رام براكاش رامامورثي، رئيس أبحاث الذكاء الاصطناعي في ManageEngine – سلسلة المقابلات

رام براكاش رامامورثي، هو رئيس أبحاث الذكاء الاصطناعي في ManageEngine، قسم إدارة تكنولوجيا المعلومات للشركات في Zoho Corp. ManageEngine تمكن الشركات من التحكم في تكنولوجيا المعلومات الخاصة بهم، من الأمان والشبكات والخادمات إلى التطبيقات وطاولة الخدمة والبيئة النشطة وتشغيل سطح المكتب والأجهزة المحمولة.

كيف أصبحت مهتمًا بالحاسوب والتعلم الآلي في البداية؟

كنت لديّ فضول طبيعي تجاه الحوسبة عندما كنت أصغر سناً، ولكن امتلاك جهاز كمبيوتر شخصي كان خارج قدرة عائلتي المالية. ومع ذلك، بفضل منصب جدي كأستاذ كيمياء في كلية محلية، كنت أحيانًا أحصل على فرصة لاستخدام أجهزة الكمبيوتر هناك بعد ساعات العمل.

ازداد اهتمامي في الكلية، حيث حصلت أخيرًا على جهاز كمبيوتر شخصي. هناك، قمت بتطوير تطبيقات ويب لجامعتي. هذه التطبيقات لا تزال مستخدمة حتى اليوم – بعد 12 عامًا كاملًا – مما يبرز تأثير عملتي المبكر وطول أمده.

بدأت رحلتي المهنية في التكنولوجيا مع تدريب في Zoho Corp. في البداية، كان قلبي متجهًا نحو تطوير التطبيقات المحمولة، ولكن رئيسي شجعني على إكمال مشروع تعلم آلي قبل الانتقال إلى تطوير التطبيقات. هذا أصبح نقطة تحول – لم أتمكن أبدًا من الحصول على فرصة لتطوير التطبيقات المحمولة – لذلك الأمر مرير قليلًا.

في Zoho Corp، لدينا ثقافة التعلم من خلال الفعل. نعتقد أنه إذا قمت بإنفاق وقت كافٍ مع مشكلة، تصبح خبيرًا فيها. أنا ممتن حقًا لهذه الثقافة وتوجيه رئيسي؛ إنه ما أطلق رحلتي في عالم التعلم الآلي.

كما المدير لأبحاث الذكاء الاصطناعي في Zoho و ManageEngine، ما هو شكل يوم عملك المعتاد؟

يوم عملي ديناميكي ويتألف من التعاون الفريق والتنسيق الاستراتيجي. جزء كبير من يومي يتم قضاؤه في العمل الوثيق مع فريق موهوب من المهندسين والرياضيين. معًا، نبني وتحسين مكدس الذكاء الاصطناعي، الذي يشكل العمود الفقري لخدماتنا.

نعمل كفريق مركزي للذكاء الاصطناعي، نقدم حلول الذكاء الاصطناعي كخدمة لمجموعة واسعة من المنتجات داخل كل من ManageEngine و Zoho. يتطلب هذا الدور فهمًا عميقًا لخطوط المنتجات المختلفة ومتطلباتها الفريدة. تفاعلاتي لا تقتصر على فريقي؛ أعمل أيضًا على نطاق واسع مع الفرق الداخلية عبر المنظمة. هذا التعاون ضروري لتنسيق استراتيجيتنا للذكاء الاصطناعي مع احتياجات عملائنا المتغيرة باستمرار.

نظرًا لسرعة التقدم في مجال الذكاء الاصطناعي، أخصص وقتًا كبيرًا للاطلاع على أحدث التطورات والاتجاهات في هذا المجال. هذا التعلم المستمر ضروري للحفاظ على تفوقنا وضمان أن استراتيجياتنا تبقى ذات صلة وفعالية.

إضافة إلى ذلك، يمتد دوري إلى ما وراء حدود المكتب. لدي شغف بالتحدث والسفر، وهو ما يتوافق بشكل جيد مع مسؤولياتي. أشارك بانتظام مع المحللين وأتحدث في مناقشات مختلفة لنشر رؤيتنا وإنجازاتنا في مجال الذكاء الاصطناعي. هذه التفاعلات لا تساعد فقط في نشر رؤيتنا ونجاحاتنا، بل توفر أيضًا رؤى قيمة تعيد التغذية إلى التخطيط الاستراتيجي والتنفيذ.

يمكنك أن تشرح كيف تغيرت خوارزميات التعلم الآلي منذ وضع ManageEngine كمتقدم استراتيجي في الذكاء الاصطناعي في عام 2013؟

كان التركيز الأولي لدينا على استبدال التقنيات الإحصائية التقليدية بنماذج الذكاء الاصطناعي. على سبيل المثال، في الكشف عن الشذوذ، انتقلنا من منهجية المنحنى الجاوسي التي تIGHLIGHT القصوى إلى نماذج الذكاء الاصطناعي التي يمكنها التعلم من البيانات السابقة وتعرف الأنماط وال季ية.

دمجنا مجموعة واسعة من الخوارزميات – من آلات الدعم النوعي إلى الأساليب القائمة على شجرة القرار – كأساس لمكدس الذكاء الاصطناعي. كانت هذه الخوارزميات حاسمة في تحديد حالات استخدام متخصصة حيث يمكن للذكاء الاصطناعي الاستفادة بشكل كبير من البيانات السابقة لتحليل الأنماط والتنبؤ وتحليل الأسباب الجذرية.

يمكنك مناقشة كيف غيرت نماذج اللغة الكبيرة والذكاء الاصطناعي التوليدي سير العمل في ManageEngine؟

نماذج اللغة الكبيرة والذكاء الاصطناعي التوليدي قد أحدثتا ضجة في العالم الاستهلاكي، ولكن دمجها في مجال الشركات، بما في ذلك ManageEngine، كان أكثر تدرجية. أحد الأسباب Behind هذا هو حاجز الدخول العالي، خاصة فيما يتعلق بالتكلفة، ومتطلبات البيانات والحوسبة الكبيرة التي تتطلبها هذه النماذج.

في ManageEngine، نستثمر استراتيجيًا في نماذج اللغة الكبيرة المحددة المجال لتسخير إمكانياتها بطريقة متوافقة مع احتياجاتنا. يتضمن ذلك تطوير نماذج لا تكون فقط عامة التطبيق ولكن محسنة لتعامل مع مجالات محددة داخل عملياتنا الشركية. على سبيل المثال، نحن نعمل على نموذج اللغة الكبيرة مخصص للأمان، والذي يمكنه تحديد أحداث الأمان بشكل أكثر كفاءة، وآخر يركز على مراقبة البنية التحتية. هذه النماذج المتخصصة حاليًا قيد التطوير في مختبراتنا، مما يعكس التزامنا بتحقيق السلوكيات الناشئة لنماذج اللغة الكبيرة والذكاء الاصطناعي التوليدي في طريقة تضيف قيمة ملموسة ل حلول تكنولوجيا المعلومات الشركية.

يقدم ManageEngine مجموعة متنوعة من أدوات الذكاء الاصطناعي لاستخدامات مختلفة، ما الأداة التي تفتخر بها بشكل خاص؟

أنا فخور جدًا بجميع أدوات الذكاء الاصطناعي في ManageEngine، ولكن تحليل السلوك والكيان (UEBA) يبرز لي. تم إطلاقه في أيامنا الأولى، ولا يزال جزءًا حيويًا من عروضنا. كنا نفهم التوقعات السوقية وأضفنا تفسيرًا لكل شذوذ كpractice قياسية. قدرة UEBA الخاصة بنا تتطور باستمرار ونحمل المكتسبات إلى الأمام لجعلها أفضل.

يقدم ManageEngine حاليًا منشئ التطبيقات (AppCreator)، منصة تطوير تطبيقات مخصصة منخفضة الرمز التي تسمح لأفرق تكنولوجيا المعلومات بإنشاء حلول مخصصة بسرعة وتنشرها محليًا. ما هي وجهات نظرك حول مستقبل التطبيقات منخفضة الرمز أو بدون رمز؟ هل ستسيطر في النهاية؟

مستقبل التطبيقات منخفضة الرمز أو بدون رمز، مثل منشئ التطبيقات، واعد جدًا، خاصة في سياق احتياجات الأعمال المتطورة. هذه المنصات تصبح حاسمة للشركات لتوسيع وتحسين قدرات أصول البرمجيات الحالية. مع نمو الأعمال وتغير احتياجاتها، تقدم حلول منخفضة الرمز وبدون رمز طريقة مرنة وفعالة للتكيف والابتكار.

علاوة على ذلك، تلعب هذه المنصات دورًا حاسمًا في تمكين الأعمال لتكنولوجيا المعلومات. من خلال تقديم تقنيات متطورة مثل الذكاء الاصطناعي كخدمة، تقلل بشكل كبير من حاجز الدخول للشركات لتجربة قوة الذكاء الاصطناعي.

يمكنك مشاركة وجهات نظرك حول مخاطر الذكاء الاصطناعي، بما في ذلك انحياز الذكاء الاصطناعي، وكيف يدير ManageEngine هذه المخاطر؟

في ManageEngine، ندرك التهديد الخطير الذي تشكله مخاطر الذكاء الاصطناعي، بما في ذلك انحياز الذكاء الاصطناعي، الذي يمكن أن يوسع فجوة الوصول إلى التكنولوجيا ويؤثر على وظائف أعمال حرجة مثل الموارد البشرية والمالية. على سبيل المثال، هناك قصص عن سلوك الذكاء الاصطناعي المتميز بانحياز في التوظيف هي قصص تحذيرية نأخذها على محمل الجد.

للتغلب على هذه المخاطر، ننفذ سياسات وعمليات صارمة لضمان أن نماذج الذكاء الاصطناعي الخاصة بنا تقلل من الانحياز على مدار دورة حياتها. من المهم مراقبة هذه النماذج باستمرار، لأنها يمكن أن تبدأ غير متحيزة ولكنها قد تطور انحيازًا مع مرور الوقت بسبب التغييرات في البيانات.

نحن أيضًا نستثمر في تقنيات متقدمة مثل الخصوصية التفرقية والتشفير الهومومورفيك لتعزيز التزامنا بالذكاء الاصطناعي الآمن وغير متحيز. هذه الجهود حاسمة في ضمان أن أدوات الذكاء الاصطناعي الخاصة بنا ليست فقط قوية ولكن أيضًا تستخدم بشكل مسؤول ومتعقل، مع الحفاظ على صحتها لجميع المستخدمين والتطبيقات.

ما هو رؤيتك لمستقبل الذكاء الاصطناعي والروبوتات؟

مستقبل الذكاء الاصطناعي والروبوتات يبدو ممتعًا ومتغيرًا. الذكاء الاصطناعي قد مر بمراحل ارتفاع وهبوط في الماضي. ومع ذلك، مع التطورات في جمع البيانات وعمليات المعالجة، بالإضافة إلى نماذج الإيرادات الناشئة حول البيانات، أصبح الذكاء الاصطناعي الآن مثبتًا بشكل قوي ومستمر.

تطور الذكاء الاصطناعي إلى تكنولوجيا رئيسية، مما أثر بشكل كبير على كيفية تفاعلنا مع البرمجيات على مستويات الشركات والشخصية. وقد أصبحت قدراته التوليدية جزءًا لا يتجزأ من حياتنا اليومية، وأتوقع أن يصبح الذكاء الاصطناعي أكثر سهولة وصولًا وتكلفة للشركات، بفضل تقنيات وابتكارات جديدة.

جانب مهم من هذا المستقبل هو مسؤولية مطوري الذكاء الاصطناعي. من الضروري أن يضمن المطورون أن نماذج الذكاء الاصطناعي الخاصة بهم قوية وخالية من الانحياز. بالإضافة إلى ذلك، آمل أن تتطور الإطارات القانونية بسرعة تتناسب مع التطور السريع للذكاء الاصطناعي لإدارة وتخفيف أي قضايا قانونية قد تنشأ.

رؤيتي للذكاء الاصطناعي هي مستقبل حيث يتم دمج هذه التكنولوجيا بشكل متساوٍ في حياتنا اليومية، مما يعزز قدراتنا وتجاربنا مع إدارة مسؤولة واخلاقيات.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يمكنهم زيارة ManageEngine.