Раскрытие будущего искусственного интеллекта с Джепсоном Тейлором
Раскрытие будущего искусственного интеллекта вместе с Джепсоном Тейлором
В этой серии Leading With Data мы общались с Джепсоном Тейлором, со-руководителем мастер-класса по искусственному интеллекту в НЙУ и бывшим главным стратегом по искусственному интеллекту в Dataiku. Раскрывая будущее искусственного интеллекта, Тейлор делится неоценимыми идеями о решающих моментах его пути – от химической инженерии до предпринимательства в области искусственного интеллекта, успешного приобретения стартапа и развития генеративного искусственного интеллекта.
Давайте погрузимся в это!
Ключевые выводы из нашей беседы с Джепсоном Тейлором
- Генеративный искусственный интеллект является ключом к открытию пути к AGI, революционизируя подходы к решению проблем и инновациям.
- Переход от традиционного программирования к искусственному интеллекту требует страсти к технологии и готовности рисковать, таких как уход с прочной работы в пользу предпринимательства.
- Умение рассказывать истории становится важным навыком для специалистов в области искусственного интеллекта, позволяющим эффективно коммуницировать сложные идеи топ-менеджменту и заинтересованным лицам.
- Будущее искусственного интеллекта включает в себя генеративные алгоритмы, позволяющие искусственным интеллектам автономно писать и улучшать свой код, создавая более эффективные и мощные приложения.
- Успех стартапа в области искусственного интеллекта зависит от найма правильных кадров, акцентируя внимание на опытных профессионалах, которые способны взять на себя ответственность за свои функции и привести компанию вперед.
В следующем разделе мы суммируем вопросы, заданные Джепсону Тейлору в сессии Leading with Data.
Как началась ваша дорога от химической инженерии к предпринимательству в области искусственного интеллекта?
Когда я учился химической инженерии, я не очень много программировал, но две параллельные вещи изменили это. Во-первых, я начал создавать компанию по электронной коммерции, будучи еще студентом, что стало основой моего обучения веб-программированию. Во-вторых, в моем классе численных методов вдохновляющий преподаватель познакомил меня с генетическими алгоритмами и имитационным отжигом. Это разожгло мою страсть к программированию, особенно в областях, где компьютеры могут работать на вас, например, в области высокопроизводительных вычислений и компьютерного зрения. Мои проекты по инженерии всегда имели расширение программирования, и я даже однажды получил наказание за обработку спутниковых изображений в рамках стажировки по химической инженерии!
- Ров для корпоративного ИИ – это RAG + настройка вот почему
- Метрики оценки для классификации за пределами точности
- Действительно ли глобальные переменные в Python глобальные?
Переход от химической инженерии к искусственному интеллекту, какие были решающие моменты?
Сначала я думал о поступлении в медицинскую школу и о поступлении на программу MD-PhD, чтобы сочетать медицинские исследования с программированием. Однако я влюбился в программирование и компьютерное зрение, осознав, что смогу оказать более значительное влияние на искусственный интеллект, чем в области здравоохранения. Перед появлением глубокого обучения компьютерное зрение было скорее искусством, требовавшим трудоемких эвристик. Глубокое обучение изменило это, и стало ненужным создание сложных правил.
Можете рассказать историю вашего стартапа, который был продан DataRobot?
В 2016 году мой сооснователь и я приняли участие в конкурсе стартапов в Юте, представив решение AutoML. Создавая веб-форму для загрузки структурированных данных, оно предоставляло анализ с помощью модели AutoML менее чем за 40 секунд. Качество данных нас шокировало, и мы перешли на глубокое обучение. Мы ушли с работы, совершив ключевой шаг от “предпринимателя” к предпринимателю, и заключили контракт с Teal Drone на использование глубокого обучения. Этим начался наш рост, и в конечном итоге мы привлекли $600,000 и собрали команду. Несмотря на то, что мы получили три предложения о приобретении уже в первый год, мы решили продать под другими условиями через три года.
Какова была в вашей жизни работа в DataRobot, и как сторителлинг стал важной частью вашей карьеры?
В DataRobot меня стали знать как исполнительного SC, взаимодействующего с топ-менеджментом и помогающего в высокопрофильных продажах. Я также совершенствовал свои навыки в качестве глобального keynnote-спикера, уделяя особое внимание сторителлингу. Я читал книги о сторителлинге и анализировал свои успешные выступления, чтобы понять, почему они имели резонанс. Сторителлинг влияет на каждую часть вашей карьеры, от продаж до найма персонала. Речь идет о создании правильного первого впечатления и о том, чтобы быть воспринимаемым как эксперт в комнате.
С появлением генеративного искусственного интеллекта, какой был ваш “я понял” момент?
Когда появился ChatGPT, я изначально был скептически настроен к глубинному обучению. Но увидев способность ChatGPT проводить выводы знаний, я убедился в том, что нам не нужно чудо, чтобы достичь полной ИИ или сингулярности. Генеративный ИИ – это трещина в плотине. Мой “аха” момент наступил, когда я попросил GPT-4 задавать свои собственные вопросы из любопытства, а не основанные на человеческих потребностях. Он спросил о разумных существах в параллельной вселенной, где время движется назад, что было для меня глубоким моментом.
В чем суть вашего подкаста “Atomic Soul” и мастер-класса по ИИ в Нью-Йоркском университете?
Подкаст нацелен на проведение откровенных и неохраняемых разговоров с гостями, которые пугают меня, такими как венчурные капиталисты и генеральные директоры. Я хочу, чтобы он был эмоциональным и исследовал человеческую сторону этих людей. Мастер-класс по ИИ направлен на то, чтобы быть впереди в этой области, с упором на генеративный ИИ и в скором времени генеративные алгоритмы.
Можете рассказать нам о вашем текущем стартапе и его концентрации на генеративных алгоритмах?
Мое видение на ближайшие три года заключается в том, что каждый алгоритм, который имеет значение, будет переписан ИИ, а не людьми. Это революционизирует такие области, как здравоохранение. В 2023 году мы сосредоточимся на генеративном ИИ, а в 2024 году увидим генеративные алгоритмы, где ИИ пишет ИИ. Я предвижу предложение SaaS, в рамках которого вы сможете попросить систему написать пользовательские алгоритмы для конкретных случаев использования.
Каково для вас определение успеха к концу 2024 года?
К концу 2024 года я стремлюсь закрыть мой первый раунд инвестиций, иметь базовую модель генеративных алгоритмов, оборот в более чем один миллион долларов и более 10 клиентов. Также надеюсь увидеть подтверждение концепции написания ИИ ИИ и иметь команду, поддерживающую это видение.
Подведение итогов
Выслушав о крутых компьютерных вещах в Leading With Data, мы узнали, что Джепсон Тейлор действительно обожает создание умных компьютерных вещей. Он очень увлечен созданием более умных компьютерных мозгов с помощью чего-то, называемого “генеративными алгоритмами”. У нас будет еще много интересных бесед, раскрывающих загадки данных так, чтобы все могли насладиться. Так что оставайтесь с нами на Leading with Data для больше подобных сессий!