비라고 존스 고급 데이터 과학이나 프로그래밍 기술 없이도 기업이 AI 모델을 교육하고 배포할 수 있는 노코드/로우코드 플랫폼인 Pienso의 CEO이자 공동 창립자입니다. 현재 Birago의 고객으로는 미국 정부와 영국 최대 방송사인 Sky가 있습니다. Pienso는 MIT(Massachusetts Institute of Technology)에서 공동 창립자인 Karthik Dinakar와 함께 MIT 미디어 랩에서 연구 조교로 근무했던 Birago의 연구를 기반으로 합니다. 그는 인공 지능(AI)과 인간-컴퓨터 상호 작용(HCI)의 교차점에서 저명한 권위자이자 책임 있는 AI를 옹호합니다.
제 생각에는의 대화형 학습 인터페이스는 사용자가 코딩 없이 AI의 잠재력을 최대한 활용할 수 있도록 설계되었습니다. 이 플랫폼은 사용자의 전문 지식이 각인되고 특정 질문에 답할 수 있도록 미세 조정된 LLM(대형 언어 모델)을 교육하고 배포하는 과정을 안내합니다.
처음에 AI, HCI(인간 컴퓨터 상호 작용) 및 사용자 경험 분야를 연구하게 된 계기는 무엇입니까?
저는 이미 스마트폰을 사용한 햅틱 디지털 점자 판독기, 실내 길찾기 시스템(디지털 지팡이) 등 시각 장애인을 위한 접근성 도구와 애플리케이션을 만드는 데 초점을 맞춘 개인 프로젝트를 개발하고 있었습니다. 저는 AI가 이러한 노력을 강화하고 지원할 수 있다고 믿었습니다.
Pienso는 MIT 재학 중에 처음 구상되었습니다. 기술 지식이 없는 사용자도 접근할 수 있도록 기계 학습 모델을 훈련한다는 개념은 어떻게 시작되었나요?
공동 창립자인 Karthik과 저는 MIT 미디어 랩에서 연구를 수행하던 중 대학원에서 만났습니다. 우리는 소셜 미디어 플랫폼이 괴롭힘 콘텐츠를 조정하고 신고하는 데 도움이 되는 도구를 구축하기 위한 학급 프로젝트를 위해 협력했습니다. 이 도구는 큰 호응을 얻었으며 우리는 사이버 괴롭힘 정상회담에서 이 기술을 시연하기 위해 백악관에 초대되기도 했습니다.
다만 한 가지 문제가 있었습니다. 모델 자체는 예상대로 작동했지만 올바른 데이터에 대해 훈련되지 않았기 때문에 청소년 속어를 사용하는 유해 콘텐츠를 식별할 수 없었습니다. Karthik과 저는 해결책을 찾기 위해 함께 노력하고 있었고 나중에 십대들이 모델 데이터를 직접 훈련할 수 있는 방법을 찾으면 이 문제를 해결할 수 있다는 것을 깨달았습니다.
이것은 나중에 Pienso에게 영감을 준 “아하” 순간이었습니다. 우리와 같은 AI 엔지니어가 아닌 해당 분야 전문가가 모델 훈련 데이터에 대한 입력을 더 쉽게 제공할 수 있어야 한다는 것입니다. 우리는 비전문가도 대량의 데이터를 대규모로 훈련할 수 있는 포인트 앤 클릭 도구를 개발하게 되었습니다. 그런 다음 우리는 이 기술을 매사추세츠주 케임브리지 지역 학교에 가져갔고 지역 청소년들의 도움을 받아 알고리즘을 훈련시켰습니다. 이를 통해 이전에 가능했던 것보다 알고리즘의 더 많은 미묘한 차이를 포착할 수 있었습니다. 이 기술을 사용하여 우리는 MTV, Brigham and Women’s Hospital과 같은 조직과 협력했습니다.
Pienso가 MIT에서 어떻게 자체 회사로 분사되었는지에 대한 이야기를 들려주실 수 있나요?
우리는 이 기술이 우리가 구축한 사용 사례 이상의 가치를 제공할 수 있다는 것을 항상 알고 있었지만 Karthik이 박사 학위를 마친 2016년이 되어서야 마침내 상용화에 나섰습니다. 그 무렵에는 딥 러닝이 폭발적으로 인기를 끌었지만 딥 러닝을 사용하는 사람은 주로 AI 엔지니어였습니다. 누구도 이러한 모델을 훈련하고 제공할 전문 지식을 갖고 있지 않았기 때문입니다.
AI 모델 구축을 위한 Pienso의 코드 없는 인터페이스를 가능하게 하는 핵심 혁신과 알고리즘은 무엇입니까? Pienso는 기술적 배경이 없는 도메인 전문가가 AI 모델을 효과적으로 훈련할 수 있도록 어떻게 보장합니까?
Pienso는 데이터 정리, 데이터 라벨링, 모델 교육 및 배포 등 “MLOps”의 장벽을 제거합니다. 우리 플랫폼은 준지도 기계 학습 접근 방식을 사용합니다. 이를 통해 사용자는 레이블이 지정되지 않은 훈련 데이터로 시작한 다음 인간의 전문 지식을 사용하여 코드를 작성하지 않고도 대량의 텍스트 데이터에 빠르고 정확하게 주석을 달 수 있습니다. 이 프로세스는 새로운 텍스트를 정확하게 분류하고 생성할 수 있는 딥 러닝 모델을 훈련합니다.
Pienso는 AI 모델 개발에서 다양한 조직의 특정 요구 사항을 충족하기 위해 어떻게 사용자 정의를 제공합니까?
우리는 어떤 모델도 모든 회사의 모든 문제를 해결할 수는 없다고 굳게 믿습니다. AI가 각 특정 회사와 사용 사례의 미묘한 차이를 이해하도록 하려면 맞춤형 모델을 구축하고 훈련할 수 있어야 합니다. 이것이 바로 Pienso가 조직의 자체 데이터에 대해 직접 모델을 훈련시키는 것을 가능하게 하는 이유입니다. 이는 기본 모델 사용에 따른 개인 정보 보호 문제를 완화하고 보다 정확한 통찰력을 제공할 수도 있습니다.
또한 Pienso는 API를 통해 기존 엔터프라이즈 시스템과 통합되어 추론 결과를 다양한 형식으로 전달할 수 있습니다. Pienso는 또한 타사 서비스나 API에 의존하지 않고도 작동할 수 있습니다. 즉, 데이터를 보안 환경 외부로 전송할 필요가 없습니다. 주요 클라우드 제공업체는 물론 온프레미스에도 배포할 수 있으므로 정부 기관이나 금융과 같이 강력한 보안 및 규정 준수 관행이 필요한 산업에 이상적입니다.
향후 몇 년 동안 플랫폼이 어떻게 발전할 것으로 보시나요?
앞으로 몇 년 동안 Pienso는 더욱 뛰어난 확장성과 효율성에 초점을 맞춰 계속해서 발전해 나갈 것입니다. 대용량 텍스트 분석에 대한 수요가 증가함에 따라 더 빠른 추론 시간과 더 복잡한 분석을 통해 더 큰 데이터 세트를 처리할 수 있는 능력을 향상시킬 것입니다. 또한 우리는 기업이 속도나 정확성을 저하하지 않고 가치를 얻을 수 있도록 대규모 언어 모델 확장과 관련된 비용을 줄이기 위해 최선을 다하고 있습니다.
우리는 또한 AI 민주화를 더욱 추진할 것입니다. Pienso는 이미 노코드/로우코드 플랫폼이지만 우리는 도구의 접근성을 더욱 확장할 계획입니다. 우리는 비즈니스 분석가부터 기술 팀에 이르기까지 더 광범위한 사용자가 심층적인 기술 전문 지식 없이도 모델을 계속 훈련, 조정 및 배포할 수 있도록 인터페이스를 지속적으로 개선할 것입니다.
다양한 산업 분야에서 더 많은 고객과 협력함에 따라 Pienso는 더욱 맞춤화된 솔루션을 제공하기 위해 적응할 것입니다. 금융, 의료, 정부 등 어떤 분야든 우리 플랫폼은 산업별 템플릿과 모듈을 통합하여 사용자가 특정 사용 사례에 맞게 모델을 보다 효과적으로 미세 조정할 수 있도록 발전할 것입니다.
Pienso는 주요 클라우드 제공업체 및 온프레미스 솔루션의 솔루션/도구와 원활하게 작동하면서 더 넓은 AI 생태계 내에서 더욱 통합될 것입니다. 우리는 다른 데이터 플랫폼 및 도구와의 강력한 통합을 구축하여 기존 엔터프라이즈 기술 스택에 맞는 보다 응집력 있는 AI 워크플로우를 구현하는 데 중점을 둘 것입니다.
훌륭한 인터뷰에 감사드립니다. 더 자세히 알고 싶은 독자들은 방문하시기 바랍니다. 제 생각에는.
게시물 Pienso의 공동 창립자이자 CEO인 Birago Jones – 인터뷰 시리즈 처음 등장한 Unite.AI.