Temukan Intelijen Berkelanjutan: CEO Juji Michelle Zhou tentang Democratizing AI

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

Dalam podcast RTInsights Real-Time Talk ini, editor RTInsights Joe McKendrick berbicara dengan Michelle Zhou, pendiri bersama dan CEO Juji, tentang memperluas penggunaan kecerdasan buatan (AI) dengan membuatnya lebih mudah diakses menggunakan AI itu sendiri. Percakapan mencakup bagaimana ia membangun pada kerjanya dengan IBM Watson untuk fokus pada penggunaan platform AI kognitif yang dapat digunakan kembali dan tanpa kode untuk mendemokratisasi asisten/chatbot AI dan menyelang kesenjangan AI yang semakin lebar.

• Apple
• Google
• Spotify
• Platform lainnya

Joe McKendrick: Halo, ini Joe McKendrick, dan selamat datang di podcast Continuous Intelligence RTInsights, yang berikutnya dalam seri kami. Dan saya sangat senang bergabung dengan Michelle Zhou, presiden dan pendiri bersama Juji, dan Anda adalah suara, pemikir, dan pelaku terkemuka di bidang kecerdasan buatan. Dan kami menunggu untuk mempelajari sedikit apa yang terjadi dan bagaimana kami dapat melangkah maju dengan hal-hal ini.

Aktifkan cookie sehingga Anda tidak perlu mengisi ulang formulir di artikel mendatang.

Untuk memulai, Michelle, mengapa tidak Anda ceritakan sedikit tentang perjalanan Anda? Saya tahu Anda telah bersama IBM Watson dan telah melakukan banyak pekerjaan di area itu juga. Jadi Anda telah berada di bidang AI selama sejumlah tahun, sejak hal-hal benar-benar mulai berjalan. Ceritakan sedikit tentang perjalanan Anda. Bagaimana Anda sampai di tempat Anda sekarang?

Michelle Zhou: Tentu. Oh, terima kasih, Joe, untuk mengundang saya. Saya Michelle Zhou dan saya sebenarnya telah memulai perjalanan AI saya sejak saya mahasiswa pascasarjana di Columbia University. Saya sedang menjalani Ph.D. saya di sana. Salah satu hal yang selalu saya minati adalah bagaimana Anda dapat menggunakan mesin untuk membantu orang melakukan sesuatu yang orang tidak suka melakukan, atau orang tidak mahir dalam melakukannya? Jadi tesis saya adalah tentang menciptakan asisten AI untuk membantu orang membuat, jika Anda akan, grafik informasi karena tidak semua orang adalah desainer. Tidak semua orang dapat merancang grafik informasi yang indah, tetapi semua orang ingin menyukai data, ingin menafsirkan data. Jadi saya menciptakan AI selama studi Ph.D. saya untuk pada dasarnya melihat data, menganalisis data, dan secara otomatis menciptakan penjelasan visual dari data. Itu sebenarnya telah digunakan untuk dokter dan perawat untuk memahami data pasien dan juga untuk analis jaringan untuk memahami data jaringan, data jaringan, dan kinerja jaringan mereka.

Dari sana, saat saya lulus, saya bergabung dengan IBM Watson Research Center. Dan saya mulai ... Karena sebelum itu saya bekerja di area ini, sistem tidak interaktif, yang berarti jika Anda memiliki satu set data, Anda memiliki tugas pengguna dan preferensi visual, maka Anda secara otomatis menghasilkan. Namun 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 yang berbeda dari data. Jadi saya memulai proyek. Pada dasarnya, itu disebut AI konversasional untuk analitik data. Itu terjadi hampir 15, 20 tahun yang lalu, sekarang, jadi sudah lama. Lalu kami sebenarnya, antarmuka konversasional, itu untuk membantu menggunakan bahasa alami, untuk bertanya tentang data.

Misalnya, orang mungkin bertanya, “Oh, bisakah Anda tunjukkan produk saya?” Katakanlah, misalnya, katakanlah kita membeli produk asuransi. “Bisakah Anda tunjukkan produk asuransi rumah, katakanlah untuk rumah di bawah satu juta dolar,” atau semacamnya. Bagaimana jika saya membelinya dengan asuransi mobil? Jadi Anda dapat melihat ini adalah insentif konteks, untuk membiarkan orang bertanya tentang data dan mungkin melewati data secara murni dalam bahasa alami. Dan sistem sebenarnya akan mengambil pertanyaan pengguna, muraikannya. Ini memahami apa yang diminta pengguna, secara otomatis datang dengan data dan bentuk yang tepat untuk sebenarnya menjelaskan kepada orang bahwa inilah data yang Anda tanyakan. Itulah satu.

Lalu di sana, yang menarik dari jenis proyek ini, kita hanya peduli dengan preferensi pengguna terhadap data dan preferensi pengguna tentang presentasi, tetapi tidak tentang perbedaan individu. Saat saya mengatakan perbedaan individu, ini misalnya, bagaimana kepribadian Anda? Bagaimana gaya kognitif Anda, apakah Anda suka jenis cerita data yang lebih seperti cerita atau di mana Anda suka cerita data yang lebih berbasis fakta dan angka? Jadi kita tidak mempertimbangkannya.

Lalu saya memulai proyek lain di IBM yang disebut IBM ... lalu menjadi IBM Watson Personality Insights, yang berarti kita ingin menggunakan data perilaku pengguna seperti data komunikasi untuk lebih memahami perbedaan individu. Misalnya, apakah Anda ekstrovert? Apakah Anda introvert? Apakah Anda sangat kolaboratif atau Anda lebih tentang pembelajar sendirian? Lalu saya memulai Juji sebagai startup dengan pendiri bersama saya, yang kebetulan adalah ilmuwan komputer dan psikolog dan yang bersama-sama menemukan kepribadian IBM Watson dengan saya.

Jadi kita memulai ini. Kami ingin menciptakan, sebenarnya, generasi baru asisten AI. Kami menyebutnya asisten kognitif. Jadi pada dasarnya, mereka harus berinteraksi dengan orang. Lalu mereka membantu organisasi untuk melengkapi tenaga kerja mereka, untuk mengotomatisasi berbagai jenis tugas, terutama tugas yang memakan waktu banyak dan intensif tenaga kerja yang sebenarnya tidak disukai manusia. Misalnya, melakukan percakapan dengan asing, yang tidak semua orang ingin melakukan, atau mendorong orang untuk melakukan sesuatu yang tidak disukai mereka. Misalnya, menyelesaikan pekerjaan rumah atau berolahraga, atau memeriksa status kesehatan Anda setiap hari. Jadi kita harus meninggalkannya untuk asisten AI untuk dilakukan. Itulah apa yang kami lakukan saat ini.

Joe McKendrick: Itu sangat menarik. Sebagai konsumen, saya menggunakan Google Assistant di sini di kantor dan saya memiliki Alexa di rumah. Namun ini terdengar seperti apa yang Anda kerjakan lebih canggih daripada yang saya duga pertanyaan atau permintaan lagu atau apa pun yang digunakan pengguna konsumen sekarang pada AI, asisten pribadi.

Michelle Zhou: Benar. Jadi saya senang Anda menyebut kontras itu. Jadi itu sebenarnya, satu yang biasanya digunakan orang, seperti Alexa atau Google Home, lebih banyak apa yang kita sebut interaksi yang didorong pengguna, pengguna akan mengatakan, “Bisakah Anda memberitahu saya suhu di luar seperti apa?” Atau, “Bisakah Anda membantu saya menemukan lagu yang saya sukai?” Jadi itu lebih didorong pengguna. Sistem sangat pasif. Dalam kasus kami, kami ingin mendukung asisten AI yang benar-benar interaktif. Jadi itu tidak hanya didorong pengguna, itu sebenarnya dapat didorong oleh baik mesin maupun oleh pengguna. Misalnya, contoh yang sangat sederhana.

Jadi katakanlah Anda akan ke situs web universitas seseorang, Anda ingin mencari program online untuk melamar. Asisten sebenarnya dapat memberi Anda tur program online karena itulah yang baru saja kita bicarakan tentang Zoom karena tidak semua orang tahu Zoom dengan baik. Jadi katakanlah jika asisten Anda telah memberi Anda tur program mereka, namun di jalan, selama tur, Anda dapat bertanya apa pun. Misalnya, jika asisten Zoom akan mengatakan, “Hei, Anda dapat memulai ini, menguji suara Anda, melihat gambar. Dan Anda bertanya, “Oh, saya tidak suka menampilkan latar belakang saya. Apa yang harus saya lakukan?” Dalam hal ini, Zoom mengatakan, “Oh, sekarang Anda dapat melakukan ini, Anda dapat mengubah latar belakang Anda atau mungkin memutuskan latar belakang Anda, lalu melanjutkan tur.” Itu hampir seperti apa yang kita bicarakan. Ini percakapan yang sebenarnya.

Itulah apa yang sebenarnya dikembangkan oleh Juji. Itulah mengapa kami menyebutnya asisten AI kognitif. Ini adalah apa yang disebut intelijen kognitif. Tidak seperti AI biasa, intelijen kognitif, yang berarti itu tidak hanya memiliki keterampilan bahasa seperti yang Anda alami dari Alexa atau Google Home, mereka juga memiliki apa yang kita sebut keterampilan manusia yang canggih, terutama keterampilan lunak. Salah satu contoh keterampilan lunak adalah apa yang kita sebut mendengarkan aktif. Itu berarti tidak hanya asisten AI memahami apa yang dikatakan pengguna, tetapi mereka sebenarnya dapat memverifikasi emosi, mengucapkan ulang apa yang mereka katakan, meringkas apa yang dikatakan pengguna, dengan sangat penhatian, serta sangat peduli dengan apa yang dipedulikan pengguna. Dan kemudian membuat percakapan yang terpercaya dan empati. Dalam kasus ini, pikirkan bagaimana Anda benar-benar berbicara dengan seseorang. Dan Anda dapat memiliki hubungan yang hampir seperti yang sangat personal.

Joe McKendrick: Kami mendengar tentang, misalnya, di call center atau contact center dan kami memanggil dan kita mendapatkan asisten virtual. Dan Anda mendengar saat ini bahwa mereka dapat merasakan jika pelanggan marah, misalnya, jika pelanggan frustrasi. Mereka akan memindahkan mereka ke operator langsung, atau saya duga akan mencoba untuk mengatasi frustrasi mereka. Dan ini terdengar seperti Anda membangun pada jenis aplikasi itu. Benar?

Michelle Zhou: Benar. Jadi sebenarnya kami telah melampaui itu, sudah. Satu pertama, apa yang kita sebut mendengarkan aktif, yang berarti itu untuk merasakan apa yang Anda katakan, sentimen pengguna, emosi pengguna, dan mampu untuk sebenarnya mengucapkan ulang, parafrase itu. Dan contoh selanjutnya, saya senang bahwa Anda mengenai ini, kita menyebut, “Membaca di antara baris.” Jadi artinya adalah Anda dapat memikirkannya dengan cara Anda berbicara dengan psikolog, psikolog selalu mencoba memahami apa yang di luar apa yang baru saja Anda katakan. Jadi kebutuhan dan keinginan yang tidak diucapkan Anda, jadi tanda tangan emosional Anda. Itu bukan tentang momen sentimen, momen emosi yang ditunjukkan. Tanda tangannya seperti apa? Itulah mengapa kita menyebutnya membaca di antara baris.

Jadi misalnya, asisten AI kami secara dinamis menganalisis teks konversasi pengguna dan mencoba mendeteksi apa yang kita sebut perbedaan individu. Jadi perbedaan individu, mereka mencakup apa passion atau minat Anda, dan apa yang Anda kuasai? Beberapa orang sangat mahir dalam penalaran logis. Beberapa orang sangat mahir dalam bercerita. Dan beberapa orang, bagaimana mereka menghadapi tantangan hidup. Misalnya, beberapa orang di bawah tekanan sangat tenang, dan beberapa orang di bawah tekanan bisa sedikit kacau. Jadi Anda dapat melihat karena Anda memahami perbedaan individu yang mendasari, karakteristik setiap pengguna. Lalu mereka dapat lebih baik membantu setiap pengguna.

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

Mungkin mengatakan ini, “Sekarang saya akan menyajikan berbagai jenis opsi bantuan keuangan kepada Anda. Anda dapat memilih yang paling sesuai dengan gaya hidup Anda, atau mungkin gaya kerja Anda.” Jadi Anda dapat melihat, Anda benar-benar dapat dipersonalisasi satu, bahkan orang yang memiliki kebutuhan mungkin sama, ingin menemukan program yang akan Anda daftarkan, tetapi di bawahnya, mereka memiliki kebutuhan psikologis mereka sendiri, keinginan psikologis mereka sendiri.

Joe McKendrick: Ini hampir terdengar seperti asisten AI kognitif juga mengadopsi kepribadian mereka sendiri, serangkaian perilaku mereka sendiri untuk menyesuaikan diri dengan ... benar?

Michelle Zhou: Sebenarnya, kami telah melakukan banyak pekerjaan. Ya. Kami telah melakukan banyak studi tentang itu. Mereka belum mengadopsi. Kami masih dalam penelitian. Dan kami bertanya-tanya, karena penelitian telah menunjukkan hasil yang bertentangan. Beberapa penelitian menunjukkan bahwa ... Penelitian kami juga menunjukkan bahwa orang suka berinteraksi dengan AI yang memiliki kepribadian yang sama. Jika saya sangat ekstrovert, saya suka berinteraksi dengan AI dengan kepribadian ekstrovert. Namun beberapa penelitian sebenarnya menentang itu, menunjukkan bahwa orang suka berinteraksi dengan AI yang memiliki yang berlawanan, kita sebut kepribadian komplementer. Jika saya sangat rame, saya suka AI yang tidak sangat rame, yang lebih tertutup. Itulah mengapa kami belum memasukkannya ke produksi, karena kami masih mencoba mengetahui cara mana yang lebih disukai pengguna. Ini membutuhkan sedikit lebih banyak penelitian dalam hal tertentu tersebut.

Joe McKendrick: Ya. Anda berbicara tentang demokratisasi AI, yang merupakan konsep yang luar biasa. Dan apakah Anda meramalkan AI akan menjadi bagian dari perangkat dengan footprint yang lebih kecil, misalnya ponsel pintar kita, apakah mereka akan berinteraksi melalui ponsel pintar? Mungkin akan ada beberapa AI di sana. Atau mungkin perangkat yang dapat diintegrasikan ke dalam sistem lain. Apakah itu sesuatu yang juga Anda perhatikan?

Michelle Zhou: Ya. Benar. Sebenarnya, Anda menyentuh satu aspek dari demokratisasi AI. Memikirkannya, kembali pada mungkin tahun 1970, apa yang kita sebut demokratisasi komputasi. Sebelum itu, IBM memiliki komputer mainframe ini, atau mungkin komputer kecil. Jadi sebenarnya orang tidak mampu membelinya, karena terlalu mahal. Tidak hanya itu, bagian kedua dari itu adalah tidak banyak orang yang bisa menggunakan komputer jenis itu karena mereka tidak dapat memprogram. Mereka tidak tahu bahasa pemrograman. Mereka tidak benar-benar dapat menggunakannya. Dengan hadirnya komputer pribadi, PC, Mac, itulah sebenarnya demokratisasi komputasi, tidak hanya ... Hampir semua orang sekarang, setiap perusahaan mampu membeli komputer. Setiap orang yang memiliki sedikit pengetahuan, yang bukan programmer, atau yang bukan ahli ilmu komputer, dapat mengoperasikan komputer.

Jadi kami memiliki ide yang sangat sama dalam demokratisasi AI. Jika Anda mengatakan bahwa kita harus melihat AI sebenarnya berjalan pada jenis perangkat apa pun, termasuk ponsel pintar. Kami sudah melakukan itu. Bagian kedua dari itu adalah, di luar bagian itu, kami ingin memungkinkan siapa saja, secara harfiah, semua orang, asalkan mereka dapat membuat PowerPoint, mereka dapat membuat spreadsheet. Mereka harus dapat menyiapkan, menyebarkan, dan mengelola asisten AI kustom. Seperti yang baru saja saya katakan, dengan semua kecerdasan kognitif di mereka sendiri, tanpa coding, mereka tidak memerlukan keahlian AI. Mereka tidak memerlukan data pelatihan, karena kami sudah melatihnya, jadi mereka dapat dengan cepat menyesuaikannya dan menyebarkannya dan mengelolanya. Itulah yang sebenarnya kami maksud dengan demokratisasi AI. Itu berarti mereka hanya dapat mengadopsi dan kemudian dengan cepat menyesuaikannya dan menggunakannya untuk manfaat mereka sendiri.

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

Michelle Zhou: Anda seharusnya ya.

Joe McKendrick: Pelanggan.

Michelle Zhou: Joe, apakah Anda membuat PowerPoint? Anda tahu PowerPoint? Anda tahu spreadsheet. Jadi kami membuat ambang masuk sangat, sangat rendah, secara harfiah berarti bahwa orang dapat membuat PowerPoint. Orang dapat membuat 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 penelitian pengguna, ada peneliti. Itu berarti mereka tentu bukan ilmuwan komputer. Mereka tidak tahu cara memprogram. Mereka tidak perlu tahu cara program itu. Dan mereka pada dasarnya hanyalah pekerja pengetahuan umum. Jadi mereka mampu menyiapkan asisten AI yang sangat kuat di platform kami.

Joe McKendrick: Itu luar biasa. Dan bagaimana Anda melihat ... Saat Anda melanjutkan ini, apakah akan ada produk bermerek Juji yang dapat diunduh atau dibeli pelanggan? Atau Anda akan bekerja di balik layar dengan penyedia aplikasi lain untuk membangun itu? Apa yang akan kita lihat di masa dekat dari kalian?

Michelle Zhou: Oke. Saya pikir keduanya. Satu caranya adalah sudah kami memiliki klien yang datang hanya untuk menggunakan platform kami untuk membuat AI kustom. Menyebarkan, kami menghostingnya. Dan yang lainnya, kami juga bekerjasama dengan perusahaan lain. Jadi dasarnya mereka telah menjadi mitra saluran kami. Jadi pelanggan mereka akan menggunakan mereka bersamaan dengan kami untuk membuat asisten AI. Misalnya, dengan suara. Karena di Juji, kami tidak melakukan suara. Lalu sebagai seseorang yang spesialis dalam pengenalan suara dan TTS, mereka dapat sebenarnya menggabungkan dengan teknologi kami untuk membuat asisten AI kognitif yang sangat cerdas dengan suara juga, selalu wajah. Jadi kami juga dapat menggabungkan semua teknologi tersebut bersama-sama. Jadi satu adalah jika Anda katakan ... Itu lebih, jadi kami berfungsi sebagai mesin AI konversasi, mesin kognitif, jika Anda akan, untuk mitra potensial tersebut. Dan dalam waktu yang sama, orang-orang, jika mereka hanya ingin asisten AI berbasis teks, dapat langsung datang ke platform kami dan menggunakannya.

Joe McKendrick: Apakah Anda dekat dengan lulus Uji Turing di mana seseorang mungkin tidak dapat membedakannya?

Michelle Zhou: Ada yang mengatakan itu. Namun kami tidak tahu apakah kita harus menggunakannya sebagai standar untuk menguji kualitas. Karena alasan, saya tidak yakin apakah Anda pernah mendengar tentang ini, sebenarnya pada tahun 1970, seorang profesor tertentu Turing ... Chatbot yang lulus Uji Turing, itu adalah yang pertama. Alasannya adalah karena itu meniru seorang pasien yang memiliki gangguan psikologis. Itulah mengapa. Itulah mengapa itu lulus karena tidak ada yang tahu apa yang dibicaranya. Jadi saya tidak yakin apakah itu kriteria yang baik atau tidak.

Jadi saya pikir kriteria kami akan lebih konkret? Apakah AI sebenarnya dapat membantu Anda menyelesaikan tugas Anda? Apakah AI benar-benar memberikan kepuasan pengguna? Saya pikir itu lebih praktis dan itu juga sebenarnya dapat diukur, dari sudut pandang bisnis. Karena jika kami membantu, katakanlah, universitas untuk membantu calon mahasiswa mereka atau mahasiswa yang ada, atau bahkan lulusan dan apakah AI ini telah melakukan bantuan. Jadi apa hasil dari bantuan? Apakah mereka memiliki lebih banyak pendaftaran dan mereka sebenarnya telah melihatnya? Ya. Apakah mereka memiliki tingkat keberhasilan dan retensi mahasiswa yang lebih tinggi? Ya. Atau apakah lulusan atau alumni mereka akan kembali, lebih banyak dari mereka akan kembali dan melanjutkan pendidikan mereka? Itu sangat konkret ... Sebenarnya, saya akan mengatakan hasil, hasil keberhasilan, atau kegunaan AI, dibandingkan hanya dengan lulus.

Joe McKendrick: Dan salah satu kekhawatiran AI adalah selalu data, jumlah data yang dibutuhkan, big data misalnya Anda perlu kumpulan data yang besar untuk mengidentifikasi dan melatih, dan seterusnya. Bagaimana Anda melihat hal itu terjadi? Apa yang Anda kerjakan membutuhkan kumpulan data yang besar.

Michelle Zhou: Tepat. Ini adalah pertanyaan yang bagus. Itulah mengapa saya berbicara tentang demokratisasi AI karena banyak organisasi tidak memiliki jenis data itu. Misalnya, mereka bahkan belum memiliki AI seperti itu. 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. Kami hanya harus membiarkan orang lain menggunakannya ulang. Itu hampir seperti transfer kecerdasan.

Saya berada dalam panggilan lain baru-baru ini, orang-orang bertanya padaku tentang ini. Dan saya katakan, “Itu adalah keindahan dari apa yang sedang kami kerjakan, apa yang Juji lakukan adalah ini.” Anda mengatakan bahwa kami mengajari AI semuanya dari nol, membaca di antara baris. Kami sebenarnya menyematkan kecerdasan di dalamnya. Jadi saat Anda sebenarnya mengadopsi AI, AI itu datang dengan itu, lahir dengan kecerdasan ini. Bawaan, kami sebut itu kecerdasan bawaan. Jadi kami benar-benar dapat mentransfer kecerdasan dari satu ke yang lain.

Jadi hal lain, misalnya, kami bekerja sama dengan universitas untuk membantu program rekrutmen mereka. Lalu Anda memiliki banyak pertanyaan calon mahasiswa di sana. Dalam kasus ini, data tersebut sebenarnya dapat digunakan untuk universitas lain juga. Saat saya mengatakan data, bukan jawaban per se, tetapi pertanyaan. Mahasiswa bertanya pertanyaan, mengucapkan pertanyaan, dan di atas itu, kami secara otomatis menghasilkan lebih banyak data pelatihan. Jadi universitas tidak perlu melakukannya. Jika mereka awalnya datang ke kami dan mengatakan, “Hei, kami tidak punya data.” Jadi Anda tidak perlu khawatir tentang itu. Kami sudah memilikinya. Jadi Anda hanya dapat memiliki loncatan awal asisten AI Anda. Itulah juga apa yang sebenarnya saya maksud tentang demokratisasi AI, yang berarti Anda memaketkan kecerdasan. Anda membangun kecerdasan sebelumnya, jadi orang lain dapat mengadopsi, dan dapat menggunakannya ulang segera.

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

Michelle Zhou: Ya. Jadi itu paling seperti Anda tumbuh sebagai anak. Anak itu memiliki kecerdasan, awalnya memiliki kecerdasan yang sangat baik. Jadi sekali anak ini memiliki lebih banyak kecerdasan, jadi Anda menyimpannya, bukan hanya menyimpannya, Anda mentransfer kecerdasan anak ini ke anak lain, jadi anak lain tidak perlu belajar dari nol. Itu sangat kuat.

Joe McKendrick: Itu. Sempurna. Dan Michelle, apa yang Anda lihat terjadi selama 5 hingga 10 tahun ke depan? Apa yang Anda tunggu-tunggu untuk melihat terjadi? Bagaimana dunia akan terlihat pada 2025 atau bahkan 2030, terutama dengan teknologi Anda?

Michelle Zhou: Saya sebenarnya pikir kita menuju skenario optimis yang dibuat dari film Her. Anda ingat film Her?

Joe McKendrick: Ya. Ya. Film bagus.

Michelle Zhou: Benar? Itu berarti AI Anda mungkin akan tahu lebih banyak tentang Anda daripada Anda sendiri. Dan AI Anda akan tahu apa yang Anda inginkan sebelum Anda bahkan tahu apa yang Anda inginkan. Misalnya, Anda perlu menabung uang. AI sudah tahu sebelumnya bahwa Anda perlu menabung uang. Atau Anda perlu gelar baru untuk lebih dapat dipekerjakan. AI mungkin akan tahu itu sebelum Anda tahu. Itulah yang saya lihat. Anda memiliki asisten pribadi yang sebenarnya, apa yang saya sebut teman pribadi, dalam kasus ini, teman AI, yang benar-benar dapat memahami siapa Anda, apa kebutuhan dan keinginan Anda, dan membantu Anda dengan cara terbaik untuk memberikan manfaat kepada Anda. Itulah mengapa kami juga pergi ke topik AI yang bertanggung jawab, karena dengan tingkat pemahaman itu, jika kami tidak akan memberlakukan AI yang bertanggung jawab, jika teknologi ini jatuh ke tangan orang jahat, itu dapat disalahgunakan dan dapat memiliki konsekuensi buruk. Itulah mengapa kami juga menanamkan rasa tanggung jawab AI ini, yang berarti kami ingin memastikan AI membantu orang pada dasarnya dengan cara terjangka untuk memberikan manfaat kepada orang.

Joe McKendrick: Luar biasa. Luar biasa. Dan benar-benar pekerjaan yang Anda lakukan di area itu benar-benar memajukan AI dalam arah positif untuk memberikan manfaat kepada orang. Dan kami sangat mengapresiasi Anda dapat membagikan ini dengan kami dalam podcast kami hari ini. Lagi, saya berbicara dengan Michelle Zhou. Dia adalah CEO dan pendiri bersama Juji. Dan terima kasih banyak Michelle untuk bergabung dengan kami hari ini. Kami sangat menikmati Anda di sini.

Michelle Zhou: Terima kasih, Joe, untuk mengundang saya. Terima kasih. Selamat tinggal.