روهیت پاتل، مدیر هوش مصنوعی متا، مایکروسافت آفیس و Google Workspace را ترک می کند

TechCrunch به طور انحصاری آموخته است که پس از هشت سال توسعه هوش مصنوعی برای Meta، روهیت پاتل شرکت را ترک می کند. مدیر سابق آزمایشگاه متا سوپراینتلیجنس راه اندازی شده است Ndoc، استارت آپی که او به عنوان جایگزین بومی هوش مصنوعی برای مجموعه Microsoft Office یا Google Workspace معرفی می کند.

پاتل آخرین نفر در تعداد معدودی از خروج های برجسته از متا پس از خروج مدیر ارشد امور جهانی است. جوئل کاپلان، اندرو تولوچ محقق هوش مصنوعی، و رئیس محصول برای AI-for-Work امیلی دالتون اسمیت.

Patel Ndoc را به گونه ای طراحی کرد که چیزی بیش از یک ابزار هوش مصنوعی دیگر باشد که بر روی یک گردش کار موجود لایه بندی شده است. هدف این است که روش تکه تکه کار افراد در ابزارهایی مانند Excel، Word، PowerPoint، Tableau، Replit، و “ChatGPT copy-paste” را با یک فضای کاری یکپارچه جایگزین کنیم که همه همکاران بتوانند به آن دسترسی داشته باشند، حتی اگر در Ndoc ثبت نام نکرده باشند.

Ndoc سه مؤلفه را در یک چیدمان کنار هم می آورد. برگه Stage جایی است که نمایش یافته‌های کلیدی، مانند عرشه‌های اسلاید، داشبورد، شبیه‌سازی‌ها یا برنامه‌های کوچک، در آن وجود دارد. برگه روایت شامل تجزیه و تحلیل، نقل قول های شماره گذاری شده، ارقام ایجاد شده و به طور کلی «چرا» پشت اعداد است. تب Model جایی است که مجموعه داده های زیرین و اسکریپت های پایتون در آن قرار می گیرند.

طراحی منعکس کننده پس زمینه پاتل است. پاتل در طول دوران تصدی خود در متا بر یادگیری تقویتی تمرکز کرد – نوعی یادگیری ماشینی که در آن عوامل هوش مصنوعی یاد می گیرند از طریق آزمون و خطا تصمیم بگیرند و پاداش را به حداکثر برسانند – و ارزیابی اینکه آیا خروجی هوش مصنوعی قابل اعتماد است یا خیر. پاتل معتقد است که اگر هوش مصنوعی قرار است صفحات گسترده و عرشه های اسلایدی را بسازد که شرکت ها از آنها برای تصمیم گیری استفاده می کنند، کسی باید بتواند کار آن را بررسی کند. به عنوان مثال، کاربران می توانند اسکریپت های پایتون مورد استفاده برای ایجاد اسناد را پیدا کنند.

حتی اگر پایتونی نمی دانید، می توانید بپرسید [the AI chat] برای توضیح، “هی، این اسکریپت چه کار می کند؟ کدام خط فرمول من را دارد؟ و شما می توانید این فرمول را تأیید کنید.» پاتل گفت: «در اینجا هیچ چیز در پشت پرده پنهان نیست.

در عمل، کاربران می‌توانند یک مجموعه داده را آپلود کنند و از Ndoc بخواهند که یک تجزیه و تحلیل انجام دهد و یک روایت درباره یافته‌ها بنویسد. آنها همچنین می توانند زمینه خاص سند، از جمله مخاطب، لحن و حافظه را اضافه کنند. پاتل گفت: “این یک حافظه را در شخص شما، آن سند خاص، تیم شما و شرکت شما حفظ می کند.”

Patel همچنین می گوید Ndoc با استفاده از ترکیبی از مدل های منبع باز ساخته و تنظیم شده است. از آنجایی که این پلتفرم از ابتدا توسعه یافته است، او می‌گوید هزینه اجرای آن بسیار کمتر از مدل‌های جایگزین ساخته شده بر روی مدل‌های هوش مصنوعی مرزی است.

او با اشاره به کاربران آزمایشی اولیه خود گفت: “من فکر می کردم این چیزی است که مردم در مورد آن هیجان زده می شوند، اما مردم به آن اهمیت نمی دهند.” “چیزی که مردم در مورد آن هیجان زده هستند این است که آنها دوست دارند تمام قسمت های خود را در یک مکان ببینند.”

جاه طلبی بزرگ پاتل این است که خود پرونده را دوباره اختراع کند. او می‌گوید اسناد را می‌توان به‌عنوان یک فایل «.ndoc.html» صادر کرد که می‌تواند در هر مرورگری باز شود، قالبی که او قصد دارد آن را منبع باز کند تا دیگر توسعه‌دهندگان بتوانند بدون قفل شدن در Ndoc برنامه‌هایی بسازند که با آن کار می‌کنند، همانطور که بسیاری از آنها برای سال‌ها در مایکروسافت یا گوگل قفل شده‌اند.

تمایل او به منبع باز این پروژه تا حدی دلیلی بود که او متا را ترک کرد و تصمیم گرفت آن را به تنهایی ادامه دهد. در شرکت بزرگی مانند متا، جلب نظر همه در مورد فرمت متن باز بدون شک نیاز به نظر “صدها نفر و نظرات در مورد نحوه ظاهر قالب” دارد.

پاتل می خواست سریع حرکت کند. انسان‌ها فقط می‌توانند با سرعت انسانی حرکت کنند، در حالی که من می‌توانم با سرعتی که هوش مصنوعی انجام دهد حرکت کنم.

تلاش برای تبدیل شدن به پلتفرمی که در آن کار سازمانی اتفاق می‌افتد، برای یک مؤسس با تیمی سه نفره و بدون بودجه، شرط بزرگی است، به‌ویژه زمانی که آزمایشگاه‌های هوش مصنوعی دیگر تلاش می‌کنند همان فضا را داشته باشند.

OpenAI، آنتروپیکمتا، SpaceXAI و گوگل همگی با ابزارهای هوش مصنوعی سازمانی عرضه شده‌اند که به کاربران اجازه می‌دهد به Google Workspace، Microsoft 365 و سایر برنامه‌های محل کار متصل شوند تا مدل‌های هوش مصنوعی آنها بتوانند مستقیماً در این ابزارها کار کنند. و ماه گذشته، OpenAI Space را راه اندازی کرد، یک فضای کاری مشترک در داخل ChatGPT که رقیب مستقیم تری برای آن ابزارهای ایجاد شده است.

پاتل تصدیق می کند که فضا می تواند یک تهدید باشد، اما می گوید که آزمایشگاه ها تا حد زیادی ایده اشتباهی دارند.

او گفت: «شرکت‌ها اساساً هوش مصنوعی را به صفحات گسترده متصل می‌کنند و سلول‌های شما را برای شما پر می‌کند. “این فقط روح من را می کشد. این مثل این است که شما به تازگی متوجه برق شده باشید، و سپس تصمیم بگیرید که بهترین مورد استفاده این است که روی گاوهای نر من چراغ بگذارید که خاک من را کار می کنند. نه. یک تراکتور بگیرید.”

دلیلی وجود دارد که آزمایشگاه‌های هوش مصنوعی سعی کرده‌اند مدل‌های خود را به جایی بیاورند که مردم در حال کار هستند. تغییر عادات و جایگزینی کل گردش کار دشوار است. پاتل می‌گوید که این را می‌فهمد، به همین دلیل است که کانکتورهایی ساخته تا مشتریان بتوانند داده‌های موجود را از ابزارهایی که قبلاً استفاده می‌کردند وارد کنند.

او گفت: “نقطه من این بود که چیزی را که دوست ندارم از آن استفاده کنم، منتشر نمی کنم.” من برای هر کاری که انجام می‌دهم، گردش‌های کاری هوش مصنوعی بسیار بهینه‌سازی کرده‌ام. اگر شروع به استفاده از این ابزار کنم و به گردش کار خود بازگردم، ابزار کافی خوب نساخته‌ام… من گورستانی از ابزارهایی دارم که با آن نوار مطابقت نداشتند.»

پاتل یک نوار مشابه برای جلب نظر مشتری قبل از تلاش برای جمع آوری سرمایه دارد. او گفت: «من نمی‌خواستم پول بگیرم تا زمانی که مدرکی مبنی بر اینکه مردم این محصول را دوست دارند، داشته باشم.

از روز سه‌شنبه، Ndoc در حال اجرای آزمایشی سازمانی و باز کردن نسخه آلفا برای تعداد محدودی از مشتریانی است که به لیست انتظار می‌پیوندند. ثبت نام رایگان است، اما مشتریان برای استفاده و توکن ها هزینه خواهند کرد. او امیدوار است در هفته‌های آینده نسخه بتا را منتشر کند و عرضه کامل آن برای سال آینده برنامه‌ریزی شده است.

برای پاتل، حرکت با بیشترین سرعت ممکن مهمتر از داشتن محصول عالی از همان ابتدا است.

او گفت: “اجرا بسیار ارزان است… بنابراین برنامه ای غیربهینه را اجرا کنید و بعدا نگران آن باشید.” “تا زمانی که شما بهترین برنامه را بسازید، اجرا توسط شخص دیگری انجام خواهد شد.”