Joy Mustafi, Chief Data Scientist of Aviso, Inc – Rozhovorová série

Ještě jako jeden z deseti nejlepších datových vědců v Indii podle časopisu Analytics India Magazine, Joy Mustafi vedl výzkum datové vědy v technologických gigantech, jako jsou Salesforce (CRM ), Microsoft (MSFT ) a IBM, a získal 50 patentů a napsal více než 25 publikací o umělém inteligenci.

Pracoval pro IBM deset let jako datový vědec, který se podílel na různých obchodních inteligentních řešeních, včetně IBM Watson. Pracoval jako hlavní aplikovaný vědec v Microsoftu, kde byl odpovědný za výzkum umělé inteligence. Nedávno byl Mustafi hlavním výzkumníkem pro platformu Salesforce Einstein.

Mustafi je také zakladatel a prezident MUST Research, neziskové organizace, která podporuje excelenci v oblastech datové vědy, kognitivního výpočetního zpracování, umělé inteligence, strojového učení a pokročilé analýzy prospěchu společnosti.

Nedávno se Mustafi připojil k společnosti Aviso, Inc. se sídlem v Redwood City jako hlavní datový vědec, kde bude využívat své desetileté zkušenosti k pomoci zákazníkům Avisa urychlit uzavírání obchodů a rozšiřovat obchodní příležitosti.

Co vás původně přitáhlo k umělé inteligenci?

Mám rád matematiku a programování. Studoval jsem statistiku a počítačové aplikace. Když jsem začal svou cestu výzkumu umělé inteligence v roce 2002 na Indickém statistickém institutu v Kalkatě, použil jsem programovací jazyk C k vývoji umělé neuronové sítě pro rozpoznání ručně psaných číslic. To bylo více než 2500 řádků kódu,すべて napsaných od začátku bez použití žádných vestavěných knihoven kromě standardního vstupu a výstupu. Zahrnovalo čištění a předzpracování dat, inženýrství funkcí a algoritmus zpětného šíření s vícevrstvou perceptronem. Celý proces byl kombinací všech předmětů, které jsem studoval. V té době nebyla umělé inteligence v podnikovém světě příliš populární a pouze několik akademických organizací se zabývalo pokročilým výzkumem v této oblasti. A mimochodem, umělé inteligence nebyla v té době nová! Obor výzkumu umělé inteligence sahá až do roku 1956, kdy profesor John McCarthy a další založili toto odvětví na legendární konferenci v Dartmouth College.

Pracoval jste s některými z nejpokročilejších společností v oblasti umělé inteligence, jako je IBM Watson a Microsoft. Který projekt vás nejvíce zaujal?

Chtěl bych zmínit první patent, který jsem získal, zatímco pracoval pro IBM: metodu pro řešení slovních problémů v přirozeném jazyce, která byla otevřeným problémem s IBM Watson. Systém, který jsem vyvinul, může pochopit aritmetický nebo algebrický problém vyjádřený v přirozeném jazyce a poskytnout řešení v reálném čase jako odpověď v přirozeném jazyce. K tomu musel systém zpracovat následující klíčové kroky: získat vstupní problémové výpovědi a otázku, která má být zodpovězena; převést vstupní věty na posloupnost vět, které jsou z matematického hlediska dobře tvarované; převést dobře tvarované věty na matematické rovnice; vyřešit soustavu rovnic; a vyprávět matematický výsledek v přirozeném jazyce.

Existuje také můj nejlepší projekt pro Microsoft — Softie! Vynalezl a postavil jsem fyzického robota vybaveného různými typy vyměnitelných vstupních zařízení a senzorů, aby mohl přijímat informace od lidí. Standardizovaná metoda komunikace s počítačem umožnila uživateli provést praktické úpravy, což umožnilo bohatší interakce v závislosti na kontextu. Byli jsme schopni implementovat robustní systém s funkcemi, jako je klávesnice, ukazovací zařízení, dotyková obrazovka, počítačové vidění, rozpoznávání řeči a tak dále. Sestavili jsme tým z různých obchodních jednotek a povzbudili je, aby prozkoumali výzkumné aplikace v oblasti umělé inteligence a souvisejících oblastí.

Jste také zakladatel a prezident MUST Research, neziskové organizace registrované podle zákona o společnosti a trustu v Indii. Můžete nám říci více o této neziskové organizaci?

MUST Research se věnuje podpoře excelence a kompetence v oblastech datové vědy, kognitivního výpočetního zpracování, umělé inteligence, strojového učení a pokročilé analýzy prospěchu společnosti. MUST má za cíl vytvořit ekosystém, který umožní interakci mezi akademickou sférou a podniky, aby jim pomohl řešit problémy a informovat je o nejnovějších trendech v kognitivní éře, aby mohli poskytovat řešení, nabízet školení nebo poradenství, pořádat přednášky, semináře a workshopy a spolupracovat na vědeckých programech a sociálních misích. Nejzajímavější funkcí MUST je jeho základní výzkum v oblasti pokročilých technologií, jako je umělé inteligence, strojové učení, zpracování přirozeného jazyka, textová analýza, počítačové vidění, zpracování audio signálů, rozpoznávání řeči, vestavěné systémy, robotika a tak dále.

Co vás inspirovalo k založení MUST Research?

Má láska ke sci-fi filmům a matematice znamená, že často přemýšlím o tom, jak technologie může změnit svět, a již od roku 1993, kdy jsem byl ve 9. třídě, jsem uvažoval o vytvoření skupiny podobně smýšlejících odborníků na pokročilé technologie. Jakmile jsem získal svou první práci, trvalo to 10 let, než jsem svolal setkání, a další 10 let, než jsem identifikoval skupinu vhodných odborníků a založil neziskovou společnost. Nyní máme kolem 500 datových vědců v MUST po celé Indii, kteří se vášnivě podílejí na výzkumu v oblasti nových technologií.

Za posledních několik let došlo v průmyslu k významným pokrokům v hlubokém učení, učení s posilováním, zpracování přirozeného jazyka a dalších oblastech. Kterou oblast strojového učení považujete v současné době za nejzajímavější?

Všechny algoritmy strojového učení jsou zajímavé, jakmile jsou implementovány jako produkt nebo služba, která může být použita podniky nebo jednotlivci ve skutečném světě. Éra hlubokého učení má své výhody a nevýhody — někdy pomáhá v automatickém inženýrství funkcí, ale zároveň může fungovat jako černá skříňka a skončit scénářem “špatný vstup — špatný výstup”, pokud nejsou použity vhodné datové sady nebo algoritmy. Některé z nejnovějších technologií jsou také náročné na zdroje a vyžadují velké množství výpočetního výkonu, času a dat. Klíčovou věcí je si uvědomit, že hluboké učení je podmnožinou strojového učení (ML), které je samo podmnožinou umělé inteligence (AI), a AI je podmnožinou datové vědy — takže vše je propojeno. A nejde o Python, R nebo Scala — začal jsem svou cestu umělé inteligence v C a můžete dokonce psát programy umělé inteligence v assembly kódu. Budování úspěšných systémů umělé inteligence závisí především na pochopení obchodního nebo výzkumného prostředí a poté na propojení činností a dat, aby se vytvořil systém, který skutečně pomáhá různým lidem v různých oblastech. Bez ohledu na to, zda pracujete s zpracování přirozeného jazyka, počítačovým viděním, videoanalýzou, technologií řeči nebo robotikou, nejlepší způsob, jak postupovat, je začít s nejjednoduššími možnými přístupy a poté přijmout složitější metody iterativně, jak experimentujete a rafinujete svůj systém.

Jste častým hostujícím řečníkem na předních univerzitách v Indii. Jakou otázku vám studenti často kladou a jak na ni nejčastěji odpovídáte?

Jedna otázka, kterou slyším nejčastěji, je: “Jak se mohu stát datovým vědcem?” Vždy říkám mladým lidem, že je to určitě možné, a snažím se je nasměrovat k využití jejich lásky k matematice, statistice nebo počítačovým vědám, aby se pokusili řešit skutečné obchodní problémy. Lidé se také ptají, jak se mohou připojit k MUST, a opět je odpověď jednoduchá: “Vytvořte si profil s několika projekty a zaměřte se na myšlení mimo krabici.” Pokud chcete se stát datovým vědcem, musíte také prokázat, že můžete inovovat. Bez inovací se nemůžeme nazývat vědci. Samozřejmě, že být oceněn patenty nebo publikovat výzkum v uznávaných časopisech a konferencích také pomáhá!

Nedávno jste se připojil k společnosti Aviso, Inc. se sídlem v Redwood City jako hlavní datový vědec. Můžete nám říci něco o Avisu a o své roli v této společnosti?

Aviso používá umělou inteligenci a strojové učení, aby pomohla prodejním manažerům a odstranila nejistotu z procesu uzavírání obchodů. To je fascinující výzva a mojí hlavní odpovědností je pomoci společnosti růst pozitivním směrem, pomocí hlubokého výzkumu, aby se vytvořily podmínky pro úspěch zákazníků. Používám své znalosti a zkušenosti v oblasti umělé inteligence a inovací, aby se naše hlavní produkty a výzkumné projekty staly ještě lepšími:

Adaptivní: Musí se učit, jak se mění informace, a jak se mění cíle a požadavky. Musí řešit nejistotu a tolerovat nepředvídatelnost. Musí být navrženy tak, aby se živily dynamickými daty v reálném čase.

Interaktivní: Musí snadno interagovat s uživateli, aby mohli definovat své potřeby pohodlně. Musí interagovat s jinými procesory, zařízeními, službami, jakož i s lidmi.

Iterativní a stavový: Musí pomáhat definovat problém tím, že položí otázky nebo najde další vstupní data, pokud je problémový výrok nejistý nebo neúplný. Musí si pamatovat předchozí interakce v procesu a vrátit informace, které jsou vhodné pro konkrétní aplikaci v daném okamžiku.

Kontextuální: Musí rozumět, identifikovat a extrahovat kontextové prvky, jako je význam, syntaxe, čas, místo, příslušná doména, regulace, uživatelský profil, proces, úkol a cíl. Musí čerpat z více zdrojů informací, včetně strukturovaných i nestrukturovaných digitálních informací.

Co vás přitáhlo k této pozici v Avisu?

Aviso se snaží nahradit staré, nafouklé systémy CRM novými, bezproblémovými nástroji, které jsou vybaveny umělou inteligencí a mohou poskytnout prodejním týmům akční informace a odemknout jejich plný potenciál. Naše produkt je chytrý systém, který rozumí bolestem prodejních lidí, odstraňuje časově náročné zadávání dat a poskytuje manažerům návrhy a rady, které potřebují k efektivnímu uzavírání obchodů. Byl jsem přitahován silným vedením a zákaznickou základnou, ale také závazkem Avisa používat pokročilé nástroje umělé inteligence k řešení skutečných problémů. Prodej je životně důležitou součástí každého podniku a Aviso pomáhá s tím, že využívá sílu umělé inteligence. Bulls-eye! Co více byste mohli chtít?

Nakonec, je něco, co byste rádi sdíleli o umělé inteligenci?

Umělé inteligence činí novou třídu problémů spočetelnou. Na odpověď na tekutou povahu pochopení uživatelů svých problémů nabízí kognitivní výpočetní systém syntézu nejen zdrojů informací, ale i vlivů, kontextů a poznatků. Tyto systémy se liší od současných aplikací výpočetní techniky v tom, že jdou za tabulací a výpočtem založenými na předem nakonfigurovaných pravidlech a programech. Mohou odvodit a dokonce uvažovat na základě širokých cílů. V tomto smyslu je kognitivní výpočetní technika novým typem výpočetní techniky, jehož cílem je vyvinout přesnější modely toho, jak lidský mozek nebo mysl vnímá, rozumí a reaguje na podněty. Je to oblast studia, která se zabývá tím, jak vytvořit počítače a software, které jsou schopny inteligentního chování. Toto pole je mezioborové: umělá inteligence je místo, kde se setkává řada věd a profesí, včetně počítačových věd, elektroniky, matematiky, statistiky, psychologie, lingvistiky, filozofie, neurovědy a biologie. To je to, co z ní dělá něco tak vzrušujícího!