Joy Mustafi, Chief Data Scientist i Aviso, Inc – Interview Serie

Ranket som en af Indiens 10 bedste datavidenskabsmænd af Analytics India Magazine, har Joy Mustafi ledet datavidenskabsforskning i teknologigiganter som Salesforce (CRM ), Microsoft (MSFT ) og IBM, og har vundet 50 patenter og skrevet over 25 publikationer om AI.

Han var tilknyttet IBM i 10 år som datavidenskabsmand og var involveret i en række forretningsintelligensløsninger, herunder IBM Watson. Han arbejdede som Principal Applied Scientist hos Microsoft, hvor han var ansvarlig for AI-forskning. Senest var Mustafi Principal Researcher for Salesforces Einstein-platform.

Mustafi er også grundlægger og præsident for MUST Research, en non-profit-organisation, der fremmer excellence i datavidenskab, kognitiv beregning, kunstig intelligens, maskinlæring og avanceret analyse til gavn for samfundet.

For nylig tiltrådte Mustafi stillingen som chef for datavidenskab i Redwood City-baserede Aviso, Inc, hvor han vil udnytte sin erfaring til at hjælpe Avisos kunder med at accelerere salgsprocessen og udvide mulighederne for indtjening.

Hvad var det, der oprindeligt tiltrak dig til AI?

Jeg elsker matematik meget, og det samme gælder for programmering. Jeg har en bachelorgrad i statistik og en kandidatuddannelse i computeranvendelse. Da jeg startede min AI-forskningsrejse tilbage i 2002 på det indiske statistiske institut i Kolkata, brugte jeg programmeringssproget C til at udvikle et kunstigt neuralt netværkssystem til genkendelse af håndskrevne cifre. Det var 2500+ linjer kode, alt skrevet fra scratch uden nogen indbyggede biblioteker ud over standard input/output. Det bestod af datarensning og forarbejdning, funktionssammenstilling og en backpropagation-algoritme med et multilag-perceptron. Hele processen var en kombination af alle de fag, jeg havde studeret. På det tidspunkt var AI ikke så populært i erhvervslivet, og få akademiske organisationer udførte avanceret forskning i feltet. Og, forresten, var AI ikke noget nyt på det tidspunkt! Feltet for AI-forskning går tilbage til 1956, da professor John McCarthy og andre indviede feltet på en nu-legendarisk workshop på Dartmouth College.

Du har arbejdet med nogle af de mest avancerede virksomheder i AI, såsom IBM Watson og Microsoft. Hvad har været det mest interessante projekt, du har arbejdet på?

Jeg vil nævne det første patent, jeg fik tildelt, mens jeg arbejdede hos IBM: en metode til at løse ordproblemer i naturligt sprog, der var et åbent problem med IBM Watson. Systemet, jeg udviklede, kan forstå et aritmetisk eller algebraisk problem, der er udtrykt i naturligt sprog, og give en løsning i realtid som et naturligt sprogssvar. For at gøre det, skulle systemet håndtere følgende nøgletrin: Få inputproblemer og spørgsmål, der skal besvares; konvertere input-sætningerne til en sekvens af sætninger, der er veldefinerede fra et matematisk synspunkt; konvertere de veldefinerede sætninger til matematiske ligninger; løse ligningerne; og fortælle det matematiske resultat i naturligt sprog.

Der er også mit bedste projekt for Microsoft — Softie! Jeg opfandt og byggede en fysisk robot, der var udstyret med forskellige typer af udskiftelige inputenheder og sensorer, der tillod den at modtage information fra mennesker. En standardiseret metode til kommunikation med computeren tillod brugeren at foretage praktiske justeringer og muliggjorde rigere interaktioner afhængigt af konteksten. Vi kunne implementere et robust system med funktioner, herunder tastatur, pegeenhed, touchscreen, computerseende, talegenkendelse og så videre. Vi dannede et hold fra forskellige forretningsenheder og opmuntrede dem til at udforske forskningsapplikationer på kunstig intelligens og relaterede områder.

Du er også grundlægger og præsident for MUST Research, en non-profit-organisation registreret under Society and Trust Act of India. Kan du fortælle os om denne non-profit?

MUST Research er dedikeret til at fremme excellence og kompetence i datavidenskab, kognitiv beregning, kunstig intelligens, maskinlæring og avanceret analyse til gavn for samfundet. MUST har til formål at opbygge et økosystem, der muliggør interaktion mellem akademiske og erhvervsaktører, og hjælper dem med at løse problemer og gør dem bekendt med de seneste udviklinger i den kognitive æra for at give løsninger, tilbyde vejledning eller træning, organisere foredrag, seminarer og workshops og samarbejde om videnskabelige programmer og samfundsmissioner. Det mest spændende aspekt ved MUST er dens grundforskning i avancerede teknologier som kunstig intelligens, maskinlæring, naturlig sprogbehandling, tekstanalyse, billedbehandling, computerseende, lydsignalbehandling, taleteknologi, indlejret systemer, robotteknik og så videre.

Hvad var det, der inspirerede dig til at lancere MUST Research?

Min kærlighed til science fiction-film og matematik betyder, at jeg ofte tænker over, hvordan teknologi kan ændre verden, og jeg havde tænkt over at danne en gruppe af ligesindede eksperter på avancerede teknologier siden 1993, da jeg var i 9. klasse. Da jeg fik mit første job, tog det 10 år at kalde til et møde — og endnu 10 år at identificere en gruppe af egnede eksperter og danne en non-profit-organisation. Nu har vi omkring 500 datavidenskabsmænd i MUST over hele Indien, der bidrager passioneret til forskning i fremvoksende teknologier.

Over de seneste år har branchen oplevet betydelige fremskridt i dyb læring, forstærket læring, naturlig sprogbehandling og så videre. Hvilket område af maskinlæring ser du i øjeblikket som det mest spændende?

Alle maskinlæringsalgoritmer er spændende, når de implementeres som et produkt eller en tjeneste, der kan bruges af virksomheder eller personer i den virkelige verden. Dyb læringens æra har fordele og ulemper — nogle gange hjælper det med automatisk funktionssammenstilling, men på samme tid kan det fungere som en sort boks, og ende med en affald-ind-afald-scenario, hvis ikke de rigtige datasæt eller algoritmer bruges. Nogle af de seneste teknologier er også ressourcekrævende og kræver store mængder proceskraft, tid og data. Det vigtigste er at huske, at dyb læring er en undermængde af maskinlæring (ML), der igen er en undermængde af kunstig intelligens (AI), og AI er en undermængde af datavidenskab — så det er alle sammen forbundet. Og det handler ikke om Python, R eller Scala — jeg startede min AI-rejse i C, og man kan endda skrive AI-programmer i assembliesprog. Opbygning af succesfulde AI-systemer afhænger først og fremmest af at forstå virksomhedens eller forskningsmiljøets kontekst og derefter forbinder punkterne mellem handlinger og data for at opbygge et system, der virkelig hjælper forskellige mennesker i forskellige domæner. Uanset om du arbejder med naturlig sprogbehandling, computerseende, videoanalyse, taleteknologi eller robotteknik, er den bedste vej frem at starte med den enkleste mulige tilgang og derefter antage mere komplekse metoder iterativt, mens du eksperimenterer med og forbedrer dit system.

Du er en hyppig gæsteforelæser på førende universiteter i Indien. Hvad er det ene spørgsmål, du ofte hører fra studenter, og hvordan besvarer du det bedst?

Det ene spørgsmål, jeg oftest hører, er: “Hvordan kan jeg blive en datavidenskabsmand?” Jeg fortæller altid unge mennesker, at det bestemt er muligt, og forsøger at vejlede dem til at bruge deres kærlighed til matematik, statistik eller computeranvendelse til at løse virkelige forretningsproblemer. Folk spørger også, hvordan de kan tilslutte sig MUST, og igen er svaret enkelt: “Byg din profil med multiple projekter og fokuser på at tænke uden for boksen.” Hvis du vil blive en datavidenskabsmand, må du også bevise, at du kan innovere. Uden innovation kan vi ikke kalde os videnskabsmænd. Selvfølgelig hjælper det også at få patenter eller offentliggøre din forskning i anerkendte tidsskrifter og konferencer!

Du har for nylig tiltrådt stillingen som chef for datavidenskab i Redwood City-baserede Aviso. Kan du fortælle os lidt om Aviso og din rolle i virksomheden?

Aviso bruger AI og maskinlæring til at vejlede salgschefer og fjerner gætteriet fra salgsprocessen. Det er en fascinerende udfordring, og min primære ansvar er at hjælpe organisationen med at vokse i en positiv retning ved at bruge dyb forskning til at skabe grundlag for kundernes succes. Jeg bruger min viden og erfaring i kunstig intelligens og innovation til at hjælpe vores kerneprodukter og forskningsprojekter med at blive mere:

Tilpasningsdygtige: De må lære, når information ændrer sig, og når mål og krav udvikler sig. De må løse tvetydighed og tåle uforudsigelighed. De må være designet til at fungere med dynamisk data i realtid.

Interaktive: De må kunne interagere let med brugere, så de kan definere deres behov komfortabelt. De må interagere med andre processorer, enheder, tjenester samt med mennesker.

Iterative og tilstandsfulde: De må hjælpe med at definere et problem ved at stille spørgsmål eller finde yderligere input, hvis et problemstatement er tvetydigt eller ufuldstændigt. De må huske tidligere interaktioner i en proces og returnere information, der er egnet for den specifikke anvendelse på det pågældende tidspunkt.

Kontekstuelle: De må forstå, identificere og udtrække kontekstuelle elementer som betydning, syntaks, tid, sted, egnet domæne, regulering, brugerprofil, proces, opgave og mål. De må trække på multiple kilder af information, herunder både struktureret og ustruktureret digital information.

Hvad var det, der tiltrak dig til denne stilling i Aviso?

Aviso arbejder på at erstatte opblæste legacy-CRM-systemer med friktionsløse, AI-aktiverede værktøjer, der kan levere handlingsorienteret indsigt og låse salgsholdets fulde potentiale op. Vores produkt er et intelligent system, der forstår salgspersoners problempunkter, fjerner tidskrævende dataindtastning og giver cheferne de forslag og vejledning, de behøver for at lukke handler effektivt. Jeg blev tiltrukket af den stærke ledelse og kundebase, men også af Avisos engagement i at bruge avancerede AI-værktøjer til at løse virkelige udfordringer. Salg er en vital del af enhver forretning, og Aviso hjælper med det ved at udnytte kraften af kunstig intelligens. Bull’s eye! Hvad mere kunne du ønske?

Til sidst, er der noget andet, du gerne vil dele om AI?

Kunstig intelligens gør en ny klasse af problemer beregningsmæssigt mulige. For at svare på den flydende natur af brugernes forståelse af deres problemer tilbyder kognitivt beregningsystem en syntese ikke blot af informationskilder, men også af påvirkninger, kontekster og indsigt. Disse systemer adskiller sig fra nuværende beregningsapplikationer, da de går ud over at tabulere og beregne baseret på forhåndsdefinerede regler og programmer. De kan slutte og endda begrunde baseret på bredde mål. I denne forstand er kognitiv beregning en ny type beregning med det formål at udvikle mere præcise modeller for, hvordan det menneskelige hjerte eller sind sanser, begrunder og reagerer på stimuli. Det er et studieområde, der studerer, hvordan man kan skabe computere og computersoftware, der er i stand til intelligent adfærd. Dette felt er tværfagligt: kunstig intelligens er et sted, hvor en række videnskaber og fag mødes, herunder computervidenskab, elektronik, matematik, statistik, psykologi, lingvistik, filosofi, neurovidenskab og biologi. Det er det, der gør det så spændende!