Inzicht in continue intelligentie met Juji CEO Michelle Zhou

In deze RTInsights Real-Time Talk-podcast praat RTInsights-redacteur Joe McKendrick met Michelle Zhou, mede-oprichter en CEO van Juji

In deze RTInsights Real-Time Talk podcast praat RTInsights-redacteur Joe McKendrick met Michelle Zhou, mede-oprichter en CEO van Juji, over het uitbreiden van het gebruik van kunstmatige intelligentie (AI) door het toegankelijker te maken met behulp van AI zelf. Het gesprek gaat over hoe ze voortbouwde op haar werk met IBM Watson om zich te concentreren op het gebruik van no-code, herbruikbare cognitieve AI-platforms om AI-assistenten/chatbots te democratiseren en de groeiende AI-kloof te overbruggen.

• Appel
• Google
• Spotify
• Andere platforms

Joe McKendrick: Hallo, dit is Joe McKendrick, en welkom bij de Continuous Intelligence-podcasts van RTInsights, de volgende in onze serie. En ik ben heel blij dat ik vandaag word vergezeld door Michelle Zhou, de president en mede-oprichter van Juji, en jij bent een toonaangevende stem, denker en doener op het gebied van kunstmatige intelligentie. En we kijken ernaar uit om iets te leren over wat er gebeurt en hoe we verder kunnen gaan met de dingen.

Schakel cookies in zodat u het formulier bij toekomstige artikelen niet opnieuw hoeft in te vullen.

En om te beginnen, Michelle, waarom vertel je ons niet iets over je reis? Ik weet dat je bij IBM Watson hebt gewerkt en ook op dat gebied veel werk hebt verzet. Dus je zit al een aantal jaren in het AI-veld, sinds het echt begon te rollen. Vertel ons iets over uw reis. Hoe ben je gekomen waar je nu bent?

Michelle Zhou: Zeker. Oh, dank je, Joe, dat je me hebt. Ik ben Michelle Zhou en ik ben eigenlijk begonnen aan mijn AI-reis sinds ik een afgestudeerde student was aan Columbia University. Ik deed mijn Ph.D. daar. Dus een van de dingen waar ik altijd door gefascineerd ben, is hoe je een machine kunt gebruiken om mensen te helpen iets te doen dat mensen niet graag doen, of waar mensen niet goed in zijn? Dus mijn proefschrift ging over het creëren van een AI-assistent om mensen te helpen bij het maken van informatiegrafieken, omdat niet iedereen een ontwerper is. Niet iedereen kan mooie informatiegrafieken ontwerpen, maar iedereen wil de gegevens leuk vinden, de gegevens interpreteren. Dus creëerde ik AI tijdens mijn Ph.D. studie om in principe naar de gegevens te kijken, de gegevens te analyseren en automatisch visuele verklaringen van de gegevens te creëren. Dus dat is eigenlijk gebruikt voor artsen en verpleegkundigen om patiëntgegevens te begrijpen en ook voor netwerkanalisten om de netwerkgegevens, netwerkgegevens en hun netwerkprestaties te begrijpen.

Dus vanaf daar, toen ik afstudeerde, ging ik naar IBM Watson Research Center. En ik begon... Omdat ik daarvoor in dit gebied werkte, was het systeem niet interactief, wat betekent dat als je een set gegevens hebt, je de taken van een gebruiker en de visuele voorkeuren hebt, je automatisch genereert. Maar wat als de gebruikers, als de gebruikers eenmaal zien wat ze hebben gezien in de visuele illustratie, nog vragen hebben? Wat als ze verschillende delen van de gegevens willen zien. Dus begon ik een project. Kortom, het wordt conversatie-AI voor data-analyse genoemd. Dus dat was ongeveer 15, 20 jaar geleden, nu, zo lang geleden. Dus dan zijn we eigenlijk de conversatie-interface, het is om te helpen de natuurlijke taal te gebruiken, om naar de gegevens te informeren.

Dus mensen kunnen bijvoorbeeld vragen:"Oh, zou je me het product kunnen laten zien?" Laten we bijvoorbeeld zeggen dat we verzekeringsproducten kopen. "Kun je me de woningverzekeringsproducten laten zien, laten we zeggen voor huizen onder een miljoen dollar", of zoiets. Wat als ik het met autoverzekering koop? Je kunt dus zien dat dit een contextstimulans is, om mensen naar de gegevens te laten informeren en misschien puur in natuurlijke taal door de gegevens te bladeren. En het systeem zal de vragen van gebruikers daadwerkelijk verwerken en ontleden. Het begrijpt waar een gebruiker om vraagt, komt automatisch met de gegevens en de juiste vorm om de mensen daadwerkelijk uit te leggen hoe het hier de gegevens zijn waar je naar hebt gevraagd. Dus dat is het.

Dus, heel interessant wat er in dit soort projecten zit, we geven alleen om de voorkeuren van een gebruiker voor gegevens en gebruikersvoorkeuren over de presentatie, maar niet om individuele verschillen. Als ik zeg individuele verschillen, is dat bijvoorbeeld:hoe is je persoonlijkheid? Wat is je cognitieve stijl, of je nu houdt van een meer verhaalachtig type dataverhaal of waar je van een meer op feiten gebaseerd en cijferachtig dataverhaal houdt? We hebben er dus geen rekening mee gehouden.

Dus begon ik een ander project bij IBM, IBM genaamd... en werd toen IBM Watson Personality Insights, wat betekent dat we de gedragsgegevens van gebruikers, zoals communicatiegegevens, willen gebruiken om individuele verschillen beter te begrijpen. Ben je bijvoorbeeld extravert? Ben je een introvert? Ben je erg coöperatief of ben je meer van de eenzame leerling? Dus toen begon ik Juji als een startup met mijn medeoprichter, die toevallig een computerwetenschapper en een psycholoog is en die samen met mij IBM Watson-persoonlijkheden heeft uitgevonden.

Dus zijn we deze begonnen. We wilden echt een nieuwe generatie AI-assistenten creëren. We noemen ze cognitieve assistenten. Dus eigenlijk zouden ze met mensen moeten communiceren. En dan helpen ze organisaties om hun personeelsbestand uit te breiden, om verschillende soorten taken te automatiseren, vooral behoorlijk tijdrovende, arbeidsintensieve taken die mensen echt niet graag doen. Bijvoorbeeld een gesprek voeren met vreemden, wat niet iedereen wil, of mensen aansporen om iets te doen wat ze niet leuk vinden om te doen. Bijvoorbeeld je huiswerk afmaken of sporten, of elke dag je gezondheidstoestand checken. Dus we moeten het aan de AI-assistent overlaten. Dus dat is wat we vandaag zijn.

Joe McKendrick: Dat is echt fascinerend. Als consument gebruik ik hier op kantoor een Google Assistant en heb ik Alexa in huis. Maar dit klinkt alsof waar je aan werkt geavanceerder is dan de relatief eenvoudige vragen of verzoeken om liedjes of wat dan ook, die een consumentengebruiker nu zou gebruiken op AI, op een persoonlijke assistent.

Michelle Zhou: Juist. Dus ik ben blij dat je dat contrast noemt. Dus het is een echt, dus degene die mensen normaal gebruiken, zoals Alexa of Google Home, ze zijn meer wat we de gebruikersgestuurde interactie noemen, die gebruiker zal zeggen:"Kun je me vertellen hoe de temperatuur buiten is?" Of:"Kun je me helpen het nummer te vinden dat ik leuk vind?" Het is dus meer gebruikersgestuurd. De systemen zijn erg passief. Dus in ons geval willen we echt interactieve AI-assistenten ondersteunen. Het is dus niet alleen door de gebruiker aangestuurd, het kan zowel door de machines als door de gebruiker worden aangestuurd. Een heel eenvoudig voorbeeld bijvoorbeeld.

Dus laten we zeggen dat je naar iemands universiteitswebsite gaat, je wilt een online programma zoeken om je op aan te melden. Dus de assistent kan je echt een rondleiding geven door het online programma, want daar hebben we het net over Zoom over gehad, want niet iedereen kent Zoom zo goed. Dus laten we zeggen of je assistent je een rondleiding had kunnen geven, maar onderweg, tijdens de rondleiding, kun je een van de vragen stellen. Dus als de Zoom-assistent je bijvoorbeeld zegt:"Hé, je kunt deze gewoon starten, je stem testen, naar een foto kijken. En je vraagt:"Oh, ik hou er niet van om mijn achtergrond te laten zien. Wat moet ik doen?" Dus in dit geval zegt de Zoom:"Oh, nu kun je deze doen, je kunt je achtergrond wijzigen of misschien je achtergrond dempen, en dan doorgaan met de tour." Dus het is bijna zoals waar we het over hebben. Het is een waar gesprek.

Dus dat is wat Juji echt heeft ontwikkeld. Daarom noemen we het cognitieve AI-hulp. Dit wordt cognitieve intelligentie genoemd. In tegenstelling tot de reguliere AI, cognitieve intelligentie, wat betekent dat het niet alleen taalvaardigheden zijn zoals je hebt ervaren van Alexa of Google Home, ze hebben ook wat we geavanceerde menselijke vaardigheden noemen, vooral zachte vaardigheden. Een voorbeeld van soft skills is wat we actief luisteren noemen. Dat betekent dus niet alleen dat de AI-assistenten begrijpen wat gebruikers zeggen, maar dat ze ook daadwerkelijk de emoties moeten verifiëren, parafraseren wat ze zeggen, samenvatten wat de gebruikers zeggen, zeer oplettend zijn en zeer bezorgd zijn over wat de gebruiker geeft om. En voer dan daadwerkelijk het betrouwbare en empathische gesprek. Dus denk in dit geval eens na over hoe je echt met de persoon praat. En je kunt dat bijna als een heel persoonlijke relatie hebben.

Joe McKendrick: We horen over bijvoorbeeld met callcenters of contactcenters en we bellen en we krijgen een virtuele assistent. En je hoort tegenwoordig dat ze kunnen voelen of een klant boos is, bijvoorbeeld als een klant gefrustreerd is. Ze zullen ze ofwel overdragen aan een live-operator, of ik denk dat het zal proberen hun frustratie aan te pakken. En het klinkt alsof je voortbouwt op dat type applicatie. Rechts?

Michelle Zhou: Rechts. Dus eigenlijk zijn we al verder gegaan dan dat. Dus de eerste, wat we actief luisteren noemen, wat betekent dat je voelt wat je zei, het sentiment van de gebruiker, de emoties van de gebruiker, en om dat daadwerkelijk te kunnen herformuleren, parafraseer dat. En het volgende voorbeeld, ik ben blij dat je hiermee bezig bent, noemen we:"Het lezen tussen de regels door." Het betekent dus dat je erover kunt nadenken zoals je met een psycholoog praat, dat psychologen altijd proberen te begrijpen wat er verder gaat dan wat je net hebt gezegd. Dus wat je onuitgesproken behoeften en wensen zijn, dus wat je emotionele handtekening. Het gaat dus niet alleen om het moment van een sentiment, het moment waarop emoties worden getoond. Hoe ziet de handtekening eruit? Daarom noemen we het lezen tussen de regels door.

Onze AI-assistent analyseert bijvoorbeeld dynamisch de conversatietekst van een gebruiker en probeert te detecteren wat we de individuele verschillen noemen. Dus individuele verschillen, ze omvatten wat zijn je passies of interesses, en waar ben je goed in? Sommige mensen zijn erg goed in logisch redeneren. Sommige mensen zijn heel goed in verhalen vertellen. En sommige mensen, hoe ze omgaan met de uitdagingen van het leven. Sommige mensen die onder druk staan, zijn bijvoorbeeld erg kalm en sommige mensen die onder druk staan, kunnen een beetje afwezig zijn. U kunt dus zien, omdat u de onderliggende unieke individuele verschillen begrijpt, de kenmerken van elke gebruiker. Dan kunnen ze elke gebruiker beter helpen.

Om je een voorbeeld te geven waar we het eerder over hadden, een studentperspectief, een student die op zoek is naar een online programma, maar deze persoon maakt zich misschien zorgen over de financiële last, want alles, een online programma, je moet het collegegeld betalen. In een ander geval, als de assistent dergelijke onuitgesproken behoeften en wensen detecteert, hen echt kan leiden, kan zeggen:"Hé, weet je wat?" Vooral voor iemand die erg bezorgd is, en ook heel onafhankelijk wil zijn, zei hij:“We hebben veel financiële hulpprogramma's. We hebben beurzen, dus we kunnen je in principe helpen bij je reis naar het behalen van een diploma of misschien het bevorderen van je carrière. Dus je kunt zien dat je echt heel persoonlijk bent, dat als een andere persoon dezelfde zorg heeft, deze persoon veel methodischer is, veel meer, laten we zeggen, voorzichtig. Dus dan gebruik je de verschillende manieren om de informatie te presenteren.

Zou deze kunnen zeggen:"Nu ga ik u verschillende soorten financiële hulpopties presenteren. Je kunt degene kiezen die het beste bij je levensstijl past, of misschien wel bij je werkstijl.” Dus je kunt zien, je kunt er echt een personaliseren, zelfs de mensen die behoeften hebben, kunnen hetzelfde zijn, willen het programma vinden waarvoor je je inschrijft, maar onderliggend hebben ze hun eigen psychologische behoeften, psychologische behoeften.

Joe McKendrick: Het klinkt bijna alsof de cognitieve AI-assistenten ook hun eigen persoonlijkheid aannemen, hun eigen reeks gedragingen om zich aan te passen aan de ... toch?

Michelle Zhou: Eigenlijk hebben we veel werk verzet. Ja. Daar hebben we veel onderzoek naar gedaan. Ze adopteren nog niet. We zijn dus nog in onderzoek. En we vragen ons af, want het onderzoek heeft tegenstrijdige resultaten opgeleverd. Dus sommige onderzoeken tonen aan dat ... Ons onderzoek laat ook zien dat mensen graag communiceren met AI's die een vergelijkbare persoonlijkheid hebben. Dus als ik erg extravert ben, ga ik graag om met de AI met de extraverte persoonlijkheid. Maar sommige onderzoeken tarten dat eigenlijk, en laten zien dat mensen graag interactie hebben met AI, die het tegenovergestelde hebben, we zeggen complementaire persoonlijkheid. Dus als ik erg spraakzaam ben, heb ik liever dat AI niet erg spraakzaam is, die gereserveerder is. Daarom hebben we het nog niet in productie genomen, omdat we nog steeds proberen uit te zoeken op welke manier gebruikers meer prefereren. Het vereist een beetje meer onderzoek in dat specifieke opzicht.

Joe McKendrick: Ja. Je hebt het over de democratisering van AI, wat echt een geweldig concept is. En voorzie je dat AI deel uitmaakt van apparaten met een kleinere footprint, bijvoorbeeld onze smartphones, zullen ze communiceren via smartphones? Misschien komt daar wat AI over. Of misschien de apparaten die in andere systemen kunnen worden geïntegreerd. Kijk je daar ook naar?

Michelle Zhou: Ja. Juist. U hebt eigenlijk één aspect van het democratiseren van AI aangeroerd. Dus als je erover nadenkt, in waarschijnlijk de jaren zeventig, wat noemen we democratiseren van computergebruik. Daarvoor had IBM deze mainframecomputers, of misschien de kleine computer. Dus mensen konden het zich echt niet veroorloven om het te kopen, omdat het te duur is. Niet alleen dat, het tweede deel ervan is dat niet veel mensen dat soort computer kunnen gebruiken omdat ze niet kunnen programmeren. Ze kennen de programmeertalen niet. Ze kunnen ze niet echt gebruiken. Dus met de komst van de personal computers, de pc's, de Macs, dus dat is echt het computergebruik democratiseren, is niet alleen ... Bijna iedereen nu, elk bedrijf kan het zich veroorloven een computer te kopen. Iedereen die heel weinig kennis heeft, geen programmeur is of geen expert is in informatica, kan een computer bedienen.

Dus we hebben een zeer vergelijkbaar idee bij het democratiseren van AI. Dus als je zegt dat we AI eigenlijk op elk type apparaat zouden moeten zien draaien, inclusief de smartphone. Dat deden we al. Het tweede deel ervan is, buiten dat deel ervan, is dat we iedereen, letterlijk, iedereen in staat willen stellen, zolang ze PowerPoints kunnen maken, ze kunnen spreadsheets maken. Ze moeten een aangepaste AI-assistent kunnen instellen, implementeren en beheren. Zoals ik net zei, met alle cognitieve intelligentie op zich, geen codering, hebben ze geen AI-expertise nodig. Ze hebben geen trainingsgegevens nodig, omdat we al hebben getraind, zodat ze deze snel kunnen aanpassen en implementeren en beheren. Dus dat is wat we echt bedoelen met het democratiseren van AI. Het betekent dus dat ze het gewoon kunnen adopteren en het vervolgens snel kunnen aanpassen en gebruiken voor hun voordelen.

Joe McKendrick: Wauw. Dat klinkt best spannend. Dus iemand zoals ik, of als er iemand is die geen technische achtergrond heeft, zou kunnen beginnen met het opzetten van dit soort toepassingen, dan zou dat kunnen.

Michelle Zhou: Je zou moeten ja.

Joe McKendrick: Klanten.

Michelle Zhou: Joe, doe je PowerPoints? Ken je PowerPoint? Je kent rekenbladen. Dus hebben we de toetredingsdrempels heel, heel laag gemaakt, wat letterlijk betekent dat mensen PowerPoints kunnen maken. Mensen kunnen spreadsheets maken. Ze zouden moeten komen, in staat moeten zijn om ons platform te gebruiken om een ​​zeer krachtige AI-assistent te creëren die is aangepast en ook aangepast aan hun context, hun taak. Omdat de meeste van onze gebruikers bijvoorbeeld wervingsspecialisten, marketingmanagers, productmanagers en gebruikersonderzoek zijn, is er een onderzoeker. Dat betekent dus dat het zeker geen computerwetenschappers zijn. Ze weten niet hoe ze moeten programmeren. Ze hoeven niet te weten hoe het programma werkt. En ze zijn eigenlijk gewoon het soort algemene kenniswerkers. Zo zijn ze in staat om een ​​zeer krachtige AI-assistent op ons platform op te zetten.

Joe McKendrick: Dat is geweldig. En hoe zie je … Als je hiermee verder gaat, zal er dan een Juji-product zijn dat klanten kunnen downloaden of kopen? Of ga je achter de schermen samenwerken met andere applicatieaanbieders om dat te bouwen? Wat gaan we de komende tijd van jullie zien?

Michelle Zhou: Oké. Ik denk beide. Dus één manier is dat we al klanten hebben die alleen maar zijn gekomen om ons platform te gebruiken om de aangepaste AI te maken. Implementeer, wij hosten het. En dan nog een, het is dat we ook samenwerken met andere bedrijven. Dus eigenlijk zijn ze onze kanaalpartners geworden. Dus hun klanten zullen die van hen samen met die van ons gebruiken om een ​​AI-assistent te creëren. Met de stem bijvoorbeeld. Dus omdat we bij Juji geen voice one doen. Dus als iemand die gespecialiseerd is in spraakherkenning en TTS, kunnen ze daadwerkelijk combineren met onze technologieën om een ​​zeer slimme cognitieve AI-ondersteuning te creëren met de stem, altijd een gezicht. Dus we kunnen al die technologieën ook met elkaar combineren. Dus één is als je zei ... Het is meer, dus we dienen als de gespreks-AI-motor, cognitieve motor, als je wilt, voor die potentiële partners. En in de tussentijd kunnen de mensen, als ze alleen de op tekst gebaseerde AI-assistent willen, gewoon rechtstreeks naar ons platform komen en het gebruiken.

Joe McKendrick: Ben je bijna geslaagd voor de Turing-test waar iemand het misschien niet kan onderscheiden?

Michelle Zhou: Dat zei iemand. Maar we weten niet of we dat als norm moeten gebruiken om de kwaliteit te testen. Omdat de reden, ik weet niet zeker of je hiervan hebt gehoord, eigenlijk in de jaren zeventig, de Turing van een bepaalde professor ... Een chatbot die de Turing-test doorstaat, dat was de eerste. De reden is dat het een patiënt imiteerde met een psychische stoornis. Dus dat is waarom. Dus daarom ging het voorbij omdat niemand wist waar hij het over had. Dus ik weet niet zeker of dat een goed criterium is of niet.

Dus ik denk dat onze criteria concreter zouden zijn? Kan de AI je echt helpen je taak af te ronden? Kan de AI die gebruikerstevredenheid echt leveren? Ik vind het praktischer en eigenlijk ook meetbaar, zakelijk gezien. Want als we, laten we zeggen, een universiteit helpen om hun toekomstige studenten of bestaande studenten, of zelfs afgestudeerden, te helpen en of deze AI zijn hulp heeft gedaan. Dus wat is het resultaat van de hulp? Hebben ze meer inschrijvingen en hebben ze dat ook echt gezien? Ja. Hebben ze een hoger slagingspercentage en een hoger retentiepercentage van de studenten? Ja. Of komen hun afgestudeerden of alumni terug, komen er meer terug en vervolgen ze hun opleiding? Dat is heel concreet … Eigenlijk zou ik zeggen uitkomst, succesresultaten of het nut van de AI, versus het vergelijken van alleen het passeren.

Joe McKendrick: En een van de zorgen van AI zijn altijd de data, de hoeveelheid data die nodig is, big data bijvoorbeeld, je hebt grote datasets nodig om te identificeren en te trainen, enzovoort. Hoe zie je dat gebeuren? Waar u aan werkt, vereist grote datasets.

Michelle Zhou: Precies. Dit is een geweldige vraag. Daarom had ik het over het democratiseren van AI, omdat veel organisaties dat soort data niet hebben. Ze hebben bijvoorbeeld nog niet eens dat soort AI. Dus daarom zijn we, als bedrijf, als platformbedrijf, en we hebben onze eigen gegevens gegenereerd, onze gegevens verzameld. Dus ja, onze modellen zijn getraind op enorme hoeveelheden data, omdat we data al hebben getraind. We moeten andere mensen het gewoon laten hergebruiken. Het is dus bijna een overdracht van intelligentie.

Ik was vorige week nog aan het bellen, mensen vroegen me hiernaar. En ik zei:"Het is de schoonheid van waar we aan werken, wat Juji doet is dit." U zegt dat we AI alles vanaf het begin leren, tussen de regels door lezend. Daarin verankeren we eigenlijk intelligentie. Dus toen je de AI daadwerkelijk adopteerde, kwam die AI met die, geboren met deze intelligentie. Ingebouwd, we noemen het ingebouwde intelligentie. We kunnen dus echt intelligentie van de ene naar de andere overbrengen.

Nog iets anders:we werken bijvoorbeeld samen met universiteiten om hun wervingsprogramma te helpen. Dus dan heb je daar veel vragen van aankomende studenten. In dit geval kunnen die gegevens dus ook daadwerkelijk voor andere universiteiten worden gebruikt. Als ik zeg de gegevens, niet de antwoorden op zich, maar de vragen. Dus studenten stellen een vraag, formuleren de vraag en daarbovenop genereren we automatisch meer trainingsdata. Dat hoeven de universiteiten dus niet te doen. Dus als ze oorspronkelijk naar ons toe komen en zeggen:"Hé, we hebben de gegevens niet." U heeft er dus geen omkijken naar. We hebben het al. U kunt dus gewoon een vliegende start maken met uw AI-assistent. Dus dat is ook wat ik precies bedoelde over het democratiseren van AI, wat betekent dat je de intelligentie verpakt. U bouwt intelligentie vooraf, zodat andere mensen deze kunnen overnemen en direct opnieuw kunnen gebruiken.

Joe McKendrick: Net als bij wetenschappelijk onderzoek kun je voortbouwen op bestaand onderzoek en dingen blijven verbeteren. Rechts?

Michelle Zhou: Ja. Dus het is het meest alsof je als kind groeit. Het kind heeft de intelligentie, het begin heeft een zeer goede intelligentie. Dus als dit kind meer intelligentie heeft, dus je houdt het, niet alleen, je draagt ​​de intelligentie van dit kind over op een ander kind, zodat het andere kind niet helemaal opnieuw hoeft te leren. Dus dat is heel krachtig.

Joe McKendrick: Het is. Absoluut. En Michelle, wat zie je de komende 5 tot 10 jaar gebeuren? Waar kijk je naar uit om te zien gebeuren? Hoe zal de wereld er in 2025 of zelfs 2030 uitzien, vooral met jouw technologie?

Michelle Zhou: Ik denk dat we naar een meer, eigenlijk verzonnen optimistisch scenario van de film Her gaan. Herinner je je de film Her nog?

Joe McKendrick: Ja. Ja. Goede film.

Michelle Zhou: Rechts? Dit betekent dus dat uw AI misschien meer over u weet dan u zelf weet. En uw AI weet wat u wilt voordat u weet wat u wilt. U moet bijvoorbeeld geld besparen. De AI wist van tevoren al dat je geld moest besparen. Of je hebt een nieuwe opleiding nodig om beter inzetbaar te zijn. De AI weet dat waarschijnlijk voordat je het weet. Dus dat is wat ik zie. Je hebt een echte, wat ik persoonlijke assistent noem, persoonlijk gezelschap, in dit geval de AI-metgezel, die echt kan begrijpen wie je bent, wat je behoeften en wensen zijn, en die je op de beste manier helpt om je voordeel te doen. Daarom gaan we ook naar ons onderwerp van verantwoorde AI, want met dat niveau van begrip, als we deze verantwoorde AI niet gaan afdwingen, als deze technologie in handen van slechte mensen valt, kan deze worden misbruikt en slechte gevolgen hebben . Daarom brengen we ook dit gevoel van verantwoordelijke AI bij, wat betekent dat we ervoor willen zorgen dat AI mensen in principe op de beste manier helpt om mensen te helpen.

Joe McKendrick: Prachtig. Prachtig. En absoluut het werk dat u op dat gebied doet, beweegt AI echt in een positieve richting om mensen te helpen. En we waarderen het enorm dat je dit vandaag met ons kunt delen in onze podcast. Nogmaals, ik spreek met Michelle Zhou. Zij is de CEO en mede-oprichter van Juji. En heel erg bedankt Michelle dat je vandaag bij ons bent gekomen. We vonden het erg leuk dat je erbij was.

Michelle Zhou: Bedankt, Joe, dat je me hebt. Dank je. Dag.