Comprender la inteligencia continua con la directora ejecutiva de Juji, Michelle Zhou

En este podcast de RTInsights Real-Time Talk, el editor de RTInsights, Joe McKendrick, habla con Michelle Zhou, cofundadora y directora ejecutiva de Juji

En esta Charla en tiempo real de RTInsights podcast, el editor de RTInsights, Joe McKendrick, habla con Michelle Zhou, cofundadora y directora ejecutiva de Juji, sobre la expansión del uso de la inteligencia artificial (IA) haciéndola más accesible usando la propia IA. La conversación cubre cómo se basó en su trabajo con IBM Watson para centrarse en el uso de plataformas de IA cognitiva reutilizables y sin código para democratizar los asistentes/chatbots de IA y salvar la creciente brecha de IA.

• manzana
• Google
• Spotify
• Otras plataformas

Joe McKendrick: Hola, soy Joe McKendrick y bienvenido a los podcasts de inteligencia continua de RTInsights, el siguiente de nuestra serie. Y estoy realmente emocionado de que hoy me acompañe Michelle Zhou, presidenta y cofundadora de Juji, y usted es una voz líder, un pensador y un hacedor en el campo de la inteligencia artificial. Y esperamos aprender un poco sobre lo que está sucediendo y cómo podemos avanzar con las cosas.

Habilite las cookies para que no tenga que rellenar el formulario en futuros artículos.

Y para empezar, Michelle, ¿por qué no nos cuentas un poco sobre tu viaje? Sé que ha estado con IBM Watson y también ha trabajado mucho en esa área. Así que ha estado en el campo de la IA durante varios años, desde que las cosas realmente comenzaron a funcionar. Cuéntanos un poco sobre tu viaje. ¿Cómo llegaste a donde estás hoy?

Michelle Zhou: Por supuesto. Oh, gracias, Joe, por recibirme. Soy Michelle Zhou y en realidad comencé mi viaje de IA desde que era estudiante de posgrado en la Universidad de Columbia. Estaba haciendo mi doctorado. allá. Entonces, una de las cosas que siempre me ha fascinado es cómo se puede usar una máquina para ayudar a las personas a hacer algo que a las personas no les gusta hacer o que las personas no hacen bien. Entonces, mi tesis fue sobre la creación de un asistente de inteligencia artificial para ayudar a las personas a crear, por así decirlo, gráficos de información porque no todos son diseñadores. No todo el mundo puede diseñar hermosos gráficos de información, pero todo el mundo quiere que le gusten los datos, quiere interpretar los datos. Así que creé AI durante mi Ph.D. estudio para básicamente mirar los datos, analizar los datos y crear automáticamente explicaciones visuales de los datos. De hecho, eso se ha utilizado para que los médicos y las enfermeras comprendan los datos de los pacientes y también para que los analistas de redes comprendan los datos de la red, los datos de la red y el rendimiento de la red.

Entonces, a partir de ahí, cuando me gradué, me uní a IBM Watson Research Center. Y comencé… Porque antes de eso yo estaba trabajando en esta área, el sistema no era interactivo, lo que significa que si tienes un conjunto de datos, tienes las tareas de un usuario y las preferencias visuales, entonces generas automáticamente. Pero, ¿y si los usuarios, una vez que ven lo que vieron en la ilustración visual, tienen más preguntas? ¿Qué pasa si quieren ver diferentes partes de los datos? Así que comencé un proyecto. Básicamente, se llama IA conversacional para análisis de datos. Así que eso fue hace casi 15, 20 años, ahora, hace mucho tiempo. Entonces, en realidad somos la interfaz conversacional, es para ayudar a usar el lenguaje natural, para consultar sobre los datos.

Entonces, por ejemplo, la gente podría preguntar:"Oh, ¿podría mostrarme el producto?" Digamos, por ejemplo, digamos que estamos comprando productos de seguros. “¿Podría mostrarme los productos de seguros para el hogar, digamos para casas de menos de un millón de dólares”, o algo así. ¿Y si lo compro con seguro de coche? Así que puede ver que este es un incentivo de contexto, para permitir que las personas investiguen sobre los datos y tal vez los analicen puramente en lenguaje natural. Y el sistema realmente tomará las consultas de los usuarios, las analizará. Entiende lo que un usuario está solicitando, genera automáticamente los datos y el formulario correcto para explicar a las personas cómo están los datos que solicitó. Así que ese es el uno.

Entonces, muy interesante lo que hay en este tipo de proyecto, solo nos importan las preferencias de datos de un usuario y las preferencias de los usuarios sobre la presentación, pero no las diferencias individuales. Cuando digo diferencias individuales, es por ejemplo, ¿cómo es tu personalidad? ¿Cuál es su estilo cognitivo, si le gusta un tipo de historia de datos más similar a una historia o si le gusta una historia de datos más basada en hechos y números? Así que no lo tuvimos en cuenta.

Entonces comencé otro proyecto en IBM llamado IBM... luego se convirtió en IBM Watson Personality Insights, lo que significa que queremos usar los datos de comportamiento del usuario como datos de comunicación para comprender mejor las diferencias individuales. Entonces, por ejemplo, ¿eres extrovertido? ¿Eres introvertido? ¿Eres muy colaborativo o eres más del aprendiz solitario? Entonces comencé Juji como una startup con mi cofundador, que resulta ser informático y psicólogo, y quien inventó las personalidades de IBM Watson conmigo.

Así que empezamos este. Queríamos crear, en realidad, una nueva generación de asistentes de IA. Los llamamos asistentes cognitivos. Básicamente, deberían interactuar con las personas. Y luego ayudan a las organizaciones a aumentar su fuerza laboral, a automatizar diferentes tipos de tareas, especialmente tareas que consumen mucho tiempo y trabajo intensivo que a los humanos realmente no les gusta hacer. Por ejemplo, tener una conversación con extraños, lo que no todos quieren hacer, o empujar a las personas para que hagan algo que no les gusta hacer. Por ejemplo, terminar los deberes o hacer ejercicio, o revisar su estado de salud todos los días. Así que deberíamos dejar que lo haga el asistente de IA. Así que eso es lo que somos hoy.

Joe McKendrick: Eso es realmente fascinante. Como consumidor, uso un Asistente de Google aquí en la oficina y tengo a Alexa en casa. Pero parece que en lo que estás trabajando es más avanzado que las preguntas relativamente simples o solicitudes de canciones o lo que sea, que un usuario consumidor usaría ahora en IA, en un asistente personal.

Michelle Zhou: Correcto. Así que me alegro de que hayas mencionado ese contraste. Entonces, es realmente, el que normalmente usa la gente, como Alexa o Google Home, son más lo que llamamos la interacción impulsada por el usuario, ese usuario dirá:"¿Podría decirme cómo es la temperatura exterior?" O, “¿Podría ayudarme a encontrar la canción que me gusta?” Por lo tanto, está más orientado al usuario. Los sistemas son muy pasivos. Entonces, en nuestro caso, queremos admitir asistentes de IA verdaderamente interactivos. Por lo tanto, no solo está dirigido por el usuario, en realidad podría ser impulsado tanto por las máquinas como por el usuario. Por ejemplo, un ejemplo muy simple.

Entonces, digamos que va al sitio web de la universidad de alguien, quiere buscar un programa en línea para postularse. Entonces, el asistente puede brindarle un recorrido por el programa en línea porque eso es lo que acabamos de hablar sobre Zoom porque no todos conocen Zoom muy bien. Entonces, digamos que su asistente podría haberle dado un recorrido por ellos, pero en el camino, durante el recorrido, puede hacer cualquiera de las preguntas. Entonces, por ejemplo, si el asistente de Zoom le dice:“Oye, puedes comenzar con este, prueba tu voz, mira una imagen. Y preguntas:“Oh, no me gusta mostrar mis antecedentes. ¿Qué tengo que hacer?" Entonces, en este caso, Zoom dice:"Oh, ahora puedes hacer esto, puedes cambiar tu fondo o tal vez silenciar tu fondo, luego continuar el recorrido". Así que es casi como de lo que estamos hablando. Es una verdadera conversación.

Así es como Juji se ha desarrollado realmente. Es por eso que lo llamamos asistencia cognitiva de IA. Esto es lo que se llama inteligencia cognitiva. A diferencia de la IA normal, la inteligencia cognitiva, lo que significa que no solo tiene habilidades lingüísticas como las que ha experimentado en Alexa o Google Home, también tienen lo que llamamos habilidades humanas avanzadas, especialmente habilidades blandas. Entonces, un ejemplo de habilidades blandas es lo que llamamos escucha activa. Entonces, eso significa que los asistentes de IA no solo entienden lo que dicen los usuarios, sino que en realidad deben verificar las emociones, parafrasear lo que dicen, resumir lo que dicen los usuarios, estar muy atentos y estar muy preocupados por lo que dicen los usuarios. al usuario le importa. Y luego, en realidad, luego entablar una conversación confiable y empática. Entonces, en este caso, piensa en cómo estás realmente conversando con la persona. Y puedes tener eso casi como una relación muy agradable.

Joe McKendrick: Oímos hablar, por ejemplo, de centros de llamadas o centros de contacto y llamamos y obtenemos un asistente virtual. Y escuchas hoy en día que pueden sentir si un cliente está enojado, por ejemplo, si un cliente está frustrado. O los pasarán a un operador en vivo, o supongo que intentará abordar su frustración. Y parece que estás construyendo sobre ese tipo de aplicación. ¿Derecha?

Michelle Zhou: Derecha. Así que en realidad ya hemos ido más allá de eso. Entonces, el primero, lo que llamamos escucha activa, lo que significa que es sentir lo que dijo, el sentimiento de los usuarios, las emociones de los usuarios, y poder reformular eso, parafrasear eso. Y el siguiente ejemplo, me alegro de que estés en este, lo llamamos "La lectura entre líneas". Entonces, lo que significa es que puedes pensar en ello de la misma manera que hablas con un psicólogo, que los psicólogos siempre tratan de entender qué hay más allá de lo que acabas de decir. Entonces, cuáles son sus necesidades y deseos tácitos, cuál es su firma emocional. Entonces, no se trata solo del momento de un sentimiento, el momento de las emociones que se muestran. ¿Cómo es la firma? Así que es por eso que llamamos la lectura entre líneas.

Entonces, por ejemplo, nuestro asistente de IA analiza dinámicamente el texto conversacional de un usuario e intenta detectar lo que llamamos las diferencias individuales. Entonces, las diferencias individuales incluyen cuáles son tus pasiones o intereses y en qué eres bueno. Algunas personas son muy buenas en el razonamiento lógico. Algunas personas son muy buenas para contar historias. Y algunas personas, cómo manejan los desafíos de la vida. Por ejemplo, algunas personas bajo presión son muy tranquilas y otras personas bajo presión pueden estar un poco fuera de sí. Entonces puedes ver porque entiendes las diferencias individuales únicas subyacentes, las características de cada usuario. Entonces pueden ayudar mejor a cada usuario.

Solo para darle un ejemplo del que hablamos anteriormente, un estudiante potencial, un estudiante que busca un programa en línea, pero esta persona puede estar preocupada por la carga financiera, porque cualquier cosa, un programa en línea, debe pagar la matrícula. En otro caso, si el asistente detecta tales necesidades y deseos tácitos, realmente puede guiarlos, decirles que digan:"Oye, ¿sabes qué?" Especialmente para una persona que está muy preocupada y también quiere ser muy independiente y luego dijo:“Tenemos muchos programas de ayuda financiera. Tenemos becas, por lo que podemos ayudarlo básicamente en su viaje para obtener un título o tal vez avanzar en su carrera”. Entonces se ve que es realmente muy personalizado, que si otra persona tiene la misma preocupación, que esa persona es mucho más metódica, mucho más, digamos, cuidadosa. Entonces usarás las diferentes formas de presentar la información.

Podría decir este, “Ahora voy a presentarte diferentes tipos de opciones de ayuda financiera. Puedes elegir el que mejor se adapte a tu estilo de vida, o tal vez a tu estilo de trabajo”. Así que puede ver, realmente puede personalizar uno, incluso las personas que tienen necesidades pueden ser las mismas, quieren encontrar el programa en el que se inscribe, pero subyacentes, tienen sus propias necesidades psicológicas, deseos psicológicos.

Joe McKendrick: Casi parece que los asistentes cognitivos de IA también adoptan su propia personalidad, su propio conjunto de comportamientos para adaptarse a la... ¿verdad?

Michelle Zhou: En realidad, hicimos mucho trabajo. Sí. Estudiamos mucho sobre eso. Todavía no están adoptando. Así que todavía estamos en investigación. Y nos preguntamos, porque la investigación ha mostrado resultados contradictorios. Algunas investigaciones muestran que... Nuestra investigación también muestra que a las personas les gusta interactuar con IA que tienen una personalidad similar. Entonces, si soy muy extrovertido, me gusta interactuar con la IA con la personalidad extrovertida. Pero algunas investigaciones en realidad desafían eso, mostrando que a las personas les gusta interactuar con la IA, que tienen lo contrario, decimos personalidad complementaria. Entonces, si soy muy hablador, prefiero AI no muy hablador, que es más reservado. Es por eso que aún no lo hemos puesto en producción, porque todavía estamos tratando de averiguar qué forma prefieren más los usuarios. Requiere un poco más de investigación en ese sentido particular.

Joe McKendrick: Sí. Hablas de la democratización de la IA, que es realmente un gran concepto. ¿Y prevé que la IA sea parte de dispositivos de menor tamaño, digamos nuestros teléfonos inteligentes, interactuarán a través de los teléfonos inteligentes? Tal vez habrá algo de IA en eso. O tal vez los dispositivos que pueden integrarse en otros sistemas. ¿Es eso algo que estás mirando también?

Michelle Zhou: Sí. Correcto. De hecho, usted se refirió a un aspecto de la democratización de la IA. Entonces, pensando en ello, probablemente en la década de 1970, ¿a qué llamamos democratizar la informática? Antes de eso, IBM tenía estas computadoras centrales, o tal vez la computadora pequeña. Así que realmente la gente no podía permitirse el lujo de comprarlo, porque es demasiado caro. No solo eso, la segunda parte es que no muchas personas pueden usar ese tipo de computadora porque no pueden programar. No conocen los lenguajes de programación. Realmente no pueden usarlos. Entonces, con el advenimiento de las computadoras personales, las PC, las Mac, eso realmente está democratizando la informática, no solo… Casi todos ahora, todas las empresas pueden permitirse comprar una computadora. Cualquiera que tenga muy pocos conocimientos, que no sea programador, o que no sea experto en informática, puede manejar una computadora.

Así que tenemos una idea muy similar en la democratización de la IA. Entonces, si dice que deberíamos ver que AI se ejecuta en cualquier tipo de dispositivo, incluido el teléfono inteligente. Ya estábamos haciendo eso. La segunda parte es, más allá de esa parte, que queremos habilitar a cualquiera, literalmente, a todos, siempre que puedan hacer presentaciones de PowerPoint, pueden hacer hojas de cálculo. Deben poder configurar, implementar y administrar un asistente de IA personalizado. Como acabo de decir, con toda la inteligencia cognitiva por su cuenta, sin codificación, no necesitan experiencia en IA. No necesitan datos de capacitación, porque ya los hemos capacitado, por lo que pueden personalizarlos, implementarlos y administrarlos rápidamente. Así que eso es lo que realmente queremos decir acerca de democratizar la IA. Entonces significa que pueden simplemente adoptar y luego personalizarlo rápidamente y usarlo para sus beneficios.

Joe McKendrick: Guau. Eso suena bastante emocionante. Entonces, alguien como yo, o si hay una persona que no tiene experiencia técnica, podría comenzar a configurar este tipo de aplicaciones, entonces eso podría.

Michelle Zhou: Deberías, sí.

Joe McKendrick: Clientes.

Michelle Zhou: Joe, ¿haces presentaciones de PowerPoint? ¿Conoces PowerPoint? Ya conoces las hojas de cálculo. Así que hicimos que las barreras de entrada fueran muy, muy bajas, lo que significa literalmente que las personas pueden hacer presentaciones en PowerPoint. La gente puede hacer hojas de cálculo. Deberían venir, poder usar nuestra plataforma para crear un asistente de IA muy poderoso que esté personalizado y también personalizado para su contexto, su tarea. Debido a que la mayoría de nuestros usuarios son, por ejemplo, especialistas en reclutamiento, gerentes de marketing, gerentes de productos e investigación de usuarios, hay un investigador. Eso significa que definitivamente no son científicos informáticos. No saben programar. No necesitan saber cómo funciona el programa. Y son básicamente el tipo de trabajadores de conocimientos generales. Entonces pueden configurar un asistente de IA muy poderoso en nuestra plataforma.

Joe McKendrick: Eso es maravilloso. ¿Y cómo ve... a medida que avance con esto, habrá un producto de la marca Juji que los clientes podrán descargar o comprar? ¿O trabajará detrás de escena con otros proveedores de aplicaciones para construir eso? ¿Qué veremos en un futuro cercano de ustedes, amigos?

Michelle Zhou: Bueno. Pienso que ambas. Entonces, una forma es que ya tenemos clientes que vienen solo para usar nuestra plataforma para crear la IA personalizada. Implemente, nosotros lo alojamos. Y luego otra, es que también nos asociamos con otras empresas. Básicamente, se han convertido en nuestros socios de canal. Entonces, sus clientes usarán el suyo junto con el nuestro para crear un asistente de IA. Por ejemplo, con la voz. Entonces, porque en Juji, no hacemos la voz uno. Entonces, como alguien que está especializado en reconocimiento de voz y TTS, pueden combinarse con nuestras tecnologías para crear una asistencia de IA cognitiva muy inteligente también con la voz, siempre una cara. Así que también podemos combinar todas esas tecnologías juntas. Entonces, uno es si dijera … Es más, por lo que servimos como el motor de inteligencia artificial conversacional, el motor cognitivo, por así decirlo, para esos socios potenciales. Y luego, mientras tanto, las personas, si solo quieren el asistente de inteligencia artificial basado en texto, pueden ingresar directamente a nuestra plataforma y usarlo.

Joe McKendrick: ¿Estás cerca de pasar la Prueba de Turing donde alguien no pueda distinguirlo?

Michelle Zhou: Alguien dijo eso. Pero no sabemos si deberíamos usar eso como estándar para probar la calidad. Porque la razón, no estoy seguro si has oído hablar de este, en realidad en la década de 1970, el Turing de un profesor en particular... Un chatbot que pasa la Prueba de Turing, ese fue el primero. La razón es que imitaba a un paciente que tiene un trastorno psicológico. Asi que es por eso. Entonces por eso pasó porque nadie sabía de qué estaba hablando. Así que no estoy seguro de si ese es un buen criterio o no.

Entonces, ¿creo que nuestros criterios serían más concretos? ¿Puede la IA realmente ayudarte a terminar tu tarea? ¿Puede la IA realmente brindar esa satisfacción al usuario? Creo que es más práctico y también más medible, desde un punto de vista empresarial. Porque si ayudamos, digamos, una universidad a ayudar a sus futuros estudiantes o estudiantes existentes, o incluso graduados y si esta IA ha hecho su ayuda. Entonces, ¿cuál es el resultado de la ayuda? ¿Tienen más inscripciones y realmente lo han visto? Sí. ¿Tienen una mayor tasa de éxito y tasa de retención de los estudiantes? Sí. ¿O regresarán sus graduados o ex alumnos, más de ellos regresarán y continuarán su educación? Eso es muy concreto... En realidad, diría resultado, resultados de éxito o utilidad de la IA, en lugar de comparar solo la aprobación.

Joe McKendrick: Y una de las preocupaciones de la IA son siempre los datos, la cantidad de datos que se necesitan, big data, por ejemplo, necesita grandes conjuntos de datos para identificar y entrenar, etc. ¿Cómo ves que eso suceda? Lo que está trabajando requiere grandes conjuntos de datos.

Michelle Zhou: Precisamente. Esta es una gran pregunta. Por eso estaba hablando de democratizar la IA porque muchas organizaciones no tienen ese tipo de datos. Por ejemplo, ni siquiera tienen ese tipo de IA todavía. Es por eso que somos, como empresa, como una empresa de plataforma, y ​​hemos estado generando nuestros propios datos, recopilando nuestros datos. Entonces sí, nuestros modelos están entrenados en cantidades masivas de datos, porque ya entrenamos datos. Deberíamos dejar que otras personas lo reutilicen. Así que es casi como una transferencia de inteligencia.

Estuve en otra llamada la semana pasada, la gente me preguntaba sobre esta. Y dije:"Es la belleza de lo que estamos trabajando, lo que está haciendo Juji es esto". Dices que estamos enseñando a la IA todo desde cero, leyendo entre líneas. De hecho, incorporamos inteligencia en eso. Entonces, cuando realmente adoptas la IA, esa IA vino con ellos, nació con esta inteligencia. Integrado, lo llamamos inteligencia integrada. Así que realmente podemos transferir inteligencia de uno a otro.

Entonces, otra cosa, por ejemplo, estamos trabajando con universidades para ayudar a su programa de reclutamiento. Entonces tienes muchas preguntas de posibles estudiantes allí. Entonces, en este caso, esos datos también pueden usarse para otras universidades. Cuando digo los datos, no las respuestas per se, sino las preguntas. Entonces, los estudiantes hacen una pregunta, formulan la pregunta y luego, además de eso, generamos automáticamente más datos de capacitación. Así que las universidades no necesitan hacer eso. Entonces, cuando originalmente vienen a nosotros y dicen:"Oye, no tenemos los datos". Así que no tienes que preocuparte por eso. Ya lo tenemos. Entonces puede tener un impulso inicial de su asistente de IA. Eso es lo que también quise decir exactamente acerca de democratizar la IA, lo que significa que estás empaquetando la inteligencia. Preconstruyes la inteligencia para que otras personas puedan adoptarla y reutilizarla al instante.

Joe McKendrick: Al igual que la investigación científica, puede basarse en la investigación existente y seguir mejorando las cosas. ¿Derecha?

Michelle Zhou: Sí. Así que es más como si estuvieras creciendo como un niño. El niño tiene la inteligencia, el principio tiene muy buena inteligencia. Entonces, una vez que este niño tiene más inteligencia, la conservas, no solo la conservas, transfieres la inteligencia de este niño a otro niño, para que el otro niño no necesite aprender desde cero. Eso es muy poderoso.

Joe McKendrick: Está. Absolutamente. Y Michelle, ¿qué ves que sucederá en los próximos 5 a 10 años? ¿Qué esperas que suceda? ¿Cómo será el mundo en 2025 o incluso en 2030, especialmente con su tecnología?

Michelle Zhou: Creo que vamos hacia un escenario optimista más inventado de la película Her. ¿Recuerdas la película Ella?

Joe McKendrick: Sí. Sí. Gran pelicula.

Michelle Zhou: ¿Derecha? Entonces, esto significa que su IA quizás sepa más sobre usted que usted mismo. Y tu IA sabrá lo que quieres incluso antes de que sepas lo que quieres. Por ejemplo, necesita ahorrar dinero. La IA ya sabía de antemano que necesita ahorrar dinero. O necesita un nuevo título para ser más empleable. La IA probablemente lo sabrá antes de que tú lo sepas. Entonces eso es lo que veo. Tienes un verdadero, lo que yo llamo asistente personal, compañía personal, en este caso, el compañero de IA, que realmente puede entender quién eres, cuáles son tus necesidades y deseos, y ayudarte de la mejor manera para beneficiarte. Por eso también vamos a nuestro tema de IA responsable, porque con ese nivel de comprensión, si no vamos a hacer cumplir esta IA responsable, si esta tecnología cae en manos de personas malas, podría abusarse de ella y podría tener malas consecuencias. . Es por eso que también inculcamos este sentido de IA responsable, lo que significa que queremos asegurarnos de que la IA ayude a las personas básicamente de la mejor manera para beneficiar a las personas.

Joe McKendrick: Maravilloso. Maravilloso. Y absolutamente el trabajo que está haciendo en esa área realmente está moviendo la IA en una dirección positiva para beneficiar a las personas. Y realmente apreciamos que pueda compartir esto con nosotros en nuestro podcast de hoy. Nuevamente, estoy hablando con Michelle Zhou. Es la directora ejecutiva y cofundadora de Juji. Y muchas gracias Michelle por acompañarnos hoy. Realmente disfrutamos tenerte.

Michelle Zhou: Gracias, Joe, por recibirme. Gracias. Adiós.