Memahami Kecerdasan Berkelanjutan dengan CEO Juji Michelle Zhou

Dalam podcast RTInsights Real-Time Talk ini, editor RTInsights Joe McKendrick berbicara dengan Michelle Zhou, salah satu pendiri dan CEO Juji

Dalam RTInsights Pembicaraan Waktu Nyata . ini podcast, editor RTInsights Joe McKendrick berbicara dengan Michelle Zhou, salah satu pendiri dan CEO Juji, tentang memperluas penggunaan kecerdasan buatan (AI) dengan membuatnya lebih mudah diakses menggunakan AI itu sendiri. Percakapan tersebut mencakup bagaimana dia membangun pekerjaannya dengan IBM Watson untuk fokus pada penggunaan platform AI kognitif tanpa kode yang dapat digunakan kembali untuk mendemokratisasikan asisten AI/chatbots dan menjembatani kesenjangan AI yang berkembang.

• Apel
• Google
• Spotify
• Platform lain

Joe McKendrick: Halo, ini Joe McKendrick, dan selamat datang di podcast Continuous Intelligence RTInsights, seri berikutnya dari kami. Dan saya sangat senang bisa bergabung hari ini dengan Michelle Zhou, presiden dan salah satu pendiri Juji dan Anda adalah suara dan pemikir serta pelaku terkemuka di bidang kecerdasan buatan. Dan kami berharap dapat belajar sedikit tentang apa yang terjadi dan bagaimana kami dapat bergerak maju dengan berbagai hal.

Aktifkan cookiesehingga Anda tidak perlu mengisi ulang formulir pada artikel mendatang.

Dan sebagai permulaan, Michelle, mengapa Anda tidak memberi tahu kami sedikit tentang perjalanan Anda? Saya tahu Anda pernah bekerja di IBM Watson dan Anda juga telah melakukan banyak pekerjaan di bidang itu. Jadi, Anda telah berada di bidang AI selama beberapa tahun, sejak semuanya benar-benar mulai bergulir. Ceritakan sedikit tentang perjalanan Anda. Bagaimana Anda sampai di tempat Anda hari ini?

Michelle Zhou: Tentu. Oh, terima kasih, Joe, karena telah menerimaku. Saya Michelle Zhou dan saya sebenarnya telah memulai perjalanan AI saya sejak saya menjadi mahasiswa pascasarjana di Universitas Columbia. Saya sedang melakukan Ph.D. di sana. Jadi salah satu hal yang selalu membuat saya terpesona adalah bagaimana Anda bisa menggunakan mesin untuk membantu orang melakukan sesuatu yang tidak disukai orang, atau orang yang tidak pandai melakukannya? Jadi tesis saya adalah membuat asisten AI untuk membantu orang membuat, jika Anda mau, grafik informasi karena tidak semua orang adalah desainer. Tidak semua orang dapat mendesain grafik informasi yang indah, tetapi semua orang ingin menyukai datanya, ingin menafsirkan datanya. Jadi saya membuat AI selama Ph.D. studi pada dasarnya melihat data, menganalisis data, dan secara otomatis membuat penjelasan visual dari data. Sehingga sebenarnya telah digunakan oleh dokter dan perawat untuk memahami data pasien dan juga untuk network analyst untuk memahami data jaringan, data jaringan, dan kinerja jaringannya.

Jadi dari sana, ketika saya lulus, saya bergabung dengan IBM Watson Research Center. Dan saya mulai ... Karena sebelum saya bekerja di area ini, sistemnya tidak interaktif, yang berarti bahwa jika Anda memiliki kumpulan data, Anda memiliki tugas pengguna dan preferensi visual, maka Anda secara otomatis menghasilkan. Tetapi bagaimana jika pengguna, setelah pengguna melihat apa yang mereka lihat dari ilustrasi visual, bagaimana jika mereka memiliki pertanyaan lebih lanjut? Bagaimana jika mereka ingin melihat bagian data yang berbeda. Jadi saya memulai sebuah proyek. Pada dasarnya, ini disebut AI percakapan untuk analitik data. Jadi itu sekitar 15, 20 tahun yang lalu, sekarang, sudah lama sekali. Jadi kita sebenarnya, antarmuka percakapan, untuk membantu menggunakan bahasa alami, untuk menanyakan tentang data.

Jadi misalnya, orang mungkin bertanya, “Oh, bisakah Anda menunjukkan produk itu kepada saya?” Katakanlah, misalnya, katakanlah kita sedang membeli produk asuransi. “Bisakah Anda menunjukkan kepada saya produk asuransi rumah, katakanlah untuk rumah di bawah satu juta dolar,” atau sesuatu seperti itu. Bagaimana jika saya membelinya dengan asuransi mobil? Jadi Anda dapat melihat ini adalah insentif konteks, untuk membiarkan orang bertanya tentang data dan mungkin mendapatkan data murni dalam bahasa alami. Dan sistem akan benar-benar mengambil pertanyaan pengguna, menguraikannya. Ini memahami apa yang diminta pengguna, secara otomatis muncul dengan data dan formulir yang tepat untuk benar-benar menjelaskan kepada orang-orang bagaimana ini adalah data yang Anda tanyakan. Jadi itu salah satunya.

Jadi, sangat menarik apa yang ada dalam proyek semacam ini, kami hanya peduli tentang preferensi data pengguna dan preferensi pengguna tentang presentasi, tetapi bukan perbedaan individu. Ketika saya mengatakan perbedaan individu, misalnya, seperti apa kepribadian Anda? Apa gaya kognitif Anda, apakah Anda menyukai jenis cerita data yang lebih seperti cerita atau di mana Anda menyukai cerita data yang lebih berbasis fakta dan seperti angka? Jadi kami tidak mempertimbangkannya.

Jadi saya memulai proyek lain di IBM yang disebut IBM … kemudian menjadi IBM Watson Personality Insights, yang berarti kami ingin menggunakan data perilaku pengguna seperti data komunikasi untuk lebih memahami perbedaan individu. Jadi misalnya, apakah Anda seorang ekstrovert? Apakah Anda seorang introvert? Apakah Anda sangat kolaboratif atau Anda lebih menyukai pembelajar tunggal? Jadi saya memulai Juji sebagai startup dengan salah satu pendiri saya, yang kebetulan adalah seorang ilmuwan komputer dan psikolog dan yang bersama-sama menciptakan kepribadian IBM Watson dengan saya.

Jadi kami memulai yang ini. Kami benar-benar ingin membuat generasi baru asisten AI. Kami menyebutnya asisten kognitif. Jadi pada dasarnya, mereka harus berinteraksi dengan orang-orang. Dan kemudian mereka membantu organisasi untuk menambah tenaga kerja mereka, untuk mengotomatisasi berbagai jenis tugas, terutama tugas yang memakan waktu dan padat karya yang sebenarnya tidak disukai manusia. Misalnya, melakukan percakapan dengan orang asing, yang tidak semua orang ingin lakukan, atau mendorong orang untuk melakukan sesuatu yang tidak mereka sukai. Misalnya, menyelesaikan pekerjaan rumah atau berolahraga, atau memeriksa status kesehatan Anda setiap hari. Jadi kita harus menyerahkannya kepada asisten AI untuk melakukannya. Jadi itulah kita hari ini.

Joe McKendrick: Itu sangat menarik. Sebagai konsumen, saya menggunakan Asisten Google di kantor dan saya memiliki Alexa di rumah. Tapi ini terdengar seperti apa yang sedang Anda kerjakan lebih maju daripada yang saya kira pertanyaan atau permintaan yang relatif sederhana untuk lagu atau apa pun, yang akan digunakan pengguna konsumen sekarang di AI, pada asisten pribadi.

Michelle Zhou: Benar. Jadi saya senang Anda menyebutkan kontras itu. Jadi ini benar-benar, jadi yang biasanya digunakan orang, seperti Alexa atau Google Home, mereka lebih disebut interaksi yang digerakkan pengguna, pengguna itu akan berkata, "Bisakah Anda memberi tahu saya seperti apa suhu di luar?" Atau, “Bisakah Anda membantu saya menemukan lagu yang saya suka?” Jadi ini lebih didorong oleh pengguna. Sistemnya sangat pasif. Jadi dalam kasus kami, kami ingin mendukung asisten AI yang benar-benar interaktif. Jadi ini bukan hanya digerakkan oleh pengguna, itu sebenarnya dapat digerakkan oleh mesin dan oleh pengguna. Misalnya, contoh yang sangat sederhana.

Jadi katakanlah Anda pergi ke situs web universitas seseorang, Anda ingin mencari program online untuk mendaftar. Jadi asisten benar-benar dapat memberi Anda tur program online karena itulah yang baru saja kita bicarakan tentang Zoom karena tidak semua orang mengenal Zoom dengan baik. Jadi, katakanlah jika asisten Anda dapat memberi Anda tur tentang mereka, tetapi dalam perjalanan, selama tur, Anda dapat mengajukan pertanyaan apa pun. Jadi misalnya, jika asisten Zoom akan memberi tahu Anda, “Hei, Anda bisa mulai yang ini, uji suara Anda, lihat gambar. Dan Anda bertanya, “Oh, saya tidak suka menunjukkan latar belakang saya. Apa yang harus saya lakukan?" Jadi dalam hal ini, Zoom mengatakan, "Oh, sekarang Anda dapat melakukan yang ini, Anda dapat mengubah latar belakang Anda atau mungkin membisukan latar belakang Anda, lalu melanjutkan tur." Jadi hampir seperti yang kita bicarakan. Ini adalah percakapan yang benar.

Jadi itulah yang benar-benar dikembangkan oleh Juji. Itu sebabnya kami menyebutnya bantuan AI kognitif. Inilah yang disebut kecerdasan kognitif. Berbeda dengan AI biasa, kecerdasan kognitif, yang berarti tidak hanya memiliki keterampilan bahasa seperti yang Anda alami dari Alexa atau Google home, mereka juga memiliki apa yang kami sebut keterampilan manusia tingkat lanjut, terutama soft skill. Jadi salah satu contoh soft skill adalah yang kita sebut sebagai active listening. Jadi, itu berarti asisten AI tidak hanya memahami apa yang dikatakan pengguna, tetapi mereka sebenarnya memverifikasi emosi, memparafrasekan apa yang mereka katakan, merangkum apa yang dikatakan pengguna, menjadi sangat perhatian, serta sangat peduli dengan apa yang dikatakan pengguna. pengguna peduli. Dan kemudian benar-benar membuat percakapan yang dapat dipercaya dan berempati. Jadi dalam hal ini, pikirkan tentang bagaimana Anda benar-benar berkomunikasi dengan orang tersebut. Dan Anda dapat memilikinya hampir seperti hubungan yang sangat menarik.

Joe McKendrick: Kami mendengar tentang, misalnya, dengan pusat panggilan atau pusat kontak dan kami menelepon dan kami mendapatkan asisten virtual. Dan Anda mendengar saat ini bahwa mereka dapat merasakan jika pelanggan marah, misalnya, jika pelanggan frustrasi. Mereka akan memotongnya ke operator langsung, atau saya kira itu akan mencoba mengatasi rasa frustrasi mereka. Dan sepertinya Anda sedang membangun jenis aplikasi itu. Benar?

Michelle Zhou: Benar. Jadi sebenarnya kita sudah melampaui itu. Jadi yang pertama, apa yang kami sebut mendengarkan secara aktif, yang berarti merasakan apa yang Anda katakan, sentimen pengguna, emosi pengguna, dan untuk dapat benar-benar mengulanginya, memparafrasekan itu. Dan contoh berikutnya, saya senang Anda menyukai yang ini, yang kami sebut, "Pembacaan yang tersirat." Jadi artinya adalah Anda dapat memikirkannya seperti Anda berbicara dengan seorang psikolog, bahwa psikolog selalu berusaha memahami apa yang melampaui apa yang baru saja Anda katakan. Jadi apa kebutuhan dan keinginan Anda yang tidak terucapkan, jadi apa tanda tangan emosional Anda. Jadi ini bukan hanya tentang momen sentimen, momen emosi yang ditampilkan. Seperti apa tanda tangan itu? Jadi itu sebabnya kami menyebut pembacaan yang tersirat.

Jadi misalnya, asisten AI kami secara dinamis menganalisis teks percakapan pengguna dan mencoba mendeteksi apa yang kami sebut sebagai perbedaan individu. Jadi perbedaan individu, termasuk apa minat atau minat Anda, dan apa yang Anda kuasai? Beberapa orang sangat pandai dalam penalaran logis. Beberapa orang sangat pandai bercerita. Dan beberapa orang, bagaimana mereka menangani tantangan hidup. Misalnya, beberapa orang di bawah tekanan sangat tenang, dan beberapa orang di bawah tekanan bisa menjadi sedikit tidak aktif. Jadi Anda dapat melihat karena Anda memahami perbedaan individu yang unik yang mendasari, karakteristik setiap pengguna. Kemudian mereka dapat membantu setiap pengguna dengan lebih baik.

Sekedar memberikan contoh yang kita bicarakan sebelumnya, calon mahasiswa, mahasiswa yang mencari program online, tetapi orang ini mungkin khawatir tentang beban keuangan, karena apa pun, program online, Anda perlu membayar uang sekolah. Dalam kasus lain, jika asisten mendeteksi kebutuhan dan keinginan yang tidak terucapkan, dapat benar-benar membimbing mereka, dapat memberitahu mereka untuk mengatakan, "Hei, kamu tahu?" Apalagi untuk seseorang yang sangat khawatir, dan juga ingin sangat mandiri kemudian mengatakan bahwa, “Kami memiliki banyak program bantuan keuangan. Kami memiliki beasiswa, jadi kami pada dasarnya dapat membantu Anda dalam perjalanan Anda untuk mendapatkan gelar atau mungkin memajukan karir Anda.” Jadi Anda dapat melihat bahwa Anda benar-benar sangat dipersonalisasi, bahwa jika orang lain memiliki kekhawatiran yang sama, bahwa orang ini jauh lebih metodis, lebih, katakanlah, berhati-hati. Jadi, Anda akan menggunakan cara yang berbeda dalam menyajikan informasi.

Mungkin mengatakan yang ini, “Sekarang saya akan memberi Anda berbagai jenis opsi bantuan keuangan. Anda bisa memilih salah satu yang paling sesuai dengan gaya hidup Anda, atau mungkin gaya kerja Anda.” Jadi Anda bisa lihat, Anda benar-benar dapat mempersonalisasi satu, bahkan orang-orang yang memiliki kebutuhan mungkin sama, ingin menemukan program yang Anda ikuti, tetapi mendasarinya, mereka memiliki kebutuhan psikologis, keinginan psikologis mereka sendiri.

Joe McKendrick: Kedengarannya hampir seperti asisten AI kognitif juga mengadopsi kepribadian mereka sendiri, serangkaian perilaku mereka sendiri untuk beradaptasi dengan ... kan?

Michelle Zhou: Sebenarnya, kami melakukan banyak pekerjaan. Ya. Kami melakukan banyak studi tentang itu. Mereka belum mengadopsi. Jadi kita masih dalam penelitian. Dan kami bertanya-tanya, karena penelitian telah menunjukkan hasil yang bertentangan. Jadi beberapa penelitian menunjukkan bahwa … Penelitian kami juga menunjukkan bahwa orang suka berinteraksi dengan AI yang memiliki kepribadian serupa. Jadi jika saya sangat ekstrovert, saya suka berinteraksi dengan AI dengan kepribadian ekstrovert. Tetapi beberapa penelitian sebenarnya menentang itu, menunjukkan bahwa orang-orang suka berinteraksi dengan AI, yang memiliki kebalikannya, kami mengatakan kepribadian yang saling melengkapi. Jadi jika saya sangat cerewet, saya lebih suka AI yang tidak terlalu cerewet, siapa yang lebih pendiam. Jadi itulah mengapa kami belum memasukkannya ke dalam produksi, karena kami masih mencoba mencari tahu cara mana yang lebih disukai pengguna. Ini membutuhkan sedikit lebih banyak penelitian dalam hal khusus itu.

Joe McKendrick: Ya. Anda berbicara tentang demokratisasi AI, yang merupakan konsep yang sangat bagus. Dan apakah Anda memperkirakan AI menjadi bagian dari perangkat yang lebih kecil, katakanlah ponsel cerdas kami, apakah mereka akan berinteraksi melalui ponsel cerdas? Mungkin akan ada beberapa AI dalam hal itu. Atau mungkin perangkat yang dapat diintegrasikan ke dalam sistem lain. Apakah itu sesuatu yang Anda lihat juga?

Michelle Zhou: Ya. Benar. Sebenarnya, Anda menyentuh satu aspek demokratisasi AI. Jadi kalau dipikir-pikir, mungkin di tahun 1970-an, apa yang kita sebut komputasi demokratisasi. Sebelum itu, IBM memiliki komputer mainframe ini, atau mungkin komputer kecil. Jadi benar-benar orang tidak mampu membelinya, karena terlalu mahal. Bukan hanya itu, bagian kedua adalah tidak banyak orang yang bisa menggunakan komputer seperti itu karena mereka tidak bisa memprogram. Mereka tidak tahu bahasa pemrograman. Mereka tidak dapat benar-benar menggunakannya. Jadi dengan munculnya komputer pribadi, PC, Mac, yang benar-benar mendemokratisasi komputasi, tidak hanya ... Hampir semua orang sekarang, setiap perusahaan mampu membeli komputer. Setiap orang yang memiliki sedikit pengetahuan, yang bukan seorang programmer, atau yang tidak ahli dalam ilmu komputer, dapat mengoperasikan komputer.

Jadi kami memiliki ide yang sangat mirip dalam mendemokrasikan AI. Jadi jika Anda mengatakan bahwa kita harus melihat AI benar-benar berjalan di semua jenis perangkat, termasuk smartphone. Kami sudah melakukan itu. Bagian kedua adalah, di luar bagian itu adalah kami ingin memungkinkan siapa saja, secara harfiah, semua orang, selama mereka dapat melakukan PowerPoint, mereka dapat melakukan spreadsheet. Mereka harus dapat menyiapkan, menerapkan, dan mengelola asisten AI khusus. Seperti yang baru saja saya katakan, dengan semua kecerdasan kognitif mereka sendiri, tanpa pengkodean, mereka tidak memerlukan keahlian AI. Mereka tidak memerlukan data pelatihan, karena kami telah melatihnya, sehingga mereka dapat dengan cepat menyesuaikannya dan menerapkannya serta mengelolanya. Jadi itulah yang sebenarnya kami maksudkan tentang mendemokrasikan AI. Jadi itu berarti mereka bisa mengadopsi dan kemudian dengan cepat menyesuaikannya dan menggunakannya untuk keuntungan mereka.

Joe McKendrick: Wow. Kedengarannya cukup menarik. Jadi seseorang seperti saya, atau jika ada orang yang tidak memiliki latar belakang teknis dapat mulai menyiapkan jenis aplikasi ini, maka, itu bisa.

Michelle Zhou: Anda harus ya.

Joe McKendrick: Pelanggan.

Michelle Zhou: Joe, apakah Anda melakukan PowerPoint? Anda tahu PowerPoint? Anda tahu spreadsheet. Jadi kami membuat hambatan untuk masuk sangat, sangat rendah, secara harfiah berarti orang dapat melakukan PowerPoint. Orang dapat melakukan spreadsheet. Mereka harus datang, dapat menggunakan platform kami untuk membuat asisten AI yang sangat kuat yang disesuaikan dan juga disesuaikan dengan konteks mereka, tugas mereka. Karena sebagian besar pengguna kami, misalnya, spesialis rekrutmen, manajer pemasaran, manajer produk, dan riset pengguna, ada seorang peneliti. Jadi itu berarti mereka bukan ilmuwan komputer. Mereka tidak tahu bagaimana memprogram. Mereka tidak perlu tahu bagaimana programnya. Dan mereka pada dasarnya hanya jenis pekerja pengetahuan umum. Jadi mereka dapat menyiapkan asisten AI yang sangat kuat di platform kami.

Joe McKendrick: Indah sekali. Dan bagaimana Anda melihatnya … Saat Anda melanjutkan dengan ini, apakah akan ada produk bermerek Juji yang dapat diunduh atau dibeli oleh pelanggan? Atau apakah Anda akan bekerja di belakang layar dengan penyedia aplikasi lain untuk membangunnya? Apa yang akan kita lihat dalam waktu dekat dari kalian?

Michelle Zhou: Oke. Saya pikir keduanya. Jadi salah satu caranya adalah kami sudah memiliki klien yang datang hanya untuk menggunakan platform kami untuk membuat AI khusus. Terapkan, kami menghostingnya. Dan satu lagi, kami juga bermitra dengan perusahaan lain. Jadi pada dasarnya mereka telah menjadi mitra saluran kami. Jadi pelanggan mereka akan menggunakan milik mereka bersama dengan milik kami untuk membuat asisten AI. Misalnya dengan suara. Jadi karena di Juji, kami tidak melakukan voice one. Jadi, sebagai seseorang yang berspesialisasi dalam pengenalan suara dan TTS, mereka dapat benar-benar menggabungkan dengan teknologi kami untuk menciptakan bantuan AI kognitif yang sangat cerdas dengan suara juga, selalu wajah. Jadi kita juga bisa menggabungkan semua teknologi itu bersama-sama. Jadi salah satunya adalah jika Anda mengatakan ... Lebih dari itu, jadi kami berfungsi sebagai mesin AI percakapan, mesin kognitif, jika Anda mau, kepada calon mitra tersebut. Dan sementara itu, orang-orang, jika mereka hanya menginginkan asisten AI berbasis teks, bisa langsung datang ke platform kami dan menggunakannya.

Joe McKendrick: Apakah Anda hampir lulus Tes Turing di mana seseorang mungkin tidak dapat membedakannya?

Michelle Zhou: Seseorang mengatakan itu. Tapi kami tidak tahu apakah kami harus menggunakannya sebagai standar untuk menguji kualitas. Karena alasannya, saya tidak yakin apakah Anda pernah mendengar tentang yang satu ini, sebenarnya di tahun 1970-an, seorang profesor tertentu Turing ... Sebuah chatbot yang lulus Tes Turing, itu adalah yang pertama. Pasalnya, menirukan seorang pasien yang mengalami gangguan psikologis. Jadi itu sebabnya. Jadi itu sebabnya itu berlalu karena tidak ada yang tahu apa yang dia bicarakan. Jadi saya tidak yakin apakah itu kriteria yang baik atau tidak.

Jadi saya pikir kriteria kami akan lebih konkret? Bisakah AI benar-benar membantu Anda menyelesaikan tugas Anda? Bisakah AI benar-benar memberikan kepuasan pengguna itu? Menurut saya lebih praktis dan sebenarnya lebih terukur, dari sudut pandang bisnis. Karena jika kita membantu, misalkan, sebuah universitas membantu calon mahasiswanya atau mahasiswa yang sudah ada, atau bahkan lulusannya dan apakah AI ini sudah melakukan bantuannya. Jadi apa hasil dari bantuan itu? Apakah mereka memiliki lebih banyak pendaftaran dan mereka benar-benar telah melihatnya? Ya. Apakah mereka memiliki tingkat keberhasilan dan tingkat retensi siswa yang lebih tinggi? Ya. Atau akankah lulusan atau alumninya kembali, lebih banyak lagi yang akan kembali dan melanjutkan pendidikannya? Itu sangat konkret ... Sebenarnya, saya akan mengatakan hasil, hasil sukses, atau kegunaan AI, dibandingkan hanya membandingkan yang lewat.

Joe McKendrick: Dan salah satu perhatian AI selalu data, jumlah data yang dibutuhkan, data besar misalnya Anda memerlukan kumpulan data besar untuk mengidentifikasi dan melatih, dan sebagainya. Bagaimana Anda melihat itu terjadi? Apa yang sedang Anda kerjakan membutuhkan kumpulan data yang besar.

Michelle Zhou: Dengan tepat. Ini adalah pertanyaan yang bagus. Itulah mengapa saya berbicara tentang mendemokrasikan AI karena banyak organisasi tidak memiliki data semacam itu. Misalnya, mereka bahkan belum memiliki AI semacam itu. Jadi itulah mengapa kami, sebagai perusahaan, sebagai perusahaan platform, dan kami telah menghasilkan data kami sendiri, mengumpulkan data kami. Jadi ya, model kami dilatih pada sejumlah besar data, karena kami sudah melatih data. Kita harus membiarkan orang lain menggunakannya kembali. Jadi hampir seperti transfer kecerdasan.

Saya melakukan panggilan lain minggu lalu, orang-orang bertanya kepada saya tentang yang satu ini. Dan saya berkata, "Ini adalah keindahan dari apa yang sedang kami kerjakan, apa yang Juji lakukan adalah ini." Anda mengatakan bahwa kami mengajarkan AI semuanya dari awal, membaca yang tersirat. Kami sebenarnya menanamkan kecerdasan di dalamnya. Jadi ketika Anda benar-benar mengadopsi AI, AI itu datang bersama mereka, lahir dengan kecerdasan ini. Built-in, kami menyebutnya kecerdasan bawaan. Jadi kita benar-benar dapat mentransfer kecerdasan dari satu ke yang lain.

Jadi hal lain, misalnya, kami bekerja sama dengan universitas untuk membantu program rekrutmen mereka. Jadi Anda mendapat banyak pertanyaan calon siswa di sana. Jadi dalam hal ini, data tersebut sebenarnya dapat digunakan untuk universitas lain juga. Ketika saya mengatakan datanya, bukan jawabannya, tetapi pertanyaannya. Jadi siswa mengajukan pertanyaan, menyusun pertanyaan, dan selain itu, kami secara otomatis menghasilkan lebih banyak data pelatihan. Jadi universitas tidak perlu melakukan itu. Jadi ketika mereka awalnya datang kepada kami dan berkata, "Hei, kami tidak memiliki datanya." Jadi Anda tidak perlu mengkhawatirkannya. Kami sudah memilikinya. Jadi, Anda bisa memulai asisten AI Anda. Jadi itulah yang saya maksudkan dengan tepat tentang mendemokratisasi AI, yang berarti Anda mengemas kecerdasan. Anda membangun kecerdasan sebelumnya, sehingga orang lain dapat mengadopsinya, dan dapat menggunakannya kembali secara instan.

Joe McKendrick: Sama seperti penelitian ilmiah, Anda dapat membangun penelitian yang sudah ada dan terus meningkatkan hal-hal. Benar?

Michelle Zhou: Ya. Jadi itu yang paling seperti Anda tumbuh sebagai seorang anak. Anak itu memiliki kecerdasan, awalnya memiliki kecerdasan yang sangat baik. Jadi begitu anak ini memiliki kecerdasan lebih, jadi Anda menyimpannya, bukan hanya menyimpannya, Anda mentransfer kecerdasan anak ini ke anak lain, sehingga anak lain tidak perlu belajar dari awal. Jadi itu sangat ampuh.

Joe McKendrick: Dia. Sangat. Dan Michelle, apa yang Anda lihat terjadi selama 5 sampai 10 tahun ke depan? Apa yang Anda nantikan untuk terjadi? Seperti apa dunia pada tahun 2025 atau bahkan 2030, terutama dengan teknologi Anda?

Michelle Zhou: Saya pikir kita akan menuju skenario yang lebih optimistis dari film Her. Anda ingat film Her?

Joe McKendrick: Ya. Ya. Film yang bagus.

Michelle Zhou: Benar? Jadi ini berarti AI Anda mungkin akan tahu lebih banyak tentang Anda daripada Anda mengenal diri sendiri. Dan AI Anda akan tahu apa yang Anda inginkan bahkan sebelum Anda tahu apa yang Anda inginkan. Misalnya, Anda perlu menghemat uang. AI sudah tahu sebelumnya bahwa Anda perlu menghemat uang. Atau Anda membutuhkan gelar baru agar lebih mudah dipekerjakan. AI mungkin akan mengetahuinya sebelum Anda menyadarinya. Jadi itulah yang saya lihat. Anda memiliki, yang saya sebut asisten pribadi, persahabatan pribadi, dalam hal ini, pendamping AI, yang benar-benar dapat memahami siapa Anda, apa kebutuhan dan keinginan Anda, dan membantu Anda dengan cara terbaik untuk memberi manfaat bagi Anda. Jadi itu sebabnya kami juga membahas topik kami tentang AI yang bertanggung jawab, karena dengan tingkat pemahaman itu, jika kami tidak akan menegakkan AI yang bertanggung jawab ini, jika teknologi ini jatuh ke tangan orang jahat, itu bisa disalahgunakan dan bisa berakibat buruk. . Itulah mengapa kami juga menanamkan rasa AI yang bertanggung jawab ini, yang berarti bahwa kami ingin memastikan AI pada dasarnya membantu orang dengan cara terbaik untuk memberi manfaat bagi orang lain.

Joe McKendrick: Luar biasa. Luar biasa. Dan benar-benar pekerjaan yang Anda lakukan di area itu benar-benar menggerakkan AI ke arah yang positif untuk memberi manfaat bagi orang-orang. Dan kami sangat menghargai Anda dapat membagikan ini dengan kami di podcast kami hari ini. Sekali lagi, saya berbicara dengan Michelle Zhou. Dia adalah CEO dan salah satu pendiri Juji. Dan terima kasih banyak Michelle untuk bergabung dengan kami hari ini. Kami benar-benar menikmati Anda.

Michelle Zhou: Terima kasih, Joe, karena telah memilikiku. Terima kasih. Sampai jumpa.