Hun vil vite hva TPS-rapportene står for, hvis du vil.

Den tredje tingen med Jane er at hun, i tillegg til læringen og dialekten, også kan hente informasjon ut av dokumentene dine. Så mange ganger tenker folk på appene ... de er lette å forstå ... hvordan hun kunne koble seg til Salesforce eller Dropbox, men dokumentene har i seg selv en skattekule av informasjon. Og hun kan ta informasjon ut av bedriftshåndboken eller salgsopplæringsmateriellet og gjøre alt det tilgjengelig.

De 10 mest etterspurte AI-jobbene i verden (TechRepublic)

Tonya Hall: Hvilket teknologisk gjennombrudd må skje for å muliggjøre det neste store spranget fremover med maskinlæring og kunstig intelligens?

David Karandish: Maskinlæring og AI fortsetter å gjøre skrittfunksjonens fremgang. Og hver gang en ny hovedtype nevralt nettverk kommer ut, vil du finne at mange mennesker forbedrer det, og så treffer det slags en ny grunnlinje, og så hopper vi opp derfra. Når det gjelder hvor du skal begynne å se større trinnfunksjonsforbedringer, vil det skje når du kan begynne å lenke forskjellige svar sammen. Så det er en ting å stille et spørsmål og få svar tilbake - det er en annen ting å ha en kontinuerlig dialog i samtalen. Og slik trener de fleste nevrale nett i dag med individuelle innganger og utganger; Jeg tror på lang sikt at du vil ha fulle samtaler som trener systemet som hjelper deg med å forstå naturlig språkbehandling.

Tonya Hall: Takk for at du kastet litt innsikt og snakket om arbeidet du gjør. Hvis noen ønsker å få kontakt med deg, hvordan kan de da gjøre det?

David Karandish: Du kan sjekke oss ut på Jane.ai i favorittleseren din.

Nyhetsbrev om innovasjon

Vær kjent med smarte byer, AI, Internet of Things, VR, AR, robotikk, droner, autonom kjøring og mer av de kuleste teknologiske nyvinningene. Leveres onsdager og fredager

Registrer deg i dag

© Copyright 2020 | mobilegn.com