L’intuizione dei ricercatori li ha portati a sviluppare strumenti point-and-click che consentono ai non esperti di costruire modelli di machine learning. Questi strumenti sono diventati la base per Pienso, che oggi sta aiutando le persone a costruire grandi modelli di linguaggio per rilevare disinformazione, traffico di esseri umani, vendite di armi e altro ancora, senza scrivere alcun codice.
“Questi tipi di applicazioni sono importanti per noi perché le nostre radici sono nel cyberbullismo e nella comprensione di come utilizzare l’AI per cose che aiutano davvero l’umanità”, afferma Jones.
Per quanto riguarda la versione iniziale del sistema mostrato alla Casa Bianca, i fondatori hanno finito per collaborare con gli studenti delle scuole vicine a Cambridge, Massachusetts, per consentire loro di addestrare i modelli.
“I modelli addestrati da quei ragazzi erano così migliori e sfumati rispetto a qualsiasi cosa avrei potuto inventare”, dice Dinakar. “Birago e io abbiamo avuto questo grande momento di ‘Aha!’ dove ci siamo resi conto che dare potere agli esperti di settore – che è diverso dal democratizzare l’AI – era la strada migliore da seguire.”
Jones e Dinakar si sono incontrati come studenti di dottorato nel gruppo di ricerca Software Agents del MIT Media Lab. Il loro lavoro su ciò che è diventato Pienso è iniziato nel corso 6.864 (Natural Language Processing) e ha continuato fino a quando hanno conseguito i loro master nel 2012.
Si è scoperto che il 2010 non è stata l’ultima volta che i fondatori sono stati invitati alla Casa Bianca per mostrare il loro progetto. Il lavoro ha generato molto entusiasmo, ma i fondatori hanno lavorato part-time su Pienso fino al 2016, quando Dinakar ha terminato il suo dottorato al MIT e il deep learning ha iniziato a esplodere in popolarità.
“Siamo ancora in contatto con molte persone intorno al campus”, dice Dinakar. “L’esposizione che abbiamo avuto al MIT, la fusione di interfacce umane e computer, ha ampliato la nostra comprensione. La nostra filosofia in Pienso non sarebbe possibile senza la vivacità del campus del MIT.”
I fondatori attribuiscono anche al programma di collegamento industriale del MIT (ILP) e all’acceleratore di startup (STEX) il merito di averli collegati ai primi partner.
Un primo partner è stato SkyUK. Il team di successo del cliente dell’azienda ha utilizzato Pienso per costruire modelli per comprendere i problemi più comuni dei loro clienti. Oggi quei modelli stanno aiutando a elaborare mezzo milione di chiamate dei clienti al giorno, e i fondatori dicono che hanno risparmiato all’azienda oltre 7 milioni di sterline fino ad oggi accorciando la durata delle chiamate al call center dell’azienda.
“La differenza tra democratizzare l’AI e dare potere alle persone con l’AI dipende da chi capisce meglio i dati: tu o un medico o un giornalista o qualcuno che lavora con i clienti ogni giorno?”, dice Jones. “Queste sono le persone che dovrebbero creare i modelli. È così che ottieni informazioni dai tuoi dati.”
Nel 2020, proprio mentre iniziavano i focolai di Covid-19 negli Stati Uniti, i funzionari governativi hanno contattato i fondatori per utilizzare il loro strumento per comprendere meglio la malattia emergente. Pienso ha aiutato gli esperti di virologia e malattie infettive a impostare modelli di machine learning per estrarre migliaia di articoli di ricerca sui coronavirus. Dinakar dice che hanno poi appreso che il lavoro ha aiutato il governo a identificare e rafforzare le catene di approvvigionamento critiche per i farmaci, incluso l’antivirale popolare remdesivir.
“Quei composti sono stati individuati da un team che non conosceva il deep learning ma era in grado di utilizzare la nostra piattaforma”, dice Dinakar.
Poiché Pienso può funzionare su server interni e infrastrutture cloud, i fondatori affermano che offre un’alternativa per le aziende costrette a donare i loro dati utilizzando i servizi offerti da altre aziende di AI.
“L’interfaccia di Pienso è una serie di app web cucite insieme”, spiega Dinakar. “Puoi pensarlo come un Adobe Photoshop per grandi modelli di linguaggio, ma sul web. Puoi puntare e importare dati senza scrivere una riga di codice. Puoi perfezionare i dati, prepararli per il deep learning, analizzarli, dargli struttura se non sono etichettati o annotati, e puoi andartene con un modello di linguaggio di grandi dimensioni perfezionato in circa 25 minuti.”
All’inizio di quest’anno, Pienso ha annunciato una partnership con GraphCore, che fornisce una piattaforma di calcolo più veloce ed efficiente per il machine learning. I fondatori affermano che la partnership abbasserà ulteriormente le barriere all’utilizzo dell’AI riducendo drasticamente la latenza.
“Se stai costruendo una piattaforma AI interattiva, gli utenti non prenderanno un caffè ogni volta che cliccano su un pulsante”, dice Dinakar. “Deve essere veloce e reattivo.”
I fondatori credono che la loro soluzione stia abilitando un futuro in cui modelli di AI più efficaci vengono sviluppati per casi d’uso specifici dalle persone che sono più familiari con i problemi che stanno cercando di risolvere.
“Nessun modello può fare tutto”, dice Dinakar. “L’applicazione di tutti è diversa, le loro esigenze sono diverse, i loro dati sono diversi. È altamente improbabile che un modello faccia tutto per te. Si tratta di mettere insieme un giardino di modelli e consentire loro di collaborare tra loro e orchestrarli in un modo che abbia senso – e le persone che fanno quell’orchestrazione dovrebbero essere le persone che capiscono meglio i dati.”
