Bạn nghe rất nhiều về dữ liệu ngày nay bạn có thể quên rằng phần lớn thế giới vẫn đang tiếp tục tài liệu: một tập hợp thực sự gồm các tệp và định dạng không đồng nhất có giá trị to lớn nhưng không tương thích với kỷ nguyên mới của cơ sở dữ liệu có cấu trúc, sạch sẽ. Bác sĩ có kế hoạch thay đổi điều đó bằng một hệ thống hiểu trực quan bất kỳ bộ tài liệu nào và lập chỉ mục nội dung của chúng một cách thông minh - và NASA đã sẵn sàng.
Nếu sản phẩm của Docugami hoạt động theo đúng kế hoạch, bất kỳ ai cũng có thể lấy hàng đống tài liệu được tích lũy qua nhiều năm và gần như ngay lập tức chuyển đổi chúng thành loại dữ liệu thực sự hữu ích cho con người.
Nếu sản phẩm của Docugami hoạt động theo đúng kế hoạch, bất kỳ ai cũng có thể lấy hàng đống tài liệu được tích lũy qua nhiều năm và gần như ngay lập tức chuyển đổi chúng thành loại dữ liệu thực sự hữu ích cho con người.
Bởi vì hóa ra việc điều hành bất kỳ hoạt động kinh doanh nào cũng tạo ra rất nhiều tài liệu. Hợp đồng và tóm tắt trong công việc pháp lý, cho thuê và thỏa thuận trong lĩnh vực bất động sản, đề xuất và phát hành trong tiếp thị, biểu đồ y tế, v.v. Chưa kể đến các định dạng khác nhau: tài liệu Word, PDF, bản quét bản in ra giấy của các tệp PDF được xuất từ tài liệu Word, và như thế.
Trong thập kỷ qua, đã có nỗ lực khắc phục vấn đề này, nhưng phong trào chủ yếu thuộc về phía tổ chức: đặt tất cả tài liệu của bạn ở một nơi, chia sẻ và chỉnh sửa chúng một cách cộng tác. Việc hiểu bản thân tài liệu gần như được giao cho những người xử lý chúng và vì lý do chính đáng - việc hiểu tài liệu rất khó!
Hãy nghĩ đến một hợp đồng cho thuê. Con người chúng ta hiểu rằng khi người thuê nhà có tên là Jill Jackson thì sau này “người thuê nhà” cũng ám chỉ người đó. Hơn nữa, trong hàng trăm hợp đồng khác, chúng tôi hiểu rằng những người thuê nhà trong các văn bản đó đều giống nhau. kiểu của người hoặc khái niệm trong ngữ cảnh của tài liệu, nhưng không giống nhau thực tế người. Đây là những khái niệm khó đến mức đáng ngạc nhiên đối với các hệ thống học máy và hiểu ngôn ngữ tự nhiên để nắm bắt và áp dụng. Tuy nhiên, nếu chúng có thể được làm chủ, một lượng thông tin hữu ích khổng lồ có thể được trích xuất từ hàng triệu tài liệu được lưu trữ trên khắp thế giới.
Có chuyện gì thế, .docx?
Người sáng lập Docugami Jean Paoli nói rằng họ đã giải quyết vấn đề một cách rộng rãi và mặc dù đây là một tuyên bố quan trọng nhưng anh ấy là một trong số ít người có thể giải quyết được vấn đề đó một cách đáng tin cậy. Paoli là nhân vật quan trọng ở Microsoft trong nhiều thập kỷ và trong số những thứ khác đã giúp tạo ra định dạng XML — bạn có biết tất cả những tệp có đuôi x, như .docx và .xlsx không? Paoli ít nhất một phần cũng phải cảm ơn họ.
“Dữ liệu và tài liệu không giống nhau,” anh ấy nói với tôi. “Có một điều bạn hiểu, được gọi là tài liệu, và có một cái gì đó máy tính hiểu, gọi là dữ liệu. Tại sao chúng không giống nhau? Vì vậy, công việc đầu tiên của tôi [tại Microsoft] là tạo ra một định dạng có thể biểu diễn tài liệu dưới dạng dữ liệu. Tôi đã tạo XML cùng với những người bạn trong ngành và Bill đã chấp nhận nó.” (Vâng, Bill đó.)
Các định dạng đã trở nên phổ biến, tuy nhiên 20 năm sau, vấn đề tương tự vẫn tồn tại, ngày càng phát triển về quy mô cùng với quá trình số hóa hết ngành này đến ngành khác. Nhưng đối với Paoli thì giải pháp cũng như vậy. Cốt lõi của XML là ý tưởng rằng một tài liệu phải có cấu trúc gần giống như một trang web: các hộp trong các hộp, mỗi hộp được xác định rõ ràng bằng siêu dữ liệu - một thứ bậc mô hình dễ hiểu hơn bởi máy tính.
“Vài năm trước, tôi đã uống AI kool-aid và nảy ra ý tưởng chuyển đổi tài liệu thành dữ liệu. Tôi cần một thuật toán điều hướng mô hình phân cấp và họ nói với tôi rằng thuật toán bạn muốn không tồn tại,” anh giải thích. “Mô hình XML, trong đó mọi phần nằm trong phần khác và mỗi phần có một tên khác nhau để thể hiện dữ liệu chứa trong đó - chưa được kết hợp với mô hình AI mà chúng ta có ngày nay. Đó chỉ là sự thật. Tôi đã hy vọng đội ngũ AI sẽ bắt tay vào thực hiện nó, nhưng điều đó đã không xảy ra.” (“Tôi đang bận làm việc khác,” anh ấy nói thêm để bào chữa cho mình.)
Việc thiếu khả năng tương thích với mô hình điện toán mới này không có gì đáng ngạc nhiên - mọi công nghệ mới nổi đều mang trong mình những giả định và hạn chế nhất định, và AI đã tập trung vào một số lĩnh vực quan trọng không kém khác như hiểu giọng nói và thị giác máy tính. Cách tiếp cận được thực hiện ở đó không phù hợp với nhu cầu hiểu một tài liệu một cách có hệ thống.
“Nhiều người cho rằng tài liệu giống như mèo. Bạn huấn luyện AI để tìm kiếm mắt, đuôi của chúng… tài liệu không giống như mèo”, ông nói.
Nghe có vẻ hiển nhiên nhưng đó thực sự là một hạn chế. Các phương pháp AI nâng cao như phân đoạn, hiểu cảnh, bối cảnh đa phương thức, v.v. đều là một loại phát hiện mèo siêu tiên tiến đã vượt xa mèo để phát hiện chó, loại ô tô, nét mặt, vị trí, v.v. Các tài liệu quá khác nhau hoặc theo những cách khác quá giống nhau, để những cách tiếp cận này làm được nhiều việc hơn là chỉ phân loại chúng một cách đại khái.
Về khả năng hiểu ngôn ngữ, nó tốt ở một số mặt nhưng không phải theo cách mà Paoli cần. “Họ đang làm việc ở cấp độ tiếng Anh,” ông nói. “Họ nhìn vào văn bản nhưng họ ngắt kết nối nó khỏi tài liệu mà họ tìm thấy. Tôi yêu những người NLP, một nửa nhóm của tôi là những người NLP - nhưng những người NLP không nghĩ về quy trình kinh doanh. Bạn cần kết hợp họ với những người XML, những người hiểu về thị giác máy tính, sau đó bạn bắt đầu xem tài liệu ở một cấp độ khác.”
Docugami đang hoạt động
Mục tiêu của Paoli không thể đạt được bằng cách điều chỉnh các công cụ hiện có (ngoài các công cụ nguyên thủy như nhận dạng ký tự quang học), vì vậy anh đã thành lập phòng thí nghiệm AI riêng của mình, nơi một nhóm đa ngành đã mày mò trong khoảng hai năm.
Ông nói: “Chúng tôi thực hiện khoa học cốt lõi, tự tài trợ, ở chế độ bí mật và chúng tôi đã gửi một loạt bằng sáng chế đến văn phòng cấp bằng sáng chế”. “Sau đó, chúng tôi đến gặp các quỹ đầu tư mạo hiểm và về cơ bản, SignalFire đã tình nguyện dẫn đầu vòng hạt giống với số tiền 10 triệu đô la.”
Nội dung của vòng đấu không thực sự đi sâu vào trải nghiệm thực tế khi sử dụng Docugami, nhưng Paoli đã dẫn tôi đi qua nền tảng với một số tài liệu trực tiếp. Bản thân tôi đã không được cấp quyền truy cập và công ty sẽ không cung cấp ảnh chụp màn hình hoặc video, nói rằng họ vẫn đang hoạt động trên các phần tích hợp và giao diện người dùng, vì vậy bạn sẽ phải sử dụng trí tưởng tượng của mình… nhưng nếu bạn hình dung ra khá nhiều dịch vụ SaaS dành cho doanh nghiệp, bạn đã đi được 90% chặng đường rồi.
Với tư cách là người dùng, bạn tải bất kỳ số lượng tài liệu nào lên Docugami, từ vài chục đến hàng trăm hoặc hàng nghìn. Chúng tham gia vào quy trình làm việc của máy để phân tích cú pháp tài liệu, cho dù chúng là tệp PDF, tệp Word hay thứ gì khác được quét, thành một tổ chức phân cấp giống như XML dành riêng cho nội dung.
“Giả sử bạn có 500 tài liệu, chúng tôi cố gắng phân loại nó thành các bộ tài liệu, 30 tài liệu này trông giống nhau, 20 tài liệu đó trông giống nhau, XNUMX tài liệu đó gộp lại. Chúng tôi nhóm chúng lại với sự kết hợp của các gợi ý từ hình thức của tài liệu, nội dung nó nói đến, chúng tôi nghĩ mọi người đang sử dụng nó để làm gì, v.v.” Paoli nói. Các dịch vụ khác có thể cho biết sự khác biệt giữa hợp đồng thuê và NDA, nhưng tài liệu quá đa dạng nên không thể đưa vào các ý tưởng được đào tạo trước về các danh mục và hy vọng nó sẽ thành công. Mỗi bộ tài liệu đều có khả năng là duy nhất và vì vậy Docugami luôn tự đào tạo lại bản thân, ngay cả đối với một bộ tài liệu. “Sau khi nhóm chúng lại, chúng tôi hiểu được cấu trúc tổng thể và thứ bậc của bộ tài liệu cụ thể đó, bởi vì đó là cách các tài liệu trở nên hữu ích: cùng nhau.”
Điều đó không chỉ có nghĩa là nó chọn văn bản tiêu đề và tạo chỉ mục hoặc cho phép bạn tìm kiếm từ. Dữ liệu có trong tài liệu, chẳng hạn như ai đang trả tiền cho ai, bao nhiêu, khi nào và trong những điều kiện nào, tất cả những dữ liệu đó đều trở thành cấu trúc và có thể chỉnh sửa trong bối cảnh của các tài liệu tương tự. (Nó yêu cầu một chút thông tin đầu vào để kiểm tra lại những gì nó đã suy luận.)
Có thể hơi khó hình dung, nhưng bây giờ hãy tưởng tượng rằng bạn muốn lập một báo cáo về các khoản vay đang hoạt động của công ty bạn. Tất cả những gì bạn cần làm là đánh dấu thông tin quan trọng đối với bạn trong một tài liệu mẫu — theo nghĩa đen, bạn chỉ cần nhấp vào “Jane Roe” và “$20,000” và “năm năm” ở bất kỳ nơi nào chúng xuất hiện — rồi chọn các tài liệu khác mà bạn muốn lấy thông tin tương ứng từ. Vài giây sau, bạn có một bảng tính được sắp xếp theo thứ tự với tên, số tiền, ngày tháng, bất kỳ thứ gì bạn muốn từ bộ tài liệu đó.
Tất nhiên, tất cả dữ liệu này cũng có thể mang theo được — có các kế hoạch tích hợp với nhiều hệ thống và dịch vụ phổ biến khác trong kinh doanh, cho phép báo cáo tự động, cảnh báo nếu đạt đến một số điều kiện nhất định, tự động tạo mẫu và tài liệu tiêu chuẩn (không cần lưu giữ nữa). một cái cũ xung quanh có dấu gạch dưới nơi các hiệu trưởng đi).
Hãy nhớ rằng, tất cả đều diễn ra nửa giờ sau khi bạn tải chúng lên ngay từ đầu, không cần dán nhãn, xử lý trước hoặc làm sạch. Và AI không hoạt động theo một số khái niệm hoặc định dạng định sẵn về hình thức của tài liệu cho thuê. Nó đã học được tất cả những gì nó cần biết từ các tài liệu thực tế mà bạn đã tải lên — cách chúng được cấu trúc, những thứ như tên và ngày tháng có liên quan với nhau ở đâu, v.v. Và nó hoạt động trên nhiều ngành dọc và sử dụng một giao diện mà bất kỳ ai cũng có thể tìm ra trong vài phút. Cho dù bạn đang nhập dữ liệu chăm sóc sức khỏe hay quản lý hợp đồng xây dựng thì công cụ này sẽ rất hữu ích.
Giao diện web nơi bạn nhập và tạo tài liệu mới là một trong những công cụ chính, trong khi các công cụ còn lại nằm trong Word. Ở đó Docugami hoạt động như một loại trợ lý nhận thức đầy đủ về mọi tài liệu khác thuộc bất kỳ loại tài liệu nào bạn đang sử dụng, vì vậy bạn có thể tạo tài liệu mới, điền thông tin tiêu chuẩn, tuân thủ các quy định, v.v.
Được rồi, việc xử lý các tài liệu pháp lý không hẳn là ứng dụng thú vị nhất của học máy trên thế giới. Nhưng tôi sẽ không viết bài này (chứ đừng nói đến độ dài này) nếu tôi không nghĩ đây là một vấn đề lớn. Sự hiểu biết sâu sắc về các loại tài liệu này có thể được tìm thấy ở đây và ở đó trong số các ngành đã được thiết lập với các loại tài liệu tiêu chuẩn (như báo cáo của cảnh sát hoặc y tế), nhưng hãy vui vẻ chờ đợi cho đến khi ai đó đào tạo một mô hình riêng cho dịch vụ cho thuê thuyền kayak của bạn. Nhưng các doanh nghiệp nhỏ cũng có nhiều giá trị được lưu giữ trong tài liệu như các doanh nghiệp lớn - và họ không đủ khả năng để thuê một nhóm các nhà khoa học dữ liệu. Và ngay cả những tổ chức lớn cũng không thể làm tất cả một cách thủ công.
Kho báu của NASA
Vấn đề cực kỳ khó khăn nhưng đối với con người lại có vẻ gần như tầm thường. Bạn hoặc tôi có thể xem qua 20 tài liệu tương tự, danh sách tên và số tiền một cách dễ dàng, thậm chí có thể mất ít thời gian hơn để Docugami thu thập chúng và tự đào tạo.
Nhưng xét cho cùng thì AI có mục đích bắt chước và vượt qua năng lực của con người, và việc người quản lý tài khoản phải lập báo cáo hàng tháng về 20 hợp đồng là một chuyện - việc lập báo cáo hàng ngày về một nghìn hợp đồng là một việc hoàn toàn khác. Tuy nhiên, Docugami hoàn thành cái sau và cái trước một cách dễ dàng như nhau - đó là nơi nó phù hợp với cả hệ thống doanh nghiệp, nơi việc mở rộng quy mô loại hoạt động này là rất quan trọng và đối với NASA, cơ quan bị chôn vùi dưới đống tài liệu tồn đọng mà từ đó nó hy vọng thu thập được dữ liệu sạch và hiểu biết sâu sắc.
Nếu có một thứ mà NASA có rất nhiều thì đó chính là tài liệu. Các kho lưu trữ được bảo trì hợp lý của nó đã có từ thời thành lập và nhiều kho lưu trữ quan trọng có sẵn bằng nhiều cách khác nhau - Tôi đã dành nhiều giờ thú vị duyệt qua bộ nhớ đệm của các tài liệu lịch sử.
Nhưng NASA không tìm kiếm những hiểu biết mới về Apollo 11. Thông qua nhiều chương trình trong quá khứ và hiện tại, những lời kêu gọi, chương trình tài trợ, ngân sách và tất nhiên là các dự án kỹ thuật, nó tạo ra một lượng lớn tài liệu - xét cho cùng, nó là một bộ phận rất quan trọng của bộ máy quan liêu liên bang. Và giống như bất kỳ tổ chức lớn nào có thủ tục giấy tờ trải dài qua nhiều thập kỷ, kho tài liệu của NASA thể hiện tiềm năng chưa được khai thác.
Ý kiến của chuyên gia, tiền đề nghiên cứu, giải pháp kỹ thuật và hàng tá loại thông tin quan trọng khác đang nằm trong các tệp có thể tìm kiếm được bằng cách khớp từ cơ bản nhưng không có cấu trúc. Sẽ thật tuyệt nếu ai đó ở JPL có được nó trong đầu để xem xét sự phát triển của thiết kế vòi phun và trong vòng vài phút sẽ có một danh sách đầy đủ và cập nhật các tài liệu về chủ đề đó, được sắp xếp theo loại, ngày, tác giả và trạng thái? Thế còn người cố vấn bằng sáng chế cần cung cấp thông tin về tình trạng kỹ thuật trước đó cho người nhận trợ cấp của NIAC - liệu họ có thể lấy những bằng sáng chế và đơn đăng ký cũ đó với tính cụ thể hơn bất kỳ bằng sáng chế và đơn đăng ký nào bằng một từ khóa nhất định không?
Khoản tài trợ SBIR của NASA, được trao vào mùa hè năm ngoái, không dành cho bất kỳ công việc cụ thể nào, như thu thập tất cả các tài liệu thuộc loại này và loại khác từ Trung tâm Vũ trụ Johnson hay thứ gì đó. Đó là một thỏa thuận thăm dò hoặc điều tra, giống như nhiều khoản tài trợ trong số này, và Docugami đang làm việc với các nhà khoa học NASA về những cách tốt nhất để áp dụng công nghệ này vào kho lưu trữ của họ. (Một trong những ứng dụng tốt nhất có thể là cho SBIR và các chương trình tài trợ cho doanh nghiệp nhỏ khác.)
Một khoản trợ cấp SBIR khác với NSF khác ở chỗ, trong khi tại NASA, nhóm đang xem xét việc tổ chức tốt hơn hàng loạt loại tài liệu khác nhau với một số thông tin chồng chéo, thì tại NSF, họ đang hướng tới việc xác định tốt hơn “dữ liệu nhỏ”. Paoli nói: “Chúng tôi đang xem xét những điều nhỏ nhặt, những chi tiết nhỏ bé. “Ví dụ, nếu bạn có tên, đó là người cho vay hay người đi vay? Bác sĩ hay tên bệnh nhân? Khi đọc hồ sơ bệnh nhân có nhắc đến penicillin, nó được kê đơn hay bị cấm? Nếu có một phần gọi là dị ứng và phần khác gọi là đơn thuốc, chúng ta có thể tạo ra mối liên hệ đó.”
“Có lẽ vì tôi là người Pháp”
Khi tôi chỉ ra khoản ngân sách khá nhỏ liên quan đến trợ cấp của SBIR và việc công ty của anh ấy không thể tồn tại nhờ những khoản tài trợ này, anh ấy cười lớn.
“Ồ, chúng tôi không chạy bằng trợ cấp! Đây không phải là việc của chúng tôi. Đối với tôi, đây là cách để làm việc với các nhà khoa học, với những phòng thí nghiệm tốt nhất trên thế giới,” ông nói, đồng thời lưu ý rằng có nhiều dự án tài trợ khác đang được triển khai. “Khoa học đối với tôi là nhiên liệu. Mô hình kinh doanh rất đơn giản — một dịch vụ mà bạn đăng ký, như Docusign hoặc Dropbox.”
Công ty chỉ mới bắt đầu hoạt động kinh doanh thực sự của mình và đã tạo được một số mối quan hệ với các đối tác tích hợp và người thử nghiệm. Nhưng trong năm tới, nó sẽ mở rộng phiên bản beta riêng tư và cuối cùng sẽ mở nó ra — mặc dù chưa có mốc thời gian nào về việc đó.
“Chúng tôi còn rất trẻ. Một năm trước, chúng tôi có khoảng năm, sáu người, bây giờ chúng tôi đã đi và nhận được vòng hạt giống trị giá 10 triệu đô la này và sự bùng nổ,” Paoli nói. Nhưng ông chắc chắn rằng đây là lĩnh vực kinh doanh không chỉ sinh lợi mà còn thể hiện sự thay đổi quan trọng trong cách thức hoạt động của các công ty.
“Mọi người yêu thích tài liệu. Có lẽ đó là vì tôi là người Pháp,” anh nói, “nhưng tôi nghĩ văn bản, sách và chữ viết rất quan trọng - đó chính là cách con người làm việc. Chúng tôi thực sự nghĩ rằng con người có thể giúp máy móc suy nghĩ tốt hơn và máy móc có thể giúp con người suy nghĩ tốt hơn.”
- truy cập
- Tài khoản
- hoạt động
- cố vấn
- Hiệp định
- thỏa thuận
- AI
- Định hướng
- thuật toán
- trong số
- Các Ứng Dụng
- các ứng dụng
- xung quanh
- Nghệ thuật
- Trợ lý
- Tự động
- BEST
- beta
- Hóa đơn
- bảng
- Sách
- bùng nổ
- breakout
- xăn lên
- kinh doanh
- mô hình kinh doanh
- hoạt động kinh doanh
- quy trình kinh doanh
- các doanh nghiệp
- Sức chứa
- xe hơi
- Mèo
- thay đổi
- nhận dạng nhân vật
- Bảng xếp hạng
- Làm sạch
- Thu
- đến
- Chung
- Các công ty
- công ty
- Tầm nhìn máy tính
- máy tính
- máy tính
- Kết nối
- xây dựng
- nội dung
- hợp đồng
- quản lý hợp đồng
- hợp đồng
- Couple
- tín
- Current
- dữ liệu
- cơ sở dữ liệu
- Ngày
- nhiều
- Thiết kế
- Phát hiện
- ĐÃ LÀM
- kỹ thuật số
- số hóa
- Bác sĩ
- tài liệu
- DocuSign
- Chó
- hàng chục
- Dropbox
- kết thúc
- Kỹ Sư
- Tiếng Anh
- Doanh nghiệp
- bất động sản
- vv
- sự tiến hóa
- Mở rộng
- Liên bang
- Hình
- Tên
- định dạng
- người sáng lập
- Nhiên liệu
- vui vẻ
- tài trợ
- tốt
- tài trợ
- Nhóm
- cái đầu
- chăm sóc sức khỏe
- tại đây
- Đánh dấu
- Thuê
- lịch sử
- Độ đáng tin của
- HTTPS
- lớn
- Con người
- Hàng trăm
- ý tưởng
- xác định
- chỉ số
- các ngành công nghiệp
- ngành công nghiệp
- thông tin
- những hiểu biết
- hội nhập
- tích hợp
- tham gia
- IT
- Việc làm
- Johnson
- jpl
- nhảy
- giữ
- ghi nhãn
- Phòng thí nghiệm
- Ngôn ngữ
- lớn
- dẫn
- học
- học tập
- Hợp pháp
- Cấp
- Danh sách
- Các khoản cho vay
- nhìn
- yêu
- học máy
- Máy móc
- chính
- quản lý
- Marketing
- Trận đấu
- y khoa
- microsoft
- triệu
- kiểu mẫu
- tên
- Nasa
- Ngôn ngữ tự nhiên
- Hiểu ngôn ngữ tự nhiên
- nlp
- Khái niệm
- mở
- Hoạt động
- Ý kiến
- nhận dạng ký tự quang học
- tổ chức
- Nền tảng khác
- Giấy
- bằng sáng chế
- Bằng sáng chế
- người
- hình ảnh
- đường ống
- nền tảng
- Công an
- Quy định
- trình bày
- riêng
- Sản phẩm
- Khóa Học
- dự án
- bất động sản
- quy định
- Phát hành
- báo cáo
- Báo cáo
- nghiên cứu
- chạy
- SaaS
- Quy mô
- mở rộng quy mô
- Khoa học
- các nhà khoa học
- Tìm kiếm
- hạt giống
- Vòng hạt
- ý nghĩa
- DỊCH VỤ
- định
- Chia sẻ
- Đơn giản
- Six
- nhỏ
- doanh nghiệp nhỏ
- Tiểu thương
- So
- Giải pháp
- Không gian
- lan tràn
- Bảng tính
- Bắt đầu
- Trạng thái
- mùa hè
- bất ngờ
- hệ thống
- hệ thống
- nói
- Công nghệ
- thời gian
- tấn
- Tone
- tàu hỏa
- ui
- giá trị
- VCs
- Video
- tầm nhìn
- web
- CHÚNG TÔI LÀ
- ở trong
- từ
- Công việc
- tập thể dục
- quy trình làm việc
- công trinh
- thế giới
- viết
- X
- XML
- năm
- năm