Joy Mustafi, Chief Data Scientist von Aviso, Inc – Interview-Serie

Als einer der 10 besten Datenwissenschaftler Indiens, gewählt von Analytics India Magazine, hat Joy Mustafi die Datenwissenschaftsforschung bei Technologie-Giganten wie Salesforce (CRM ), Microsoft (MSFT ) und IBM geleitet und 50 Patente gewonnen sowie über 25 Veröffentlichungen zu KI verfasst.

Er war über ein Jahrzehnt bei IBM als Datenwissenschaftler tätig und war an verschiedenen Geschäftsanalyse-Lösungen beteiligt, darunter IBM Watson. Er arbeitete als Principal Applied Scientist bei Microsoft, wo er für die KI-Forschung verantwortlich war. Zuletzt war Mustafi Principal Researcher für Salesforces Einstein-Plattform.

Mustafi ist auch der Gründer und Präsident von MUST Research, einer Non-Profit-Organisation, die Exzellenz in den Bereichen Datenwissenschaft, kognitive Computing, Künstliche Intelligenz, Machine Learning und fortschrittliche Analytik fördert, um der Gesellschaft zu nützen.

Kürzlich trat Mustafi der Firma Aviso, Inc. in Redwood City als Chief Data Scientist bei, um seine jahrzehntelange Erfahrung zu nutzen, um Aviso-Kunden bei der Beschleunigung von Vertragsabschlüssen und der Erweiterung von Umsatzmöglichkeiten zu helfen.

Was hat Sie ursprünglich zur KI hingezogen?

Ich liebe Mathematik sehr und auch Programmieren. Ich habe meinen Master-Abschluss in Statistik und meine postgraduale Arbeit in Computeranwendungen gemacht. Als ich 2002 meine KI-Forschungsreise am Indian Statistical Institute in Kolkata begann, verwendete ich die C-Programmiersprache, um ein künstliches neuronales Netzwerk-System für die Erkennung handschriftlicher Ziffern zu entwickeln. Das waren über 2500 Zeilen Code, die vollständig von Grund auf ohne jegliche Bibliotheken außer Standard-Ein- und Ausgabe geschrieben wurden. Es bestand aus Datenreinigung und -vorverarbeitung, Feature-Engineering und einem Backpropagation-Algorithmus mit einem Multilayer-Perzeptron. Der gesamte Prozess war eine Kombination aller Fächer, die ich studiert hatte. Zu dieser Zeit war KI in der Geschäftswelt noch nicht so populär, und nur wenige akademische Organisationen führten fortgeschrittene Forschung in diesem Bereich durch. Und, übrigens, KI war zu dieser Zeit noch nicht neu! Das Feld der KI-Forschung reicht bis ins Jahr 1956 zurück, als Prof. John McCarthy und andere das Feld auf einem legendären Workshop am Dartmouth College einweihten.

Sie haben mit einigen der fortschrittlichsten Unternehmen im Bereich KI wie IBM Watson und Microsoft gearbeitet. Welches Projekt war für Sie am interessantesten?

Ich möchte das erste Patent erwähnen, das mir während meiner Arbeit bei IBM verliehen wurde: eine Methode zur Lösung von Wortproblemen in natürlicher Sprache, die ein offenes Problem bei IBM Watson war. Das System, das ich entwickelte, kann ein arithmetisches oder algebraisches Problem in natürlicher Sprache verstehen und in Echtzeit eine Lösung in natürlicher Sprache liefern. Dazu musste das System die folgenden Schlüsselschritte ausführen: Eingabe von Problemstatements und Fragen; Umwandlung der Eingabesätze in eine Folge von Sätzen, die aus mathematischer Sicht wohlgeformt sind; Umwandlung der wohlgeformten Sätze in mathematische Gleichungen; Lösung der Gleichungen; und Darstellung des mathematischen Ergebnisses in natürlicher Sprache.

Es gibt auch mein bestes Projekt für Microsoft – Softie! Ich erfand und baute einen physischen Roboter, der mit verschiedenen Arten von austauschbaren Eingabegeräten und Sensoren ausgestattet war, um Informationen von Menschen zu empfangen. Eine standardisierte Kommunikationsmethode mit dem Computer ermöglichte es dem Benutzer, praktische Anpassungen vorzunehmen, um je nach Kontext reichere Interaktionen zu ermöglichen. Wir konnten ein robustes System mit Funktionen wie Tastatur, Zeigegerät, Touchscreen, Computer-Vision, Spracherkennung und vielem mehr implementieren. Wir bildeten ein Team aus verschiedenen Geschäftseinheiten und ermutigten sie, Forschungsanwendungen auf dem Gebiet der künstlichen Intelligenz und verwandter Felder zu erkunden.

Sie sind auch der Gründer und Präsident von MUST Research, einer Non-Profit-Organisation, die unter dem Gesetz über Gesellschaften und Stiftungen in Indien registriert ist. Können Sie uns über diese Non-Profit-Organisation erzählen?

MUST Research widmet sich der Förderung von Exzellenz und Kompetenz in den Bereichen Datenwissenschaft, kognitive Computing, Künstliche Intelligenz, Machine Learning und fortschrittliche Analytik, um der Gesellschaft zu nützen. MUST zielt darauf ab, ein Ökosystem zu schaffen, um die Interaktion zwischen Wissenschaft und Wirtschaft zu ermöglichen, um Probleme zu lösen und sie über die neuesten Entwicklungen in der kognitiven Ära zu informieren, um Lösungen anzubieten, Beratung oder Schulung zu geben, Vorträge, Seminare und Workshops zu organisieren und wissenschaftliche Programme und gesellschaftliche Missionen zu unterstützen. Das aufregendste Merkmal von MUST ist seine grundlegende Forschung auf dem Gebiet der SpitzenTechnologien wie Künstliche Intelligenz, Machine Learning, natürliche Sprachverarbeitung, Textanalyse, Bildverarbeitung, Computer-Vision, Audio-Signalverarbeitung, Sprachtechnologie, eingebettete Systeme, Robotik usw.

Was hat Sie dazu inspiriert, MUST Research zu gründen?

Meine Liebe zu Science-Fiction-Filmen und Mathematik bedeutet, dass ich oft darüber nachdenke, wie Technologie die Welt verändern kann, und ich dachte already 1993, als ich in der 9. Klasse war, darüber nach, eine Gruppe von Experten auf dem Gebiet der fortschrittlichen Technologien zu gründen. Als ich meinen ersten Job bekam, dauerte es 10 Jahre, bis ich zu einem Treffen rief, und weitere 10 Jahre, bis ich eine Gruppe von geeigneten Experten fand und eine Non-Profit-Gesellschaft gründete. Jetzt haben wir jedoch rund 500 Datenwissenschaftler in MUST in ganz Indien, die leidenschaftlich zu Forschung auf dem Gebiet der aufstrebenden Technologien beitragen.

Im Laufe der letzten Jahre hat die Branche erhebliche Fortschritte im Bereich des Deep Learning, Reinforcement Learning, der natürlichen Sprachverarbeitung usw. gemacht. Welcher Bereich des Machine Learning ist Ihnen derzeit am interessantesten?

Alle Machine-Learning-Algorithmen sind aufregend, wenn sie als Produkt oder Dienstleistung umgesetzt werden, die von Unternehmen oder Einzelpersonen in der realen Welt genutzt werden können. Die Ära des Deep Learning hat Vor- und Nachteile – manchmal hilft es bei der automatischen Feature-Engineering, aber es kann auch wie eine Black-Box funktionieren und zu einem Garbage-in-Garbage-out-Szenario führen, wenn keine geeigneten Daten oder Algorithmen verwendet werden. Einige der neuesten Technologien sind auch ressourcenintensiv und erfordern enorme Rechenleistung, Zeit und Daten. Der Schlüssel ist, daran zu denken, dass Deep Learning ein Teilbereich des Machine Learning (ML) ist, der wiederum ein Teilbereich der Künstlichen Intelligenz (KI) ist, und KI ist ein Teilbereich der Datenwissenschaft – also ist alles miteinander verbunden. Und es geht nicht um Python, R oder Scala – ich begann meine KI-Reise mit C, und man kann sogar KI-Programme in Assemblersprache schreiben. Der Bau erfolgreicher KI-Systeme hängt in erster Linie von dem Verständnis der Geschäftsumgebung oder Forschungsumgebung ab und dann von der Verbindung der Punkte zwischen Aktionen und Daten, um ein System zu bauen, das verschiedenen Menschen in verschiedenen Bereichen wirklich hilft. Ob Sie mit natürlicher Sprachverarbeitung, Computer-Vision, Video-Analyse, Sprachtechnologie oder Robotik arbeiten, der beste Weg ist, mit dem einfachsten Ansatz zu beginnen und dann komplexere Methoden schrittweise zu übernehmen, während Sie mit Ihrem System experimentieren und es verfeinern.

Sie sind ein häufiger Gastredner an führenden Universitäten in Indien. Welche Frage hören Sie von Studenten am häufigsten, und wie beantworten Sie sie am besten?

Die Frage, die ich am häufigsten höre, ist: “Wie kann ich Datenwissenschaftler werden?” Ich sage immer den jungen Leuten, dass es definitiv möglich ist, und versuche, sie dazu zu ermutigen, ihre Liebe zu Mathematik, Statistik oder Informatik zu nutzen, um reale Geschäftsprobleme zu lösen. Die Leute fragen auch, wie sie MUST beitreten können, und die Antwort ist einfach: “Bauen Sie Ihr Profil mit mehreren Projekten auf und konzentrieren Sie sich darauf, außerhalb der Box zu denken.” Wenn Sie Datenwissenschaftler werden möchten, müssen Sie auch beweisen, dass Sie innovativ sein können. Ohne Innovation können wir uns nicht als Wissenschaftler bezeichnen. Es ist auch hilfreich, Patente zu erhalten oder Forschung in renommierten Zeitschriften und auf Konferenzen zu veröffentlichen!

Sie haben kürzlich Aviso als Chief Scientist beigetreten, um Ihre KI/ML-Expertenwissen zu nutzen. Können Sie uns ein bisschen über Aviso und Ihre Rolle in diesem Unternehmen erzählen?

Aviso nutzt KI und Machine Learning, um Vertriebsmitarbeitern zu helfen und die Vermutungen aus dem Vertragsabschlussprozess zu entfernen. Das ist eine faszinierende Herausforderung, und meine Hauptverantwortung besteht darin, der Organisation zu helfen, in eine positive Richtung zu wachsen, indem ich tiefe Forschung durchführe, um den Erfolg der Kunden vorzubereiten. Ich nutze mein Wissen und meine Erfahrung in KI und Innovation, um unsere Kernprodukte und Forschungsprojekte noch besser zu machen:

Anpassungsfähig: Sie müssen lernen, wenn sich Informationen ändern, und wenn Ziele und Anforderungen evolvieren. Sie müssen Unsicherheiten auflösen und Unvorhersehbarkeit tolerieren. Sie müssen so konzipiert werden, dass sie dynamische Daten in Echtzeit verarbeiten können.

Interaktiv: Sie müssen leicht mit Benutzern interagieren, damit diese ihre Bedürfnisse bequem definieren können. Sie müssen mit anderen Prozessoren, Geräten, Diensten sowie mit Menschen interagieren.

Iterativ und Zustandsbehaftet: Sie müssen dabei helfen, ein Problem zu definieren, indem sie Fragen stellen oder zusätzliche Eingaben suchen, wenn ein Problemstatement unvollständig oder mehrdeutig ist. Sie müssen frühere Interaktionen in einem Prozess in Erinnerung behalten und Informationen zurückgeben, die für die spezifische Anwendung zu diesem Zeitpunkt geeignet sind.

Kontextbezogen: Sie müssen Kontextelemente wie Bedeutung, Syntax, Zeit, Ort, geeigneten Bereich, Vorschriften, Benutzerprofil, Prozess, Aufgabe und Ziel verstehen, identifizieren und extrahieren. Sie müssen auf mehrere Informationsquellen zurückgreifen, einschließlich strukturierter und unstrukturierter digitaler Informationen.

Was hat Sie zu dieser Position bei Aviso hingezogen?

Aviso arbeitet daran, aufgeblähte Legacy-CRM-Systeme durch reibungslose, KI-gestützte Werkzeuge zu ersetzen, die handhabbare Erkenntnisse liefern und das volle Potenzial der Vertriebsteams freisetzen können. Unser Produkt ist ein intelligentes System, das die Schmerzpunkte der Vertriebsmitarbeiter versteht, zeitaufwändige Dateneingaben eliminiert und den Führungskräften die Vorschläge und Richtlinien bietet, die sie benötigen, um Verträge effektiv abzuschließen. Ich wurde von dem starken Führungsteam und der Kundenbasis angezogen, aber auch von Avisos Engagement, fortschrittliche KI-Tools zu nutzen, um reale Herausforderungen zu lösen. Der Vertrieb ist ein wichtiger Teil jedes Geschäfts, und Aviso hilft dabei, die Macht der künstlichen Intelligenz zu nutzen. Volltreffer! Was mehr könnte man sich wünschen?

Zum Schluss, gibt es noch etwas, das Sie über KI teilen möchten?

Künstliche Intelligenz macht eine neue Klasse von Problemen berechenbar. Um auf die fluide Natur des Verständnisses der Benutzer ihrer Probleme zu reagieren, bietet das kognitive Computersystem eine Synthese nicht nur von Informationsquellen, sondern auch von Einflüssen, Kontexten und Erkenntnissen. Diese Systeme unterscheiden sich von aktuellen Computeranwendungen, da sie über das Tabulieren und Berechnen auf der Grundlage vordefinierter Regeln und Programme hinausgehen. Sie können inferieren und sogar auf der Grundlage breiter Ziele argumentieren. In diesem Sinne ist kognitive Computing eine neue Art des Computings mit dem Ziel, genauere Modelle davon zu entwickeln, wie das menschliche Gehirn oder der menschliche Geist wahrnimmt, argumentiert und auf Reize reagiert. Es ist ein Forschungsgebiet, das untersucht, wie man Computer und Computer-Software entwickeln kann, die intelligentes Verhalten zeigen können. Dieses Feld ist interdisziplinär: Künstliche Intelligenz ist ein Ort, an dem sich eine Reihe von Wissenschaften und Berufen treffen, einschließlich Informatik, Elektronik, Mathematik, Statistik, Psychologie, Linguistik, Philosophie, Neurowissenschaft und Biologie. Das ist es, was es so aufregend macht!