Descubra Inteligência Contínua: Michelle Zhou, CEO da Juji, sobre Democratização da IA

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

Neste podcast RTInsights Real-Time Talk, o editor da RTInsights Joe McKendrick conversa com Michelle Zhou, co-fundadora e CEO da Juji, sobre expandir o uso de inteligência artificial (IA) tornando-a mais acessível usando a própria IA. A conversa cobre como ela construiu sobre seu trabalho com IBM Watson para focar no uso de plataformas de IA cognitiva reutilizáveis no-code para democratizar assistentes de IA/chatbots e preencher a crescente divisão de IA.

• Apple
• Google
• Spotify
• Outras plataformas

Joe McKendrick: Olá, sou Joe McKendrick, e bem-vindos aos podcasts Continuous Intelligence da RTInsights, o próximo em nossa série. E estou realmente emocionado em ser acompanhado hoje por Michelle Zhou, presidente e co-fundadora da Juji e você é uma voz líder, pensadora e realizadora no campo de inteligência artificial. E ansiamos aprender um pouco sobre o que está acontecendo e como podemos avançar com as coisas.

Habilite cookies para não ter que preencher o formulário em artigos futuros.

E para começar, Michelle, por que não nos conta um pouco sobre sua jornada? Sei que você esteve com IBM Watson e fez muito trabalho nessa área também. Então você está no campo de 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, obrigada, Joe, por me ter. Sou Michelle Zhou e na verdade comecei minha jornada de IA desde que era estudante de graduação na Columbia University. Estava fazendo meu Ph.D. lá. Uma das coisas que sempre me fascinou é como você pode usar uma máquina para ajudar pessoas a fazer algo que pessoas não gostam de fazer, ou não são boas em fazer? Minha tese foi sobre criar um assistente de IA para ajudar pessoas a criar, se você quiser, infográficos porque nem todo mundo é designer. Nem todo mundo pode desenhar belos infográficos, mas todo mundo quer gostar dos dados, quer interpretar os dados. Então criei IA durante meu estudo de Ph.D. para basicamente olhar os dados, analisar os dados e criar automaticamente explicações visuais dos dados. Isso foi realmente usado para médicos e enfermeiras entenderem dados de pacientes e também para analistas de rede entenderem dados de rede, dados de networking e sua performance de networking.

A partir daí, quando me formei, juntei-me ao IBM Watson Research Center. E comecei... Porque antes disso eu estava trabalhando nesta área, o sistema não era interativo, o que significa que se você tem um conjunto de dados, você tem tarefas do usuário e preferências visuais, então você gera automaticamente. Mas e se os usuários, uma vez que veem o que viram da ilustração visual, e se eles têm mais perguntas? E se eles querem ver diferentes partes dos dados. Então comecei um projeto. Basicamente, chama-se IA conversacional para analytics de dados. Isso foi há quase 15, 20 anos, agora, há muito tempo. Então estamos realmente, a interface conversacional, é para ajudar a usar linguagem natural, para inquirir sobre os dados.

Por exemplo, pessoas podem perguntar: "Oh, você pode me mostrar o produto?" Vamos dizer, por exemplo, vamos dizer que estamos comprando produtos de seguro. "Você pode me mostrar 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 isso é um incentivo de contexto, para deixar pessoas inquirirem sobre os dados e talvez passar pelos dados puramente em linguagem natural. E o sistema vai realmente pegar as inquiridas do usuário, parseá-las. Entende o que um usuário está pedindo, automaticamente vem com os dados e a forma certa para realmente explicar às pessoas como aqui estão os dados que você inquiriu. Então esse é o um.

Então lá, muito interessante o que é neste tipo de projeto, só nos importamos com preferências de dados do usuário e preferências do usuário sobre apresentação, mas não diferenças individuais. Quando digo diferenças individuais, é por exemplo, como é sua personalidade? Qual seu estilo cognitivo, se você gosta de um tipo mais de história de dados ou onde você gosta de um tipo mais baseado em fatos e números de história de dados? Então não levamos isso em consideração.

Então comecei outro projeto na IBM chamado IBM... então se tornou IBM Watson Personality Insights, o que significa que queremos usar dados comportamentais do usuário como dados de comunicação para entender melhor diferenças individuais. Então por exemplo, você é extrovertido? É introvertido? É muito colaborativo ou é mais sobre o aprendiz solitário? Então comecei a Juji como startup com meu cofundador, que acontece de ser um cientista da computação e um psicólogo e que co-inventou personalidades IBM Watson comigo.

Então começamos este. Queríamos criar, realmente, uma nova geração de assistentes de IA. Chamamos eles de assistentes cognitivos. Basicamente, eles devem interagir com pessoas. E então ajudam organizações a aumentar sua força de trabalho, automatizar diferentes tipos de tarefas, especialmente tarefas bastante consumidoras de tempo, intensivas em trabalho que humanos realmente não gostam de fazer. Por exemplo, ter uma conversa com estranhos, que nem todo mundo quer fazer, ou cutucar pessoas a fazer algo que não gostam de fazer. Por exemplo, terminar sua lição de casa ou fazer exercício, ou checar seu status de saúde todo dia. Então devemos deixar para o assistente de IA fazer. Então isso é o que somos hoje.

Joe McKendrick: Isso é realmente fascinante. Como consumidor, uso um Google Assistant aqui no escritório e tenho Alexa em casa. Mas isso soa como o que você está trabalhando é mais avançado do que eu acho as perguntas ou pedidos de músicas relativamente simples, que um usuário consumidor usaria agora em IA, em um assistente pessoal.

Michelle Zhou: Correto. Então fico feliz que você mencionou esse contraste. Então é realmente, o que as pessoas normalmente usam, como Alexa ou Google Home, eles são mais o que chamamos de interação user-driven, que o usuário dirá, "Você pode me dizer como está a temperatura lá fora?" Ou, "Você pode me ajudar a encontrar a música que eu gosto?" Então é mais user-driven. Os sistemas são muito passivos. No nosso caso, queremos suportar assistentes de IA verdadeiramente interativos. Então não é apenas user-driven, na verdade poderia ser driven tanto pelas máquinas quanto pelo usuário. Por exemplo, um exemplo muito simples.

Vamos dizer que você vai no site de alguma universidade, quer procurar um programa online para aplicar. Então o assistente pode realmente te dar um tour do programa online porque isso é o que acabamos de falar sobre Zoom porque nem todo mundo conhece Zoom muito bem. Então vamos dizer se seu assistente pudesse ter te dado um tour deles, mas no caminho, durante o tour, você pode fazer qualquer uma das perguntas. Então por exemplo, se o assistente Zoom te dirá, "Ei, você pode só começar este, testar sua voz, olhar uma foto. E você pergunta, 'Oh, eu não gosto de mostrar meu fundo. O que devo fazer?'" Então neste caso, o Zoom diz, "Oh, agora você pode fazer este, você pode mudar seu fundo ou talvez mutar seu fundo, então continue o tour." Então é quase como o que estamos falando. É uma verdadeira conversa.

Então isso é o que Juji realmente desenvolveu. É por isso que chamamos de assistência de IA cognitiva. Isso é o que é chamado de inteligência cognitiva. Diferente da IA regular, inteligência cognitiva, que significa que não é apenas ter habilidades de linguagem como você experimentou de Alexa ou Google home, eles também têm o que chamamos de habilidades humanas avançadas, especialmente soft skills. 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 usuários estão dizendo, mas eles são realmente para verificar as emoções, parafrasear o que dizem, resumir o que os usuários dizem, ser muito atenciosos, bem como ser muito preocupados com o que o usuário se importa. E então realmente então fazer a conversa confiável e empática. Então neste caso, pense sobre como você realmente conversa com a pessoa. E você pode ter isso quase como um relacionamento muito pessoal.

Joe McKendrick: Ouvimos sobre, por exemplo, com 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 ou cortam para um operador vivo, ou eu acho que tentará abordar sua frustração. E soa como você está construindo sobre esse tipo de aplicação. Certo?

Michelle Zhou: Certo. Então na verdade já fomos além disso. Então o primeiro, o que chamamos de escuta ativa, que significa que é sentir o que você disse, sentimento do usuário, emoções do usuário, e ser capaz de realmente reformular isso, parafrasear isso. E o próximo exemplo, fico feliz que você está nisso, chamamos "Ler nas entrelinhas". Então o que significa é que você pode pensar sobre isso do jeito que você fala com um psicólogo, que psicólogos sempre tentam entender o que está além do que você acabou de dizer. Então quais suas necessidades e desejos não falados, então qual sua assinatura emocional. Então não é sobre apenas o momento de um sentimento, o momento de emoções sendo mostradas. Como é a assinatura? Então é por isso que chamamos ler nas entrelinhas.

Por exemplo, nosso assistente de IA analisa dinamicamente o texto conversacional do 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 storytelling. E algumas pessoas, como lidam com desafios da vida. Por exemplo, algumas pessoas sob pressão são muito calmas, e algumas pessoas sob pressão podem ser um pouco off. Então você pode ver porque você entende as diferenças individuais subjacentes únicas, as características de cada usuário. Então eles podem melhor ajudar cada usuário.

Só para dar um exemplo que falamos antes, um prospecto de estudante, um estudante que está procurando um programa online, mas esta pessoa pode estar preocupada com o fardo financeiro, porque qualquer coisa, um programa online, você precisa pagar pela mensalidade. Em outro caso, se o assistente detecta tais necessidades e desejos não falados, pode realmente guiá-los, pode dizer a eles, "Ei, você sabe o que? Especialmente para uma pessoa que está muito preocupada, e também quer ser muito independente então disse que, 'Temos muitos programas de ajuda financeira. Temos bolsas, então podemos ajudar você basicamente em sua jornada de conseguir um grau ou talvez avançar sua carreira.'" Então você pode ver sendo verdadeiramente muito personalizado, que se outra pessoa tem a mesma preocupação, que esta pessoa é muito mais metódica, muito mais, vamos dizer, cuidadosa. Então você vai usar as diferentes maneiras de apresentar a informação.

Pode dizer este, "Agora vou apresentar você com diferentes tipos de opções de ajuda financeira. Você pode escolher a que melhor se adapta ao seu estilo de vida, ou talvez seu estilo de trabalho." Então você pode ver, você pode verdadeiramente personalizar um, mesmo as pessoas que têm necessidades podem ser as mesmas, querem encontrar o programa que você se inscreve, mas subjacente, eles têm suas próprias necessidades psicológicas, desejos psicológicos.

Joe McKendrick: Quase soa como os assistentes de IA cognitiva também adotam sua própria personalidade, seu próprio conjunto de comportamentos para se adaptar ao... certo?

Michelle Zhou: Na verdade, fizemos muito trabalho. Sim. Fizemos muito estudo sobre isso. Eles não estão adotando ainda. 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 pessoas gostam de interagir com IAs que têm personalidade similar. Então se sou muito extrovertido, gosto de interagir com a IA com personalidade extrovertida. Mas algumas pesquisas na verdade desafiam isso, mostrando que pessoas gostam de interagir com IA, que têm o oposto, dizemos personalidade complementar. Então se sou muito tagarela, prefiro IA não muito tagarela, que é mais reservada. Então é por isso que não colocamos em produção ainda, porque ainda estamos tentando descobrir qual jeito usuários preferem mais. Requer um pouco mais de pesquisa nesse aspecto particular.

Joe McKendrick: Sim. Você fala sobre democratização de IA, que é realmente um ótimo conceito. E você prevê IA sendo parte de dispositivos de menor pegada, digamos nossos smartphones, eles vão interagir através de smartphones? Talvez haja alguma IA nisso. Ou talvez dispositivos que podem ser integrados em outros sistemas. É algo que você está olhando também?

Michelle Zhou: Sim. Correto. Na verdade, você tocou em um aspecto de democratizar IA. Então pensando sobre isso, provavelmente nos anos 1970, o que chamamos de democratização da computação. Antes disso, IBM tinha estes computadores mainframe, ou talvez o pequeno computador. Então realmente pessoas não podiam pagar para comprar, porque é muito caro. Não só isso, a segunda parte é que não muitas pessoas podem usar aquele tipo de computador porque não podem programar. Não conhecem linguagens de programação. Não podem realmente usá-los. Então com o advento dos computadores pessoais, os PCs, os Macs, então isso é realmente democratizar a computação, não é apenas... Quase todo mundo agora, toda empresa pode pagar para comprar um computador. Todo mundo que tem muito pouco conhecimento, que não é programador, ou que não é especialista em ciência da computação, pode operar um computador.

Então temos uma ideia muito similar em democratizar IA. Então se você diz que devemos ver IA realmente rodar em qualquer tipo de dispositivo, incluindo o smartphone. Já estávamos fazendo isso. A segunda parte é, além daquela parte é que queremos permitir qualquer um, literalmente todos, contanto que eles possam fazer PowerPoints, eles podem 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 neles mesmos, sem código, eles não precisam de especialização em IA. Eles não precisam de dados de treinamento, porque já treinamos, então podem rapidamente personalizar e implantar e gerenciar. Então isso é o que realmente queremos dizer sobre democratizar IA. Então significa que eles podem só ir adotar e então rapidamente personalizar e usar para seus benefícios.

Joe McKendrick: Uau. Isso soa bem excitante. Então alguém como eu, ou se há uma pessoa que não tem background técnico poderia começar a configurar estes tipos de aplicações, então, que poderia.

Michelle Zhou: Você deveria sim.

Joe McKendrick: Clientes.

Michelle Zhou: Joe, você faz PowerPoints? Conhece PowerPoint? Conhece planilhas. Então fizemos as barreiras de entrada realmente, realmente baixas, literalmente significando que pessoas podem fazer PowerPoints. Pessoas podem fazer planilhas. Eles devem vir, ser capazes de usar nossa plataforma para criar um assistente de IA muito poderoso que é personalizado e também personalizado para seu contexto, sua tarefa. Porque a maioria dos nossos usuários são, por exemplo, especialistas em recrutamento, gerentes de marketing, gerentes de produto, e pesquisa de usuário, há um pesquisador. Então isso significa que eles não são definitivamente cientistas da computação. Não sabem como programar. Não precisam saber como o programa. E eles são basicamente apenas o tipo de trabalhadores de conhecimento geral. Então eles são capazes de configurar um assistente de IA muito poderoso em nossa plataforma.

Joe McKendrick: Isso é maravilhoso. E como você vê... Conforme você avança com isso, haverá um produto com marca Juji que clientes poderão baixar ou comprar? Ou você estará trabalhando nos bastidores com outros provedores de aplicação para construir isso? O que veremos num futuro próximo de vocês?

Michelle Zhou: Ok. Acho que ambos. Então um jeito é que já temos clientes vindo só para usar nossa plataforma para criar a IA personalizada. Implantar, nós hospedamos. E então outro, é que também fazemos parceria com outras empresas. Então basicamente eles se tornam nossos parceiros de canal. Então os clientes deles usarão os deles em conjunto com os nossos para criar um assistente de IA. Por exemplo, com voz. Então porque na Juji, não fazemos voz. Então então como alguém que é especializado em reconhecimento de voz e TTS, então eles podem realmente combinar com nossas tecnologias para criar uma assistência de IA cognitiva muito esperta com voz também, sempre um rosto. Então podemos também combinar todas aquelas tecnologias juntas. Então um é se você disse... É mais, então servimos como o motor de IA conversacional, motor cognitivo, se você quiser, para aqueles parceiros potenciais. E então no meio tempo, as pessoas, se elas só querem o assistente de IA baseado em texto, podem só vir direto à nossa plataforma e usar.

Joe McKendrick: Vocês estão perto de passar o Teste de Turing onde alguém pode não ser capaz de distinguir?

Michelle Zhou: Alguém disse isso. Mas não sabemos se devemos usar isso como padrão para testar a qualidade. Porque a razão, não sei se você ouviu sobre este, na verdade nos anos 1970, um professor particular... Turing... Um chatbot que passa o Teste de Turing, aquele foi o primeiro. A razão é que imitava um paciente que tem um transtorno psicológico. Então é por isso. É por isso que passou porque ninguém sabia o que ele estava falando. Então não tenho certeza se é um bom critério ou não.

Então acho que nossos critérios seriam mais concretos? A IA pode realmente ajudar você terminar sua tarefa? A IA realmente pode entregar aquela satisfação do usuário? Acho que é mais prático e é mais também mensurável, de um ponto de vista de negócio. Porque se ajudamos, vamos dizer, uma universidade a ajudar seus estudantes prospectivos ou estudantes existentes, ou até graduados e se esta IA fez sua ajuda. Então qual o resultado da ajuda? Eles têm mais matrículas e eles realmente viram isso? Sim. Eles têm taxa de sucesso e retenção mais alta dos estudantes? Sim. Ou seus graduados ou alumni voltarão, mais deles voltarão e continuarão sua educação? Isso é muito concreto... Na verdade, diria resultados de sucesso, ou utilidade da IA, versus comparar apenas o passar.

Joe McKendrick: E uma das preocupações de IA é sempre os dados, a quantidade de dados que é necessária, big data por exemplo você precisa grandes datasets para identificar e treinar, e assim por diante. Como você vê isso acontecendo? O que você está trabalhando requer grandes datasets.

Michelle Zhou: Precisamente. Esta é uma ótima pergunta. É por isso que estava falando sobre democratizar IA porque muitas organizações não têm aquele tipo de dados. Por exemplo, eles nem têm aquele tipo de IA ainda. Então é por isso que somos, como empresa, como empresa de plataforma, e temos gerado nossos próprios dados, coletando nossos dados. Então sim, nossos modelos são treinados em quantidades massivas de dados, porque já treinamos dados. Devemos só deixar outras pessoas reutilizarem. Então é quase como uma transferência de inteligência.

Estava em outra ligação só na semana passada, pessoas me perguntavam sobre este. E disse, "É a beleza do que estamos trabalhando, o que Juji está fazendo é este." Você diz que estamos ensinando IA tudo do zero, ler nas entrelinhas. Na verdade, embutimos inteligência nisso. Então quando você realmente adota a IA, aquela IA veio com aqueles, nasceu com esta inteligência. Built-in, chamamos de inteligência built-in. Então podemos realmente transferir inteligência de um para outro.

Outra coisa, por exemplo, estamos trabalhando com universidades para ajudar seu programa de recrutamento. Então aí você tem muitas perguntas de estudantes prospectivos. Então neste caso, aqueles dados podem ser realmente usados para outras universidades também. Quando digo os dados, não as respostas per se, mas as perguntas. Então estudantes fazem uma pergunta, formulam a pergunta, e em cima daquilo, nós automaticamente geramos mais dados de treinamento. Então as universidades não precisam fazer isso. Então quando eles originalmente vêm para nós e dizem, "Ei, não temos os dados." Então você não precisa se preocupar com isso. Já temos. Então você pode só ter um jumpstart do seu assistente de IA. Então isso é o que também quis dizer exatamente sobre democratizar IA, que significa que você está empacotando a inteligência. Você pré-constroi inteligência, então outras pessoas podem adotá-la, e podem reutilizá-la instantaneamente.

Joe McKendrick: Igual a pesquisa científica, você pode construir sobre pesquisa existente e continuar melhorando coisas. Certo?

Michelle Zhou: Sim. Então é o mais como você está crescendo como criança. A criança tem a inteligência, o começo tem inteligência muito boa. Então uma vez que esta criança tem mais inteligência, então você mantém, não só mantém, você transfere esta inteligência da criança para outra criança, então a outra criança não precisa aprender do zero. Então isso é muito poderoso.

Joe McKendrick: É. Absolutamente. E Michelle, o que você vê acontecendo nos próximos 5 a 10 anos? O que você está ansiosa para ver acontecendo? Como será o mundo em 2025 ou até 2030, especialmente com sua tecnologia?

Michelle Zhou: Acho que estamos indo rumo a um cenário mais, na verdade inventado otimista do filme Her. Você lembra do filme Her?

Joe McKendrick: Sim. Sim. Ótimo filme.

Michelle Zhou: Certo? Então isso significa que sua IA talvez saiba mais sobre você do que você sabe você mesmo. E sua IA saberá o que você quer antes de você saber até o que você quer. Por exemplo, você precisa economizar dinheiro. A IA já sabia antecipadamente que você precisa economizar dinheiro. Ou você precisa de um novo grau para ser mais empregável. A IA provavelmente saberá isso antes de você saber. Então isso é o que vejo. Você tem um verdadeiro, o que chamo de assistente pessoal, companheirismo pessoal, neste caso, o companheiro de IA, que pode realmente entender quem você é, quais suas necessidades e desejos são, e ajudar você da melhor forma para beneficiar você. Então é por isso que também vamos ao nosso tópico de IA responsável, porque com aquele nível de entendimento, se não vamos enforçar esta IA responsável, se esta tecnologia cai em mãos de pessoas ruins, pode ser abusada e pode ter consequências ruins. É por isso que também instilamos este senso de IA responsável, que significa que queremos ter certeza que IA ajuda pessoas basicamente da melhor forma para beneficiar pessoas.

Joe McKendrick: Maravilhoso. Maravilhoso. E absolutamente o trabalho que você está fazendo naquela área está realmente movendo IA em uma direção positiva para beneficiar pessoas. E realmente apreciamos você sendo capaz de compartilhar isso conosco em nosso podcast hoje. Novamente, sou Joe McKendrick falando com Michelle Zhou. Ela é a CEO e co-fundadora da Juji. E muito obrigado Michelle por se juntar a nós hoje. Realmente gostamos de ter você.

Michelle Zhou: Obrigada, Joe, por me ter. Obrigada. Tchau.