Entendendo a Inteligência Contínua com a CEO da Juji, Michelle Zhou

Neste podcast da RTInsights Real-Time Talk, o editor da RTInsights, Joe McKendrick, conversa com Michelle Zhou, cofundadora e CEO da Juji

Nesta RTInsights Real-Time Talk podcast, o editor da RTInsights, Joe McKendrick, conversa com Michelle Zhou, cofundadora e CEO da Juji, sobre expandir o uso da inteligência artificial (IA) tornando-a mais acessível usando a própria IA. A conversa aborda como ela desenvolveu seu trabalho com o IBM Watson para se concentrar no uso de plataformas de IA cognitivas reutilizáveis ​​e sem código para democratizar os assistentes/chatbots de IA e preencher a crescente divisão da IA.

• Maçã
• Google
• Spotify
• Outras plataformas

Joe McKendrick: Olá, aqui é Joe McKendrick e bem-vindo aos podcasts de Inteligência Contínua da RTInsights, o próximo da nossa série. E estou realmente emocionado por ter hoje a companhia de Michelle Zhou, presidente e cofundadora da Juji, e você é uma voz líder, pensadora e realizadora no campo da inteligência artificial. E estamos ansiosos para aprender um pouco sobre o que está acontecendo e como podemos avançar com as coisas.
Habilite os cookies para que você não precise preencher o formulário em artigos futuros.
E para começar, Michelle, por que você não nos conta um pouco sobre sua jornada? Eu sei que você esteve com o IBM Watson e fez muito trabalho nessa área também. Então você está no campo da IA ​​há vários anos, desde que as coisas realmente começaram a rolar. Conte-nos um pouco sobre sua jornada. Como você chegou onde está hoje?
Michelle Zhou: Claro. Oh, obrigado, Joe, por me receber. Eu sou Michelle Zhou e na verdade comecei minha jornada de IA desde que era estudante de pós-graduação na Universidade de Columbia. Eu estava fazendo meu doutorado. lá. Então, uma das coisas que sempre me fascinou é como você pode usar uma máquina para ajudar as pessoas a fazer algo que as pessoas não gostam de fazer, ou as pessoas não são boas em fazer? Então, minha tese foi sobre a criação de um assistente de IA para ajudar as pessoas a criar, por assim dizer, gráficos de informação, porque nem todo mundo é designer. Nem todo mundo pode criar belos gráficos de informação, mas todo mundo quer gostar dos dados, quer interpretar os dados. Então eu criei IA durante meu doutorado. study para basicamente olhar para os dados, analisá-los e criar automaticamente explicações visuais dos dados. Então, na verdade, isso tem sido usado para médicos e enfermeiros entenderem os dados do paciente e também para analistas de rede entenderem os dados da rede, os dados da rede e seu desempenho de rede.
A partir daí, quando me formei, entrei para o IBM Watson Research Center. E eu comecei… Porque antes eu trabalhava nessa área, o sistema não era interativo, o que significa que se você tem um conjunto de dados, você tem as tarefas de um usuário e as preferências visuais, então você gera automaticamente. Mas e se os usuários, depois de verem o que viram na ilustração visual, e se tiverem mais perguntas? E se eles quiserem ver diferentes partes dos dados. Então eu comecei um projeto. Basicamente, é chamado de IA conversacional para análise de dados. Então isso foi há quase 15, 20 anos atrás, agora, tanto tempo atrás. Então nós somos na verdade, a interface conversacional, é para ajudar a usar a linguagem natural, para perguntar sobre os dados.
Por exemplo, as pessoas podem perguntar:“Ah, você poderia me mostrar o produto?” Digamos, por exemplo, que estamos comprando produtos de seguro. “Você poderia me mostrar os produtos de seguro residencial, digamos, para casas abaixo de um milhão de dólares”, ou algo assim. E se eu comprar com seguro de carro? Então você pode ver que isso é um incentivo de contexto, para permitir que as pessoas perguntem sobre os dados e talvez passem pelos dados puramente em linguagem natural. E o sistema vai realmente pegar as consultas do usuário, analisá-las. Ele entende o que um usuário está pedindo, automaticamente apresenta os dados e o formulário certo para realmente explicar às pessoas como aqui estão os dados que você perguntou. Então é esse.
Então aí, muito interessante o que há nesse tipo de projeto, a gente só se preocupa com as preferências de dados de um usuário e preferências dos usuários sobre a apresentação, mas não diferenças individuais. Quando digo diferenças individuais, é por exemplo, como é a sua personalidade? Qual é o seu estilo cognitivo, se você gosta de um tipo de história de dados mais semelhante a uma história ou onde você gosta de uma história de dados mais baseada em fatos e semelhante a números? Então não levamos em consideração.
Então comecei outro projeto na IBM chamado IBM… e depois me tornei IBM Watson Personality Insights, o que significa que queremos usar os dados comportamentais do usuário, como dados de comunicação, para entender melhor as diferenças individuais. Então, por exemplo, você é extrovertido? Você é um introvertido? Você é muito colaborativo ou prefere o aluno solitário? Então comecei a Juji como uma startup com meu cofundador, que por acaso é cientista da computação e psicólogo e que co-inventou as personalidades do IBM Watson comigo.
Então começamos este. Queríamos criar, realmente, uma nova geração de assistentes de IA. Nós os chamamos de assistentes cognitivos. Então, basicamente, eles devem interagir com as pessoas. E então eles ajudam as organizações a aumentar sua força de trabalho, automatizar diferentes tipos de tarefas, especialmente tarefas demoradas e trabalhosas que os humanos realmente não gostam de fazer. Por exemplo, conversar com estranhos, o que nem todo mundo quer fazer, ou cutucar as pessoas para fazer algo que elas não gostam de fazer. Por exemplo, terminar sua lição de casa ou fazer exercícios ou verificar seu estado de saúde todos os dias. Portanto, devemos deixar isso para o assistente de IA fazer. Então é isso que nós somos hoje.
Joe McKendrick: Isso é realmente fascinante. Como consumidor, uso um Google Assistant aqui no escritório e tenho Alexa em casa. Mas parece que o que você está trabalhando é mais avançado do que eu acho que as perguntas ou pedidos relativamente simples de músicas ou qualquer outra coisa que um usuário consumidor usaria agora na IA, em um assistente pessoal.
Michelle Zhou: Correto. Então, estou feliz que você mencionou esse contraste. Então é realmente, então o que normalmente as pessoas usam, como Alexa ou Google Home, eles são mais o que chamamos de interação orientada ao usuário, esse usuário dirá:“Você poderia me dizer como está a temperatura externa?” Ou:"Você poderia me ajudar a encontrar a música que eu gosto?" Portanto, é mais orientado ao usuário. Os sistemas são muito passivos. Portanto, no nosso caso, queremos oferecer suporte a assistentes de IA verdadeiramente interativos. Portanto, não é apenas orientado pelo usuário, na verdade pode ser orientado pelas máquinas e pelo usuário. Por exemplo, um exemplo muito simples.
Então, digamos que você esteja acessando o site da universidade de alguém e queira procurar um programa on-line para se inscrever. Assim, o assistente pode realmente fazer um tour pelo programa online, porque foi sobre isso que acabamos de falar sobre o Zoom, porque nem todo mundo conhece o Zoom muito bem. Então, digamos que seu assistente pudesse lhe dar um tour por eles, mas no caminho, durante o tour, você pode fazer qualquer uma das perguntas. Por exemplo, se o assistente de Zoom lhe disser:“Ei, você pode apenas iniciar este, testar sua voz, olhar para uma foto. E você pergunta:“Oh, eu não gosto de mostrar minha formação. O que devo fazer?" Então, neste caso, o Zoom diz:“Ah, agora você pode fazer isso, pode alterar seu plano de fundo ou talvez silenciar seu plano de fundo e continuar o passeio”. Então é quase como o que estamos falando. É uma conversa verdadeira.
Então é assim que Juji realmente se desenvolveu. É por isso que chamamos de assistência cognitiva de IA. Isso é o que chamamos de inteligência cognitiva. Ao contrário da IA ​​comum, a inteligência cognitiva, o que significa que não é apenas ter habilidades linguísticas como você experimentou no Alexa ou na página inicial do Google, elas também têm o que chamamos de habilidades humanas avançadas, especialmente soft skills. Então, um exemplo de soft skills é o que chamamos de escuta ativa. Então, isso significa que não apenas os assistentes de IA entendem o que os usuários estão dizendo, mas eles realmente devem verificar as emoções, parafrasear o que eles dizem, resumir o que os usuários dizem, estar muito atentos, além de estarem muito preocupados com o que o usuário se preocupa. E então, na verdade, faça a conversa confiável e empática. Então, neste caso, pense em como você está realmente conversando com a pessoa. E você pode ter isso quase como um relacionamento muito pessoal.
Joe McKendrick: Ouvimos falar, por exemplo, de call centers ou contact centers e ligamos e recebemos um assistente virtual. E você ouve hoje em dia que eles podem sentir se um cliente está com raiva, por exemplo, se um cliente está frustrado. Eles vão transferi-los para um operador ao vivo ou acho que tentarão resolver sua frustração. E parece que você está desenvolvendo esse tipo de aplicativo. Certo?
Michelle Zhou: Certo. Então, na verdade, já fomos além disso. Então, o primeiro, o que chamamos de escuta ativa, o que significa que é sentir o que você disse, o sentimento dos usuários, as emoções do usuário, e ser capaz de reformular isso, parafrasear isso. E no próximo exemplo, fico feliz que você esteja neste, chamamos de “A leitura nas entrelinhas”. Então, o que isso significa é que você pode pensar sobre isso do jeito que você fala com um psicólogo, que os psicólogos sempre tentam entender o que está além do que você acabou de dizer. Então, o que seu tácito precisa e quer, então qual é sua assinatura emocional. Portanto, não se trata apenas do momento de um sentimento, do momento das emoções sendo mostradas. Como é a assinatura? Então é por isso que chamamos a leitura nas entrelinhas.
Por exemplo, nosso assistente de IA analisa dinamicamente o texto conversacional de um usuário e tenta detectar o que chamamos de diferenças individuais. Então, diferenças individuais, elas incluem quais são suas paixões ou interesses, e no que você é bom? Algumas pessoas são muito boas em raciocínio lógico. Algumas pessoas são muito boas em contar histórias. E algumas pessoas, como lidam com os desafios da vida. Por exemplo, algumas pessoas sob pressão são muito calmas, e algumas pessoas sob pressão podem ficar um pouco desanimadas. Então você pode ver porque você entende as diferenças individuais únicas subjacentes, as características de cada usuário. Então eles podem ajudar melhor cada usuário.
Só para dar um exemplo que falamos anteriormente, um aluno em perspectiva, um aluno que está procurando um programa online, mas essa pessoa pode estar preocupada com o encargo financeiro, porque qualquer coisa, um programa online, você precisa pagar a mensalidade. Em outro caso, se o assistente detectar essas necessidades e desejos tácitos, pode realmente orientá-los, pode dizer-lhes para dizer:“Ei, você sabe o quê?” Especialmente para uma pessoa que está muito preocupada, e também quer ser muito independente, então disse:“Temos muitos programas de ajuda financeira. Temos bolsas de estudo, então podemos ajudá-lo basicamente em sua jornada para obter um diploma ou talvez avançar em sua carreira.” Então você pode ver ser realmente muito personalizado, que se outra pessoa tem a mesma preocupação, essa pessoa é muito mais metódica, muito mais, digamos, cuidadosa. Então você vai usar as diferentes formas de apresentar a informação.
Pode dizer isso:“Agora vou apresentar a você diferentes tipos de opções de ajuda financeira. Você pode escolher o que melhor se adapta ao seu estilo de vida, ou talvez ao seu estilo de trabalho.” Então você pode ver, você pode realmente personalizar um, até mesmo as pessoas que têm necessidades podem ser as mesmas, querem encontrar o programa em que você se inscreve, mas subjacentes, elas têm suas próprias necessidades psicológicas, desejos psicológicos.
Joe McKendrick: Quase parece que os assistentes cognitivos de IA também adotam sua própria personalidade, seu próprio conjunto de comportamentos para se adaptar ao… certo?
Michelle Zhou: Na verdade, trabalhamos muito. Sim. Estudamos muito sobre isso. Eles ainda não estão adotando. Então ainda estamos em pesquisa. E estamos nos perguntando, porque a pesquisa mostrou resultados conflitantes. Então, algumas pesquisas mostram que… Nossa pesquisa também mostra que as pessoas gostam de interagir com IAs que têm uma personalidade semelhante. Então, se sou muito extrovertido, gosto de interagir com a IA com a personalidade extrovertida. Mas algumas pesquisas realmente desafiam isso, mostrando que as pessoas gostam de interagir com a IA, que têm o oposto, dizemos personalidade complementar. Então, se eu sou muito tagarela, prefiro a IA não muito tagarela, que é mais reservada. É por isso que ainda não o colocamos em produção, porque ainda estamos tentando descobrir de que maneira os usuários preferem mais. Requer um pouco mais de pesquisa nesse sentido específico.
Joe McKendrick: Sim. Você fala sobre a democratização da IA, que é realmente um ótimo conceito. E você prevê que a IA faça parte de dispositivos de menor pegada, digamos, nossos smartphones, eles interagirão por meio de smartphones? Talvez haja alguma IA nisso. Ou talvez os dispositivos que podem ser integrados a outros sistemas. Isso é algo que você está olhando também?
Michelle Zhou: Sim. Correto. Na verdade, você tocou em um aspecto da democratização da IA. Então, pensando nisso, provavelmente na década de 1970, o que chamamos de democratização da computação. Antes disso, a IBM tinha esses computadores mainframe, ou talvez o pequeno computador. Então, realmente as pessoas não podiam comprá-lo, porque é muito caro. Não apenas isso, a segunda parte é que muitas pessoas não podem usar esse tipo de computador porque não podem programar. Eles não conhecem as linguagens de programação. Eles não podem realmente usá-los. Então, com o advento dos computadores pessoais, os PCs, os Macs, isso está realmente democratizando a computação, não é apenas... Quase todo mundo agora, toda empresa pode comprar um computador. Qualquer pessoa que tenha muito pouco conhecimento, que não seja programador ou que não seja especialista em ciência da computação, pode operar um computador.
Portanto, temos uma ideia muito semelhante na democratização da IA. Então, se você disser que devemos ver a IA realmente rodando em qualquer tipo de dispositivo, incluindo o smartphone. Nós já estávamos fazendo isso. A segunda parte é que, além dessa parte, queremos capacitar qualquer um, literalmente, todos, contanto que eles possam fazer PowerPoints, eles possam fazer planilhas. Eles devem ser capazes de configurar, implantar e gerenciar um assistente de IA personalizado. Como acabei de dizer, com toda a inteligência cognitiva por conta própria, sem codificação, eles não precisam de experiência em IA. Eles não precisam de dados de treinamento, porque já treinamos, para que possam personalizá-los rapidamente, implantá-los e gerenciá-los. Então é isso que realmente queremos dizer sobre democratizar a IA. Isso significa que eles podem simplesmente adotar e, em seguida, personalizá-lo rapidamente e usá-lo para seus benefícios.
Joe McKendrick: Uau. Isso soa muito emocionante. Então, alguém como eu, ou se houver uma pessoa que não tenha formação técnica, possa começar a configurar esses tipos de aplicativos, isso poderá.
Michelle Zhou: Você deveria sim.
Joe McKendrick: Clientes.
Michelle Zhou: Joe, você faz PowerPoints? Você conhece o PowerPoint? Você conhece planilhas. Então, tornamos as barreiras de entrada muito, muito baixas, literalmente significando que as pessoas podem fazer PowerPoints. As pessoas podem fazer planilhas. Eles devem vir, poder usar nossa plataforma para criar um assistente de IA muito poderoso, personalizado e também personalizado para seu contexto, sua tarefa. Como a maioria de nossos usuários são, por exemplo, especialistas em recrutamento, gerentes de marketing, gerentes de produto e pesquisa de usuários, há um pesquisador. Então isso significa que eles não são definitivamente cientistas da computação. Eles não sabem programar. Eles não precisam saber como o programa. E eles são basicamente o tipo de trabalhadores do conhecimento geral. Assim, eles podem configurar um assistente de IA muito poderoso em nossa plataforma.
Joe McKendrick: Isso é maravilhoso. E como você vê... À medida que avança com isso, haverá um produto com a marca Juji que os clientes poderão baixar ou comprar? Ou você trabalhará nos bastidores com outros provedores de aplicativos para construir isso? O que veremos em um futuro próximo de vocês?
Michelle Zhou: OK. Acho que ambos. Então, uma maneira é que já temos clientes vindo apenas para usar nossa plataforma para criar a IA personalizada. Implante, nós hospedamos. E depois outra, é que também fazemos parceria com outras empresas. Então, basicamente, eles se tornaram nossos parceiros de canal. Assim, seus clientes usarão os deles em conjunto com os nossos para criar um assistente de IA. Por exemplo, com a voz. Então, porque na Juji, não fazemos uma voz. Então, como alguém especializado em reconhecimento de voz e TTS, eles podem realmente combinar com nossas tecnologias para criar uma assistência de IA cognitiva muito inteligente também com a voz, sempre um rosto. Assim, também podemos combinar todas essas tecnologias. Então, uma é se você disser… É mais, então servimos como o mecanismo de IA conversacional, mecanismo cognitivo, se você preferir, para esses parceiros em potencial. E, enquanto isso, as pessoas, se quiserem apenas o assistente de IA baseado em texto, podem entrar diretamente em nossa plataforma e usá-lo.
Joe McKendrick: Você está perto de passar no Teste de Turing onde alguém pode não ser capaz de distingui-lo?
Michelle Zhou: Alguém disse isso. Mas não sabemos se devemos usar isso como padrão para testar a qualidade. Porque o motivo, não tenho certeza se você já ouviu falar sobre isso, na verdade na década de 1970, um determinado professor de Turing … Um chatbot que passa no teste de Turing, esse foi o primeiro. A razão é que ele imitou um paciente que tem um distúrbio psicológico. Entao e por isso. Então é por isso que passou porque ninguém sabia do que ele estava falando. Portanto, não tenho certeza se esse é um bom critério ou não.
Então eu acho que nossos critérios seriam mais concretos? A IA pode realmente ajudá-lo a terminar sua tarefa? A IA pode realmente entregar essa satisfação ao usuário? Eu acho que é mais prático e mais na verdade também mensurável, do ponto de vista empresarial. Porque se ajudarmos, digamos, uma universidade a ajudar seus futuros alunos ou alunos existentes, ou mesmo graduados e se essa IA ajudou. Então, qual é o resultado da ajuda? Eles têm mais matrículas e eles realmente viram isso? Sim. Eles têm uma maior taxa de sucesso e taxa de retenção dos alunos? Sim. Ou seus graduados ou ex-alunos voltarão, mais deles voltarão e continuarão seus estudos? Isso é muito concreto… Na verdade, eu diria resultado, resultados de sucesso ou utilidade da IA, versus comparar apenas a passagem.
Joe McKendrick: E uma das preocupações da IA ​​são sempre os dados, a quantidade de dados necessária, big data, por exemplo, você precisa de grandes conjuntos de dados para identificar e treinar e assim por diante. Como você vê isso acontecendo? O que você está trabalhando requer grandes conjuntos de dados.
Michelle Zhou: Precisamente. Esta é uma grande pergunta. É por isso que eu estava falando sobre democratizar a IA porque muitas organizações não têm esse tipo de dados. Por exemplo, eles ainda nem têm esse tipo de IA. Então é por isso que somos, como empresa, como empresa de plataforma, e estamos gerando nossos próprios dados, coletando nossos dados. Então, sim, nossos modelos são treinados em grandes quantidades de dados, porque já treinamos dados. Devemos deixar que outras pessoas o reutilizem. Então é quase como uma transferência de inteligência.
Eu estava em outra ligação na semana passada, as pessoas estavam me perguntando sobre esta. E eu disse:“É a beleza do que estamos trabalhando, o que Juji está fazendo é isso”. Você diz que estamos ensinando tudo à IA do zero, lendo nas entrelinhas. Na verdade, incorporamos inteligência nisso. Então, quando você realmente adota a IA, essa IA veio com isso, nasceu com essa inteligência. Embutido, chamamos isso de inteligência embutida. Então podemos realmente transferir inteligência de um para outro.
Então, outra coisa, por exemplo, estamos trabalhando com universidades para ajudar no programa de recrutamento deles. Então você tem muitas perguntas de futuros alunos lá. Portanto, neste caso, esses dados também podem ser usados ​​para outras universidades. Quando digo os dados, não as respostas em si, mas as perguntas. Assim, os alunos fazem uma pergunta, formulam a pergunta e, além disso, geramos automaticamente mais dados de treinamento. Então as universidades não precisam fazer isso. Então, quando eles originalmente vêm até nós e dizem:“Ei, não temos os dados”. Então você não precisa se preocupar com isso. Nós já temos. Assim, você pode apenas ter um empurrãozinho do seu assistente de IA. Então é isso que eu quis dizer exatamente sobre democratizar a IA, o que significa que você está empacotando a inteligência. Você pré-cria a inteligência, para que outras pessoas possam adotá-la e reutilizá-la instantaneamente.
Joe McKendrick: Assim como a pesquisa científica, você pode desenvolver pesquisas existentes e continuar melhorando as coisas. Certo?
Michelle Zhou: Sim. Então é mais como se você estivesse crescendo quando criança. O garoto tem a inteligência, o começo tem uma inteligência muito boa. Então, uma vez que essa criança tenha mais inteligência, então você a mantém, não apenas a mantém, você transfere a inteligência dessa criança para outra criança, para que a outra criança não precise aprender do zero. Então isso é muito poderoso.
Joe McKendrick: Isso é. Absolutamente. E Michelle, o que você vê acontecendo nos próximos 5 a 10 anos? O que você está ansioso para ver acontecer? Como será o mundo em 2025 ou até 2030, especialmente com sua tecnologia?
Michelle Zhou: Eu acho que estamos indo em direção a um cenário mais otimista do filme Ela. Você se lembra do filme Ela?
Joe McKendrick: Sim. Sim. Ótimo filme.
Michelle Zhou: Certo? Portanto, isso significa que sua IA talvez saiba mais sobre você do que você mesmo. E sua IA saberá o que você quer antes mesmo que você saiba o que quer. Por exemplo, você precisa economizar dinheiro. A IA já sabia de antemão que você precisa economizar dinheiro. Ou você precisa de um novo diploma para ser mais empregável. A IA provavelmente saberá disso antes que você perceba. Então é isso que eu vejo. Você tem um verdadeiro, o que eu chamo de assistente pessoal, companheirismo pessoal, neste caso, o companheiro de IA, que pode realmente entender quem você é, quais são suas necessidades e desejos, e ajudá-lo da melhor maneira para beneficiá-lo. Então é por isso que também vamos ao nosso tópico de IA responsável, porque com esse nível de compreensão, se não formos aplicar essa IA responsável, se essa tecnologia cair nas mãos de pessoas más, pode ser abusada e ter consequências ruins . É por isso que também incutimos esse senso de IA responsável, o que significa que queremos garantir que a IA ajude as pessoas basicamente da melhor maneira para beneficiar as pessoas.
Joe McKendrick: Maravilhoso. Maravilhoso. E absolutamente o trabalho que você está fazendo nessa área está realmente movendo a IA em uma direção positiva para beneficiar as pessoas. E nós realmente apreciamos que você possa compartilhar isso conosco em nosso podcast hoje. Mais uma vez, estou falando com Michelle Zhou. Ela é a CEO e cofundadora da Juji. E muito obrigado Michelle por se juntar a nós hoje. Nós realmente gostamos de ter você.
Michelle Zhou: Obrigado, Joe, por me receber. Obrigada. Tchau.