今天,我们播放的是由我们的朋友 Modern CTO Podcast 制作的一期节目,他们最近很友好地邀请我作为嘉宾参加。我们讨论了生成式 AI 的兴起,在技术方面取得成功的意义,以及领导者在指导技术实施工作时需要考虑的一些因素。您可以在 Apple Podcast、Spotify 或您收听播客的任何地方找到 Modern CTO Podcast。
许多人已经通过 Siri 和 Alexa 等语音助手将人工智能带入了他们的家中。但是,我们如何才能从计算机视觉中受益呢?今天,我们将与 Peloton Interactive 的人工智能和计算机视觉副总裁 Sanjay Nachani 谈论一款结合了 AI 健身教练的新产品。欢迎收听《我和 AI》,这是一档关于商业人工智能的播客。在每一期节目中,我们都会向您介绍一位在 AI 领域进行创新的个人,
我是 Sam Ransbotham,波士顿学院信息系统教授。我还是麻省理工学院斯隆管理学院 AI 与商业战略大创意项目的客座编辑。
我是 Sherven Kodabande,BCG 的高级合伙人,我与人共同领导 BCG 在北美的 AI 业务。麻省理工学院 SMR 和 BCG 合作研究 AI 已有五年时间,采访了数百名从业人员,并对数千家公司进行了调查,了解在整个组织中构建、部署和扩展 AI 能力以及真正改变组织运营方式需要什么。
今天,Shervin 和我正在与 Peloton Interactive 的人工智能和计算机视觉副总裁 Sanjay Natchani 谈话。Sanjay,感谢您加入我们。欢迎。是的,谢谢。感谢你们的邀请。你能告诉我们你在 Peloton 的当前角色吗?我领导 Peloton 的 AI 和计算机视觉团队。Peloton 的使命是利用技术和设计将世界与健身联系起来。
使人们能够随时随地成为最好的自己。大多数人通过我们销售的自行车和跑步机认识到这一点。我们有世界一流的教练,他们会教授一些与有氧运动、力量训练、瑜伽和冥想相关的非常棒的内容。这些内容不仅会流式传输到您的自行车跑步机上,还会流式传输到您的数字应用程序上(无论是 iPhone 还是 Android),也可以作为应用程序在电视上使用。
你在这里是为了让人们快乐、健康并改变他们的生活。请告诉我们一些关于你的教育和背景的信息。我知道你在 Babson 学习过,Babson 就在麻省理工学院和剑桥附近。带我们了解你进入 Peloton 的历程,以及是什么让你对人工智能感兴趣的?
我认为我的职业生涯大致可以分为四个阶段。第一个阶段更多的是围绕着将计算机视觉用于制造和工厂自动化。然后我的第二个阶段更多的是围绕安全和访问控制。因此,许多 3D 计算机视觉应用程序都用于在旋转门和零售店中寻找人员等等。然后我在身份验证和文件取证方面做了一点工作。
所以现在我正在健身领域进行第四次任职,我对此感到非常兴奋。但是我在计算机视觉方面多年积累的所有经验,都带入了这个领域,这令人兴奋。我认为我们都,你知道,正如你所说,非常熟悉 Peloton 和自行车。还有什么我们可能不知道的事情吗?你在那里使用了哪些我们可能看不到的人工智能用途?
Pertan Lite,这是我们最近发布的一款产品。这是我们的第一个力量训练产品。它也是第一个使用在物理设备(平台形式)上运行的 AI 技术的产品。我们对此感到非常兴奋。它基本上可以连接到任何电视,将该电视变成一种交互式私人训练工作室。
但是我们的教练会带领各种有趣的课程,但这些课程非常激烈,实际上会使用哑铃和自重。因此,我们在那里引入计算机视觉技术和 AI 的方式是,我们有一个叫做运动追踪器的东西,它可以追踪会员,可以识别活动,这样当您跟随教练进行练习时,可以确保他们实际上正在完成这些动作。
这种实时的反馈和指标驱动的问责制对我们的会员非常有吸引力,因为现在他们有一个目标可以努力实现,尤其是在您家里没有教练的情况下。这是一个他们放在房间里的设备。没错,是的。
它连接到您的电视。该设备的另一个非常好的功能是它具有所谓的智能框架技术。它基本上可以让您自由地在房间里走动,并且会自动平移和缩放您所在的位置。然后你可以在电视上看到自己。所以你会在电视上看到自己的影像,这样你就可以看到自己的手机。我对这款产品感到非常兴奋,因为从寻找人员到弄清楚他们在做什么活动,
所有这些都是由计算机视觉驱动的。——当我听到你关于这里设置的内容时,我的脑海里浮现的是同时来自成千上万人的实时数据量。请告诉我们一些关于你如何处理所有这些数据以及其中有多少是实时数据与预先打包的数据,或者说,是的。
是的,当然。让我谈谈生产方面本身。这个设备是完全独立的。就图像数据或任何其他类型的数据而言,实际上没有任何数据从设备传到云端。它主要是通过流式传输的内容,显示给用户以便他们遵循。这使得它成为一个非常安全的系统。AI 的一大重点是保持安全和私密,因此我们尊重这一点。
从培训的角度来看,您必须引导您的 AI。这就是您需要数据的地方。众所周知,我们需要相当数量的数据来为 AI 提供动力。这就是我们花费大量时间来获取数据、注释数据的地方。我们可能会更多地讨论一些关于拥有这种数据的多样性方面的内容,这对于引导您的系统至关重要。一旦您拥有数据并标记数据,那么您就可以从中构建 AI 系统。
训练期间发生的事情和生产期间发生的事情是分开的。在训练期间,我们使用引导过程。基本上,对人的反馈是,你是否在跟随那个特定的练习?您可以想象这有多强大。例如,如果他给你反馈说,嘿,上周你做了 X 个动作,但现在你做了 X 加 Y 个动作。
这对用户来说非常有激励作用。例如,您可能擅长二头肌弯举,但不擅长平板支撑或俯卧撑,对吧?我们提供这种反馈,以便您可以改进。或者您也可以查看另一个维度。例如,您可以说,嘿,你锻炼了这些肌肉群。如何关注其他一些肌肉群?如何参加这些课程来关注其他肌肉群?因此,让这种反馈真正回到用户那里,并在他们的健身旅程中真正指导用户,基本上就是这样。所以这确实是指南的目的。
这听起来非常吸引人,因为你谈到了推荐课程,但这里的一些吸引力可能是课程不再需要打包了。它可以是
好吧,Sam 需要,你知道,他在平板支撑方面很懒惰,所以他需要大量的腹部锻炼或核心锻炼,而他擅长做俯卧撑或其他什么,因为我的体型很大。幸运的是,这是音频,所以没有人可以验证那不是真的。但我可以看到,你实际上可以实时生成这些课程,所以它们不一定必须打包。它们可以是自适应的。这是目标的一部分还是……这想得太远了吗?
是的,绝对的。正如你所说,我们确实知道课程计划是什么。我们正在努力推荐可能更适合或个性化到个人健身旅程的课程。绝对的。这很有趣,因为当我听到关于教育的总体情况时,我们正在从谈论健身课程转向几乎谈论更多关于教育产品的方面,它正在适应你的需求。所以我听到的很多谈话都关于
个性化训练。但是你提到的生产部分、包装和整体范围也很重要。
绝对的。是的。对我来说,这是一个组合。教育很棒,因为你提供了一些见解和指标,可以帮助你提高绩效。我认为指南的一大重点是问责制。没有人看着你的肩膀,只有机器看着你,它让你承担责任,并激发你的竞争力,对吧?正是这种问责制很重要。我
我认为我们还在努力使体验游戏化,因为您希望您的整个锻炼程序既有趣又引人入胜,对吧?你不想一直看着你的手表说,“30 分钟还没结束”。我认为 Peloton 的所有产品,尤其是这款指南产品,都非常棒,因为我们真的努力使其成为一个有趣的过程,除了我提到的所有其他优点之外。
Sanjay,这是一个很好的例子,说明 AI 如何在不同的环境中实现体验,在您自己家的隐私中。这是一个很好的例子,说明 AI 如何创造一些没有它就无法做到的事情。作为一家公司,Peloton 的其他一些 AI 用途是什么?
已经有一些 AI 计划正在进行中,我们正在改进它们。另一个领域是语音。使用语音进行免提操作的便利性,对吧?特别是对于像 Guide 这样的产品,如果您拿着哑铃或如果您在地板上,您处于俯卧姿势并试图进行锻炼,您无法拿着遥控器。所以我们有一个专注于语音的 AI 团队。它也将在指南中首次亮相。所以除了计算机视觉之外,这里也有相当多的 AI。
Sanjay,这也是一件大事。我的意思是,你们正在将带有 AI 的产品作为消费品放到许多人的家中。你知道,人们并没有做很多这样的事情。是的。Sanjay,我想问你一个问题,如果你能帮助我们解开这个谜团,以便我们的观众了解实际上需要设计和扩展像你刚才谈到的解决方案,无论是指南还是语音,如何
这超出了产品的技术方面、算法和技术方面。我的想法是用户体验本身。谈谈产品设计过程本身,以及你如何将这方面融入其中。
让我从 Peloton 的启动方式开始回答这个问题。Peloton 的真正核心价值观之一是将会员放在首位。我们对客户体验非常重视,一切都是围绕着它展开的。我们倾听会员的意见,从会员那里获得反馈,
很多产品工作都是从这里开始的。我们有一个跨职能团队来研究许多这些事情,但它确实始于会员体验以及我们如何让会员快乐和健康。用户研究团队也做了相当多的工作,也许是构建原型并将其放在用户面前,有时是专家。在这种特殊情况下,我们采访了教练。
我真正喜欢 AI 或通常的机器学习开发的是,它从根本上说是迭代的,并且它与软件开发的敏捷理念相交叉。你基本上说
好吧,现在我们有一个假设,所以我们构建一个原型,ML 的工作方式是,你需要做的第一件事是部署一个最小系统,看看你的错误在哪里,这决定了哦,你需要更多数据,你需要改进你的模型,问题是你已经拥有的数据的质量,那么当你实际发布时,它并没有带来预期的益处,我觉得 ML 迫使你变得敏捷,事情就是这样开始的,它更像是一个迭代过程
这确实是我们作为一个组织以及所有开发 AI 产品的人必须意识到的事情,它会随着时间的推移而变得更好。随着人们的使用,它会变得越来越准确。这从根本上是因为你总是关注错误,关注反馈,而这推动了持续改进的整个过程。
但对我来说,似乎有些不同,因为你谈到了 Peloton 内部了解这种迭代、改进和敏捷需求的文化。但是当你谈到将此交付给消费者的产品时,我觉得他们可能对……好吧,首先,我甚至不确定他们是否会知道产品中涉及人工智能机器学习。也许他们会,也许他们不会。你可以对此发表评论。但是你如何获得这种文化……
迭代改进,不要期望它一开始就完美?我认为消费者期望事情一开始就完美。是的,这是一个很好的观点,对吧?我并不是说我们应该部署不完美或接近完美的东西。我的意思是,例如,当我们要发布指南时,我们已经经历了很多试验、现场试验,我们真的试图确定指南的操作条件,对吧?是什么让它完美?
有很多事情,有些事情是我们绝对不能妥协的。安全、可靠性,确保它适用于……
不是任何地方的任何时间,而是每个人,对吧?这些是可以随着时间推移改进的领域。这些是可以随着时间推移改进的领域。所以问题是,我们从我们非常有信心的操作参数开始。这就是好公司所做的事情,那就是弄清楚,好吧,这是一个足够大的空间,可以为客户提供价值。但与此同时,我们必须绝对确定它对我们非常非常有效,对吧?或者像你说的那样接近完美。然后你从那里扩展。
也许添加更多功能,或者也许能够处理更多身体部位的遮挡等等。
我想也许换个话题谈谈人才。你们在产品的核心和客户体验中使用 AI 做了一些非常酷的事情。你对你们和那些渴望做类似事情的公司需要的那种人才有什么看法?外面存在人才争夺战。你认为让合适的人才加入并留下来需要什么?
我会分两部分回答这个问题。我对这个问题有强烈的看法。第一个是关于人才本身。我觉得这是最大的挑战之一。但这不仅仅是人才稀缺的挑战,还有人才的类型,对吧?我觉得人工智能领域有很多研究人员,在人工智能领域做了很多工作,但重点更多的是竞争、论文。
诸如架构或优化技术等主题,但显然关注部署的实际方面的人员不足。我刚才谈到了构建 AI 产品需要什么,对吧?对我来说,我认为让更多人关注
部署和生产非常非常重要,对吧?因此,这需要从我如何获取正确类型的数据开始的人员?我的数据质量是否正确?我如何将其与合成数据混合?我如何构建数据管道以及如何对其进行版本控制?所有这些都变得很重要。还要找到有部署这些模型经验的人。在这个领域寻找人才,我觉得人才更稀缺的是
这是 Sherva 和我经常谈到的问题。如此多的重点放在这些算法的生产上。我们所说的消费实际上是很多瓶颈所在。回到真正留住 Peloton 人才的原因,我认为是使命。我认为 Peloton 的使命只是
使人们能够成为最好的自己,并让他们对自己感觉良好,快乐,健康。这是一个非常崇高的使命,每次我问人们为什么想加入 Peloton 时,首先想到的就是我有一辆自行车。我知道有人有一辆自行车,并且,你知道,它如何改变了生活。而且
你必须与这个使命保持一致。对我来说,这是主要的驱动力。从文化角度来看,还有其他一些事情,例如我们团队的运作方式。还有一件事实际上相当重要,那就是你可以产生的影响。所有在 Guide 上工作的人都会对数百万会员产生影响。这只是一个产品,对吧?所以我认为拥有这种影响也会极大地激励人们。我会说这三个原因真的很重要。
很好。你描述的一件事是一种非常面向边缘的 ML 方法,它在盒子内,在家里,数据不会离开。但是你现在描述的一些事情似乎会受益于聚合。如果我们更好地理解如何变得健康或如何改善我们的健康状况,这将真正有助于集体进步。健康信息是我们倾向于保密并希望保密的东西,但我禁不住想知道
如果我们对这些数据更开放一些,我们是否会在总体上受益?你对此有什么看法?我认为这是信任,对吧?从行业角度来看,AI 需要达到这一点。一旦你达到这一点,也许这是可能的。我们都看到了面部识别系统和其他例子发生了什么,对吧?所以肯定存在权衡。有一种趋势是尝试以某种方式匿名化它。你能同时实现这两个目标吗?
和你交谈真是太好了。我认为大多数人都熟悉 Peloton 的实体自行车,但这是你谈到的将人工智能实时融入人们生活中的产品。人们习惯的这样的例子并不多。我们真的很高兴和你交谈。谢谢。是的,非常感谢。是的,谢谢。非常感谢你们的邀请。感谢收听。下次我们将与 Levi Strauss & Company 的全球首席战略和 AI 官 Katya Walsh 谈话时,请继续收听。
感谢收听《我和 AI》。我们相信,就像你一样,关于 AI 实施的对话不会仅限于此播客。这就是为什么我们在 LinkedIn 上专门为像你这样的听众创建了一个小组。它被称为 AI for Leaders。如果您加入我们,您可以与节目创建者和主持人聊天,提出您自己的问题,分享您的见解,
并获得来自 MIT SMR 和 BCG 关于 AI 实施的宝贵资源,您可以通过访问 mitsmr.com/AIforLeaders 来访问它。我们将把该链接放在节目说明中,我们希望在那里见到您。