Découvrir l'intelligence continue : Michelle Zhou, CEO Juji, sur la démocratisation de l'IA

Dans ce podcast RTInsights Real-Time Talk, l'éditeur Joe McKendrick s'entretient avec Michelle Zhou, co-fondatrice et CEO de Juji.

Dans ce podcast RTInsights Real-Time Talk, Joe McKendrick échange avec Michelle Zhou, co-fondatrice et CEO de Juji, sur l'expansion de l'usage de l'intelligence artificielle (IA) en la rendant plus accessible grâce à l'IA elle-même. La conversation couvre comment elle a bâti sur son travail avec IBM Watson pour se concentrer sur l'utilisation de plateformes cognitives IA no-code et réutilisables pour démocratiser les assistants IA/chatbots et combler le fossé IA grandissant.

• Apple
• Google
• Spotify
• Autres plateformes

Joe McKendrick : Bonjour, je suis Joe McKendrick, bienvenue sur les podcasts Continuous Intelligence de RTInsights, prochain épisode de notre série. Je suis ravi d'accueillir aujourd'hui Michelle Zhou, présidente et co-fondatrice de Juji, voix et penseuse majeure dans le domaine de l'IA. Nous attendons avec impatience d'en apprendre un peu sur ce qui se passe et comment avancer.

Pour commencer, Michelle, parlez-nous de votre parcours. Je sais que vous étiez avec IBM Watson et avez beaucoup travaillé dans ce domaine. Vous êtes dans l'IA depuis plusieurs années, depuis que les choses ont vraiment commencé à décoller. Dites-nous comment vous en êtes arrivée là aujourd'hui.

Michelle Zhou : Bien sûr. Merci Joe de m'avoir. Je suis Michelle Zhou et j'ai en fait commencé mon parcours IA depuis que j'étais étudiante diplômée à Columbia University. Je faisais mon doctorat là-bas. Une chose qui m'a toujours fascinée : comment utiliser une machine pour aider les gens à faire ce qu'ils n'aiment pas faire, ou ne savent pas bien faire ? Ma thèse portait sur la création d'un assistant IA pour aider les gens à créer, si vous voulez, des graphiques d'information car tout le monde n'est pas designer. Tout le monde ne peut pas concevoir de beaux graphiques d'information, mais tout le monde veut aimer les données, les interpréter. J'ai créé une IA pendant mon doctorat pour regarder les données, les analyser, et créer automatiquement des explications visuelles des données. Cela a été utilisé pour médecins et infirmières pour comprendre données patients, et pour analystes réseau pour comprendre données réseau et performance réseau.

De là, quand j'ai obtenu mon diplôme, j'ai rejoint le centre de recherche IBM Watson. J'ai commencé... Parce qu'avant, je travaillais dans ce domaine, le système n'était pas interactif, ce qui signifie que si vous avez un jeu de données, des tâches utilisateur et préférences visuelles, vous générez automatiquement. Mais quoi si les utilisateurs, une fois qu'ils voient ce qu'ils ont vu de l'illustration visuelle, ont d'autres questions ? Veulent voir d'autres parties des données. J'ai donc lancé un projet. Appelé IA conversationnelle pour analytique de données. C'était il y a presque 15, 20 ans. L'interface conversationnelle aide à utiliser le langage naturel pour s'enquérir des données.

Par exemple, les gens pourraient demander : « Oh, pourriez-vous me montrer le produit ? » Disons, achetons des produits d'assurance. « Pourriez-vous me montrer les produits assurance habitation, disons pour maisons sous un million de dollars », ou quelque chose comme ça. Et si j'achète avec assurance auto ? On voit que c'est contextuel, pour laisser les gens s'enquérir des données et peut-être les traverser purement en langage naturel. Le système prend les requêtes utilisateur, les parse, comprend ce que l'utilisateur demande, propose automatiquement les données et la bonne forme pour expliquer aux gens : voici les données que vous avez demandées.

Là, chose très intéressante dans ce genre de projet, on ne s'occupait que des préférences de données de l'utilisateur et préférences de présentation, mais pas des différences individuelles. Par différences individuelles, j'entends par exemple : quelle est votre personnalité ? Quel est votre style cognitif, aimez-vous un type de data story plus narratif ou plus factuel et chiffré ? On ne l'a pas pris en compte.

J'ai alors lancé un autre projet chez IBM appelé IBM... devenu IBM Watson Personality Insights, ce qui signifie qu'on veut utiliser les données comportementales utilisateur comme données de communication pour mieux comprendre les différences individuelles. Par exemple : êtes-vous extraverti ? Introverti ? Très collaboratif ou plutôt apprenant solitaire ? J'ai alors lancé Juji comme startup avec mon cofondateur, qui se trouve être informaticien et psychologue et qui a co-inventé les personnalités IBM Watson avec moi.

On a lancé ça. On voulait créer, vraiment, une nouvelle génération d'assistants IA. On les appelle assistants cognitifs. Donc essentiellement, ils doivent interagir avec les gens. Et ils aident les organisations à augmenter leur main-d'œuvre, automatiser différents types de tâches, surtout celles très chronophages, intensives en main-d'œuvre que les humains n'aiment vraiment pas faire. Par exemple, avoir une conversation avec des inconnus, ce que tout le monde ne veut pas faire, ou inciter les gens à faire ce qu'ils n'aiment pas. Par exemple, finir ses devoirs, faire de l'exercice, vérifier son statut de santé chaque jour. On devrait laisser l'assistant IA faire ça. C'est ce qu'on est aujourd'hui.

Joe McKendrick : C'est vraiment fascinant. En tant que consommateur, j'utilise Google Assistant au bureau et Alexa à la maison. Mais ça a l'air que ce sur quoi vous travaillez est plus avancé que les questions relativement simples ou demandes de chansons qu'un utilisateur consommateur ferait maintenant à un assistant personnel IA.

Michelle Zhou : Exact. Je suis contente que vous mentionniez ce contraste. C'est vraiment... ce que les gens utilisent normalement, comme Alexa ou Google Home, c'est plus ce qu'on appelle l'interaction pilotée par l'utilisateur : l'utilisateur dit « Pourriez-vous me dire quelle est la température dehors ? » ou « Pourriez-vous m'aider à trouver la chanson que j'aime ? ». C'est plus piloté utilisateur. Les systèmes sont très passifs. Dans notre cas, on veut supporter de vrais assistants IA interactifs. Ce n'est pas juste piloté utilisateur, ça peut être piloté par les machines et par l'utilisateur. Exemple simple.

Disons que vous allez sur un site web d'université, vous cherchez un programme en ligne pour postuler. L'assistant peut vous faire une visite du programme en ligne parce que c'est ce dont on vient de parler avec Zoom parce que tout le monde ne connaît pas bien Zoom. Disons si votre assistant pouvait vous faire une visite, mais en chemin, pendant la visite, vous pouvez poser n'importe quelle question. Par exemple, si l'assistant Zoom vous dit : « Hey, vous pouvez juste démarrer celui-ci, tester votre voix, regarder une image. Et vous demandez : « Oh, je n'aime pas montrer mon arrière-plan. Que dois-je faire ? » Dans ce cas, Zoom dit : « Oh, maintenant vous pouvez faire ça, changer votre arrière-plan ou peut-être le mettre en sourdine, puis continuer la visite. » C'est presque comme ce dont on parle. C'est une vraie conversation.

C'est ce que Juji a vraiment développé. C'est pourquoi on l'appelle assistance IA cognitive. C'est ce qu'on appelle intelligence cognitive. Contrairement à l'IA régulière, l'intelligence cognitive signifie qu'elle n'a pas juste des compétences linguistiques comme vous avez expérimenté avec Alexa ou Google Home, elle a aussi ce qu'on appelle des compétences humaines avancées, surtout soft skills. Un exemple de soft skills : l'écoute active. Ça signifie que non seulement les assistants IA comprennent ce que disent les utilisateurs, mais ils vérifient les émotions, paraphrasent ce qu'ils disent, résument ce que disent les utilisateurs, sont très attentifs, et très concernés par ce qui importe à l'utilisateur. Et font une conversation digne de confiance et empathique. Dans ce cas, pensez à comment vous conversez vraiment avec une personne. Et vous pouvez avoir cette relation presque très personnelle.

Joe McKendrick : On entend parler, par exemple, avec les centres d'appels ou centres de contact, on appelle et on a un assistant virtuel. Et on entend de nos jours qu'ils peuvent sentir si un client est en colère, par exemple, si un client est frustré. Ils le transfèrent soit vers un opérateur live, soit je suppose qu'ils tentent d'adresser leur frustration. Et ça a l'air que vous construisez sur ce type d'application. C'est ça ?

Michelle Zhou : Exact. En fait on est déjà allé au-delà. Le premier, ce qu'on appelle écoute active, signifie sentir ce que vous disiez, le sentiment utilisateur, les émotions utilisateur, et pouvoir réellement reformuler, paraphraser ça. Et le prochain exemple, je suis contente que vous soyez sur celui-là, on appelle « lire entre les lignes ». Ça signifie qu'on peut y penser comme quand vous parlez avec un psychologue, les psychologues essaient toujours de comprendre ce qui est au-delà de ce que vous venez de dire. Vos besoins et désirs non dits, votre signature émotionnelle. Ce n'est pas juste le sentiment du moment, l'émotion du moment montrée. À quoi ressemble la signature ? C'est pour ça qu'on appelle lire entre les lignes.

Par exemple, notre assistant IA analyse dynamiquement le texte conversationnel de l'utilisateur et essaie de détecter ce qu'on appelle les différences individuelles. Les différences individuelles incluent : quelles sont vos passions ou intérêts, dans quoi vous êtes bons ? Certains sont très bons en raisonnement logique. Certains en narration. Et certains, comment ils gèrent les défis de la vie. Par exemple, certains sous pression sont très calmes, d'autres un peu perdus. Donc, parce qu'on comprend les différences individuelles uniques, les caractéristiques de chaque utilisateur, ils peuvent mieux aider chaque utilisateur.

Pour donner un exemple dont on a parlé plus tôt : un étudiant prospect, un étudiant cherchant un programme en ligne, mais cette personne peut être inquiète du fardeau financier, car n'importe quel programme en ligne, il faut payer les frais de scolarité. Dans un autre cas, si l'assistant détecte de tels besoins et désirs non dits, peut vraiment les guider, peut leur dire : « Hey, vous savez quoi ? » Surtout pour une personne très inquiète, et voulant être très indépendante, alors dit : « Nous avons beaucoup de programmes d'aide financière. Nous avons des bourses, donc on peut vous aider dans votre parcours pour obtenir un diplôme ou peut-être faire avancer votre carrière. » Vous voyez, être vraiment très personnalisé, même si une autre personne a la même inquiétude, cette personne est beaucoup plus méthodique, beaucoup plus, disons, prudente. Alors vous utiliserez des façons différentes de présenter l'information.

Peut-être dire : « Maintenant je vais vous présenter différents types d'options d'aide financière. Vous pouvez choisir celle qui convient le mieux à votre mode de vie, ou peut-être votre style de travail. » Vous voyez, vous pouvez vraiment personnaliser, même les gens qui ont des besoins peuvent être les mêmes, veulent trouver le programme dans lequel vous inscrire, mais en dessous, ils ont leurs propres besoins psychologiques, désirs psychologiques.

Joe McKendrick : Ça a presque l'air que les assistants IA cognitifs adoptent aussi leur propre personnalité, leur propre ensemble de comportements pour s'adapter... c'est ça ?

Michelle Zhou : En fait, on a fait beaucoup de travail. Ouais. On a fait beaucoup d'études là-dessus. Ils n'adoptent pas encore. Donc on est encore en recherche. Et on se demande, parce que la recherche a montré des résultats contradictoires. Certaines recherches montrent que... Notre recherche montre aussi que les gens aiment interagir avec des IA qui ont une personnalité similaire. Donc si je suis très extraverti, j'aime interagir avec l'IA avec personnalité extravertie. Mais certaines recherches démentent ça, montrant que les gens aiment interagir avec l'IA qui a la personnalité opposée, qu'on dit complémentaire. Donc si je suis très bavard, je préfère l'IA pas très bavarde, plus réservée. C'est pour ça qu'on ne l'a pas mis en production encore, parce qu'on essaie encore de comprendre quelle voie les utilisateurs préfèrent. Il faut un peu plus de recherche sur cet aspect particulier.

Joe McKendrick : Ouais. Vous parlez de la démocratisation de l'IA, qui est vraiment un super concept. Et vous prévoyez l'IA sur des appareils à plus petite empreinte, disons nos smartphones, interagiront-ils via smartphones ? Peut-être qu'il y aura de l'IA là-dessus. Ou peut-être des appareils intégrés dans d'autres systèmes. C'est quelque chose que vous regardez aussi ?

Michelle Zhou : Oui. Exact. En fait, vous touchez un aspect de la démocratisation de l'IA. En y pensant, dans les années 1970 probablement, qu'appelait-on démocratiser l'informatique. Avant ça, IBM avait ces ordinateurs mainframes, ou peut-être le petit ordinateur. Vraiment, les gens ne pouvaient pas se le permettre, trop cher. Pas que ça, la deuxième partie : pas beaucoup de gens peuvent utiliser ce genre d'ordinateur parce qu'ils ne peuvent pas programmer. Ils ne connaissent pas les langages de programmation. Ils ne peuvent pas vraiment les utiliser. Avec l'avènement des ordinateurs personnels, PCs, Macs, c'est vraiment démocratiser l'informatique, ce n'est pas seulement... Presque tout le monde maintenant, chaque entreprise peut se permettre un ordinateur. Tout le monde qui a très peu de connaissances, qui n'est pas programmeur, ou qui n'est pas expert en informatique, peut opérer un ordinateur.

On a une idée très similaire pour démocratiser l'IA. Donc si vous dites qu'on devrait voir l'IA tourner sur n'importe quel type d'appareil, incluant le smartphone. On le faisait déjà. La deuxième partie, au-delà de cette partie, c'est qu'on veut permettre à n'importe qui, littéralement tout le monde, tant qu'ils peuvent faire des PowerPoints, des tableurs. Ils devraient pouvoir configurer, déployer et gérer un assistant IA personnalisé. Comme je viens de dire, avec toute l'intelligence cognitive dessus, sans code, ils n'ont pas besoin d'expertise IA. Ils n'ont pas besoin de données d'entraînement, parce qu'on a déjà entraîné, donc ils peuvent rapidement le personnaliser, le déployer et le gérer. C'est ce qu'on veut vraiment dire par démocratiser l'IA. Ça veut dire qu'ils peuvent juste l'adopter et rapidement le personnaliser et l'utiliser pour leurs bénéfices.

Joe McKendrick : Wow. Ça a l'air plutôt excitant. Donc quelqu'un comme moi, ou s'il y a une personne qui n'a pas de background technique pourrait commencer à configurer ces types d'applications, alors, qui pourrait.

Michelle Zhou : Vous devriez ouais.

Joe McKendrick : Clients.

Michelle Zhou : Joe, vous faites des PowerPoints ? Vous connaissez PowerPoint ? Vous connaissez les tableurs. On a rendu les barrières à l'entrée vraiment, vraiment basses, littéralement signifiant que les gens peuvent faire des PowerPoints. Les gens peuvent faire des tableurs. Ils devraient venir, pouvoir utiliser notre plateforme pour créer un assistant IA très puissant qui est personnalisé et aussi personnalisé à leur contexte, leur tâche. Parce que la plupart de nos utilisateurs sont, par exemple, spécialistes recrutement, managers marketing, managers produit, chercheurs utilisateurs, il y a un chercheur. Donc ça veut dire qu'ils ne sont définitivement pas informaticiens. Ils ne savent pas programmer. Ils n'ont pas besoin de savoir programmer. Et ils sont essentiellement le genre de knowledge workers généralistes. Donc ils sont capables de configurer un assistant IA très puissant sur notre plateforme.

Joe McKendrick : C'est merveilleux. Et comment voyez-vous... En avançant avec ça, y aura-t-il un produit marqué Juji que les clients pourront télécharger ou acheter ? Ou travaillerez-vous en coulisses avec d'autres fournisseurs d'applications pour construire ça ? Qu'est-ce qu'on verra dans un futur proche de votre part ?

Michelle Zhou : Ok. Je pense les deux. Un côté : déjà des clients viennent juste pour utiliser notre plateforme pour créer l'IA personnalisée. Déployer, on l'héberge. Et l'autre : on partenaire aussi avec d'autres entreprises. Donc ils deviennent nos partenaires de canal. Leurs clients utiliseront les leurs en conjonction avec les nôtres pour créer un assistant IA. Par exemple, avec la voix. Parce qu'à Juji, on ne fait pas la voix. Donc quelqu'un spécialisé dans la reconnaissance vocale et TTS, ils peuvent combiner avec nos technologies pour créer une assistance IA cognitive très intelligente avec la voix aussi, toujours un visage. On peut aussi combiner toutes ces technologies ensemble. Donc l'un, si vous dites... C'est plus, on sert comme moteur IA conversationnel, moteur cognitif, si vous voulez, pour ces partenaires potentiels. Et en même temps, les gens, s'ils veulent juste l'assistant IA textuel, peuvent venir directement sur notre plateforme et l'utiliser.

Joe McKendrick : Êtes-vous près de passer le test de Turing où quelqu'un ne pourrait pas distinguer ?

Michelle Zhou : Quelqu'un a dit ça. Mais on ne sait pas si on devrait utiliser ça comme standard pour tester la qualité. Parce que la raison, je ne sais pas si vous avez entendu parler de ça, en fait dans les années 1970, un professeur particulier... Un chatbot qui passe le test de Turing, c'était le premier. La raison est qu'il imitait un patient qui a un trouble psychologique. C'est pour ça. C'est pour ça qu'il a passé parce que personne ne savait de quoi il parlait. Je ne suis pas sûre que ce soit un bon critère ou pas.

Je pense que nos critères seraient plus concrets ? L'IA peut-elle vraiment vous aider à finir votre tâche ? L'IA peut-elle vraiment délivrer cette satisfaction utilisateur ? Je pense que c'est plus pratique et c'est plus mesurable, d'un point de vue business. Parce que si on aide, disons, une université à aider leurs étudiants prospects ou existants, ou même diplômés et si cette IA a fait son aide. Quel est le résultat de l'aide ? Ont-ils plus d'inscriptions et ont-ils vraiment vu ça ? Oui. Ont-ils un taux de succès et rétention plus élevé des étudiants ? Oui. Ou leurs diplômés ou alumni reviendront-ils, plus d'entre eux reviendront et continueront leur éducation ? C'est très concret... Je dirais résultats de succès, ou utilité de l'IA, versus juste comparer le passage.

Joe McKendrick : Et une des préoccupations de l'IA est toujours les données, la quantité de données nécessaire, big data par exemple vous avez besoin de gros jeux de données pour identifier et entraîner, etc. Comment voyez-vous ça se passer ? Ce sur quoi vous travaillez nécessite de gros jeux de données.

Michelle Zhou : Précisément. C'est une excellente question. C'est pour ça que je parlais de démocratiser l'IA parce que beaucoup d'organisations n'ont pas ce genre de données. Par exemple, elles n'ont même pas ce genre d'IA encore. C'est pour ça qu'on est, comme entreprise, comme plateforme, et on a généré nos propres données, collecté nos données. Donc oui, nos modèles sont entraînés sur des quantités massives de données, parce qu'on a déjà entraîné les données. On devrait juste laisser les autres les réutiliser. C'est presque comme un transfert d'intelligence.

J'étais sur un autre appel la semaine dernière, des gens me demandaient à ce sujet. Et j'ai dit : « C'est la beauté de ce sur quoi on travaille, ce que Juji fait. » Vous dites qu'on enseigne à l'IA tout depuis zéro, lire entre les lignes. On embarque en fait l'intelligence dedans. Donc quand vous adoptez l'IA, cette IA est venue avec ceux-là, née avec cette intelligence. Built-in, on appelle ça intelligence intégrée. Donc on peut vraiment transférer l'intelligence de l'un à l'autre.

Une autre chose, par exemple, on travaille avec des universités pour aider leur programme de recrutement. Donc là, vous avez beaucoup de questions d'étudiants prospects. Dans ce cas, ces données peuvent être utilisées pour d'autres universités aussi. Quand je dis les données, pas les réponses per se, mais les questions. Les étudiants posent une question, la formulent, et par-dessus, on génère automatiquement plus de données d'entraînement. Les universités n'ont pas à faire ça. Donc quand elles viennent à l'origine et disent : « Hey, on n'a pas les données. » Donc pas de souci. On les a déjà. Vous pouvez juste avoir un jumpstart de votre assistant IA. C'est ce que je voulais dire exactement sur la démocratisation de l'IA, ce qui veut dire qu'on package l'intelligence. On pré-construit l'intelligence, donc les autres peuvent l'adopter, et la réutiliser instantanément.

Joe McKendrick : Comme la recherche scientifique, vous pouvez construire sur la recherche existante et continuer à améliorer les choses. C'est ça ?

Michelle Zhou : Ouais. C'est le plus comme vous grandissez comme un enfant. L'enfant a l'intelligence, au début a très bonne intelligence. Une fois que cet enfant a plus d'intelligence, vous la gardez, pas juste la gardez, vous transférez l'intelligence de cet enfant dans un autre enfant, donc l'autre enfant n'a pas besoin d'apprendre depuis zéro. C'est très puissant.

Joe McKendrick : C'est vrai. Absolument. Et Michelle, que voyez-vous arriver dans les 5 à 10 prochaines années ? Qu'attendez-vous de voir ? À quoi ressemblera le monde en 2025 ou même 2030, surtout avec votre technologie ?

Michelle Zhou : Je pense qu'on va vers un scénario optimiste inventé du film Her. Vous vous souvenez du film Her ?

Joe McKendrick : Oui. Oui. Super film.

Michelle Zhou : C'est ça ? Donc ça veut dire que votre IA saura peut-être plus sur vous que vous ne vous connaissez vous-même. Et votre IA saura ce que vous voulez avant que vous ne sachiez même ce que vous voulez. Par exemple, vous devez économiser de l'argent. L'IA le savait déjà à l'avance que vous devez économiser. Ou vous avez besoin d'un nouveau diplôme pour être plus employable. L'IA le saura probablement avant vous. C'est ce que je vois. Vous avez un vrai, ce que j'appelle assistant personnel, compagnie personnelle, dans ce cas, le compagnon IA, qui peut vraiment comprendre qui vous êtes, quels sont vos besoins et désirs, et vous aider de la meilleure façon pour vous bénéficier. C'est pour ça qu'on va aussi vers notre sujet d'IA responsable, parce qu'avec ce niveau de compréhension, si on n'applique pas cette IA responsable, si cette technologie tombe dans de mauvaises mains, elle pourrait être abusée et avoir de mauvaises conséquences. C'est pour ça qu'on instille ce sens d'IA responsable, ce qui veut dire qu'on veut s'assurer que l'IA aide les gens essentiellement de la meilleure façon pour bénéficier aux gens.

Joe McKendrick : Merveilleux. Merveilleux. Et absolument le travail que vous faites dans ce domaine fait vraiment avancer l'IA dans une direction positive pour bénéficier aux gens. Et on vous apprécie vraiment de pouvoir partager ça avec nous dans notre podcast aujourd'hui. Encore, je parle avec Michelle Zhou. Elle est CEO et co-fondatrice de Juji. Merci beaucoup Michelle de nous avoir rejoints aujourd'hui. On a vraiment apprécié vous avoir.

Michelle Zhou : Merci Joe de m'avoir eue. Merci. Au revoir.