Joy Mustafi, Chief Data Scientist de Aviso, Inc – Serie de Entrevistas

Clasificado como uno de los 10 mejores científicos de datos de la India por la revista Analytics India Magazine, Joy Mustafi ha liderado la investigación en ciencia de datos en gigantes tecnológicos como Salesforce (CRM ), Microsoft (MSFT ) e IBM, ganando 50 patentes y autorizando más de 25 publicaciones sobre inteligencia artificial.

Estuvo asociado con IBM durante una década como científico de datos involucrado en una variedad de soluciones de inteligencia empresarial, incluyendo IBM Watson. Trabajó como científico aplicado principal en Microsoft, responsable de la investigación en inteligencia artificial. Más recientemente, Mustafi fue el investigador principal de la plataforma Einstein de Salesforce.

Mustafi también es el fundador y presidente de MUST Research, una organización sin fines de lucro que promueve la excelencia en los campos de la ciencia de datos, la computación cognitiva, la inteligencia artificial, el aprendizaje automático y el análisis avanzado para el beneficio de la sociedad.

Recientemente, Mustafi se unió a Aviso, Inc, con sede en Redwood City, como científico jefe de datos, donde aprovechará su experiencia de décadas para ayudar a los clientes de Aviso a acelerar el cierre de tratos y expandir las oportunidades de ingresos.

¿Qué te atrajo inicialmente a la inteligencia artificial?

Me encanta las matemáticas y la programación. Hice mi grado de pregrado en estadísticas y mi trabajo de postgrado en aplicaciones informáticas. Cuando comencé mi investigación en inteligencia artificial en 2002 en el Instituto Estadístico de la India en Kolkata, utilicé el lenguaje de programación C para desarrollar un sistema de red neuronal artificial para el reconocimiento de dígitos manuscritos. Eso fue más de 2500 líneas de código, todo escrito desde cero sin bibliotecas incorporadas aparte de la entrada y salida estándar. Consistió en la limpieza y preprocesamiento de datos, ingeniería de características y un algoritmo de propagación hacia atrás con un perceptrón mult capas. Todo el proceso fue una combinación de todas las materias que estudié. En ese momento, la inteligencia artificial no era tan popular en el mundo corporativo, y pocas organizaciones académicas estaban haciendo investigaciones avanzadas en el campo. Y, por cierto, la inteligencia artificial no era nueva en ese momento. El campo de la investigación en inteligencia artificial se remonta a 1956, cuando el profesor John McCarthy y otros inauguraron el campo en un taller legendario en el Dartmouth College.

Has trabajado con algunas de las empresas más avanzadas en inteligencia artificial, como IBM Watson y Microsoft. ¿Cuál ha sido el proyecto más interesante en el que has trabajado?

Quiero mencionar la primera patente que me otorgaron mientras trabajaba en IBM: un método para resolver problemas de palabras en lenguaje natural, que era un problema abierto con IBM Watson. El sistema que desarrollé puede entender un problema aritmético o algebraico expresado en lenguaje natural y proporcionar una solución en tiempo real como una respuesta en lenguaje natural. Para hacer eso, el sistema tuvo que manejar los siguientes pasos clave: obtener las declaraciones de problemas de entrada y la pregunta a responder; convertir las oraciones de entrada en una secuencia de oraciones que estén bien formadas desde una perspectiva matemática; convertir las oraciones bien formadas en ecuaciones matemáticas; resolver el conjunto de ecuaciones; y narrar el resultado matemático en lenguaje natural.

También hay mi mejor proyecto para Microsoft — Softie. Inventé y construí un robot físico equipado con varios tipos de dispositivos de entrada y sensores intercambiables para permitirle recibir información de los humanos. Un método estandarizado de comunicación con la computadora permitió al usuario hacer ajustes prácticos, lo que permitió interacciones más ricas dependiendo del contexto. Fuimos capaces de implementar un sistema robusto con características que incluyen teclado, dispositivo de puntero, pantalla táctil, visión por computadora, reconocimiento de voz, etc. Formamos un equipo de varias unidades comerciales y los alentamos a explorar aplicaciones de investigación en inteligencia artificial y campos relacionados.

También eres el fundador y presidente de MUST Research, una organización sin fines de lucro registrada bajo la Ley de Sociedades y Fideicomisos de la India. ¿Podrías contarnos sobre esta organización sin fines de lucro?

MUST Research se dedica a promover la excelencia y la competencia en los campos de la ciencia de datos, la computación cognitiva, la inteligencia artificial, el aprendizaje automático y el análisis avanzado para el beneficio de la sociedad. MUST tiene como objetivo construir un ecosistema para permitir la interacción entre la academia y la empresa, ayudándolos a resolver problemas y haciéndolos conscientes de los últimos avances en la era cognitiva para proporcionar soluciones, ofrecer orientación o capacitación, organizar conferencias, seminarios y talleres, y colaborar en programas científicos y misiones sociales. La característica más emocionante de MUST es su investigación fundamental sobre tecnologías de vanguardia como la inteligencia artificial, el aprendizaje automático, el procesamiento de lenguaje natural, el análisis de texto, el procesamiento de imágenes, la visión por computadora, el procesamiento de señales de audio, la tecnología de voz, los sistemas embebidos, la robótica, etc.

¿Qué te inspiró a lanzar MUST Research?

Me encantan las películas de ciencia ficción y las matemáticas, y a menudo pienso en cómo la tecnología puede cambiar el mundo, y había estado pensando en formar un grupo de expertos en tecnologías avanzadas desde 1993, cuando estaba en noveno grado. Una vez que obtuve mi primer trabajo, tardé 10 años en convocar a una reunión, y otros 10 años en identificar a un grupo de expertos adecuados y formar una sociedad sin fines de lucro. Ahora, sin embargo, tenemos alrededor de 500 científicos de datos en MUST en toda la India que están contribuyendo apasionadamente a la investigación sobre tecnologías emergentes.

En los últimos años, la industria ha experimentado avances significativos en el aprendizaje profundo, el aprendizaje por refuerzo, el procesamiento de lenguaje natural, etc. ¿Qué área del aprendizaje automático consideras actualmente la más emocionante?

Todos los algoritmos de aprendizaje automático son emocionantes una vez que se implementan como un producto o servicio que puede ser utilizado por empresas o individuos en el mundo real. La era del aprendizaje profundo tiene pros y contras, aunque a veces ayuda en la ingeniería de características automática, pero al mismo tiempo puede funcionar como una caja negra y terminar con un escenario de basura-en-basura si no se utilizan conjuntos de datos o algoritmos adecuados. Algunas de las tecnologías más recientes también son voraces de recursos y requieren grandes cantidades de potencia de procesamiento, tiempo y datos. Lo importante es recordar que el aprendizaje profundo es un subconjunto del aprendizaje automático (ML), que a su vez es un subconjunto de la inteligencia artificial (AI), y la inteligencia artificial es un subconjunto de la ciencia de datos, así que todo está conectado. Y no se trata de Python, R o Scala, comencé mi viaje en inteligencia artificial en C, y uno incluso puede escribir programas de inteligencia artificial en código de ensamblaje. La construcción de sistemas de inteligencia artificial exitosos depende en primer lugar de comprender el entorno empresarial o de investigación, y luego conectar los puntos entre las acciones y los datos para construir un sistema que genuinamente ayude a las personas en diferentes dominios. Ya sea que estés trabajando con procesamiento de lenguaje natural, visión por computadora, análisis de video, tecnología de voz, robótica, etc., la mejor forma de proceder es comenzar con el enfoque más simple posible y luego adoptar métodos más complejos de forma iterativa a medida que experimentas y refinas tu sistema.

¿Cuál es la pregunta que más frecuentemente escuchas de los estudiantes, y cómo respondes a ella?

La pregunta que más frecuentemente escucho es: “¿Cómo puedo convertirme en un científico de datos?” Siempre les digo a los jóvenes que es posible, e intento guiarlos hacia el uso de su amor por las matemáticas, las estadísticas o la informática para tratar de resolver problemas del mundo real. La gente también me pregunta cómo pueden unirse a MUST, y de nuevo, la respuesta es simple: “Construye tu perfil con múltiples proyectos y enfócate en pensar fuera de la caja”. Si deseas convertirte en un científico de datos, debes demostrar que puedes innovar. Sin innovación, no podemos llamarnos científicos. Por supuesto, ser galardonado con patentes o publicar tu investigación en revistas y conferencias reputadas también ayuda.

Recientemente te uniste a Aviso como científico jefe de datos, para utilizar tu experiencia en inteligencia artificial y aprendizaje automático. ¿Podrías contarnos un poco sobre Aviso y tu papel en esta empresa?

Aviso utiliza inteligencia artificial y aprendizaje automático para guiar a los ejecutivos de ventas y eliminar el trabajo de adivinanza en el proceso de hacer tratos. Eso es un desafío fascinante, y mi responsabilidad principal es ayudar a la organización a crecer en una dirección positiva, utilizando la investigación profunda para sentar las bases del éxito de los clientes. Estoy utilizando mi conocimiento y experiencia en inteligencia artificial y innovación para ayudar a hacer que nuestros productos y proyectos de investigación básicos sean más:

Adaptativos: Deben aprender a medida que la información cambia, y a medida que los objetivos y los requisitos evolucionan. Deben resolver la ambigüedad y tolerar la imprevisibilidad. Deben estar diseñados para alimentarse de datos dinámicos en tiempo real.

Interactivos: Deben interactuar fácilmente con los usuarios para que puedan definir sus necesidades de manera cómoda. Deben interactuar con otros procesadores, dispositivos, servicios, así como con personas.

Iterativos y con estado: Deben ayudar a definir un problema haciendo preguntas o encontrando entrada adicional si una declaración de problema es ambigua o incompleta. Deben recordar las interacciones anteriores en un proceso y devolver información que sea adecuada para la aplicación específica en ese momento.

Contextuales: Deben comprender, identificar y extraer elementos contextuales como el significado, la sintaxis, el tiempo, la ubicación, el dominio adecuado, la regulación, el perfil de usuario, el proceso, la tarea y el objetivo. Deben sacar provecho de múltiples fuentes de información, incluyendo información digital estructurada y no estructurada.

¿Qué te atrajo a este puesto en Aviso?

Aviso está trabajando para reemplazar sistemas de CRM legacy abultados con herramientas habilitadas para la inteligencia artificial y sin fricciones que puedan proporcionar información accionable y desbloquear el potencial de los equipos de ventas. Nuestro producto es un sistema inteligente que comprende los puntos dolorosos de los vendedores, elimina la entrada de datos tediosa y proporciona a los ejecutivos las sugerencias y la orientación que necesitan para cerrar tratos de manera efectiva. Me atrajo el fuerte equipo de liderazgo y la base de clientes, pero también el compromiso de Aviso de utilizar herramientas de inteligencia artificial sofisticadas para resolver desafíos del mundo real. Vender es una parte vital de cualquier negocio, y Aviso ayuda con eso aprovechando el poder de la inteligencia artificial. ¡En el blanco! ¿Qué más podrías pedir?

Finalmente, ¿hay algo más que te gustaría compartir sobre la inteligencia artificial?

La inteligencia artificial hace que una nueva clase de problemas sea computable. Para responder a la naturaleza fluida de la comprensión de los usuarios de sus problemas, el sistema de computación cognitiva ofrece una síntesis no solo de fuentes de información, sino de influencias, contextos e ideas. Estos sistemas difieren de las aplicaciones de computación actuales en que van más allá de la tabulación y el cálculo basados en reglas y programas preconfigurados. Pueden inferir e incluso razonar basándose en objetivos generales. En este sentido, la computación cognitiva es un nuevo tipo de computación con el objetivo de desarrollar modelos más precisos de cómo el cerebro o la mente humanos perciben, razonan y responden a estímulos. Es un campo de estudio que estudia cómo crear computadoras y software que sean capaces de comportamiento inteligente. Este campo es interdisciplinario: la inteligencia artificial es un lugar donde convergen varias ciencias y profesiones, incluyendo la informática, la electrónica, las matemáticas, las estadísticas, la psicología, la lingüística, la filosofía, la neurociencia y la biología. ¡Eso es lo que la hace tan emocionante!