Kushal Chakrabarti, Vicepræsident for Forskning og Datavidenskab hos Opendoor – Interviewsammenligningsserie

Kushal Chakrabarti er Vicepræsident for Forskning og Datavidenskab hos Opendoor, en førende digital platform for boligformål.

Hvad tiltrak dig oprindeligt til maskinlæring og datavidenskab?

Jeg har altid set verden i tal, men det var ikke før på universitetet, at jeg indså, at datavidenskab var min sande kaldelse. Og jeg kan næsten pege på øjeblikket: “Introduktion til programmering med MATLAB.” At se den 3D-konturplot på MATLAB-splashskærmen var “Vent et øjeblik…” Det var som at være forelsket ved første øjekast for mig.

For mig er datavidenskab det nærmeste, jeg nogensinde kommer til at se “Guds sind.” Uanset om du er religiøs eller ej, er der tydeligvis en underliggende mekanisme for, hvordan verden fungerer. Vi har ikke den pris at se det direkte, men vi får lov at observere dets artefakter – data. Og videnskaben og kunsten at genskabe denne underliggende mekanisme er datavidenskab.

Kan du diskutere nogle af de udviklinger, du personligt har oplevet i datavidenskabsfeltet gennem årene?

Jeg har bemærket to bredt anlagte tendenser i mine næsten to årtier i feltet.

Først er oprettelsen af underdiscipliner. Da jeg kom op gennem rækkerne, var der ikke en forskel på dataingeniør kontra beslutningsvidenskab kontra maskinlæring. Hvis du ville lave den fancy matematik, måtte du også lave resten – der var simpelthen ikke andre muligheder. I dag, hvor feltet er kommet så langt, begynder folk at specialisere sig i underdiscipliner. Det er uundgåeligt i ethvert modent felt – der var kun få forskellige typer af læger for hundred år siden, men i dag findes der dusinvis.

For det andet er der en bred demokratisering af feltet. I dag findes der et stort udvalg af værktøjer, der gør feltet eksponentielt mere tilgængeligt for nye mennesker. Selvom jeg bestemt værdsætter ikke at skulle skrive C++-kode for forward-backward-algoritmen, er det faktisk en dobbeltægget sværd – mange praktikere i dag behandler disse værktøjer som sorte kasser og forstår ikke, hvorfor visse ting er designet til at fungere på visse måder, og derfor har svært ved at vælge det rette værktøj til det rette job.

Hvad er din nuværende vision for fremtiden for datavidenskab hos Opendoor?

Det, der får mig op hver morgen, er at bygge teknologi til at hjælpe almindelige amerikanere i den virkelige verden. At købe eller sælge et hjem er en af de største milepæle i en persons liv, og det arbejde, vi gør, hjælper mennesker på tværs af USA med at opnå ejerskab af et hjem på en simpel, mere sikker og hurtigere måde.

Hos Opendoor tager vi hundredvis af data-drevne beslutninger hver dag. Vore teams bruger alt fra årsagsinference til strukturøkonomiske modeller til dyb læring, der driver vores state-of-the-art-prismodeller.

Men når du kigger under hooden, er der mange heuristikker. Mennesker bruger heuristikker, fordi de virker, men heuristikker virker i midten og fejler ved kanterne. Når du tænker dybt over de underliggende mekanismer for, hvordan mennesker opfører sig, kan du begynde at abstrahere principperne rammer, der strengt generaliserer disse heuristikker. Det er min vision og håb, at vi bygger disse principperne rammer, så vi kan låse lettere, bedre og hurtigere ejerskab af et hjem for millioner af flere amerikanere.

På din LinkedIn-profil inviterer du datavidenskabsfolk til at arbejde med dig for at løse et trillion-dollars datavidenskabsproblem, der betyder noget for hundred millioner almindelige amerikanere. Hvad søger du efter i potentielle ansøgere?

Vi søger grundlæggende efter mennesker med to fremhævede egenskaber: en superkraft til at kvantitativt og systematisk forklare verden, og en evne til at praktisk arbejde baglæns fra kunden.

Jeg tror dybt på at styre superkræfter. I min erfaring er de bedste datavidenskabsfolk T-formede: de ved en del om meget og meget om lidt. Og i mit tilfælde ved jeg meget om meget lidt! Vi forventer ikke, at folk ved alt. Vi forventer dog, at folk er exceptionelle til noget. Og hvis du sætter tingene op på den rigtige måde, kan du samle et hold af mennesker med komplementære superkræfter, der – sammen – kan lave magi.

Det er ikke en kliché. Som Isaac Asimov-citaten lyder: “Enhver tilstrækkeligt avanceret teknologi er ikke til at skelne fra magi.” Ejendom er en trillion-dollars industri, der er forblevet uforandret i årtier. Vi har kun börjat at skrabe overfladen, men vi har allerede sat standarden for årene, der kommer. Da vi tager superpower-teams og driver vores vision fremad, vil vi lave magi.

Se vores åbne stillinger her.

Er der noget andet, du gerne vil dele om Opendoor?

Med min ret ualmindelige baggrund – komputationsbiologisk forskning, Amazon (AMZN ) -personalisering, to-gangs iværksætter og rådgiver for et dusin andre iværksættere – har jeg sandsynligvis set indersiden af 15-20 datavidenskabsorganisationer. Jeg kan uden tvivl sige, at Opendoor har de mest fascinerende tekniske udfordringer af nogen organisation, jeg har set.

Kombineret med det er skalaen og virkningen af, hvad vi gør. Der er simpelthen ikke mange trillion-dollars-problemer i vores verden. Der er bestemt ikke mange, der opererer i en så arkaisk status quo. På kun få år har vi vendt den model på hovedet og vist, at der er en hurtigere, simpel og mere sikker måde at gøre tingene på, der kombinerer det bedste af sofistikeret datavidenskab og kunde-centreret drift. Men vi er kun börjat. At finde ud af, hvordan vi kan bruge nye datasæt og verdensklasse-datavidenskab til at nå det næste niveau, er en ophidsende teknisk udfordring, der vil hjælpe millioner af amerikanere på tværs af USA.