Aanklagers lieten een spoor van broodkruimels achter over de financiën van Trump en huisdemocraten graven nu dieper



Officieren van justitie die president Donald Trump hebben onderzocht en zijn financiën lieten een spoor van paneermeel na dat de huis-democraten oppakken nadat de speciale raadsman Robert Mueller vorige week zijn werk aan het onderzoek in Rusland had ingepakt.

Mueller kreeg de opdracht onderzoek te doen naar de inmenging van Rusland in de Amerikaanse verkiezingen van 2016 en de vraag of de Trump-campagne met Moskou coördineerde om de koers voor hem te laten kantelen. Onderzocht in dat onderzoek was het contraspionageonderzoek van de FBI of Trump optreedt als een Russische agent.

Als onderdeel van de contraspionage-enquête stond het team van Mueller bekend om de zakelijke transacties van Trump te onderzoeken om vast te stellen of hij financiële belangen in verband met Rusland had die van invloed kunnen zijn op zijn vermogen om het Amerikaanse beleid uit te voeren.

Trump beweert dat hij geen financiële banden heeft met Rusland.

"Ik verdien geen geld van Rusland", zei hij in 2017.

Lees verder:Hier is een glimp van Trumps decennia-lange geschiedenis van zakelijke banden met Rusland

De opmerking lijkt in tegenstelling te staan ​​tot die van de oudste zoon van Trump, Donald Trump Jr., in een 2008 New York Times opeded. De jongere Trump schreef: "In termen van high-end productinvoer naar de VS vormen de Russen een behoorlijk onevenredige dwarsdoorsnede van veel van onze activa … We zien veel geld vanuit Rusland binnenstromen."

Eric Trump zei hetzelfde tegen een verslaggever. Later keerde hij terug en zei dat de financiering van de Trump Organization kwam als resultaat van "ongelooflijke cashflow."

Pablo Martinez Monsivais / Associated Press

Federale openbare aanklagers onderzoeken de organisatie van Trump, de onderhandelingen in Trump Tower Moskou en de inaugurele commissie Trump

Het Mueller-team toonde interesse in de Trump-organisatie toen officieren van justitie vorig jaar documenten van het bedrijf hebben gedagvaard. Het belangrijkste is dat aanklagers ook verschillende getuigen hebben gevraagd over de onderhandelingen van de Trump Organisatie om een ​​Trump Tower in Moskou te bouwen.

Die onderhandelingen vonden plaats op het hoogtepunt van de campagne van 2016, en veteranen van het Ministerie van Justitie vertelden INSIDER dat officieren van justitie waarschijnlijk vroegen over het project om te peilen of er enige tegenprestatie was in de Trump-campagne om het standpunt van de VS tegenover Rusland te verzachten in ruil voor de goedkeuring van het Kremlin voor het project.

En dan is er het slepende mysterie van waarom Alfa-Bank, een van de grootste banken in Rusland, tijdens de 2016-campagne bijna dagelijks het adres van de computerserver van de Trump Organisatie opzocht. Tussen mei en september 2016 heeft Alfa-Bank meer dan 2000 keer het domein van de Trump Organization opgezocht, volgens The New Yorker.

Lees verder:Het Witte Huis krijgt het Mueller-rapport voor het publiek in het geval het redacties wil uitvoeren, zegt Barr

In een apart geval dat Mueller naar het zuidelijke district van New York (SDNY) verwees, brachten federale openbare aanklagers Trump in verband met campagnefinancieringsschendingen met betrekking tot hush-money betalingen die zijn voormalige advocaat Michael Cohen faciliteerde aan twee vrouwen die zeiden dat ze affaires hadden met Trump .

Michael Cohen.
AP Photo / Julie Jacobson

Cohen pleitte schuldig aan verschillende tellingen van belastingontduiking, bankfraude en schendingen van campagnefinanciering als onderdeel van het onderzoek van SDNY. Hoewel Trump niet specifiek in het beschuldigingsdocument werd genoemd, wordt algemeen aangenomen dat hij de persoon is die de officieren van justitie in de rechtszaak "Individual-1" noemden, en volgens juristen is de president een niet-geïndiceerde coconspirator.

De federale openbare aanklagers in New York hebben onlangs ook belangstelling getoond voor de inaugurele commissie van Trump.

Cohen werkt nog steeds samen met openbare aanklagers in het onderzoek van SDNY, evenals andere lopende strafrechtelijke onderzoeken. Maar hij belichtte de financiële transacties van Trump tijdens een blockbuster-hoorzitting voor de commissie van het Britse parlement vorige maand.

Lees verder:De 8 grootste afhaalrestaurants van de kaskraker-getuigenis van Michael Cohen tegen Trump

Naast de implicatie van Trump Jr. en Allen Weisselberg, de chief financial officer van de Trump Organisation, in "garden variety financial fraud" in verband met de hush-money betalingen, zei Cohen ook dat het mogelijk was dat Trump de waarde van zijn financiële situatie heeft opgeblazen of gedefleerd. activa voor verzekerings- en belastingdoeleinden.

Rep. Jerrold Nadler in 2007.
Reuters

'We laten geen steen onberoerd'

Huisdemocraten hebben beslag gelegd op de bevindingen van Mueller en de SDNY, evenals de getuigenis van Cohen, om een ​​uitgebreid onderzoek te starten naar elk aspect van Trump's leven: zijn campagne, zijn zaken, zijn overleden liefdadigheid, zijn persoonlijke aangelegenheden, zijn inaugurele commissie en meer.

Huisdemocraten hebben zich ook gericht op de belastingaangiften van Trump, die nog steeds niet openbaar zijn gemaakt.

"We laten geen steen onberoerd", vertelde een congresmedewerker aan de commissie Huisrechtspraak, die het onderzoek leidt, vertelde INSIDER dinsdag.

Deze persoon voegde eraan toe dat voorzitter Jerry Nadler van het Huisjuridiscommissie van mening is dat het verkrijgen van Mueller's volledige rapport over het Rusland-onderzoek – in tegenstelling tot de beknopte samenvatting van Attorney General William Barr – cruciaal is voor het bepalen van de beweegredenen achter de ontelbare contacten tussen Trump-medewerkers en Russen, en ook waarom Trump heeft respect getoond aan de Russische president Vladimir Poetin sinds de campagne.

Lees verder: Mueller draaide zijn laatste rapport in bij procureur-generaal William Barr, maar de Russische sonde is nog lang niet klaar

Huisdemocraten worden niet beperkt door dezelfde regels als het kantoor van de speciale raadsman, en in tegenstelling tot officieren van justitie in New York worden ze niet geconfronteerd met juridische beperkingen.

Rep. Adam Schiff.
Getty Images

Begin februari kondigde Commissievoorzitter Adam Schiff van het Huisintelligentie een ingrijpend onderzoek uit naar de financiën van de president, inclusief mogelijke banden met Rusland, maar ook ver daarbuiten – inclusief mogelijk witwassen van geld door de Trump-organisatie.

"Het is onze taak om ervoor te zorgen dat het beleid van de Verenigde Staten wordt gedreven door het nationale belang, niet door financiële verstrengeling, financiële invloed of een andere vorm van compromis," zei Schiff bij de aankondiging van het uitgebreide onderzoek.

Schiff en andere topdemocraten onderzoeken waarom de in Duitsland gevestigde Deutsche Bank bereid was om de Trump-organisatie vele jaren geld te lenen, zelfs als andere banken het hadden afgewezen.

"De zorg over Deutsche Bank is dat ze een geschiedenis hebben van het witwassen van Russisch geld", zei Schiff in december. "En dit was blijkbaar de enige bank die bereid was zaken te doen met de Trump-organisatie."

Garmin's Vivoactive HR hybride smartwatch krijgt een luxe revisie


garmin vivomove bloomingdales vmovehr volledige familie

Garmin debuteerde een paar jaar geleden met de originele hybride smartwatch van Vivomove, maar het apparaat was een onbeschadigd aanbod, met slechts een paar functies voor het volgen van fitness ingebed in een stijlvol horloge. In de loop der jaren is Garmin echter geleidelijk aan het apparaat verbeterd door nieuwe sensoren toe te voegen, zoals een hartslagmeter en nieuwe functies voor verbeterde gezondheids- en fitness-tracking. Nu heeft het bedrijf de wijzerplaat nog verder uitgebreid met luxe behuizingen en banden naar de hybride smartwatch in zijn productassortiment.

De Vivomove HR bespreekt de grens tussen een horloge en een fitnesstracker. Het heeft een klassiek analoog gezicht met een stijlvolle behuizing en band die het apparaat het uiterlijk geeft van een klassiek uurwerk. Aan de binnenkant is dit stijlvolle horloge eigenlijk een volwaardige fitness-tracker met een hartslagmonitor op pols, een hoogtemeter, 50 meter waterbestendigheid en meer voor robuust gezondheids- en fitness-tracking.

Garmin's Vivomove HR biedt alle basisfuncties door middel van 24/7 hartslagbewaking, slaapvolging en VO2-prestatieanalyse. Er is zelfs een functie voor stressbewaking waarmee u kunt bijhouden welke activiteiten ervoor zorgen dat uw stressniveaus stijgen. U kunt uw stressscore overdag controleren of uw dagelijkse stressscores vergelijken om trends te vinden. Om stress tegen te gaan, bevat het horloge een relaxatietimer om langzaam te ademen als een manier om te ontspannen.

Het oplichten van de pols activeert het kleine LED-display op de wijzerplaat. Dit display is een kanaal voor de fitness-kant van de tracker. Met een paar veegbewegingen op de wijzerplaat kunnen eigenaren de datum bekijken, hun aantal stappen controleren, de verdiepingen beklimmen, de verbrande calorieën bijhouden en meer. Het kan ook worden gebruikt om binnenkomende meldingen te bekijken en het afspelen van muziek op de telefoon te regelen.

Deze nieuwe modellen van de Vivomove HR zijn nu verkrijgbaar bij de winkels van Bloomingdale, de website van Bloomingdale en de website van Garmin. Prijzen voor het originele Vivomove HR-sportmodel beginnen bij $ 199 MSRP, terwijl de nieuwe luxemodellen $ 349 MSRP en hoger kosten. Opties voor de luxe Vivomove HR omvatten een 24K gouden horloge met een zwarte alligator-reliëf lederen band, een 18K roségoud model met een witte lederen band, en twee zilveren roestvrijstalen keuzes gecombineerd met een donkerbruin alligator-reliëf of een bruin leer band. Alle leren banden zijn gemaakt van hoogwaardig Italiaans leer.







FarmWise wendt zich tot Roush om autonome plantaardige weeders te bouwen – TechCrunch


FarmWise wil dat robots het vuile deel van de landbouw doen: wieden. Met die gedachte riep de in San Francisco gevestigde startup de hulp in van het in Michigan gevestigde productie- en autobedrijf Roush om prototypen te bouwen van de zelfrijdende robots. Een vroeg prototype is hierboven afgebeeld.

Financiële details van de samenwerking zijn niet vrijgegeven.

Het idee is dat deze autonome onkruidverdelgers herbiciden zullen vervangen en de teler zullen redden van de bevalling. Door zeer nauwkeurig wieden te gebruiken, kunnen de robotachtige handen van de boerderij de opbrengst van de gewassen verhogen door dag en nacht te werken om ongewenste planten en onkruid te verwijderen. Immers, herbiciden zijn deels omdat wieden een vreselijke taak is.

Met Roush zal FarmWise een dozijn prototypes bouwen die 2019 winnen met de intentie om in 2020 naar extra eenheden te schalen. Maar waarom Michigan?

"Michigan is wereldwijd bekend om zijn productie- en auto-industrie, de geavanceerde technologie-expertise en de modernste productiepraktijken", aldus Thomas Palomares, mede-oprichter van FarmWise en CTO. "Dit zijn veel van de belangrijkste ingrediënten die we nodig hebben om onze machines te produceren en te testen. We waren verbonden met Roush door ondersteuning van PlanetM en als technologie-start-up is de samenwerking met een grote en gerespecteerde legacy automaker van cruciaal belang om de schaal van ons productieplan te ondersteunen. "
Roush heeft een lange geschiedenis in Michigan als een toonaangevende fabrikant van hoogwaardige auto-onderdelen. Meer recentelijk heeft het bedrijf zijn focus verlegd naar het gebruik van zijn productie-expertise elders, waaronder robotica en ontwerp van alternatieve brandstofsystemen.

"Deze samenwerking toont de kansen die voortvloeien uit het verbinden van startups zoals FarmWise met bedrijven in Michigan, zoals Roush, die hun productie-knowhow leveren om deze concepten te realiseren", aldus Trevor Pawl, groepsdirecteur van PlanetM, Pure Michigan Business Connect en Internationale handel bij de Michigan Economic Development Corporation. "We zijn verheugd om deze samenwerking tot een goed einde te zien komen. Het is een goed voorbeeld van hoe Michigan opkomende bedrijven wereldwijd kan samenbrengen voor prototype- en productieondersteuning met onze gekwalificeerde productiebasis in de staat. "

FarmWise werd opgericht in 2016 en heeft $ 5,7 miljoen opgehaald via een seed-stage-investering inclusief een investering van Playground Global. TechCrunch zag FarmWise voor het eerst tijdens de demo-dag van de 15-daagse Alchemist Accelerator.

The Godfathers of the AI ​​Boom Win de Turing Award


In de late In de jaren tachtig raakte de Canadese meesterstudent Yoshua Bengio in de ban van een onmodieus idee. Een handjevol kunstmatige intelligentieonderzoekers probeerde software te maken die losjes nagebootst hoe netwerken van neuronen gegevens in de hersenen verwerken, ondanks karig bewijs dat het zou werken. "Ik werd verliefd op het idee dat we allebei de principes van hoe de hersenen werken kunnen begrijpen en ook AI kunnen construeren," zegt Bengio, nu een professor aan de universiteit van Montreal.

Meer dan 20 jaar later werd de techindustrie ook verliefd op dat idee. Neurale netwerken zijn achter de recente bloei van de vooruitgang in AI die het mogelijk heeft gemaakt projecten zoals zelfrijdende auto's en telefoon bots praktisch niet van mensen te onderscheiden.

Woensdag, Bengio, 55, en twee andere protagonisten van die revolutie wonnen de hoogste eer in computerwetenschap, de ACM Turing Award, bekend als de Nobelprijs voor computers. De andere winnaars zijn Google-onderzoeker Geoff Hinton, 71, en NYU-professor en Facebook's hoofd-AI-wetenschapper Yann LeCun, 58, die enkele van de kranten schreef die Bengio verleid hadden om aan neurale netwerken te werken.

De reis van het trio is een parabel van wetenschappelijke grit en case study in de economische waarde van nieuwe vormen van computergebruik. Door decennia van zorgvuldig onderzoek uit de schijnwerpers, transformeerden ze een ouderwetse, gemarginaliseerde idee in de heetste in de informatica. De technologie die zij verdedigden staat centraal in de strategie van elk groot technologiebedrijf voor de toekomst. Het is hoe software in testen bij Google medische scans leest, Tesla's Autopilot leest wegmarkeringen en Facebook verwijdert automatisch enkele haatzaaiende uitingen.

Gevraagd naar het winnen van de Turing Award, spreekt Hinton de spotverrassing uit. "Ik denk dat neurale netwerken nu een respectabele informatica zijn", zegt hij. De grap is dat er in de informatica niets beters is dan een Turing Award. Het is sinds 1966 jaarlijks toegekend en is vernoemd naar Alan Turing, de Britse wiskundige die in de jaren dertig, veertig en vijftig een vroege basis legde voor computergebruik en AI.

Pedros Domingos, een professor aan de universiteit van Washington, die onderzoek doet naar computerleren bij hedge fund DE Shaw, zegt dat het buiten de tijd is dat diepgaand leren werd erkend. "Dit had lang moeten gebeuren", zegt hij. Domingos 'boek 2015 Het hoofdalgoritme ondervroeg vijf "stammen" met verschillende benaderingen van AI, inclusief de "connectionisten" die aan neurale netwerken werkten.

Het toekennen van de Turing aan die stam erkent een verschuiving in hoe computerwetenschappers problemen oplossen, zegt hij. "Dit is niet alleen een Turing Award voor deze specifieke mensen. Het is een erkenning dat machine learning een centraal veld is geworden in de informatica, "zegt Domingos.

De discipline heeft een lange traditie in het waarderen van wiskundig bewezen oplossingen voor problemen. Algoritmen voor het leren van machines krijgen dingen gedaan op een slordiger manier, volgens statistische sporen in gegevens om methoden te vinden die goed werken in de praktijk, zelfs als het niet precies duidelijk is hoe. "Computerwetenschap is een vorm van engineering en het gaat erom of je resultaten behaalt", zegt Domingos.

Neurale netwerken zijn een van de oudste benaderingen van kunstmatige intelligentie, en zijn begin jaren vijftig in het begin van het veld ontstaan. Onderzoekers pasten eenvoudige modellen van hersencellen aan, gemaakt door neurowetenschappers, in wiskundige netwerken die konden leren om gegevens in categorieën te sorteren door deze door een reeks "neuronen" te filteren.

Vroege successen waren onder andere de ruimtevullende Perceptron, die kon leren om vormen op een scherm te onderscheiden. Maar het was onduidelijk hoe grote netwerken met veel lagen neuronen moesten worden getraind, zodat de techniek verder kon gaan dan speelgoedtaken.

Hinton toonde de oplossing voor het trainen van zogenaamde diepe netwerken. Hij co-auteur van een baanbrekend artikel uit 1986 over een leeralgoritme genaamd backpropagation. Dat algoritme, dat we backprop noemen, vormt tegenwoordig de kern van diepgaand leren, maar in die tijd zou de technologie niet helemaal bij elkaar komen. "Er was een black-outperiode tussen het midden van de jaren '90 en het midden van de jaren 2000, toen in wezen niemand anders dan een paar gekke mensen zoals wij aan neurale netwerken werkten," zegt LeCun.

Zijn bijdragen omvatten convnetten, bedachte neurale netwerkontwerpen die goed geschikt zijn voor afbeeldingen; hij bewees het concept door het maken van cheque-leessoftware voor geldautomaten bij Bell Labs. Bengio pionierde methoden om diepgaand leren toe te passen op sequenties, zoals spraak en begrip van tekst. Maar de wijdere wereld kwam pas vroeg in dit decennium in aanraking met diep leren, nadat onderzoekers hadden uitgedacht hoe ze de kracht van grafische processors of GPU's konden benutten.

Een cruciaal moment vond plaats in 2012, toen Hinton, vervolgens de Universiteit van Toronto en twee afstudeerders verrassend een jaarlijkse wedstrijd wonnen voor software die voorwerpen op foto's identificeert. Hun triomf verliet de favoriete methoden van het veld in het stof en sorteerde meer dan 100.000 foto's correct in 1000 categorieën binnen vijf gissingen met een nauwkeurigheid van 85 procent, meer dan 10 procentpunten beter dan de tweedeprijswinnaar. Google kocht begin 2013 een startup die werd opgericht door het trio en Hinton heeft sindsdien voor het bedrijf gewerkt. Facebook huurde later dat jaar LeCun in.

"Je kunt terugkijken op wat er is gebeurd en denken dat de wetenschap werkt zoals het hoort te werken", zegt Hinton. Dat wil zeggen: "totdat we resultaten konden produceren die duidelijk beter waren dan de huidige stand van de techniek, waren mensen erg sceptisch."

Hinton zegt dat hij en zijn medewerkers zo lang vasthielden aan hun uit de mode geraakte ideeën, omdat ze buitenbeentje zijn. Alle drie maken ze nu deel uit van de mainstream van de academische en technische industrie. Hinton en LeCun zijn vice-presidenten bij twee van 's werelds meest invloedrijke bedrijven. Bengio heeft zich niet aangesloten bij een technische gigant, maar is een adviseur van Microsoft en heeft met startups gewerkt aan het aanpassen van deep learning aan taken zoals het ontdekken van medicijnen en het helpen van slachtoffers van seksuele intimidatie.

De drie zijn in verschillende richtingen gegaan, maar blijven collaborateurs en vrienden. Gevraagd of ze samen de traditionele Turing Award-lezing zullen geven, roept Hinton grinnikend op door Bengio en LeCun voorop te stellen, zodat hij zijn eigen lezing kan geven over wat ze fout hebben gedaan. Weerspiegelt die grap de typische werkdynamiek van het trio? Hinton zegt "nee" op hetzelfde moment LeCun zegt goedaardig "ja".

Ondanks het vele praktische succes van deep-learning, is er nog steeds veel dat het niet kan. Neurale netwerken zijn door de hersenen geïnspireerd, maar niet zo veel als de hersenen. De intelligentie diep leren geeft computers uitzonderlijk kunnen zijn bij nauw omschreven taken – speel dit specifieke spel, herken deze specifieke geluiden – maar is niet aanpasbaar en veelzijdig zoals menselijke intelligentie.

Hinton en LeCun zeggen dat ze een einde willen maken aan de afhankelijkheid van moderne systemen van expliciete en uitgebreide training van mensen. Diepe leerprojecten zijn afhankelijk van een overvloedige hoeveelheid gegevens die gelabeld zijn om de taak uit te leggen – een belangrijke beperking op gebieden zoals de geneeskunde. Bengio benadrukt hoe ondanks succes, zoals betere vertaalhulpmiddelen, de technologie allesbehalve in staat is de taal goed te begrijpen.

Geen van de trio's beweert te weten hoe ze de resterende uitdagingen kunnen oplossen. Ze adviseren iedereen die de volgende door Turing winnende doorbraak in AI wil bereiken om hun eigen bereidheid na te bootsen om algemene ideeën te negeren. "Ze zouden de trend niet moeten volgen – wat nu diep leren is", zegt Bengio.


Meer Great WIRED Stories

Hoe de beste producten te plukken op de boerenmarkt


Nieuwsfoto: De beste producten plukken op de boerenmarktVan Len Canter
HealthDay Reporter

Laatste nieuws over voeding, voeding en recepten

DINSDAG 26 maart 2019 (HealthDay News) – Verse groenten zijn voedingsstoffen die rijk zijn aan voedingsstoffen en kunnen goedkoop zijn wanneer ze in het seizoen worden gekocht. Met eenvoudige selectietips kunt u de beste producten kiezen om te zetten in verrukkelijke maaltijden en, net zo belangrijk, om uw groenten op te slaan om de smaak en "houdbaarheid" te maximaliseren.

Tips voor het plukken van producten

  • Broccoli moet smaragdgroen zijn met een hoofd van strakke roosjes en een vochtige stengel. De stengel mag er niet verschrompeld of uitgedroogd uitzien. Bewaar in de koelkast in een gesloten productzak.
  • Wortelen moeten stevig en fel oranje zijn zonder groene tint of zachte bruine vlekken. Als de toppen zijn bevestigd, moeten ze felgroen en bossig zijn (gebruik ze om smaak aan soepen toe te voegen). Bewaar in een gesloten productzak in de koelkast.
  • Aubergine moet stevig en enigszins zwaar aanvoelen. De huid moet vrij zijn van vlekken en een glanzende diep paarse glans hebben. Koel in een gesloten productzak.
  • Uien moeten stevig aanvoelen zonder zachte delen. Ze moeten een strak gesloten, papierachtige huid hebben zonder schimmel of stoffige donkere vlekken. Bewaren op een koele, donkere plek, zoals een diepe keukenlade.
  • Spinazie moet diepgroene bladeren hebben zonder vouwen of donkere vlekken. Koel in een gesloten productzak bekleed met papieren handdoek.
  • Tomaten moeten, indien mogelijk, enigszins zacht aanvoelen met de stengels en vrij zijn van donkere of slappe vlekken. Bewaren op een aanrecht, niet in de koelkast.
  • Courgette moet een stevige, diepgroene schil hebben die vrij is van vlekken en krassen, maar behandel deze voorzichtig, omdat deze gemakkelijk kan kneuzen en snijden. Bewaar in een gesloten productzak in de koelkast.

Vergeet niet dat u de beste smaak en de beste prijs krijgt als u uw maaltijden plant tijdens het seizoen.

MedicalNews
Copyright © 2019 HealthDay. Alle rechten voorbehouden.

Aangenome doelen om AI toegankelijk te maken voor iedereen



<div _ngcontent-c14 = "" innerhtml = "

Arijit Sengupta, oprichter en CEO, Aible en dochter

Aible

Een reeks Q & amp; A-interviews met innovators die werken op het snijvlak van consumentengedrag en bedrijfstransformatie: Arijit Sengupta, oprichter en CEO van Aible, waardoor AI toegankelijk is voor iedereen met een zakelijk probleem om op te lossen en nieuwsgierigheid, zonder voorafgaande training of gegevens wetenschappelijke ervaring vereist.

Bruce Rogers: & nbsp;Er is veel gebeurd in een paar korte jaren sinds we voor het laatst gepraat hebben voor mijn verhaal voorbijCerts. Vertel ons over Aible?

& Nbsp;Arijit Sengupta:& Nbsp;Ik zou snel de cirkel op BeyondCore moeten sluiten, want je was erg vooruitziend in je artikel. In wezen BeyondCore begon iets dat begon was aanvankelijkgenaamd slimme data-discovery en begon toen augmented analytics te heten. Op dat moment, Gartner kwam uit en zei BeyondCore was de pionier in de ruimte. Dan Salesforce en verschillende andere bedrijven hebben geprobeerd ons te kopen. Salesforce heeft gewonnen (Salesforce heeft BeyondCore voor overgenomen meer dan $ 110 miljoen in 2016). wHet was fascinerend om terug te kijken naar die ruimte. Vandaag is de benadering waarover je schreef de norm geworden. Toen ik onlangs naar de Ginnner ging Gegevens en analyse Top, elke leverancier die ik kon zien, had analyses uitgebreid als een kernonderdeel van hun mogelijkheden.

& Nbsp;Het was een dankbare ervaring, omdat ik de marktkennis kon verschuiven van: "Hé, de gebruiker moet weten hoe de tool moet worden gebruikt", tot "Hé, de tool moet weten hoe hij zichzelf aan de gebruiker moet uitleggen. Salesforce kocht BeyondCore in 2016 en na daar twee jaar te hebben gewerkt als onderdeel van de overname, nam ik een sabbaticalen sgescheten denkend aan de AI ruimte. Ik gebruik het grootste deel van mijn leven AI. Ik kwam naar Stanford om AI te studeren, zoals je in die tijd in het artikel al zei. Maar het verschil was dat ik de tool zelf nooit in twijfel had getrokken.

& Nbsp;Is AI zelf correct? Klopt het? Toen ik deze vragen stelde, Ik besefte drie fundamentele dingen. Eerste, Ik realiseerde me dat alle AI het helemaal fout hebben. En de reden dat het nauwkeurig verkeerd is, is omdat het zich richt op de verkeerde dingen. Als je in een academische omgeving zit, mensen denken wiskunde zijn het meestebelangrijk, in tegenstelling tot zakelijke realiteiten, bomdat je dingen weg abstraheert. We gedragen ons als het voordeel van een goede voorspelling en de kosten om het verkeerd te krijgen zijn identiek. Dat is gewoon niet waar.

& Nbsp;Rogers:& nbsp; Geef ons een voorbeeld.

& Nbsp;Sengupta:& nbsp; We hebben onlangs een project gedaan in Berkeley, waar wij keek bij patiënt-overname. Het is erg duur om een ​​patiënt niet goed te laten ontladen en vervolgens opnieuw in te nemen. En trouwens, het is een heel slechte ervaring voor de patiënt. & nbsp; Dat zou een "vals negatief" worden genoemd omdat de AIk zei dat de patiënt niet opnieuw zou worden opgenomen en de patiënt was nemen persoon. Als de Aik gegenereerd een vals positief, het zou verkeerd zeggen deze patiënt zal opnieuw worden opgenomen en als gevolg daarvan, wij houd de patiënt een extra dag ter observatie, dat kost geld. Ik heb een dag lang een bed opgemaakt en ik heb de patiënt een beetje lastig gevallen omdat de patiënt een extra dag in het ziekenhuis moest blijven.

& Nbsp;Maar in het grote geheel der dingen, het vals-positieve kosten zijn minder dan de kosten van een vals negatief. Deze zijn duidelijk niet symmetrisch. Als het gaat om de huidige toepassingen van AI, praten we allemaal obsessief over nauwkeurigheid, maar nauwkeurigheid is niet het punt. Het punt is impact. Ik kwam net terug van de Gartner BI Analytics Summit, en er we hebben een heel gerund eenvoudig experiment. Ik heb drie scenario's opgesteld. Ik zei: & nbsp; "Laten we ons voorstellen dat ik cookies verkoop. Stel je de kosten van een monster voor koekje dat ik gratis aan een klant geef en hoop dat ze een doos met cookies kopen is $ 1,00, en het voordeel van het daadwerkelijk verkopen van een doos vol koekjes is $ 10,00.

& Nbsp;Er zijn een paar verschillende AI-opties dat kan me helpen voorspellen wie cookies gaat kopen. Ik heb misschien een algoritme dat zegt, "Probeer te verkopen deze tien mensen koekjes en negen van hen zullen kopen. "Dat is geweldig. Het is een erg goed algoritme. Maar er waren 100 potentiële kopers waarvan er 20 konden hebben gekocht. Zo, dit zou me niet veel geld opleveren bomdat ik heel conservatief ben. Ik probeer alleen tien van de 100 mensen te verkopen, en natuurlijk verkoop ik enkel en alleen negen van de 20 mensen dat had kunnen kopen. Laten we ons een algoritme voorstellen dat heel agressief is. Zo, Ik probeer te verkopen aan 80 mensen van de 100, en 19 van hen kopen een doos van cookies. Dat is in sommige opzichten goed, omdat 19 van de 20 potentiële kopers mijn cookies hebben gekocht, toch?

& Nbsp;Maar stel je voor dat ik je zeg dat ik monsters geef aan 30 mensen en 15 verkocht dozen van cookies – dat maakt me het meeste geld. Meer dan 80 procent van de mensen in de zaal was het ermee eens dat het middenscenario het beste was, omdat het het meeste geld verdiende. & nbsp; Maar toen we naar beneden gingen verschillende mogelijke definities van nauwkeurigheid die vandaag in KI wordt gebruikt, zou alles ook plukken het conservatieve of het agressieve scenario, zouden ze nooit de gebalanceerde kiezendie het meeste geld verdiende.

& Nbsp;Er was doodstil in de kamer, omdat het was duidelijk dat we dat zouden willen maken de het meeste geld in dit geval, maar dat was niet het resultaat van een typische AI gericht op nauwkeurigheid eigenlijkgeleverd. In de ziekenhuiszaak willen we voorkomen dat de slechte ervaringen voor patiënten of het ziekenhuis geld verliezen. We denken niet in termen van nauwkeurigheid. We denken in termen van impact. Dus dat was de eerste grote "a-ha": AI is verkeerd opgeleid omdat het zich richt op nauwkeurigheid, geen impact op het bedrijf.

& Nbsp;Toen realiseerde ik me een tweede grote "a-ha": AI houdt vandaag geen rekening met capaciteitsbeperkingen. Dus waarom is dat een probleem? Stel je voor dat ik 100 bedden heb in een ziekenhuis. Of ik heb 1000 bedden in een ziekenhuis. Ik ga heel verschillende algoritmen gebruiken op basis van of ik 100 bedden of 1000 bedden heb. Want als ik maar 100 bedden heb, moet ik misschien sommige patiënten ontladen, anders zit mijn ziekenhuis gewoon vol met patiënten die nog nooit zijn ontslagen. Als ik 1000 bedden heb, ben ik misschien wat conservatiever. & nbsp; Maar vandaag houdt AI geen rekening met deze beperkingen. Ieder mens in de kamer heeft het begrepen, maar de AI's snappen het niet.

& Nbsp;Punt nummer drie: Ik voelde echt dat mensen de mens bijna niet respecteren wanneer we AI evalueren. We raken zo opgewonden door de technologie dat we vergeten dat menselijke wezens waarde hebben. Als je een wetenschapper vraagt ​​hoe moet ik beslissen of ik dat zou moeten inzetten dit model? Ze zeggen: "Dit model heeft een nauwkeurigheid van 85 procent, het is zoveel beter dan willekeurig, (ikNee, soms zullen ze zeggen dat het zo veel beter is dan een toss) je zou het moeten inzetten. "Het probleem was toen het de laatste keer dat je een groep verkopers zag zitten die muntgeld gebruikten om te beslissen wat ze moesten doen?

& Nbsp;Voor mensen zijn handmatige processen niet willekeurig. Het zijn geen muntslagen. We hebben jarenlange domeinkennis en ervaring,op basis waarvan we slimme beslissingen nemen. Zo, wanneer we doen alsof het menselijke proces geen waarde heeft, zullen we de mens altijd dehumaniseren en de waarde van de AI overdrijven.

& Nbsp;Wij denken dat voordat u beslist welke AI u moet kiezen en of u de AI al dan niet moet inzetten, laten we eens kijken of de AI beter is dan wat u vandaag doet. De AI kan heel goed zijn, maar het is nog steeds niet zo goed als je handmatige proces. En dan raak je gewond.

& Nbsp;Dataskundigen houden van het bouwen van perfecte oplossingen, terwijl het bij bedrijven draait om oplossingen die goed genoeg zijn vandaag in plaats van perfecte oplossingen nooit. Dat zijn mijn drie grote lessen die zijn geleerd dat leidde tot de Aible oplossing.

& Nbsp;Bij BeyondCore hebben we gezegd: "we machtigen elke zakelijke gebruiker met de kracht van analytics." Nu zeg ik: "we machtigen elke zakelijke gebruiker met de kracht van AI." De focus op elke zakelijke gebruiker, de focus op eenvoud, de focus op met respect voor de mens, de focus op uitleggen wat er met de mens gebeurt, zijn die niet veranderd. Het is precies hetzelfde. Het is gewoon een veel grotere en ik denk, in sommige opzichten, veel belangrijkere markt, want als je het AI-verhaal verkeerd krijgt, zullen we als mens in grote problemen komen.

& Nbsp;Rogers: & nbsp;Het is een eenvoudig concept, maar contra-intuïtief naar wat de meeste mensen in het bedrijfsleven geloven.

& Nbsp;Sengupta: & Nbsp;Ik hoorde altijd hetzelfde over BeyondCore. Mensen zouden naar me toe komen en zeggen: "Oh mijn hemel, het is zo voor de hand liggend. "Ik heb zoiets van, als het zo duidelijk is, waarom heeft niemand het gedaan?

& Nbsp;Rogers: & Nbsp;Waarom heeft niemand het eerder gedaan?

& Nbsp;Sengupta: & Nbsp;Ik denk dat ze van de technologie zijn begonnen in plaats van van de mensen te vertrekken. Dus zelfs bedrijven die beweren dat ze tools voor de zakelijke gebruiker hebben gebouwd, doen meestal hetzelfde paradigma dat ze gebruikten voor gegevenswetenschappers en maakten de gebruikersinterface mooier. Dit is net zoals ik je vraag om een ​​pc te compileren uit de verschillende onderdelen. En wat ik deed is wat kleurcodering erop en een betere handleiding. Ik moet de pc nog steeds monteren. Terwijl iemand die echt geobsedeerd is door de zakelijke gebruiker, gewoon een iPad ontwerpt en zegt dat ik me niets aantrekken van de resterende 10 procent die je niet kunt doen met de iPad, raad eens, dit zal 90 procent van de use cases voor 90 procent verwerken. procent van de gebruikers. & Nbsp; Laat de resterende 10 procent hun eigen pc samenstellen.

& Nbsp;Dit gaat niet over het onderdrukken van AI. Dat is de andere fout die mensen maken. Ons uitgangspunt is anders. Zakelijke gebruikers kennen hun bedrijf. Laten we de AI leren zaken te doen, in plaats van zakelijke gebruikers te leren om AI te spreken. En dat is de klep. En niemand anders heeft dat eerder gedaan.

& Nbsp;Rogers: & Nbsp;AI is nogal gemakkelijk in de omgang of misschien zelfs roekeloos. Hoe zou je kunstmatige intelligentie definiëren?

& Nbsp;Sengupta: & nbsp;Ik zeg doelbewust tegen klanten die ik niet definieer AI. Je komt in te veel discussies over of het leren is of dat het is denken. & nbsp; Maar als ik iets kan aanwijzen op een aantal gegevens en het geeft me iets nuttigs over de toekomst die ik kan evalueren en ernaar kan handelen, of je het nu AI noemt, of je het nu machine learning noemt, het doet er niet toe hoe je het noemt. Het is beter dan je huidige staat. Laten we weggaan van academici, laten we praktische zaken doen. Laten we het echte leven in gaan. In het echte leven is het enige waar u om geeft – verdien ik meer geld, bespaar ik meer levens, heb ik een beter resultaat, niet wat ik het zou noemen en welk getal een betere meetwaarde is.

& Nbsp;Rogers: & nbsp;Het lijkt erop dat& Nbsp;de kwesties waar we het over hadden met BeyondCore zijn vandaag exponentieel groter dan vier jaar geleden?

& Nbsp;Sengupta: & Nbsp;Precies. Daarom ben ik weer op dezelfde missie. Verschillende ruimte, andere technologie. Maar het is hetzelfde menselijke probleem. En dezelfde ontmenselijking. Het vecht voor het respecteren van de mens in tegenstelling tot het humanitair ontmenselijken van de mens.

& Nbsp;Rogers: Waar zit u in termen van het bedrijf? Duidelijk het is een vroege dag.

& Nbsp;Sengupta: & nbsp;We hebben het product net gelanceerd. We hebben bètatesten gedaan en toen deden we wat we a noemenn uitnodiging alleen starten met wat betreft 50 gebruikers. Toen deden we de volledige algemene lancering op maandag op de conferentie waar we hadden een S & P 500-klant op het hok haalt hun zakelijke creditcard tevoorschijn en kopen bij het hokje.

Rogers: & Nbsp;Misschien heb je het te duur gevonden [laughs].

Sengupta: & Nbsp;We weten dat we het te duur vonden. Klanten giechelen als ze de prijs horen. Wij zijn aan het laden $ 1.000 per gebruiker, per jaar, wat een vijftigste is wat de meeste van onze concurrenten aanrekenen. En geen advies, omdat het niet nodig is. Overleg plegen kosten is vaak veel hoger dan de licentiekosten. De reden dat we het zo laag prijzen, is dat we echt geloven dat het onze missie is om elke zakelijke gebruiker te machtigen. Als we echt elke zakelijke gebruiker willen machtigen en een toekomst willen voorkomen waarin een paar gegevenswetenschappers deze magische modellen maken en ons leven beheersen, dan moeten we het prijzen op een niveau waar iedereen het kan kopen. Ik geloof echt dat wanneer een product waarde heeft en mensen het kunnen gebruiken en snel die waarde kunnen bereiken, je 500 implementaties krijgt in plaats van vijf implementaties. Dat is hoe we eraan komen.

Rogers: & Nbsp; & nbsp;Heb je externe financiering?

Sengupta:& Nbsp; Geen. Maar, financiering was heel eenvoudig. Vanwege het succes van BeyondCore is wat er is gebeurd sommige van mijn oude beleggers kwamen binnen en stelden al geld in in Aible. En ik heb natuurlijk een gemaakt respectabele hoeveelheid van BeyondCore. Zo, geld is heel gemakkelijk geweest. Een nogal schokkend iets is, ik denk dat we na Gartner misschien een positief cashflow krijgen, wat is – ik ben het niet veelbelovend, maar als we tot een positieve cashflow komen in 6 of 7 & nbsp;maanden vanaf de lancering, dat zou gek zijn. Niemand heeft dat eerder gedaan in deze ruimte. Zo, laten we eens kijken hoe dat uitpakt, toch?

Rogers: & Nbsp; & nbsp;Wat is uw partnerschapsstrategie?

Sengupta: & nbsp;Wij geloven erin naadloos te integreren met tools zakelijke gebruikers al gebruik elke dag. we nu al ging samenwerken met Tableau om te brengen EENikble binnen Tableau. Net zoals met BeyondCore waar we waren een partnerschap aangegaan met Microsoft om BeyondCore binnen Microsoft Office te brengen.

Rogers: & Nbsp;Is er iets veranderd in je persoonlijke leven sinds mijn vorige verhaal?

Sengupta: & nbsp;SVan binnen hebben we gesproken, ik heb nu een dochter. Ze is twee en een half jaar oud. Deel van de reden dat ik met Aible begon – omdat het zo gemakkelijk zou zijn geweest om het te nemen gemakkelijk en heb plezier met het geld – maar elke keer als ik naar haar keek, ik realiseer med shij zal opgroeien in een wereld die de beslissingen die we vandaag over AI nemen zal hebben gevormd. En ik wil haar als ze 18 jaar oud is om naar me te kijken en tegen me te zeggen: "Je hebt de juiste dingen gedaan. Je vocht de juiste strijd. "

Rogers: & nbsp;Wat is uw mening over het opstarten van een ander bedrijf?

Sengupta: & nbsp; It is deze keer nog leuker.

Rogers: & Nbsp;Dank je.

">

Arijit Sengupta, oprichter en CEO, Aible en dochter

Aible

Een reeks Q & A-interviews met innovators die opereren op het snijvlak van consumentengedrag en bedrijfstransformatie: Arijit Sengupta, oprichter en CEO van Aible, waardoor AI toegankelijk is voor iedereen met een zakelijk probleem om op te lossen en nieuwsgierigheid, zonder voorafgaande training of data science-ervaring verplicht.

Bruce Rogers: Er is veel gebeurd in een paar korte jaren sinds we voor het laatst gepraat hebben voor mijn verhaal voorbijCerts. Vertel ons over Aible?

Arijit Sengupta: Ik zou snel de cirkel op BeyondCore moeten sluiten, want je was erg vooruitziend in je artikel. In wezen BeyondCore begon iets dat begon was aanvankelijkgenaamd slimme data-discovery en begon toen augmented analytics te heten. Op dat moment, Gartner kwam uit en zei BeyondCore was de pionier in de ruimte. Dan Salesforce en verschillende andere bedrijven hebben geprobeerd ons te kopen. Salesforce heeft gewonnen (Salesforce heeft BeyondCore voor overgenomen meer dan $ 110 miljoen in 2016). wHet was fascinerend om terug te kijken naar die ruimte. Vandaag is de benadering waarover je schreef de norm geworden. Toen ik onlangs naar de Gartner ging Gegevens en analyse Top, elke leverancier die ik kon zien, had analyses uitgebreid als een kernonderdeel van hun mogelijkheden.

Het was een dankbare ervaring, omdat ik de marktkennis kon verschuiven van: "Hé, de gebruiker moet weten hoe de tool moet worden gebruikt", tot "Hé, de tool moet weten hoe hij zichzelf aan de gebruiker moet uitleggen. Salesforce kocht BeyondCore in 2016 en na daar twee jaar te hebben gewerkt als onderdeel van de overname, nam ik een sabbaticalen sgescheten denkend aan de AI ruimte. Ik gebruik het grootste deel van mijn leven AI. Ik kwam naar Stanford om AI te studeren, zoals je in die tijd in het artikel al zei. Maar het verschil was dat ik de tool zelf nooit in twijfel had getrokken.

Is AI zelf correct? Klopt het? Toen ik deze vragen stelde, Ik besefte drie fundamentele dingen. Eerste, Ik realiseerde me dat alle AI het helemaal fout hebben. En de reden dat het nauwkeurig verkeerd is, is omdat het zich richt op de verkeerde dingen. Als je in een academische omgeving zit, mensen denken wiskunde zijn het meestebelangrijk, in tegenstelling tot zakelijke realiteiten, bomdat je dingen weg abstraheert. We gedragen ons als het voordeel van een goede voorspelling en de kosten om het verkeerd te krijgen zijn identiek. Dat is gewoon niet waar.

Rogers: Geef ons een voorbeeld.

Sengupta: We hebben onlangs een project gedaan in Berkeley, waar wij keek bij patiënt-overname. Het is erg duur om een ​​patiënt niet goed te laten ontladen en vervolgens opnieuw in te nemen. En trouwens, het is een heel slechte ervaring voor de patiënt. Dat zou een "vals negatief" worden genoemd omdat de AIk zei dat de patiënt niet opnieuw zou worden opgenomen en de patiënt was nemen persoon. Als de Aik gegenereerd een vals positief, het zou verkeerd zeggen deze patiënt zal opnieuw worden opgenomen en als gevolg daarvan, wij houd de patiënt een extra dag ter observatie, dat kost geld. Ik heb een dag lang een bed opgemaakt en ik heb de patiënt een beetje lastig gevallen omdat de patiënt een extra dag in het ziekenhuis moest blijven.

Maar in het grote geheel der dingen, het vals-positieve kosten zijn minder dan de kosten van een vals negatief. Deze zijn duidelijk niet symmetrisch. Als het gaat om de huidige toepassingen van AI, praten we allemaal obsessief over nauwkeurigheid, maar nauwkeurigheid is niet het punt. Het punt is impact. Ik kwam net terug van de Gartner BI Analytics Summit, en er we hebben een heel gerund eenvoudig experiment. Ik heb drie scenario's opgesteld. Ik zei: "Laten we ons voorstellen dat ik cookies verkoop. Stel je de kosten van een monster voor koekje dat ik gratis aan een klant geef en hoop dat ze een doos met cookies kopen is $ 1,00, en het voordeel van het daadwerkelijk verkopen van een doos vol koekjes is $ 10,00.

Er zijn een paar verschillende AI-opties dat kan me helpen voorspellen wie cookies gaat kopen. Ik heb misschien een algoritme dat zegt, "Probeer te verkopen deze tien mensen koekjes en negen van hen zullen kopen. "Dat is geweldig. Het is een erg goed algoritme. Maar er waren 100 potentiële kopers waarvan er 20 konden hebben gekocht. Zo, dit zou me niet veel geld opleveren bomdat ik heel conservatief ben. Ik probeer alleen tien van de 100 mensen te verkopen, en natuurlijk verkoop ik enkel en alleen negen van de 20 mensen dat had kunnen kopen. Laten we ons een algoritme voorstellen dat heel agressief is. Zo, Ik probeer te verkopen aan 80 mensen van de 100, en 19 van hen kopen een doos van cookies. Dat is in sommige opzichten goed, omdat 19 van de 20 potentiële kopers mijn cookies hebben gekocht, toch?

Maar stel je voor dat ik je zeg dat ik monsters geef aan 30 mensen en 15 verkocht dozen van cookies – dat maakt me het meeste geld. Meer dan 80 procent van de mensen in de zaal was het ermee eens dat het middenscenario het beste was, omdat het het meeste geld verdiende. Maar toen we naar beneden gingen verschillende mogelijke definities van nauwkeurigheid die vandaag in KI wordt gebruikt, zou alles ook plukken het conservatieve of het agressieve scenario, zouden ze nooit de gebalanceerde kiezendie het meeste geld verdiende.

Er was doodstil in de kamer, omdat het was duidelijk dat we dat zouden willen maken de het meeste geld in dit geval, maar dat was niet het resultaat van een typische AI gericht op nauwkeurigheid eigenlijkgeleverd. In de ziekenhuiszaak willen we voorkomen dat de slechte ervaringen voor patiënten of het ziekenhuis geld verliezen. We denken niet in termen van nauwkeurigheid. We denken in termen van impact. Dus dat was de eerste grote "a-ha": AI is verkeerd opgeleid omdat het zich richt op nauwkeurigheid, geen impact op het bedrijf.

Toen realiseerde ik me een tweede grote "a-ha": AI houdt vandaag geen rekening met capaciteitsbeperkingen. Dus waarom is dat een probleem? Stel je voor dat ik 100 bedden heb in een ziekenhuis. Of ik heb 1000 bedden in een ziekenhuis. Ik ga heel verschillende algoritmen gebruiken op basis van of ik 100 bedden of 1000 bedden heb. Want als ik maar 100 bedden heb, moet ik misschien sommige patiënten ontladen, anders zit mijn ziekenhuis gewoon vol met patiënten die nog nooit zijn ontslagen. Als ik 1000 bedden heb, ben ik misschien wat conservatiever. Maar vandaag houdt AI geen rekening met deze beperkingen. Ieder mens in de kamer heeft het begrepen, maar de AI's snappen het niet.

Punt nummer drie: Ik voelde echt dat mensen de mens bijna niet respecteren wanneer we AI evalueren. We raken zo opgewonden door de technologie dat we vergeten dat menselijke wezens waarde hebben. Als je een wetenschapper vraagt ​​hoe moet ik beslissen of ik dat zou moeten inzetten dit model? Ze zeggen: "Dit model heeft een nauwkeurigheid van 85 procent, het is zoveel beter dan willekeurig, (ikNee, soms zullen ze zeggen dat het zo veel beter is dan een toss) je zou het moeten inzetten. "Het probleem was toen het de laatste keer dat je een groep verkopers zag zitten die muntgeld gebruikten om te beslissen wat ze moesten doen?

Voor mensen zijn handmatige processen niet willekeurig. Het zijn geen muntslagen. We hebben jarenlange domeinkennis en ervaring,op basis waarvan we slimme beslissingen nemen. Zo, wanneer we doen alsof het menselijke proces geen waarde heeft, zullen we de mens altijd dehumaniseren en de waarde van de AI overdrijven.

Wij denken dat voordat u beslist welke AI u moet kiezen en of u de AI al dan niet moet inzetten, laten we eens kijken of de AI beter is dan wat u vandaag doet. De AI kan heel goed zijn, maar het is nog steeds niet zo goed als je handmatige proces. En dan raak je gewond.

Dataskundigen houden van het bouwen van perfecte oplossingen, terwijl het bij bedrijven draait om oplossingen die goed genoeg zijn vandaag in plaats van perfecte oplossingen nooit. Dat zijn mijn drie grote lessen die zijn geleerd dat leidde tot de Aible oplossing.

Bij BeyondCore hebben we gezegd: "we machtigen elke zakelijke gebruiker met de kracht van analytics." Nu zeg ik: "we machtigen elke zakelijke gebruiker met de kracht van AI." De focus op elke zakelijke gebruiker, de focus op eenvoud, de focus op met respect voor de mens, de focus op uitleggen wat er met de mens gebeurt, zijn die niet veranderd. Het is precies hetzelfde. Het is gewoon een veel grotere en ik denk, in sommige opzichten, veel belangrijkere markt, want als je het AI-verhaal verkeerd krijgt, zullen we als mens in grote problemen komen.

Rogers: Het is een eenvoudig concept, maar contra-intuïtief naar wat de meeste mensen in het bedrijfsleven geloven.

Sengupta: Ik hoorde altijd hetzelfde over BeyondCore. Mensen zouden naar me toe komen en zeggen: "Oh mijn hemel, het is zo voor de hand liggend. "Ik heb zoiets van, als het zo duidelijk is, waarom heeft niemand het gedaan?

Rogers: Waarom heeft niemand het eerder gedaan?

Sengupta: Ik denk dat ze van de technologie zijn begonnen in plaats van van de mensen te vertrekken. Dus zelfs bedrijven die beweren dat ze tools voor de zakelijke gebruiker hebben gebouwd, doen meestal hetzelfde paradigma dat ze gebruikten voor gegevenswetenschappers en maakten de gebruikersinterface mooier. Dit is net zoals ik je vraag om een ​​pc te compileren uit de verschillende onderdelen. En wat ik deed is wat kleurcodering erop en een betere handleiding. Ik moet de pc nog steeds monteren. Terwijl iemand die echt geobsedeerd is door de zakelijke gebruiker, gewoon een iPad ontwerpt en zegt dat ik me niets aantrekken van de resterende 10 procent die je niet kunt doen met de iPad, raad eens, dit zal 90 procent van de use cases voor 90 procent verwerken. procent van de gebruikers. Laat de resterende 10 procent hun eigen pc samenstellen.

Dit gaat niet over het onderdrukken van AI. Dat is de andere fout die mensen maken. Ons uitgangspunt is anders. Zakelijke gebruikers kennen hun bedrijf. Laten we de AI leren zaken te doen, in plaats van zakelijke gebruikers te leren om AI te spreken. En dat is de klep. En niemand anders heeft dat eerder gedaan.

Rogers: AI is nogal gemakkelijk in de omgang of misschien zelfs roekeloos. Hoe zou je kunstmatige intelligentie definiëren?

Sengupta: Ik zeg doelbewust tegen klanten die ik niet definieer AI. Je komt in te veel discussies over of het leren is of dat het is denken. Maar als ik iets kan aanwijzen op een aantal gegevens en het geeft me iets nuttigs over de toekomst dat ik kan evalueren en ernaar handelen, of je het nu AI noemt, of je het nu machine learning noemt, het maakt geen verschil hoe je het noemt. Het is beter dan je huidige staat. Laten we weggaan van academici, laten we praktische zaken doen. Laten we het echte leven in gaan. In het echte leven is het enige waar u om geeft – verdien ik meer geld, bespaar ik meer levens, heb ik een beter resultaat, niet wat ik het zou noemen en welk getal een betere meetwaarde is.

Rogers: Het lijkt erop dat de kwesties waar we het over hadden met BeyondCore zijn vandaag exponentieel groter dan vier jaar geleden?

Sengupta: Precies. Daarom ben ik weer op dezelfde missie. Verschillende ruimte, andere technologie. Maar het is hetzelfde menselijke probleem. En dezelfde ontmenselijking. Het vecht voor het respecteren van de mens in tegenstelling tot het humanitair ontmenselijken van de mens.

Rogers: Waar zit u in termen van het bedrijf? Duidelijk het is een vroege dag.

Sengupta: We hebben het product net gelanceerd. We hebben bètatesten gedaan en toen deden we wat we a noemenn uitnodiging alleen starten met wat betreft 50 gebruikers. Toen deden we de volledige algemene lancering op maandag op de conferentie waar we hadden een De klant van S & P 500 bij het hokje haalt zijn zakelijke creditcard tevoorschijn en kopen bij het hokje.

Rogers: Misschien heb je het te duur gevonden [laughs].

Sengupta: We weten dat we het te duur vonden. Klanten giechelen als ze de prijs horen. Wij zijn aan het laden $ 1.000 per gebruiker, per jaar, wat een vijftigste is wat de meeste van onze concurrenten aanrekenen. En geen advies, omdat het niet nodig is. Overleg plegen kosten is vaak veel hoger dan de licentiekosten. De reden dat we het zo laag prijzen, is dat we echt geloven dat het onze missie is om elke zakelijke gebruiker te machtigen. Als we echt elke zakelijke gebruiker willen machtigen en een toekomst willen voorkomen waarin een paar gegevenswetenschappers deze magische modellen maken en ons leven beheersen, dan moeten we het prijzen op een niveau waar iedereen het kan kopen. Ik geloof echt dat wanneer een product waarde heeft en mensen het kunnen gebruiken en snel die waarde kunnen bereiken, je 500 implementaties krijgt in plaats van vijf implementaties. Dat is hoe we eraan komen.

Rogers: Heb je externe financiering?

Sengupta: Nee. Maar, financiering was heel eenvoudig. Vanwege het succes van BeyondCore is wat er is gebeurd sommige van mijn oude beleggers kwamen binnen en stelden al geld in in Aible. En ik heb natuurlijk een gemaakt respectabele hoeveelheid van BeyondCore. Zo, geld is heel gemakkelijk geweest. Een nogal schokkend iets is, ik denk dat we na Gartner misschien een positief cashflow krijgen, wat is – ik ben het niet veelbelovend, maar als we tot een positieve cashflow komen in 6 of 7 maanden vanaf de lancering, dat zou gek zijn. Niemand heeft dat eerder gedaan in deze ruimte. Zo, laten we eens kijken hoe dat uitpakt, toch?

Rogers: Wat is uw partnerschapsstrategie?

Sengupta: Wij geloven erin naadloos te integreren met tools zakelijke gebruikers al gebruik elke dag. we nu al ging samenwerken met Tableau om te brengen EENikble binnen Tableau. Net zoals met BeyondCore waar we waren een partnerschap aangegaan met Microsoft om BeyondCore binnen Microsoft Office te brengen.

Rogers: Is er iets veranderd in je persoonlijke leven sinds mijn vorige verhaal?

Sengupta: SVan binnen hebben we gesproken, ik heb nu een dochter. Ze is twee en een half jaar oud. Deel van de reden dat ik met Aible begon – omdat het zo gemakkelijk zou zijn geweest om het te nemen gemakkelijk en heb plezier met het geld – maar elke keer als ik naar haar keek, ik realiseer med shij zal opgroeien in een wereld die de beslissingen die we vandaag over AI nemen zal hebben gevormd. En ik wil haar als ze 18 jaar oud is om naar me te kijken en tegen me te zeggen: "Je hebt de juiste dingen gedaan. Je vocht de juiste strijd. "

Rogers: Wat is uw mening over het opstarten van een ander bedrijf?

Sengupta: Ikt is deze keer nog leuker.

Rogers: Dank je.