Jag föddes i Ryssland och när jag var 10 år gammal flyttade jag till Atlanta, Georgia. En dag tog min pappa med mig för att se en film som hette "WarGames" 1983 eller 1984, och jag blev omedelbart fascinerad av datorer. Jag blev professionell utvecklare i över ett decennium och startade sedan mitt första företag, Aonics, år 2000. Det var ett företag för företagsprogramvara inom cybersäkerhet som jag byggde upp, samlade in 34 miljoner dollar för och hade över 2 miljoner installerade platser.

Efter det startade jag ett annat företag som hette Vio, vilket var en videoredigerare för YouTube. Vi samlade in 70 miljoner dollar för det och började göra mycket arbete kring rekommendationer, även innan YouTube hade rekommendationer. Jag gick sedan till MySpace och var CTO för MySpace Music, där vi gjorde mycket AI-arbete kring rekommendationer och att koppla ihop människor.

Jag gick sedan till Google från 2012 till 2016, där jag ansvarade för produkter i tre team som använde maskininlärning. Efter att ha lämnat Google 2016 startade min medgrundare Sean Thelen och jag Mind Studio, eftersom vi såg att ChatGPT skulle komma ut på marknaden och insåg att dessa modeller skulle bli allt kraftfullare. Vi ville skapa en plattform som kunde utnyttja alla dessa AI-modeller och låta individer, företag och alla andra forma denna "intelligenta gröt" till rätt former för att få saker gjorda.

Så föddes Mind Studio, och vi har byggt det under det senaste året och kvartalet. Vi stöder alla stora språkmodeller, men vi finner att GPT-3.5 Turbo ofta är den idealiska modellen att använda, eftersom den är billig, snabb och kan hantera ett brett utbud av uppgifter.

Företag utnyttjar AI på olika sätt för att automatisera och effektivisera sina verksamheter. Några av de viktigaste användningsområdena inkluderar:

1. Automatiserad databearbetning: AI kan användas för att bearbeta stora mängder data, som CV:n eller formulär, och triagera, klassificera och extrahera relevant information utan mänsklig inblandning. Detta hjälper till att eliminera manuella, repetitiva uppgifter.

2. Automatisering av arbetsflöden: AI kan driva flerstegade arbetsflöden, automatiskt utlösa och utföra olika processer när nya data eller leads kommer in. Detta ersätter behovet av att människor manuellt hanterar och samordnar dessa arbetsflöden.

3. Försäljningsautomatisering: AI kan analysera försäljningssamtal, identifiera köpsignaler och proaktivt tillhandahålla relevant information till försäljningsteam. Detta hjälper säljrepresentanter att vara mer effektiva och effektiva i sina interaktioner.

4. Teamsamordning och utbildning: AI kan kontinuerligt övervaka förändringar i en organisation och tillhandahålla personlig utbildning och samordning för team, vilket säkerställer att alla håller sig uppdaterade när verksamheten utvecklas.

5. Kontextuell förståelse: AI-modeller är ofta bättre än människor på att läsa mellan raderna, förstå nyanser och sammanhang i konversationer. Detta gör att de kan ge mer insiktsfulla och skräddarsydda svar.

Som någon med omfattande erfarenhet av olika AI-modeller tror Dimitri att nuvarande stora språkmodeller är dramatiskt bättre än de flesta människor på att läsa mellan raderna och förstå nyanser i en situation.

Han förklarar att även om det finns några undantag som har stor empati och insikt, så saknar de flesta människor tålamod och färdighet för att verkligen lyssna och förstå den underliggande innebörden i det som sägs. I kontrast kan AI-modeller analysera en situation från flera vinklar, räkna upp de potentiella konfigurationerna och identifiera vad som inte uttrycks explicit.

Denna förmåga att läsa mellan raderna är särskilt värdefull i försäljningsscenarier, där AI kan fungera som en "tredje parts lyssnare" till försäljningssamtal. AI:n kan bedöma om en potentiell kund är redo att köpa, eller om de bara nickar medhållande utan att fullt ut förstå produkten. AI:n kan sedan proaktivt tillhandahålla ytterligare information eller material för att adressera den potentiella kundens outtalade frågor och farhågor, vilket hjälper till att driva försäljningen framåt på ett mer produktivt sätt.

Dimitri tror att den verkliga kraften i AI kommer att röra sig mot saker som sker bakom kulisserna, utan behov av ständig mänsklig interaktion. Han hävdar att människor är flaskhalsen, och den bästa situationen är när AI kan arbeta autonomt för att få saker gjorda, utan att behöva att människor ger kommandon eller instruktioner.

Vad gäller berättelsen om röst som framtiden för AI, håller Dimitri inte med. Även om röstgränssnitt har sina tillämpningar, tror han att skrivning ofta är snabbare för många människor, och att de verkliga produktivitetsökningarna och innovationerna kommer att komma från AI-system som kan arbeta självständigt, utan att behöva mänsklig input eller inblandning.

Dimitri föreställer sig en framtid där sensorer och AI-agenter arbetar i bakgrunden, och ger användarna relevant information och kontext när det behövs, snarare än att kräva att användarna aktivt engagerar sig med AI:n genom röst eller skrivning. Målet är att ha AI-system som kan förstå användarens behov och miljö, och proaktivt vidta åtgärder eller tillhandahålla information, utan att användaren behöver begära det explicit.

Dimitri delar med sig av sin syn på den pågående debatten kring AI-anpassning och säkerhet. Han håller med Yan LeCun:s åsikt att den generiska anpassningen av stora språkmodeller inte är ett lösbart problem, eftersom anpassning behöver skräddarsys för specifika användningsfall och parter som använder AI:n.

Dimitri tror att rätt plats att fokusera på anpassning är på nivån av hur AI:n används, snarare än att försöka skapa en universallösning för anpassning. Han använder exemplet med att använda AI för att stödja försäljningsteam - anpassningen skulle innebära att finjustera AI:ns beteende och instruktioner för att passa det specifika användningsfallet.

Vad gäller "pappersmaskinsmaximeraren"-scenariot där en AI envist strävar efter ett mål på bekostnad av människors välbefinnande, är Dimitri skeptisk till att nuvarande stora språkmodeller riskerar att nå den nivån av generell intelligens och autonomi. Han ser dem främst som statistiska förutsägare av nästa ord, utan djupare förståelse för logik och kausalitet.

Mind Studio är en plattform för kodlös automatisering som utnyttjar olika AI-modeller, som GPT-3.5 Turbo, GPT-4 och LLaMA 3, för att automatisera och effektivisera affärsprocesser. Den låter organisationer transformera sina verksamheter genom att automatisera uppgifter som tidigare utfördes manuellt, vilket frigör anställda att fokusera på mer strategiskt arbete.

Några av Mind Studios nyckelförmågor inkluderar:

1. Automatisera repetitiva uppgifter: Mind Studio kan automatisera olika repetitiva uppgifter, som att bearbeta CV:n, hantera kundförfrågningar och hantera försäljningsarbetsflöden. Detta hjälper organisationer att minska manuellt arbete och förbättra effektiviteten.

2. Förbättra försäljningsprocesser: Mind Studio kan analysera försäljningssamtal, identifiera köpsignaler och ge personliga rekommendationer till försäljningsteam. Detta hjälper säljprofessioner att bättre förstå sina potentiella kunder och slutföra affärer mer effektivt.

3. Hålla team samordnade: Mind Studio kan kontinuerligt omskolja och samordna team när organisationen utvecklas, vilket säkerställer att alla är på samma sida och arbetar mot gemensamma mål.

4. Ersätta äldre SaaS-produkter: Mind Studio kan användas för att skapa anpassade affärsapplikationer, vilket ersätter behovet av flera separata SaaS-produkter och strömlinjeformar teknikstacken.

5. Ge individer möjlighet: Mind Studio kan också användas av enskilda personer för att automatisera sina egna arbetsflöden, vilket ökar deras produktivitet och effektivitet.

Samtalet med Dimitri Shapiro ger värdefulla insikter i AI:s nuvarande och framtida tillstånd. Några viktiga insikter:

• GPT-3.5 Turbo är för närvarande den idealiska modellen för de flesta praktiska användningsfall, eftersom den balanserar kostnad, latens och prestanda effektivt.
• AI överträffar människor när det gäller att automatisera repetitiva, flerstegade arbetsflöden som tidigare krävde mänsklig inblandning, som CV-bearbetning, försäljningsautomatisering och teamsamordning.
• AI-modeller är ofta bättre än människor på att läsa mellan raderna och förstå den nyanserade kontexten i en situation, vilket gör dem väl lämpade för uppgifter som försäljning.
• Framtiden för AI kommer sannolikt att handla mer om att AI arbetar i bakgrunden för att förstärka och bemyndiga människor, snarare än direkt människa-AI-interaktion genom röst eller andra gränssnitt.
• Oro kring AI-säkerhet och -anpassning är ofta överdrivna, eftersom de nuvarande språkmodellerna inte har den typ av generell intelligens som krävs för "pappersmaskinsmaximeraren"-scenariot.
• Det verkliga värdet av AI ligger i dess praktiska tillämpningar för att förbättra effektivitet, produktivitet och resultat inom olika branscher och användningsfall.