Kontinuierliche Intelligenz verstehen mit Michelle Zhou, CEO von Juji

In diesem RTInsights Real-Time Talk-Podcast spricht RTInsights-Redakteur Joe McKendrick mit Michelle Zhou, Mitbegründerin und CEO von Juji

In diesem RTInsights Real-Time Talk Podcast, RTInsights-Redakteur Joe McKendrick spricht mit Michelle Zhou, Mitbegründerin und CEO von Juji, über die Ausweitung der Nutzung künstlicher Intelligenz (KI), indem sie mithilfe von KI selbst zugänglicher gemacht wird. Das Gespräch behandelt, wie sie auf ihrer Arbeit mit IBM Watson aufbaute, um sich auf die Verwendung von wiederverwendbaren kognitiven KI-Plattformen ohne Code zu konzentrieren, um KI-Assistenten/Chatbots zu demokratisieren und die wachsende KI-Kluft zu überbrücken.

• Apfel
• Google
• Spotify
• Andere Plattformen

Joe McKendrick: Hallo, hier spricht Joe McKendrick, und willkommen zu den Continuous Intelligence-Podcasts von RTINsights, dem nächsten in unserer Reihe. Und ich freue mich sehr, heute von Michelle Zhou, der Präsidentin und Mitbegründerin von Juji, begleitet zu werden, und Sie sind eine führende Stimme und Denkerin und Macherin im Bereich der künstlichen Intelligenz. Und wir freuen uns darauf, ein wenig darüber zu erfahren, was passiert und wie wir mit den Dingen vorankommen können.

Aktivieren Sie Cookies, damit Sie das Formular bei zukünftigen Artikeln nicht erneut ausfüllen müssen.

Und für den Anfang, Michelle, warum erzählst du uns nicht ein bisschen von deiner Reise? Ich weiß, dass Sie bei IBM Watson waren und auch in diesem Bereich viel gearbeitet haben. Sie sind also schon seit einigen Jahren im KI-Bereich, seit die Dinge richtig ins Rollen kamen. Erzählen Sie uns ein bisschen von Ihrer Reise. Wie sind Sie dahin gekommen, wo Sie heute sind?

Michelle Zhou: Sicher. Oh, danke, Joe, dass du mich hast. Ich bin Michelle Zhou und habe meine KI-Reise eigentlich begonnen, seit ich ein Doktorand an der Columbia University war. Ich machte meinen Ph.D. dort. Eines der Dinge, die mich schon immer fasziniert haben, ist, wie man eine Maschine verwenden kann, um Menschen dabei zu helfen, etwas zu tun, was Menschen nicht gerne tun oder was Menschen nicht gut können? Meine Abschlussarbeit befasste sich also mit der Entwicklung eines KI-Assistenten, der Menschen dabei hilft, Informationsgrafiken zu erstellen, da nicht jeder ein Designer ist. Nicht jeder kann schöne Informationsgrafiken entwerfen, aber jeder möchte die Daten mögen, möchte die Daten interpretieren. Also habe ich während meiner Promotion KI entwickelt. studieren, um sich die Daten im Grunde anzusehen, die Daten zu analysieren und automatisch visuelle Erklärungen der Daten zu erstellen. Das wurde tatsächlich für Ärzte und Krankenschwestern verwendet, um Patientendaten zu verstehen, und auch für Netzwerkanalysten, um die Netzwerkdaten, Netzwerkdaten und ihre Netzwerkleistung zu verstehen.

Von dort aus ging ich nach meinem Abschluss zum IBM Watson Research Center. Und ich fing an … Weil ich vorher in diesem Bereich gearbeitet habe, war das System nicht interaktiv, was bedeutet, dass wenn Sie einen Datensatz haben, Sie die Aufgaben eines Benutzers und die visuellen Vorlieben haben, dann generieren Sie automatisch. Aber was ist, wenn die Benutzer, nachdem sie gesehen haben, was sie in der visuellen Illustration gesehen haben, weitere Fragen haben? Was ist, wenn sie verschiedene Teile der Daten sehen möchten? Also habe ich ein Projekt gestartet. Im Grunde heißt es Konversations-KI für Datenanalyse. Das war also vor ungefähr 15, 20 Jahren, jetzt, so lange her. Wir sind also eigentlich die Konversationsschnittstelle, sie soll helfen, die natürliche Sprache zu verwenden, um sich nach den Daten zu erkundigen.

So könnten die Leute zum Beispiel fragen:„Oh, könnten Sie mir das Produkt zeigen?“ Nehmen wir zum Beispiel an, wir kaufen Versicherungsprodukte. „Könnten Sie mir die Hausversicherungsprodukte zeigen, sagen wir für Häuser unter einer Million Dollar“, oder so ähnlich. Was ist, wenn ich es mit einer Autoversicherung kaufe? Sie können also sehen, dass dies ein Kontextanreiz ist, damit die Leute sich nach den Daten erkundigen und die Daten vielleicht rein in natürlicher Sprache durchgehen können. Und das System nimmt tatsächlich die Benutzeranfragen entgegen und analysiert sie. Es versteht, wonach ein Benutzer fragt, erstellt automatisch die Daten und das richtige Formular, um den Personen tatsächlich zu erklären, warum es sich um die Daten handelt, nach denen Sie gefragt haben. Das ist es also.

Also, sehr interessant, was in dieser Art von Projekt ist, wir kümmern uns nur um die Datenpräferenzen eines Benutzers und Benutzerpräferenzen über die Präsentation, aber nicht um individuelle Unterschiede. Wenn ich individuelle Unterschiede sage, ist es zum Beispiel, wie ist Ihre Persönlichkeit? Was ist Ihr kognitiver Stil, ob Sie eine eher geschichtenartige Art von Datengeschichte mögen oder eine eher faktenbasierte und zahlenähnliche Datengeschichte? Also haben wir es nicht berücksichtigt.

Also habe ich dann ein anderes Projekt bei IBM namens IBM gestartet … wurde dann zu IBM Watson Personality Insights, was bedeutet, dass wir die Daten zum Benutzerverhalten wie Kommunikationsdaten verwenden wollen, um individuelle Unterschiede besser zu verstehen. Bist du zum Beispiel extrovertiert? Bist du introvertiert? Bist du sehr kooperativ oder eher der Einzellerner? Also habe ich Juji als Startup mit meinem Mitgründer gegründet, der zufälligerweise Informatiker und Psychologe ist und mit mir IBM Watson-Persönlichkeiten erfunden hat.

Also haben wir diesen angefangen. Wir wollten wirklich eine neue Generation von KI-Assistenten schaffen. Wir nennen sie kognitive Assistenten. Im Grunde sollten sie also mit Menschen interagieren. Und dann helfen sie Organisationen dabei, ihre Belegschaft zu erweitern und verschiedene Arten von Aufgaben zu automatisieren, insbesondere ziemlich zeitaufwändige, arbeitsintensive Aufgaben, die Menschen wirklich nicht gerne erledigen. Zum Beispiel ein Gespräch mit Fremden zu führen, was nicht jeder möchte, oder Leute dazu zu bringen, etwas zu tun, was sie nicht gerne tun. Zum Beispiel Ihre Hausaufgaben erledigen oder Sport treiben oder jeden Tag Ihren Gesundheitszustand überprüfen. Also sollten wir es dem KI-Assistenten überlassen. Das sind wir also heute.

Joe McKendrick: Das ist wirklich faszinierend. Als Verbraucher verwende ich hier im Büro einen Google Assistant und zu Hause habe ich Alexa. Aber das klingt so, als wäre das, woran Sie arbeiten, fortgeschrittener als ich denke, die relativ einfachen Fragen oder Anfragen nach Songs oder was auch immer, die ein Verbraucher jetzt auf KI, auf einem persönlichen Assistenten, verwenden würde.

Michelle Zhou: Richtig. Ich bin froh, dass Sie diesen Kontrast erwähnt haben. Es ist also wirklich, also das, was die Leute normalerweise benutzen, wie Alexa oder Google Home, sie sind eher das, was wir die benutzergesteuerte Interaktion nennen, dass der Benutzer sagt:„Können Sie mir sagen, wie die Temperatur draußen ist?“ Oder:„Können Sie mir helfen, das Lied zu finden, das mir gefällt?“ Es ist also eher benutzergesteuert. Die Systeme sind sehr passiv. In unserem Fall wollen wir also wirklich interaktive KI-Assistenten unterstützen. Es ist also nicht nur benutzergesteuert, es könnte tatsächlich sowohl von den Maschinen als auch vom Benutzer gesteuert werden. Zum Beispiel ein ganz einfaches Beispiel.

Angenommen, Sie gehen auf die Website einer Universität und möchten nach einem Online-Programm suchen, für das Sie sich bewerben können. Der Assistent kann Ihnen also tatsächlich eine Tour durch das Online-Programm geben, denn darüber haben wir gerade über Zoom gesprochen, weil nicht jeder Zoom sehr gut kennt. Nehmen wir also an, Ihr Assistent hätte Sie durch sie führen können, aber unterwegs, während der Tour, können Sie jede der Fragen stellen. Wenn Ihnen der Zoom-Assistent zum Beispiel sagt:„Hey, Sie können diesen hier einfach starten, Ihre Stimme testen, sich ein Bild ansehen. Und Sie fragen:„Oh, ich mag es nicht, meinen Hintergrund zu zeigen. Was soll ich machen?" In diesem Fall sagt der Zoom also:„Oh, jetzt können Sie das tun, Sie können Ihren Hintergrund ändern oder vielleicht Ihren Hintergrund stumm schalten und dann die Tour fortsetzen.“ Es ist also fast das, worüber wir sprechen. Es ist ein wahres Gespräch.

So hat sich Juji wirklich entwickelt. Deshalb nennen wir es kognitive KI-Assistenz. Das nennt man kognitive Intelligenz. Im Gegensatz zur normalen KI verfügt die kognitive Intelligenz nicht nur über Sprachkenntnisse, wie Sie sie von Alexa oder Google Home kennen, sondern auch über das, was wir als fortgeschrittene menschliche Fähigkeiten bezeichnen, insbesondere über Soft Skills. Ein Beispiel für Soft Skills ist das, was wir aktives Zuhören nennen. Das bedeutet also, dass die KI-Assistenten nicht nur verstehen, was Benutzer sagen, sondern dass sie tatsächlich die Emotionen überprüfen, umschreiben, was sie sagen, zusammenfassen, was die Benutzer sagen, sehr aufmerksam sein und sich sehr darum kümmern, was die sagen Benutzer interessiert. Und dann tatsächlich das vertrauensvolle und einfühlsame Gespräch führen. Denken Sie in diesem Fall also darüber nach, wie Sie sich wirklich mit der Person unterhalten. Und das kann man fast wie eine sehr sympathische Beziehung haben.

Joe McKendrick: Wir hören zum Beispiel von Call Centern oder Contact Centern und wir rufen an und wir bekommen einen virtuellen Assistenten. Und man hört heutzutage, dass sie spüren, wenn ein Kunde wütend ist, zum Beispiel, wenn ein Kunde frustriert ist. Sie werden sie entweder an einen Live-Operator übergeben, oder ich schätze, er wird versuchen, ihre Frustration zu beseitigen. Und es hört sich so an, als würden Sie auf dieser Art von Anwendung aufbauen. Recht?

Michelle Zhou: Recht. Also sind wir eigentlich schon darüber hinausgegangen. Also das erste, was wir aktives Zuhören nennen, was bedeutet, das zu spüren, was Sie gesagt haben, die Stimmung der Benutzer, die Emotionen der Benutzer und in der Lage zu sein, dies tatsächlich umzuformulieren, das zu paraphrasieren. Und das nächste Beispiel, ich bin froh, dass Sie auf diesem sind, nennen wir „Das Lesen zwischen den Zeilen“. Es bedeutet also, dass Sie darüber nachdenken können, wie Sie mit einem Psychologen sprechen, dass Psychologen immer versuchen zu verstehen, was über das hinausgeht, was Sie gerade gesagt haben. Also, was deine unausgesprochenen Bedürfnisse und Wünsche sind, also was deine emotionale Signatur. Es geht also nicht nur um den Moment einer Stimmung, um den Moment, in dem Emotionen gezeigt werden. Wie sieht die Signatur aus? Deshalb nennen wir das Lesen zwischen den Zeilen.

So analysiert beispielsweise unser KI-Assistent dynamisch den Gesprächstext eines Benutzers und versucht, die so genannten individuellen Unterschiede zu erkennen. Zu den individuellen Unterschieden gehören also Ihre Leidenschaften oder Interessen und worin sind Sie gut? Manche Menschen sind sehr gut im logischen Denken. Manche Menschen sind sehr gut im Geschichtenerzählen. Und manche Menschen, wie sie mit den Herausforderungen des Lebens umgehen. Zum Beispiel sind manche Menschen unter Druck sehr ruhig, und manche Menschen unter Druck können ein bisschen abwesend sein. So können Sie die Merkmale jedes Benutzers erkennen, weil Sie die zugrunde liegenden einzigartigen individuellen Unterschiede verstehen. Dann können sie jedem Benutzer besser helfen.

Um Ihnen nur ein Beispiel zu geben, über das wir zuvor gesprochen haben, ein potenzieller Student, ein Student, der nach einem Online-Programm sucht, aber diese Person macht sich möglicherweise Sorgen über die finanzielle Belastung, da Sie für alles, ein Online-Programm, die Studiengebühren bezahlen müssen. In einem anderen Fall, wenn der Assistent solche unausgesprochenen Bedürfnisse und Wünsche erkennt, kann er sie wirklich führen und ihnen sagen:„Hey, weißt du was?“ Besonders für eine Person, die sehr besorgt ist und auch sehr unabhängig sein möchte, sagte sie dann:„Wir haben viele finanzielle Hilfsprogramme. Wir haben Stipendien, damit wir Ihnen grundsätzlich auf Ihrem Weg zum Abschluss helfen oder vielleicht Ihre Karriere vorantreiben können.“ Sie können also sehen, dass Sie wirklich sehr persönlich sind, wenn eine andere Person die gleichen Sorgen hat, dass diese Person viel methodischer ist, viel mehr, sagen wir, vorsichtiger. Dann werden Sie die verschiedenen Arten der Präsentation der Informationen verwenden.

Könnte dieser sagen:„Jetzt werde ich Ihnen verschiedene Arten von finanziellen Unterstützungsmöglichkeiten vorstellen. Sie können diejenige auswählen, die am besten zu Ihrem Lebensstil oder vielleicht zu Ihrem Arbeitsstil passt.“ Sie können also sehen, dass Sie eines wirklich personalisieren können, selbst die Menschen mit Bedürfnissen mögen die gleichen sein und das Programm finden wollen, für das Sie sich anmelden, aber zugrunde liegend haben sie ihre eigenen psychologischen Bedürfnisse, psychologischen Bedürfnisse.

Joe McKendrick: Es klingt fast so, als würden die kognitiven KI-Assistenten auch ihre eigene Persönlichkeit annehmen, ihre eigenen Verhaltensweisen, um sich an die … richtig?

Michelle Zhou: Eigentlich haben wir viel gearbeitet. Ja. Wir haben viel darüber studiert. Sie adoptieren noch nicht. Wir sind also noch in der Forschung. Und wir fragen uns, weil die Forschung widersprüchliche Ergebnisse gezeigt hat. Einige Untersuchungen zeigen also, dass … Unsere Untersuchungen zeigen auch, dass Menschen gerne mit KIs interagieren, die eine ähnliche Persönlichkeit haben. Wenn ich also sehr extrovertiert bin, interagiere ich gerne mit der KI mit der extrovertierten Persönlichkeit. Aber einige Forschungsergebnisse widersprechen dem tatsächlich und zeigen, dass Menschen gerne mit KI interagieren, die das Gegenteil haben, wir sagen komplementäre Persönlichkeit. Wenn ich also sehr gesprächig bin, bevorzuge ich AI, die nicht sehr gesprächig ist, wer zurückhaltender ist. Deshalb haben wir es noch nicht in Produktion genommen, weil wir immer noch versuchen herauszufinden, welchen Weg die Benutzer bevorzugen. Es erfordert ein wenig mehr Forschung in dieser speziellen Hinsicht.

Joe McKendrick: Ja. Sie sprechen von der Demokratisierung der KI, was wirklich ein tolles Konzept ist. Und sehen Sie voraus, dass KI Teil kleinerer Geräte sein wird, sagen wir unsere Smartphones, werden sie über Smartphones interagieren? Vielleicht gibt es dafür eine KI. Oder vielleicht die Geräte, die in andere Systeme integriert werden können. Schaust du dir das auch an?

Michelle Zhou: Ja. Richtig. Tatsächlich haben Sie einen Aspekt der Demokratisierung der KI angesprochen. Wenn wir also darüber nachdenken, damals wahrscheinlich in den 1970er Jahren, was nennen wir Demokratisierung der Computer. Davor hatte IBM diese Mainframe-Computer oder vielleicht den kleinen Computer. Die Leute konnten es sich also wirklich nicht leisten, es zu kaufen, weil es zu teuer ist. Nicht nur das, der zweite Teil davon ist, dass nicht viele Leute diese Art von Computer benutzen können, weil sie nicht programmieren können. Sie kennen die Programmiersprachen nicht. Sie können sie nicht wirklich verwenden. Mit dem Aufkommen der Personal Computer, der PCs, der Macs, also demokratisiert das Computing wirklich, ist nicht nur … Fast jeder, jedes Unternehmen kann es sich jetzt leisten, einen Computer zu kaufen. Jeder, der sehr wenig Wissen hat, kein Programmierer oder kein Experte in Informatik ist, kann einen Computer bedienen.

Wir haben also eine sehr ähnliche Idee bei der Demokratisierung von KI. Wenn Sie also sagen, dass wir sehen sollten, dass KI tatsächlich auf jeder Art von Gerät ausgeführt wird, einschließlich des Smartphones. Das haben wir schon gemacht. Der zweite Teil davon ist, darüber hinaus, dass wir es jedem ermöglichen wollen, buchstäblich jedem, solange er PowerPoints machen kann, kann er Tabellenkalkulationen machen. Sie sollten in der Lage sein, einen benutzerdefinierten KI-Assistenten einzurichten, bereitzustellen und zu verwalten. Wie ich gerade sagte, mit all ihrer eigenen kognitiven Intelligenz, ohne Codierung, brauchen sie kein KI-Fachwissen. Sie benötigen keine Trainingsdaten, da wir bereits trainiert haben, sodass sie diese schnell anpassen, bereitstellen und verwalten können. Das meinen wir also wirklich mit der Demokratisierung der KI. Das heißt, sie können einfach loslegen und es dann schnell anpassen und zu ihrem Vorteil nutzen.

Joe McKendrick: Wow. Das klingt ziemlich spannend. Also jemand wie ich, oder wenn es eine Person gibt, die keinen technischen Hintergrund hat, könnte anfangen, diese Art dieser Anwendungen einzurichten, dann könnte das.

Michelle Zhou: Du solltest ja.

Joe McKendrick: Kunden.

Michelle Zhou: Joe, machst du PowerPoints? Sie kennen PowerPoint? Sie kennen Tabellenkalkulationen. Also haben wir die Eintrittsbarrieren sehr, sehr niedrig gemacht, was buchstäblich bedeutet, dass die Leute PowerPoints machen können. Menschen können Tabellenkalkulationen erstellen. Sie sollen kommen, unsere Plattform nutzen können, um einen sehr leistungsfähigen KI-Assistenten zu erstellen, der individuell und auch an ihren Kontext, ihre Aufgabe angepasst ist. Da die meisten unserer Benutzer beispielsweise Personalbeschaffungsspezialisten, Marketingmanager, Produktmanager und Benutzerforscher sind, gibt es einen Forscher. Das bedeutet also, dass sie definitiv keine Informatiker sind. Sie können nicht programmieren. Sie müssen nicht wissen, wie das Programm funktioniert. Und sie sind im Grunde nur die Art von Allgemeinwissensarbeitern. So können sie auf unserer Plattform einen sehr leistungsfähigen KI-Assistenten einrichten.

Joe McKendrick: Das ist wunderbar. Und wie sehen Sie … Wird es im weiteren Verlauf ein Produkt der Marke Juji geben, das Kunden herunterladen oder kaufen können? Oder werden Sie hinter den Kulissen mit anderen Anwendungsanbietern zusammenarbeiten, um das zu entwickeln? Was werden wir in naher Zukunft von euch sehen?

Michelle Zhou: Okay. Ich denke beide. Eine Möglichkeit ist also, dass wir bereits Kunden haben, die unsere Plattform nutzen, um die benutzerdefinierte KI zu erstellen. Bereitstellen, wir hosten es. Und dann noch eine, dass wir auch mit anderen Unternehmen zusammenarbeiten. Sie sind also im Grunde unsere Vertriebspartner geworden. Ihre Kunden werden also ihre in Verbindung mit unseren verwenden, um einen KI-Assistenten zu erstellen. Zum Beispiel mit der Stimme. Denn bei Juji machen wir keine Stimme. Als jemand, der auf Spracherkennung und TTS spezialisiert ist, kann er dann tatsächlich mit unseren Technologien kombinieren, um eine sehr intelligente kognitive KI-Unterstützung mit der Stimme zu schaffen, immer ein Gesicht. So können wir all diese Technologien auch miteinander kombinieren. Eines ist also, wenn Sie gesagt haben … Es ist mehr, also dienen wir diesen potenziellen Partnern als Konversations-KI-Engine, wenn Sie so wollen, als kognitive Engine. Und in der Zwischenzeit können die Leute, wenn sie nur den textbasierten KI-Assistenten wollen, einfach direkt auf unsere Plattform kommen und ihn nutzen.

Joe McKendrick: Sind Sie kurz davor, den Turing-Test zu bestehen, wo jemand ihn vielleicht nicht unterscheiden kann?

Michelle Zhou: Das hat jemand gesagt. Aber wir wissen nicht, ob wir das als Maßstab nehmen sollten, um die Qualität zu testen. Denn der Grund, ich bin mir nicht sicher, ob Sie schon in den 1970er Jahren davon gehört haben, war der Turing eines bestimmten Professors … Ein Chatbot, der den Turing-Test besteht, das war der erste. Der Grund ist, dass es einen Patienten mit einer psychischen Störung imitierte. Darum. Deshalb ist es vorbei, weil niemand wusste, wovon er spricht. Ich bin mir also nicht sicher, ob das ein gutes Kriterium ist oder nicht.

Ich denke also, unsere Kriterien wären konkreter? Kann die KI Ihnen tatsächlich helfen, Ihre Aufgabe zu erledigen? Kann die KI wirklich diese Benutzerzufriedenheit liefern? Ich denke, es ist praktischer und aus geschäftlicher Sicht tatsächlich auch messbarer. Denn ob wir, sagen wir, einer Universität helfen, ihren Studieninteressierten oder bestehenden Studenten oder sogar Absolventen zu helfen und ob diese KI ihre Hilfe geleistet hat. Was ist also das Ergebnis der Hilfe? Haben sie mehr Einschreibungen und haben sie das tatsächlich gesehen? Ja. Haben sie eine höhere Erfolgsquote und Bindungsrate der Studenten? Ja. Oder werden ihre Absolventen oder Alumni zurückkommen, mehr von ihnen werden zurückkommen und sich weiterbilden? Das ist sehr konkret … Eigentlich würde ich sagen, Ergebnis, Erfolgsergebnisse oder Nützlichkeit der KI, im Vergleich zu einem Vergleich nur des Bestehens.

Joe McKendrick: Und eines der Anliegen der KI sind immer die Daten, die benötigte Datenmenge, Big Data zum Beispiel, Sie brauchen große Datensätze, um sie zu identifizieren und zu trainieren, und so weiter. Wie sehen Sie das? Das, woran Sie arbeiten, erfordert große Datensätze.

Michelle Zhou: Genau. Das ist eine großartige Frage. Deshalb habe ich über die Demokratisierung der KI gesprochen, weil viele Organisationen nicht über diese Art von Daten verfügen. Zum Beispiel haben sie noch nicht einmal diese Art von KI. Deshalb sind wir als Unternehmen, als Plattformunternehmen, und wir haben unsere eigenen Daten generiert, unsere Daten gesammelt. Also ja, unsere Modelle werden mit riesigen Datenmengen trainiert, weil wir bereits Daten trainiert haben. Wir sollten es einfach andere Leute wiederverwenden lassen. Es ist also fast wie ein Informationstransfer.

Ich war letzte Woche bei einem anderen Anruf, die Leute haben mich nach diesem gefragt. Und ich sagte:„Es ist das Schöne an dem, woran wir arbeiten, was Juji macht, ist das.“ Sie sagen, dass wir der KI alles von Grund auf beibringen und zwischen den Zeilen lesen. Wir betten tatsächlich Intelligenz darin ein. Wenn Sie also die KI tatsächlich übernehmen, kam diese KI mit denen, die mit dieser Intelligenz geboren wurden. Eingebaut, wir nennen es eingebaute Intelligenz. Wir können also wirklich Informationen von einem zum anderen übertragen.

Also eine andere Sache, zum Beispiel arbeiten wir mit Universitäten zusammen, um ihr Rekrutierungsprogramm zu unterstützen. Da hast du dann viele Fragen von Studieninteressierten. In diesem Fall können diese Daten also tatsächlich auch für andere Universitäten verwendet werden. Wenn ich die Daten sage, nicht die Antworten an sich, sondern die Fragen. Die Schüler stellen also eine Frage, formulieren die Frage, und obendrein generieren wir automatisch weitere Trainingsdaten. Die Universitäten müssen das also nicht tun. Also, wenn sie ursprünglich zu uns kommen und sagen:„Hey, wir haben die Daten nicht.“ Sie müssen sich also keine Sorgen machen. Wir haben es bereits. So können Sie Ihrem KI-Assistenten einfach einen Starthilfe geben. Genau das meinte ich auch mit der Demokratisierung der KI, was bedeutet, dass Sie die Intelligenz verpacken. Sie bauen Intelligenz vorab auf, damit andere sie übernehmen und sofort wiederverwenden können.

Joe McKendrick: Genau wie bei der wissenschaftlichen Forschung können Sie auf bestehenden Forschungsergebnissen aufbauen und die Dinge ständig verbessern. Recht?

Michelle Zhou: Ja. Es ist also am ehesten so, als würden Sie als Kind wachsen. Das Kind hat die Intelligenz, der Anfang hat eine sehr gute Intelligenz. Sobald dieses Kind also mehr Intelligenz hat, behalten Sie es, nicht nur, Sie übertragen die Intelligenz dieses Kindes auf ein anderes Kind, damit das andere Kind nicht von Grund auf neu lernen muss. Das ist also sehr mächtig.

Joe McKendrick: Es ist. Unbedingt. Und Michelle, was sehen Sie in den nächsten 5 bis 10 Jahren? Auf was freust du dich? Wie wird die Welt bis 2025 oder sogar 2030 aussehen, insbesondere mit Ihrer Technologie?

Michelle Zhou: Ich denke, wir bewegen uns auf ein eher erfundenes optimistisches Szenario des Films Her zu. Erinnerst du dich an den Film Her?

Joe McKendrick: Ja. Ja. Toller Film.

Michelle Zhou: Recht? Das bedeutet also, dass Ihre KI vielleicht mehr über Sie weiß, als Sie selbst wissen. Und Ihre KI wird wissen, was Sie wollen, bevor Sie überhaupt wissen, was Sie wollen. Zum Beispiel müssen Sie Geld sparen. Die KI wusste bereits im Voraus, dass Sie Geld sparen müssen. Oder Sie brauchen einen neuen Abschluss, um beschäftigungsfähiger zu sein. Die KI wird das wahrscheinlich wissen, bevor Sie es wissen. Das sehe ich also. Sie haben einen echten, wie ich es nenne, persönlichen Assistenten, eine persönliche Begleitung, in diesem Fall den KI-Begleiter, der wirklich verstehen kann, wer Sie sind, was Ihre Bedürfnisse und Wünsche sind, und Ihnen so helfen kann, wie es Ihnen am besten zugute kommt. Deshalb wenden wir uns auch unserem Thema der verantwortungsbewussten KI zu, denn mit diesem Verständnisniveau könnte diese Technologie, wenn wir diese verantwortungsbewusste KI nicht durchsetzen, wenn sie in die Hände schlechter Menschen gerät, missbraucht werden und schlimme Folgen haben . Deshalb vermitteln wir auch diesen Sinn für verantwortungsbewusste KI, was bedeutet, dass wir sicherstellen wollen, dass KI den Menschen im Grunde so hilft, wie es den Menschen zugute kommt.

Joe McKendrick: Wunderbar. Wunderbar. Und die Arbeit, die Sie in diesem Bereich leisten, bewegt die KI wirklich in eine positive Richtung, von der die Menschen profitieren. Und wir wissen es wirklich zu schätzen, dass Sie dies heute in unserem Podcast mit uns teilen können. Wieder spreche ich mit Michelle Zhou. Sie ist CEO und Mitbegründerin von Juji. Und vielen Dank Michelle, dass Sie heute zu uns gekommen sind. Wir haben es sehr genossen, Sie dabei zu haben.

Michelle Zhou: Danke, Joe, dass du mich hast. Vielen Dank. Tschüss.