与巨集 CEO Michelle Zhou 一起了解持续智能

在这个 RTInsights Real-Time Talk 播客中，RTInsights 编辑 Joe McKendrick 与 Juji 联合创始人兼首席执行官 Michelle Zhou 进行了交谈

在这个 RTInsights 实时对话中 在播客中，RTInsights 编辑 Joe McKendrick 与 Juji 的联合创始人兼首席执行官 Michelle Zhou 讨论了通过使用 AI 本身使人工智能 (AI) 更易于访问来扩大人工智能 (AI) 的使用。对话涵盖了她如何在与 IBM Watson 合作的基础上，专注于使用无代码、可重复使用的认知 AI 平台来普及 AI 助手/聊天机器人并弥合不断扩大的 AI 鸿沟。

• 苹果
• 谷歌
• Spotify
• 其他平台

乔·麦肯德里克： 您好，我是 Joe McKendrick，欢迎收听 RTInsights 的持续智能播客，这是我们系列的下一个。我很高兴今天能有聚集总裁兼联合创始人周慧敏的加入，您是人工智能领域的领军人物、思想家和实干家。我们期待了解正在发生的事情以及我们如何推进事情。

首先，米歇尔，你为什么不告诉我们一些你的旅程？我知道您一直在 IBM Watson 工作，并且在该领域也做了很多工作。因此，自从事情真正开始发展以来，您已经在 AI 领域工作了很多年。告诉我们一点你的旅程。你是怎么走到今天的位置的？

周美儿： 当然。哦，谢谢你，乔，邀请我。我是 Michelle Zhou，实际上我从哥伦比亚大学的研究生开始就开始了我的 AI 之旅。我正在攻读博士学位。那里。所以我一直很着迷的一件事是，你怎么能用机器来帮助人们做人们不喜欢做的事情，或者人们不擅长做的事情？所以我的论文是关于创建一个人工智能助手来帮助人们创建信息图形，如果你愿意的话，因为不是每个人都是设计师。不是每个人都能设计出漂亮的信息图形，但每个人都想喜欢数据，想解释数据。所以我在博士期间创造了人工智能。学习基本看数据，分析数据，并自动创建数据的可视化解释。因此，这实际上已用于医生和护士了解患者数据，也用于网络分析师了解网络数据、网络数据及其网络性能。

所以从那里毕业后，我加入了 IBM 沃森研究中心。然后我开始了……因为在那之前我在这个领域工作，系统不是交互式的，这意味着如果你有一组数据，你有一个用户的任务和视觉偏好，那么你就会自动生成。但是如果用户，一旦用户看到他们从视觉插图中看到的内容，如果他们还有其他问题怎么办？如果他们想查看数据的不同部分怎么办。于是我开始了一个项目。基本上，它被称为用于数据分析的对话式人工智能。那是大约 15、20 年前，现在，很久以前。那么我们实际上是，会话界面，它是帮助使用自然语言，查询数据。

例如，人们可能会问，“哦，你能给我看看产品吗？”例如，假设我们正在购买保险产品。 “你能给我看看家庭保险产品吗，比如一百万美元以下的房子”，或者类似的东西。如果我用汽车保险购买它怎么办？所以你可以看到这是一种上下文激励，让人们查询数据，并可能纯粹以自然语言浏览数据。并且系统实际上会接受用户查询，解析它们。它了解用户的要求，自动提供数据和正确的表格，以向人们实际解释您所查询的数据是如何出现的。所以就是这样。

那么，非常有趣的是，在这种项目中，我们只关心用户对数据的偏好和用户对演示的偏好，而不是个体差异。当我说个体差异时，例如，你的性格是什么样的？你的认知风格是什么，无论你喜欢更像故事类型的数据故事，还是更喜欢基于事实和数字的数据故事？所以我们没有考虑。

于是我在 IBM 开始了另一个名为 IBM 的项目……然后成为 IBM Watson Personality Insights，这意味着我们希望使用用户行为数据，如通信数据来更好地了解个体差异。例如，你是一个外向的人吗？你是一个内向的人吗？你是非常合作的还是你更喜欢孤独的学习者？于是我和我的联合创始人一起创办了 Juji，他恰好是一名计算机科学家和心理学家，并与我共同发明了 IBM Watson 个性。

所以我们开始了这个。我们真的想创造新一代的人工智能助手。我们称它们为认知助手。所以基本上，他们应该与人互动。然后他们帮助组织增加他们的劳动力，自动化不同类型的任务，尤其是人类真正不喜欢做的非常耗时、劳动密集型的任务。例如，与不是每个人都想做的陌生人交谈，或者鼓励人们做他们不喜欢做的事情。例如，完成作业或锻炼身体，或每天检查自己的健康状况。所以我们应该把它留给人工智能助手去做。这就是我们今天的样子。

乔·麦肯德里克： 这真的很吸引人。作为消费者，我在办公室使用 Google 助理，在家使用 Alexa。但这听起来你正在做的事情比我猜想的相对简单的问题或歌曲请求或其他东西更先进，消费者用户现在会在人工智能上使用个人助理。

周美儿： 正确的。所以我很高兴你提到了这种对比。所以这是真的，所以人们通常使用的，比如 Alexa 或 Google Home，它们更像是我们所说的用户驱动交互，用户会说，“你能告诉我外面的温度怎么样吗？”或者，“你能帮我找到我喜欢的歌曲吗？”所以它更受用户驱动。这些系统非常被动。因此，在我们的案例中，我们希望支持真正的交互式 AI 助手。所以它不仅仅是用户驱动的，它实际上可以由机器和用户驱动。例如，一个非常简单的例子。

所以假设你要去某人的大学网站，你想寻找一个在线课程来申请。所以助手实际上可以带你参观在线程序，因为这就是我们刚刚谈到的 Zoom，因为并不是每个人都非常了解 Zoom。因此，假设您的助手可以带您参观它们，但在途中，在参观过程中，您可以提出任何问题。例如，如果 Zoom 助手会告诉你，“嘿，你可以开始这个，测试你的声音，看一张图片。你问，“哦，我不喜欢展示我的背景。我应该怎么办？”所以在这种情况下，Zoom 会说，“哦，现在你可以做这个了，你可以改变你的背景或者静音你的背景，然后继续游览。”所以这几乎就像我们正在谈论的那样。这是一次真正的对话。

这就是Juji真正发展的样子。这就是我们称之为认知人工智能辅助的原因。这就是所谓的认知智能。与常规的 AI 不同，认知智能意味着它不仅具有您从 Alexa 或 Google home 体验到的语言技能，它们还具有我们所说的高级人类技能，尤其是软技能。因此，软技能的一个例子就是我们所说的积极倾听。因此，这意味着 AI 助手不仅要理解用户在说什么，而且实际上是在验证用户的情绪，解释他们所说的话，总结用户所说的话，非常专心，以及非常关心用户所说的话。用户关心。然后实际上然后进行值得信赖和善解人意的对话。所以在这种情况下，想想你是如何与这个人真正交谈的。你可以拥有这几乎就像一个非常风度翩翩的关系。

乔·麦肯德里克： 例如，我们听说呼叫中心或联络中心，我们打电话给我们，我们得到一个虚拟助理。现在你听说他们可以感觉到客户是否生气，例如客户是否感到沮丧。他们要么把它们交给现场接线员，要么我想它会试图解决他们的挫败感。听起来您正在构建这种类型的应用程序。正确的？

周美儿： 正确的。所以实际上我们已经超越了这一点。所以第一个，我们称之为主动倾听，意思是感知你说的话，用户的情绪，用户的情绪，并能够实际改写，改写。下一个例子，我很高兴你能看到这个例子，我们称之为“字里行间的阅读”。所以这意味着你可以用你和心理学家交谈的方式来思考它，心理学家总是试图理解你刚才说的话之外的东西。所以你不言而喻的需要和想要什么，你的情感签名是什么。因此，这不仅仅是情绪的时刻，也不仅仅是情绪表现出来的时刻。签名长什么样？所以这就是为什么我们称之为字里行间的阅读。

例如，我们的 AI 助手会动态分析用户的会话文本，并尝试检测我们所说的个体差异。所以个体差异，包括你的激情或兴趣是什么，你擅长什么？有些人非常擅长逻辑推理。有些人很擅长讲故事。还有一些人，他们如何应对生活中的挑战。比如有的压力大的人很淡定，有的压力大的人可以稍微放松一下。所以你可以看到因为你了解潜在的独特个体差异，每个用户的特征。然后他们可以更好地帮助每个用户。

举个例子，我们之前讲过，一个学生前景，一个正在寻找在线课程的学生，但是这个人可能会担心经济负担，因为任何东西，一个在线课程，你都需要支付学费。在另一种情况下，如果助手发现了这种不言而喻的需求和愿望，可以真正引导他们，可以告诉他们说，“嘿，你知道吗？”特别是对于一个非常担心，也想非常独立的人，然后说，“我们有很多经济援助计划。我们有奖学金，所以我们基本上可以帮助你获得学位或提升你的职业生涯。”所以你可以看到真正非常个性化，如果另一个人有同样的担心，这个人会更有条理，比方说，更小心。因此，您将使用不同的方式来呈现信息。

可能会这样说，“现在我将向您介绍不同类型的经济援助选择。您可以选择最适合您的生活方式或工作方式的一种。”所以你可以看到，你可以真正个性化一个，即使有需求的人可能都是一样的，想要找到你报名的项目，但在底层，他们有自己的心理需求，心理需求。

乔·麦肯德里克： 几乎听起来认知人工智能助手也采用了他们自己的个性，他们自己的一套行为来适应……对吧？

周美儿： 实际上，我们做了很多工作。是的。我们对此做了很多研究。他们还没有采用。所以我们还在研究中。我们想知道，因为研究显示出相互矛盾的结果。因此，一些研究表明……我们的研究还表明，人们喜欢与性格相似的 AI 互动。因此，如果我非常外向，我喜欢与性格外向的 AI 互动。但一些研究实际上否定了这一点，表明人们喜欢与人工智能互动，而人工智能恰恰相反，我们说的是互补的个性。所以如果我很健谈，我更喜欢 AI 不是很健谈，谁更内向。所以这就是为什么我们还没有将它投入生产，因为我们仍在试图找出用户更喜欢哪种方式。在这方面需要更多的研究。

乔·麦肯德里克： 是的。你谈到人工智能的民主化，这确实是一个很棒的概念。您是否预见到 AI 会成为小型设备（例如我们的智能手机）的一部分，它们会通过智能手机进行交互吗？也许会有一些人工智能。或者可能是可以集成到其他系统中的设备。这也是你在看的东西吗？

周美儿： 是的。正确的。实际上，您谈到了人工智能民主化的一个方面。所以想一想，大概在 1970 年代，我们称之为民主化计算。在此之前，IBM 有这些大型计算机，或者可能是小型计算机。所以人们真的买不起它，因为它太贵了。不仅如此，第二部分是没有多少人可以使用那种计算机，因为他们不会编程。他们不懂编程语言。他们不能真正使用它们。因此，随着个人电脑、个人电脑、Mac 的出现，真正使计算民主化的不仅仅是……现在几乎每个人，每家公司都能买得起电脑。每个知识很少的人，不是程序员，或者不是计算机科学专家的人，都可以操作计算机。

所以我们在使人工智能民主化方面有一个非常相似的想法。因此，如果您说我们应该看到人工智能实际上可以在任何类型的设备上运行，包括智能手机。我们已经在这样做了。第二部分是，除此之外，我们想让任何人，从字面上看，每个人，只要他们可以做 PowerPoint，他们就可以做电子表格。他们应该能够设置、部署和管理自定义 AI 助手。就像我刚才说的，所有的认知智能都靠自己，没有编码，他们不需要人工智能专业知识。他们不需要训练数据，因为我们已经训练过了，所以他们可以快速定制、部署和管理。这就是我们真正的意思是让人工智能民主化。因此，这意味着他们可以直接采用，然后快速对其进行定制，并将其用于他们的利益。

乔·麦肯德里克： 哇。这听起来很令人兴奋。所以像我这样的人，或者没有技术背景的人可以开始设置这些类型的这些应用程序，那么就可以。

周美儿： 你应该是的。

乔·麦肯德里克： 顾客。

周美儿： 乔，你做 PowerPoint 吗？你知道 PowerPoint 吗？你知道电子表格。所以我们把进入门槛做得非常非常低，字面意思是人们可以做 PowerPoint。人们可以做电子表格。他们应该来，能够使用我们的平台来创建一个非常强大的 AI 助手，该助手可以根据他们的上下文和任务进行定制和定制。因为我们的大多数用户是招聘专家、营销经理、产品经理和用户研究，所以有一个研究人员。所以这意味着他们不一定是计算机科学家。他们不知道如何编程。他们不需要知道程序是如何进行的。他们基本上只是那种普通的知识工作者。所以他们能够在我们的平台上设置一个非常强大的人工智能助手。

乔·麦肯德里克： 那好极了。您如何看待……随着您的发展，是否会有客户可以下载或购买的 Juji 品牌产品？或者您会在幕后与其他应用程序提供商一起构建它吗？在不久的将来我们会从你们那里看到什么？

周美儿： 好的。我认为两者兼而有之。因此，一种方式是我们已经有客户过来只是为了使用我们的平台来创建自定义 AI。部署，我们托管它。还有一个，就是我们还与其他公司合作。所以基本上他们已经成为我们的渠道合作伙伴。因此，他们的客户将与我们的客户一起使用他们的产品来创建 AI 助手。例如，用声音。所以因为在Juji，我们不做声音。因此，作为专门从事语音识别和 TTS 的人，他们实际上可以与我们的技术相结合，创建一个非常智能的语音认知 AI 辅助，总是一张脸。所以我们也可以将所有这些技术结合在一起。所以一个是如果你说......它更多，所以如果你愿意的话，我们作为对话人工智能引擎，认知引擎，为那些潜在的合作伙伴服务。同时，人们如果只是想要基于文本的 AI 助手，可以直接来到我们的平台使用它。

乔·麦肯德里克： 您是否接近通过有人可能无法区分的图灵测试？

周美儿： 有人这么说。但是我们不知道我们是否应该以此为标准来测试质量。因为这个原因，我不确定你是否听说过这个，实际上是在 1970 年代，一个特定教授的图灵……一个通过图灵测试的聊天机器人，那是第一个。原因是它模仿了一个有心理障碍的病人。所以这就是为什么。所以这就是为什么它通过了，因为没有人知道他在说什么。所以我不确定这是否是一个好的标准。

所以我认为我们的标准会更具体？人工智能真的可以帮助你完成任务吗？ AI 真的可以让用户满意吗？从商业的角度来看，我认为它更实用，实际上也更可衡量。因为如果我们帮助，比方说，一所大学帮助他们的未来学生或现有学生，甚至是毕业生，以及这个人工智能是否提供了帮助。那么帮助的结果是什么？他们有更多的入学人数吗？他们实际上已经看到了吗？是的。他们的学生成功率和保留率是否更高？是的。还是他们的毕业生或校友会回来，他们中的更多人会回来继续深造？这是非常具体的……实际上，我会说 AI 的结果、成功结果或有用性，而不是仅比较通过。

乔·麦肯德里克： 人工智能的关注点之一始终是数据，需要的数据量，例如大数据，您需要大型数据集来识别和训练，等等。您如何看待这种情况？您正在处理的工作需要大型数据集。

周美儿： 恰恰。这是一个很好的问题。这就是为什么我要谈论使 AI 民主化，因为许多组织没有这种数据。例如，他们甚至还没有那种人工智能。这就是为什么我们作为一家公司，作为一家平台公司，我们一直在生成自己的数据，收集我们的数据。所以是的，我们的模型是在大量数据上训练的，因为我们已经训练了数据。我们应该让其他人重复使用它。所以这几乎就像是智力的转移。

就在上周，我接到了另一个电话，人们在问我这个问题。我说，“这就是我们正在做的事情的美妙之处，Juji 所做的就是这个。”你说我们正在从头开始教授人工智能，从字里行间解读。我们实际上将智能嵌入其中。因此，当你真正采用人工智能时，人工智能与那些天生具有这种智能的人一起出现。内置的，我们称之为内置智能。所以我们真的可以将智能从一个转移到另一个。

所以另一件事，例如，我们正在与大学合作，以帮助他们的招聘计划。所以你有很多潜在学生的问题。所以在这种情况下，这些数据实际上也可以用于其他大学。当我说数据时，不是答案本身，而是问题。所以学生提出一个问题，说出这个问题，然后最重要的是，我们会自动生成更多的训练数据。所以大学不需要这样做。所以当他们最初来找我们说，“嘿，我们没有数据。”所以你不必担心。我们已经有了。因此，您可以快速启动您的 AI 助手。这就是我所说的人工智能民主化的确切含义，这意味着你正在包装智能。您预先构建了智能，因此其他人可以采用它，并且可以立即重用它。

乔·麦肯德里克： 就像科学研究一样，您可以在现有研究的基础上不断改进。正确的？

周美儿： 是的。所以这是最像你成长的孩子。孩子有智力，一开始就有很好的智力。所以一旦这个孩子有更多的智力，所以你保留它，而不仅仅是保留它，你将这个孩子的智力转移到另一个孩子身上，所以另一个孩子不需要从头开始学习。所以这是非常强大的。

乔·麦肯德里克： 这是。绝对地。米歇尔，你认为未来 5 到 10 年会发生什么？你期待看到什么发生？到 2025 年甚至 2030 年，世界会是什么样子，尤其是在您的技术下？

周美儿： 我确实认为我们正朝着电影《她》的一个更加、实际上虚构的乐观场景迈进。你还记得电影《她》吗？

乔·麦肯德里克： 是的。是的。好电影。

周美儿： 正确的？所以这意味着你的人工智能可能会比你更了解你自己。你的人工智能会在你知道你想要什么之前就知道你想要什么。例如，您需要存钱。人工智能已经提前知道你需要省钱。或者你需要一个新的学位才能更有就业能力。人工智能可能会在你知道之前就知道。这就是我所看到的。你有一个真正的，我称之为个人助理，个人陪伴，在这种情况下，人工智能伴侣，他可以真正了解你是谁，你的需求和想要是什么，并以最好的方式帮助你，使你受益。所以这就是为什么我们还要讨论负责任的人工智能这个话题，因为在这种理解水平下，如果我们不打算执行这种负责任的人工智能，如果这项技术落入坏人之手，它可能会被滥用并可能产生不良后果.这就是为什么我们还灌输这种负责任的人工智能意识，这意味着我们要确保人工智能基本上以最好的方式帮助人们，使人们受益。

乔·麦肯德里克： 精彩的。精彩的。你在该领域所做的工作绝对是在推动人工智能朝着积极的方向发展，造福于人们。我们非常感谢您今天能够在我们的播客中与我们分享这一点。再一次，我正在和 Michelle Zhou 交谈。她是巨集的首席执行官兼联合创始人。非常感谢米歇尔今天加入我们。我们真的很高兴有你参加。

周美儿： 谢谢你，乔，邀请我。谢谢你。再见。