Joy Mustafi, Chief Data Scientist of Aviso, Inc – Interview Series

Rangeret som en af Indiens 10 bedste datavidenskabsmænd af Analytics India Magazine, har Joy Mustafi ledet datavidenskabsforskning hos teknologigiganter som Salesforce, Microsoft og IBM, og har vundet 50 patenter og skrevet over 25 publikationer om AI.

Han var tilknyttet IBM i ti 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 og kompetence inden for datavidenskab, kognitiv computing, kunstig intelligens, maskinlæring og avanceret analytics til gavn for samfundet.

For nylig tiltrådte Mustafi Redwood City-baserede Aviso, Inc som chief data scientist, hvor han vil udnytte sin årtiers erfaring til at hjælpe Aviso-kunderne med at accelerere deal-lukning og udvide omsætningsmuligheder.

Hvad var det, der oprindeligt tiltrak dig til AI?

Jeg elsker matematik meget, og det samme gælder for programmering. Jeg gjorde min kandidatuddannelse i statistik og min efteruddannelse i computeranvendelse. Da jeg startede min AI-forskningsrejse tilbage i 2002 på det indiske statistiske institut i Kolkata, brugte jeg C-programmeringssproget 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, AI var ikke ny på det tidspunkt! AI-forskning daterer 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 & 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 naturlig sprog, som var et åbent problem med IBM Watson. Systemet, jeg udviklede, kan forstå et aritmetisk eller algebraisk problem, der er udtrykt i naturlig sprog, og give en løsning i realtid som et naturligt sprogssvar. For at gøre det, måtte systemet håndtere følgende nøgletrin: Få inputproblemer og spørgsmål til at besvare; omdanne input-sætningerne til en sekvens af sætninger, der er veldefinerede fra et matematisk synspunkt; omdanne de veldefinerede sætninger til matematiske ligninger; løse ligningerne; og fortælle det matematiske resultat i naturlig sprog.

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

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 inden for datavidenskab, kognitiv computing, kunstig intelligens, maskinlæring og avanceret analytics til gavn for samfundet. MUST har til formål at opbygge et økosystem, der muliggør interaktion mellem akademiske og erhvervsorienterede organisationer, og hjælpe dem med at løse problemer og gøre dem bekendt med de seneste udviklinger i den kognitive æra for at give løsninger, tilbyde vejledning eller træning, arrangere foredrag, seminarer og workshops, og samarbejde om videnskabelige programmer og samfundsmissioner. Det mest spændende aspekt af MUST er dets grundforskning i avancerede teknologier som kunstig intelligens, maskinlæring, naturlig sprogbehandling, tekstanalyse, billedbehandling, computer vision, lydsignalbehandling, taleteknologi, indlejrede 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 like-minded eksperter på avancerede teknologier, siden jeg var i 9. klasse i 1993. Da jeg fik min 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 på tværs af Indien, der bidrager passioneret til forskning i opkomende teknologier.

Over de seneste år har branchen oplevet betydelige fremskridt inden for 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 individer 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 skrald-ind-skrald-ud-scenario, hvis ikke de rigtige datasæt eller algoritmer bruges. Nogle af de seneste teknologier er også ressourcekrævende og kræver enorme mængder proceskraft, tid og data. Det vigtigste at huske er, at dyb læring er en undermængde af maskinlæring (ML), som igen er en undermængde af kunstig intelligens (AI), og AI er en undermængde af datavidenskab — så det er allerede 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 forretnings- eller forskningsmiljøet, 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, computer vision, 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 datavidenskabsmand?” Jeg fortæller altid unge mennesker, at det er bestemt muligt, og prøver at vejlede dem til at bruge deres kærlighed til matematik, statistik eller computervidenskab til at forsøge 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 datavidenskabsmand, må du også bevise, at du kan innovere. Uden innovation kan vi ikke kalde os videnskabsmænd. Selvfølgelig hjælper det også at blive tildelt patenter eller offentliggøre din forskning i anerkendte tidsskrifter og konferencer!

Du har for nylig tiltrådt Redwood City-baserede Aviso som chief scientist, for at bruge din AI/ML-ekspertise. Kan du fortælle os lidt om Aviso og din rolle i virksomheden?

Aviso bruger AI og maskinlæring til at vejlede salgschefer og fjerner gætteriarbejdet fra procesen med at lukke handler. 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 sætte scenen for kundernes succes. Jeg bruger min viden og erfaring inden for 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 tolerere uforudsigelighed. De må være designede til at fungere på dynamisk data i realtid.

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

Iterative og tilstandsbaserede: De må hjælpe med at definere et problem ved at stille spørgsmål eller finde ekstra kildeinput, 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, placering, 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 hos Aviso?

Aviso arbejder på at erstatte opblæste legacy CRM-systemer med friktionsløse, AI-aktiverede værktøjer, der kan levere handlebare indsigt og låse salgsteamenes fulde potentiale op. Vores produkt er et intelligent system, der forstår salgsfolkens smertepunkter, fjerner tidskrævende dataindtastning og giver cheferne de forslag og vejledning, de behøver for at lukke handler effektivt. Jeg blev tiltrukket af det stærke lederteam og kundebasen, men også af Avisos engagement i at bruge avancerede AI-værktøjer til at løse virkelige udfordringer. Salg er en vital del af enhver virksomhed, 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 beregnelige. For at svare på den flydende natur af brugernes forståelse af deres problemer, tilbyder det kognitive computersystem en syntese ikke kun af informationskilder, men også af påvirkninger, kontekster og indsigt. Disse systemer adskiller sig fra nuværende computermanvester, da de går ud over at tabelere og beregne baseret på forhåndsdefinerede regler og programmer. De kan slutte og endda slutte baseret på brede mål. I denne forstand er kognitiv computing en ny type computing med målet om at udvikle mere præcise modeller for, hvordan det menneskelige hjerte eller sind sanser, slutter og reagerer på stimulus. 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!