Gumgum's opir tanz på dårlige annoncer og god ai

På denne uges show satte jeg mig sammen med Ophir Tanz, administrerende direktør og grundlægger af GumGum, et firma, der startede som et computervisionsfirma og hurtigt er ved at blive et fuldstablet vertikalt AI-løsningsfirma. Vi talte om den aktuelle boom af kunstig intelligens og dens potentiale til at ændre enhver virksomhed, den berører. GumGum tilbyder i øjeblikket en række AI-drevne løsninger inden for reklame, og det er lige ved at komme i gang.

Du er i byen for Annonceringsuge. Du har en række AI-baserede reklameprogrammer. Lad os starte der. Hvordan bruger du AI i dag i reklamepladsen?

GumGum, som kerne, er en computer-vision-virksomhed. Vi udtrykker denne teknologi på forskellige måder. Vores største forretningsenhed er vores annonceenhed, og vi opfandt et reklameformat kaldet In-Image Advertising, hvor vi i øjeblikket arbejder med omkring 70% af Fortune 100-mærker og mange af de største udgivere i verden. Hvad vi gør er, at vi kontekst placerer marketingmeddelelser på linje med indhold, som brugerne aktivt engagerer sig i. Vi identificerer billeders kontekst i dette tilfælde og samler markedsføringsmeddelelser faktisk til dem.

Du har en række eksempler på dette på dit websted. Det er virkelig cool. Jeg tror ikke, at de fleste ved, at det sker, når de faktisk støder på et websted, og de ser denne type. De tror, ​​at det måske er blevet programmeret på den måde, men du tager faktisk indholdet af fotoet og leverer derefter en annonce, der er baseret på fotografiet, ikke nødvendigvis webstedet eller endda artiklen.

Korrekt. Tanken er, at brugere besøger sider og fotos er typisk heltenheden på en given webside. Hvis du ser på en undersøgelse, der følger øjen, kan du se, at det meste af varmen er centreret omkring fotos. Ideen er at oprette en meget oprindelig placering, men også vise den korrekt. Det har en tendens til at være relativt virkningsfuld, og det har virkelig gode egenskaber, idet vi ikke er påkrævet at udfylde hver eneste lagerbeholdning.

Hvad vi er i stand til at gøre er at indlæse annoncer, når de er relevante for denne bruger i den rette kontekst på ethvert tidspunkt. Det har også den store effekt af at producere en meget bedre brugeroplevelse, fordi du ser vores annoncer meget mere sjældent, men når du gør det, er de mere effektive. Det har også den ekstra fordel ved at give udgivere mulighed for i mange tilfælde at fjerne andre standardformater fra deres egenskaber og returnere fast ejendom til de forlagssteder, der skal bruges til indhold.

I de undersøgelser, jeg har set, er det ikke, at folk hader annoncerne. De hader lydstyrken.

Ja.

De hader lydstyrken, de hader påtrængende, de hader pop-ups. At se annoncen generer dem faktisk ikke, så længe den ikke afbryder oplevelsen.

Jeg synes, det er et rigtig stort problem i branchen i dag. Hvis du ser på dine traditionelle IAB-annonceformater, har du en række problemer. Den ene er, at de er nødt til at indlæse 100% af tiden, så uanset hvad der indlæses en annonce. Du har naturligvis enorme synlighedsspørgsmål forbundet med det. Når websiden indlæses, indlæses 100% af IAB-annoncerne på denne side, og du kan muligvis kun rulle en tredjedel af vejen ned. Annoncører betaler for disse indtryk, men de bliver aldrig set. De skaber ingen værdi. Det svarer faktisk til, jeg tror sidste gang, vi beregnet det, 10 eller 12 milliarder dollars om året, der bare blev brændt op og ryger op.

Det er et enormt problem. Vi indlæser kun vores formater, når det relevante indhold kommer til syne af browseren. Der er næsten ingen spildt indtryk overhovedet. Jeg tror virkelig, at fremtiden for reklame, især når du flytter til forskellige enheder som tablets og telefoner, bliver en meget mere integreret og selektiv oplevelse. Ideen med reklame er at få en besked til en bruger, der har fordelen ved, at folk tjener penge, så de kan fortsætte med at levere gratis indhold i mange tilfælde. Vores perspektiv er "Lad os få vist annoncerne. Lad os gøre det meget respektfuldt, men lad os vise det sjældent, " og vi mener, at det i sidste ende er bedre for alle de relevante interessenter.

Lad os tale lidt om den sportsafdeling, som du driver i. Det er en virkelig interessant måde at åbne lagerbeholdning og gøre noget med computervision, som bare ikke ville være praktisk, hvis du gjorde det for hånd eller af mennesker.

Den måde, det er gjort i de sidste par årtier, har været på hånden og af mennesker. Det er en massivt fejlagtig tilgang, fordi hvad der typisk sker, vil du tage, sige, 10 minutter eller et segment af et fler-timers spil. Du sender det til et sted, typisk, i udlandet. Du har folk bogstaveligt talt manuelt tag, hvor disse sponsorer vises, og den relative kvalitet af hver enkelt eksponering. Derefter ekstrapolerer de det i en sort boks til den samlede værdi.

Så det er nogen, der kigger på båndet, identificerer Coca-Cola-logoet på outfield-skiltet og derefter siger, hvor længe, ​​hvor mange sekunder det var i udsigt.

Ja, og kvaliteten af ​​den video. Var er tilsløret? Var det sløret? Hvor stor var den? Sådan ting. Det, vi har gjort, er, at vi faktisk har taget den samme metode stort set, men vi gør det hele programmatisk ved hjælp af computervision. Det er en virkelig elegant implementering af denne teknologi, fordi vi er i stand til at se på tingene omfattende. Vi ser på hvert eneste øjeblik i hver video, hver fremhævede video, hvert socialt billede og identificerer, hvor alle disse eksponeringer vises, men også kvaliteten af ​​disse eksponeringer. Derefter giver vi alle de relative interessenter, i dette tilfælde rettighedsindehavere og mærker, mulighed for at grave ind i ethvert øjeblik, så der ikke er nogen uenighed om, hvad den faktiske kvalitetsmetrik er.

Sponsorering er en stor forretning. Der er mange penge brugt på disse ting, og der er en masse forhandlinger, der skal foregå for at nå frem til det passende gebyr. Dette tager meget af gætterne ud af denne indsats.

Jeg tænker på WB Mason-skiltet på Yankee Stadium. Det er der i outfield, og hvis du går til spillet, kan du se det, men det er noget, der skal kvantificeres og har en bestemt værdi knyttet til det, og dit værktøj hjælper med at skabe og finde ud af denne værdi.

Det gør det. Vi hjælper endda med rettighedsindehavere faktisk at flytte kameravinkler og gøre ting af den art for at maksimere sponsoreksponeringen. Socialt er et element, som man aldrig så på før GumGum på en omfattende måde. Det viser sig, at størstedelen af ​​værdien, der produceres på sociale medier fra et sponsorperspektiv, sker på ejede og drevne ejendomme.

Uden at bruge computervision er det umuligt at se på det sociale univers og faktisk identificere, hvor alle disse eksponeringer er. Der har været en enorm løft, som vi har været i stand til at vise i den aktuelle værdi, der skabes, og i stigende grad er det også, hvordan folk kommunikerer deres oplevelser, så den værdi i forhold til tv også stiger.

Det, der kræver begge disse applikationer, er virkelig computervisionen. Det har algoritmer, der kan identificere hvad der er i et billede, hvad der er i et videobillede og derefter genkende det, lægge det i en boks og klassificere det. Det er virkelig den kerneteknologi, som du har opbygget virksomheden omkring.

Ja.

Hvor går det hen? Du har disse to applikationer. Hvad kommer dernæst?

Som du nævnte i din intro, er vi en full-stack, vertikal AI-løsningsvirksomhed, og hvad det betyder, i sidste ende har vi denne meget kraftfulde teknologi. Det er relativt nyt med hensyn til faktisk at kunne anvende det til sager med praktisk brug i verden. Når vi ser på verden, ser vi en enorm mængde industrier, der virkelig kan drage fordel af denne kapacitet. På dette tidspunkt har meget få faktisk haft fordelen af ​​at drage fordel af denne kapacitet.

Hvis du ser på, hvordan indstillingerne i forhold til implementering af disse løsninger, har du skybaserede løsninger, har du ting som Watson og Google cloud vision og Amazon og lignende. Problemet er, at for faktisk at løse et reelt forretningsbehov, mener vi, at du har brug for både virksomhedens ekspertise internt, men også den tekniske ekspertise til specifikt at opbygge en løsning til det særlige problem. Jeg har aldrig set et firma eller virkelig endda et vellykket produkt bygges ud fra at tage skybaserede AI-løsninger og integrere dem i et produkt.

Årsagen til det er, at du ikke har evnen til at finpusse disse ting næsten så meget som du kan. Der er virkelig en masse kunst inden for udvikling af vellykkede AI-systemer, i det mindste i dag, og det er mere en fejl, ikke en funktion. I sidste ende vil disse ting blive mere commoditized, hvilket er en god ting, og vi arbejder også mod det; men også, det er bare rigtig dyrt. De ting, vi gør for brøkdele af en krone, vil koste dig hvor som helst mellem 40 cent og en dollar og 50 cent på en CPM-basis fra disse skyfirmaer. Det er bare ikke muligt at virkeliggøre noget i skala ved hjælp af disse løsninger.

Nu er der tilfælde, hvor du kan udnytte bestemte typer AI, f.eks. Naturlig sprogbehandling, og en vis tekstanalyse, væk fra skyen; men det er virkelig begrænset til disse områder. Det er her, vi ser vores salg spille en stor rolle, som vi har, ekspertisen fra et teknisk perspektiv, og vi er i stand til at integrere ekspertisen på forretningsniveau, så vi kan opbygge en full-stack-løsning. Indtil videre har vi reklame inden for sport, vi har en social afdeling, og vi ser på en række andre muligheder.

Betydningen af ​​den klage, jeg har hørt med IBM Watson, er, at du får værktøjet, men så skal du, inden du rent faktisk kan gøre noget med det, træne det, og du skal vide, hvad du træner i at gøre. Så har mange små virksomheder ikke det dygtighedssæt. De er nødt til at ansætte en konsulent for derefter at træne AI. Hvordan ville du gøre det anderledes?

Vi arbejder alle med den samme arkitektur. Hvis du bruger neurale net, hvilket stort set er det, jeg tror, ​​Watson bruger i dag, og bestemt hvad vi også bruger. Der er et uddannelseselement forbundet med det. Når du arbejder i skala, bliver det den samme udfordring for ligningens algoritmiske side.

At være i stand til at sammensætte mærkede, betydelige, uvildige datasæt er et krav. Igen vil jeg kalde en fejl, ikke en funktion. Det har vi gjort i mange år, og vi kan gøre det meget godt. I sidste ende vil kvaliteten af ​​dit neurale netværk være en funktion af kvaliteten af ​​de data, du er i stand til at fodre dem, så det er ikke, at vi er fritaget for det. Det er bare det, at jeg tror, ​​vi nu er nødt til at erhverve og mærke disse sæt hurtigt og omkostningseffektivt .

Det ser ud til, at en af ​​fordelene ved disse store, gigantiske tech-virksomheder - Amazon, Google, Facebook - er, at de har massive datasæt. De er virkelig uden sidestykke i datalogiens historie, og bare det at have adgang til disse datasæt giver dem en fordel, når vi går ind i denne kunstige intelligensalder.

Er det en bæredygtig fordel, eller tror du, at upstarts og mindre virksomheder vil være i stand til at konkurrere?

Det er en enorm fordel, så du har ret i den antagelse. Se, data er konge, og så længe disse ting skal trænes med data, er de enheder, der har de mest relevante data, uanset hvad applikationen er, i en fordelagtig position. Det, der er interessant, er, at vi er tunge bidragydere til open source-bevægelsen. Så er alle disse andre virksomheder. Vi deler faktisk den viden, men vi deler ikke så meget i dataene. Der er åbne datasæt, som vi bidrager til. Vi har også en masse proprietære data, og det gør de store fyre bestemt også, men det er virkelig problemspecifikt.

En af de ting, vi laver, for eksempel - og dette er ikke en kerneforretning, men vi gør det mere for samfundet - er, at vi samler den største samling af dental røntgenbilleder i verden. Hvis vi ønsker at opbygge en forretning ud fra det, for eksempel, er det ikke noget, Google eller Amazon ville have adgang til. Det har de ingen grund til. De har en bestemt type data. De har UGC-billeder, for eksempel UGC-video, en masse placeringsdata, en masse virkelig værdifuld indsigt i alle typer måder, men hvis du prøver at identificere sprækker og rørledninger, eller hvis du prøver at optimere afgrødet- støvning, der er en uendelig mængde applikationer her. Jeg vil sige, at de har en fordel på visse måder, og det varierer fra virksomhed til virksomhed.

Når du går tilbage til tandlæge data, hvad skal du gøre med den kæmpe database med tandbilledbilleder?

Det, vi gerne vil gøre, er at være vært for en verdensomspændende konkurrence, der ligner ImageNet, en konkurrence, som Stanford arrangerer årligt for at se, hvilket firma der mest nøjagtigt og hensigtsmæssigt kan sortere etiketdatasæt. Vi vil gerne gøre noget, der ligner det.

Det er egentlig kun et klassificeringsprojekt mere end et kommercielt produkt.

I dag, ja.

Lad os tale lidt om en af ​​de ting, der irriterer folk om AI - de føler, at dette er en teknologi, der vil blive anvendt af regeringer. Det vil blive implementeret af store virksomheder, men individuelle forbrugere vil virkelig blive handlet af disse AI'er i modsætning til at være i stand til at drage fordel af dem selv. Tror du, det er en fair antagelse, eller vil det ændre sig på et tidspunkt?

Jeg siger ja og nej. Du kan hævde, at der bliver handlet om enkeltpersoner og er byttet for ethvert forretningsprodukt derude, selv noget som Waze.

Jeg tror, ​​Bernie Sanders gør dette argument hele tiden.

Men jeg tror, ​​at slutforbrugeren også er den største modtager i slutningen af ​​dagen, fordi i det mindste virksomheder forsøger at udvikle produkter, der tilføjer værdi til folks liv og også til andre forretninger. Jeg tror, ​​at regeringen har sin egen… Jeg ved ikke, om jeg skal kalde det ubehageligt eller bare ikke et direkte værditilvækst, medmindre du måske ser på det fra et sikkerhedsmæssigt perspektiv. Se, det her er svært at gøre. Det er ikke billigt at udføre. Med andre ord, selv for at erhverve datasæt kræver det ressourcer. Større enheder, der er meget engagerede i denne indsats, vil i sidste ende eje den.

Den anden ting, der kommer op hele tiden, er AI'er og agent for automatisering. Brug af GumGums sportsafdeling som eksempel, det er noget, der nu gøres gennem software, der tidligere blev gjort, omend i udlandet, men af ​​mennesker, der ser på bånd og klassificerer ting. Hvordan ser du det tab af job, der vil blive forbundet med disse typer af automatiseringer ?

Det angår mig meget. Hos GumGum har jeg set det ske. Vi udvikler automatiserede løsninger, og det fortrænger folk, der bruges til at tagge billeder eller video, og du kan hævde, at det er prisen for automatisering. Jeg tror, ​​at folk ofte prøver at smerte et meget rosenrødt billede omkring det, siger, "Al den nye teknologi genererer nye job. Se på den industrielle revolution." Jeg køber bare ikke det argument. Jeg tror, ​​at ikke al teknologi er skabt ens, og at ikke al teknologi som standard skaber nye job. Jeg tror, ​​at der er en enorm mængde nye job, der er skabt i denne forstand.

F.eks. Mærker og mærker folk, der måske har foretaget kodningen, billeder for os, og det kan være de samme folk, men i sidste ende angår det mig meget. Jeg tror, ​​det er noget, som vi på lang sigt skal adressere som et samfund. Universel basisindkomst er noget, der er blevet diskuteret i stigende omfang, på regeringsniveauer og andre steder. Jeg tror ikke, det er en dårlig idé. Jeg tror, ​​det kan være en meget god idé.

Jeg tror, ​​at det har andre konsekvenser for samfundet og individuel lykke, at vi bare ikke har svar på endnu. Jeg synes, det er et udfordrende problem, og jeg ønsker, at vores nuværende administration og også fremtidige administrationer ville betale lidt mere opmærksomhed for at forsøge at opfinde og, hvor det er nødvendigt, endda subsidiere fremtidens verden i stedet for at forsøge at bringe kuljob tilbage hvoraf der er 70.000 i USA. Det giver ikke meget mening.

De kommer sandsynligvis ikke tilbage.

De skulle ikke være tilbage. Det er dårligt for miljøet. Det er ikke en høj livskvalitet for disse personer, og det er ikke en langsigtet bæredygtig løsning.

Okay. Lad os få et spørgsmål fra publikum: Hvor sandsynligt tror du, at en grundlæggende universel indkomst er?

Stort set er svaret, jeg lige har givet, det bedste svar, jeg kan give på dette tidspunkt. Jeg tror ikke, vi har dataene eller nok indsigt i, hvad konsekvenserne af at gøre sådan noget kan have. Jeg ved, at der er nogle regeringer rundt om i verden, der slags prøver på disse ting. Det vil være meget interessant at sortere vidner og lære af.

Jeg tror heller ikke, at vi er på et sted nu, hvor vi er nødt til at indføre noget som et universelt grundindkomstsystem. Jeg tror, ​​dette er en på længere sigt slags problem, og jeg tror, ​​at en mulighed er et meget større arsenal. Jeg tror ikke nogen har et godt svar på det spørgsmål, men hvis de gør det, ville jeg være nysgerrig efter at høre det.

Jeg tror, ​​vi lige er begyndt at vikle vores hoveder rundt om konsekvenserne af alle disse nye teknologier, fordi dette alle er relativt nye udviklinger. Det ser ud til, at det sker meget hurtigere, end den industrielle revolution gjorde, og vi bliver nødt til at internalisere, hvad konsekvenserne af at have AI-drevne biler og selvkørende biler og lastbiler, der er på vejene og alle disse forskellige ting. Når det først kommer hjem til os, tror jeg, at vi kan tage en realistisk diskussion af, hvordan vi kompenserer.

En ting, vi taler meget om på min virksomhed, er denne forestilling om konstant og dramatisk ændring, og jeg tror, ​​det er den ene grundlæggende sandhed i den verden, vi lever i nu. Hvis du ser på, hvad det betyder i teknisk forstand, betyder det, at du har en række teknologier, der vokser i kapaciteter på en eksponentiel kurve, og jeg taler om alt fra pixelopløsninger til harddiskkapacitet til behandlingshastigheder, og så har du også softwareudvikling, og du har alle disse teknologier slags ved forskellige bøjningspunkter på disse kurver; men alle blæser sammen, og det er det, der faktisk gør annoncen mulig i dag, effektivt GPU'er og behandlingshastighed. Disse algoritmer går tilbage til 50'erne og 60'erne. Jeg tror, ​​at det første neurale netværk blev udviklet i 50'erne. Det havde 40 neuroner.

Det, der er forbløffende med eksponentiel vækst, er denne forestilling om, at for eksempel, hvis du tager 30 lineære trin på en meter pr. Trin, så efter 30 trin, vil du have krydset 30 meter. Vi ville have gået over dette rum, men hvis du tager 30 eksponentielle trin, hvilket i dette tilfælde bare er en enkel fordobling. En, to, fire, otte, så efter 30 trin, vil du have krydset jordens omkreds 26 gange - så omkring en milliard meter. Det, der er specielt interessant ved det, er det meste af, at væksten sker i de sidste par trin - så i trin 29 er du på 500 millioner meter.

Det er det, der er så vildledende ved eksponentiel vækst. I lang tid ligner det lineær vækst, og faktisk kan det hænge bag lineære vækstkurver, der har større vækst i hver lineær periode - men det ender med at det er noget dramatisk anderledes. Og det gør fremtiden utroligt spændende og på mange måder mystisk og utroligt vanskelig at forudsige. Hos GumGum forsøger vi at se på den langsigtede tidshorisont - ting som AR og VR og wearables og IoT, og sånt - men vi prøver også at planlægge vores forretning i to-årige trin, fordi vi mener, det er stort set som så vidt du kan se, og også så vidt du er i stand til at bestemme og opbygge en commercializable produkt, som i sig selv er en udfordring.

Jeg tror, ​​at dette er den udfordring, der er slags at spise verden i dag. Bestemt arv virksomheder oplever dette, og det er slags den dominerende styrke. Det er ikke den samme situation, som det var århundreder før, hvor du kunne udvikle en forretningsmodel, og den kunne fungere. Denne ændringscyklus var meget længere, så du kunne høste fordelene på længere sigt. Nu skal du konstant innovere og vokse din forståelse af verden og prøve at forstå de forskellige paradigmeskift, der er relevante for din virksomhed, og bygge videre mod dem.

At være fleksibel og være i stand til at reagere er sandsynligvis mere nyttigt end at have ret i det, der kommer til at ske fem år fra nu, fordi ingen ved, hvad der vil ske.

Det er også grunden til, at du ser sådanne maniacale investeringer i alle disse fremtidige teknologier, fordi virksomheder ikke er stumme. Vi taler store virksomheder. De ved, at de lever af arveaktiviteter. De ved, at tingene ændrer sig meget dramatisk, og de ved, at de er nødt til at lave en stor indsats. Vi ser meget store, meget dristige selskabsspil, fordi det er det eneste valg, de har, og det er også grunden til, at startups, tror jeg, fortsat vil være enormt værdifulde og additive og succesrige, for i sidste ende, når du er i en periode med stase, det er svært, uanset om du investerer, eller om du vokser en virksomhed, er det svært at skabe ny værdi, men når alt ændrer sig hele tiden, så er der en masse muligheder for værdiskabelse.

Jeg tror, ​​du gør et så godt punkt, når du taler om eksponentiel tænkning, og hvor svært det er at vikle dit hoved rundt om formen på disse kurver. Jeg stjæler fra en af ​​dine tidligere samtaler, hvor du sagde i 2023, $ 1.000 dollars vil give dig en enhed, der har computerkraften i en menneskelig hjerne. Det gentager så meget behandlingskraft. I 2043, som de fleste af os stadig lever i, har du behandlingsstyrken for $ 1.000 dollars. Det er større end alle hjerner på planeten.

Kombineret, ja.

Hvad gør det?

Det er et virkelig interessant punkt. Bare for at være retfærdig stjal jeg det fra Ray Kurzweil. Han foretog den analyse.

Vi står alle på giganters skuldre.

Jeg vil ikke tage æren for det, men det er et virkelig lærerigt punkt. Igen tror jeg ikke, at vi er - som et samfund, som en art - især gode til at tænke eksponentielt. Vores hjerner er konstrueret til at tænke lineært. Det giver i sidste ende mere overlevelsespotentiale, og det gav ikke mange fordele i den afrikanske busk for tusinder af år siden, ikke?

Konsekvenserne heraf er enorme, fordi en masse ting kan være tvungent. Du har kvalitet på algoritmer og teknologi - og det kan altid blive mere elegant - men hvis du har nok behandlingskraft, kan du gøre en masse ting, der aldrig var muligt blot ved at kaste mere computerkraft på det. På nogle måder kunne du hævde, at neurale netværk - jeg er sikker på, at vi vil se tilbage på teknologien og føle, at den var temmelig uelegant - og hvis du ser på mængden af ​​processorkraft, det tager i forhold til den menneskelige hjerne, og dette er det dårlige billede af, hvad den menneskelige hjerne faktisk gør, hjernen bruger en lille mængde af den magt, som disse maskiner gør for at udføre disse beregninger.

Jeg tror, ​​det er bare et vidnesbyrd om, at fremtiden virkelig er vanskelig at forudsige. Det vil ændre sig mere dramatisk, end nogen er klar over, og så hører det også til punktet om kvaliteten af ​​softwaren, fordi hvis vi er i stand til at udvikle software af høj kvalitet, er det klart, at computerkraftproblemet nu vil være en begrænsende faktor. Hvis du vil tale om generel AI eller super intelligens, vil den begrænsende faktor være vores evne til at udvikle den rigtige software, fordi, selvfølgelig, hvis du kan købe en chip, der har den tilsvarende computerkraft, som den samlede menneskelige befolkning har til 1.000 dollars så er det sandsynligvis mere magt end du har brug for ved måske syv milliarder gange.

Der er en masse industrier, vi ved, vil blive transformeret. Vi kan fortælle, at vi vil have selvkørende biler. Måske ikke om fem år, måske ikke om 10, men bestemt efter 20. Folk antager stort set, at det vil ske. Er der en branche, som du tror vil blive transformeret af kunstig intelligens, som vi ikke har tænkt på endnu, eller som er meget uforberedt på den transformation?

Se, dette er et meget kraftfuldt værktøj i et hav af andre kraftfulde værktøjer, teknologi, software, hardware. Jeg kan ikke tænke på en branche, der ikke kan drage fordel af integrationen af ​​AI-kapaciteter. Du er i stand til at behandle data, behandle video lige bedre, og enhver branche kan drage fordel af det. Derfor ser jeg så meget kraft i at kunne bygge lodret stak AI løsninger, for i sidste ende er der bare en uendelig mængde muligheder her.

Jeg vil stille dig de spørgsmål, jeg stiller alle, der kommer på showet. Hvilken teknologisk tendens vedrører dig mest? Er der noget der holder dig op om natten?

Våbenformet atomkraft eller nukleare sprænghoveder.

En oldie men en goodie.

Det er lige kommet tilbage på mode.

Naturligvis lidt om. Er der en teknologi eller et værktøj, som du bruger hver dag, der inspirerer til undring på baksiden?

Jeg har fået meget af træbearbejdning og mest traditionel træbearbejdning i løbet af de sidste otte måneder. Så mange håndsfly og blokfly og snakbarberinger. Helt ærligt synes jeg det er meget inspirerende. De er bare virkelig smukke værktøjer, der for mig taler meget til menneskets opfindsomhed. Og det er dejligt at beskæftige sig med meget enkle, men alligevel meget kraftfulde og effektive værktøjer, som mennesker opfandt.

Der er sandsynligvis en stor automatiseret maskine drevet af en AI, der også kunne udføre den samme type træbearbejdningsbehandlinger.

Der er et niveau af kunstnerskab og tilfredshed, som jeg tror, ​​det er en del af, hvad der udgør den menneskelige oplevelse. Se, jeg har faktisk også mange elværktøjer. Du får altid en bedre finish og et bedre produkt i sidste ende med håndværktøjerne, men i sidste ende er det en af ​​udfordringerne. Hvis vi faktisk ikke er den mest intelligente art på planeten, har det virkelig dybe konsekvenser.

Først og fremmest kan vi se på, hvordan vi behandler mindre slags intelligenser på Jorden, og det er ikke et meget behageligt syn. Jeg tror, ​​det virkelig sætter spørgsmålstegn ved, hvad det betyder at være et menneske, og hvad du skal gøre med et liv, hvad kvalificerer sig til lykke? Dette er åbenbart temmelig dybtgående spørgsmål, og jeg tror, ​​at vi før eller siden bliver nødt til at kæmpe med dem.

Jeg tror ikke, at det her er rundt om hjørnet. Jeg tror, ​​at vi er mange gennembrud væk fra noget, der repræsenterer eller endda begynder at ligne den bevidste intelligens, men uanset om det er om 40 år eller 400 år, er det en relativ, lille slags blip på skalaen fra menneskets historie. Det er værd at tale om konsekvenserne af, hvad disse ting er. Ingen taler om at stoppe udviklingen af ​​disse teknologier. Vi er naturligvis meget nysgerrige, og det er bare ikke en mulighed. Jeg synes heller ikke, at det burde være en mulighed, men med sandsynlighed vil vi komme dertil, før vi har udviklet de rigtige protokoller til at stride mod, hvordan disse virkeligheder ser ud.

Det går tilbage til ændringernes eksponentielle karakter. Vi vil nå frem til visse kapaciteter hurtigere, end vi er forberedt på, og jeg tror ikke, at regeringen eller bureaukratiet eller endda virksomheder i dag er udstyret til at kunne styre ændringer i den slags tempo. Det ændringsniveau, der vil være nødvendigt for faktisk at have en tendens til det, skaber et vist niveau af forvirring.

I mellemtiden arbejder du i din træhandel.

Du siger det. Plan B.

Hvilken type ting laver du, kan jeg spørge?

Krakker og skåle og skeer og lignende. Det er virkelig simpelt lige nu. Jeg er en novice, der leder efter en mentor. Det er meget glædeligt at leve i dette digitale rum med bits og bytes, som jeg altid har elsket, jeg har været programmør fra en ung alder og var altid meget tiltrukket af det, og jeg elsker det stadig så meget som nogensinde; men det er bare antitesen til, at det er meget fysisk og manuelt, og slags, du har mest med træ at gøre, hvilket er en dejlig sammenstilling.

Meget organisk. Det er sjovt, hvor mange teknologer, der er kommet på showet med store programmeringsevner og gode chops, og alligevel er det, de glæder sig over, tendens til at være de virkelige ting, hvor de rent faktisk arbejder med deres hænder.

Ja. Det kommer tilbage til den slags side af ting er glædeligt.

Hvis en mentor ser lige nu, og de ønsker at komme i kontakt med dig, eller de bare vil følge, hvad du og GumGum laver, hvordan kan de komme i kontakt med dig online?

Du kan finde mig på Twitter @ophirtanz, LinkedIn på Ophir Tanz, på vores websted, Gumgum.com. Alle typer måder.

Fremragende. Ophir, tak så meget for at du kom til laboratoriet.

Tak for at have mig.

Jeg sætter pris på det.

Det var godt.

Det er hurtigt fremad i dag. Jeg vil gerne takke Dem for at mødes med os. Hvis du vil se episoder af dette show tilbage, kan du finde dem på PCMag.com. Hvis du vil høre podcasten på iTunes, kan du finde den på Apple Podcast, du kan finde den på Android Play. Du kan finde det overalt, at fine podcasts gives væk fra gratis. Tak så meget for at mødes med os i dag, og jeg ser dig i fremtiden.