Joy Mustafi, Chief Data Scientist de Aviso, Inc – Série d’entretiens

Classé comme l’un des 10 meilleurs data scientists d’Inde par Analytics India Magazine, Joy Mustafi a dirigé la recherche en science des données chez des géants de la technologie tels que Salesforce, Microsoft et IBM, remportant 50 brevets et rédigeant plus de 25 publications sur l’IA.

Il a été associé à IBM pendant une décennie en tant que data scientist impliqué dans diverses solutions d’intelligence commerciale, notamment IBM Watson. Il a travaillé en tant que scientifique appliqué principal chez Microsoft, responsable de la recherche en IA. Récemment, Mustafi était le chercheur principal pour la plateforme Einstein de Salesforce.

Mustafi est également le fondateur et le président de MUST Research, une organisation à but non lucratif qui promeut l’excellence dans les domaines de la science des données, de l’informatique cognitive, de l’intelligence artificielle, de l’apprentissage automatique et de l’analyse avancée pour le bénéfice de la société.

Récemment, Mustafi a rejoint Aviso, Inc, basé à Redwood City, en tant que chief data scientist, où il utilisera ses décennies d’expérience pour aider les clients d’Aviso à accélérer la clôture des affaires et à étendre les opportunités de revenus.

Qu’est-ce qui vous a initialement attiré vers l’IA ?

J’adore les mathématiques et la programmation. J’ai fait mes études supérieures en statistiques et mes études post-universitaires en applications informatiques. Lorsque j’ai commencé mon parcours de recherche en IA en 2002 à l’Institut indien de statistique de Kolkata, j’ai utilisé le langage de programmation C pour développer un système de reconnaissance de chiffres manuscrits basé sur un réseau de neurones artificiels. Cela représentait plus de 2 500 lignes de code, toutes écrites à partir de zéro sans aucune bibliothèque intégrée à part les entrées et les sorties standard. Cela consistait en un nettoyage et une prétraitement des données, une ingénierie de fonctionnalités et un algorithme de rétropropagation avec un perceptron multicouche. L’ensemble du processus était une combinaison de tous les sujets que j’avais étudiés. À l’époque, l’IA n’était pas très populaire dans le monde corporatif, et peu d’organisations académiques effectuaient des recherches avancées dans le domaine. Et, entre parenthèses, l’IA n’était pas nouvelle à l’époque ! Le domaine de la recherche en IA remonte à 1956, lorsque le professeur John McCarthy et d’autres ont inauguré le domaine lors d’un atelier légendaire au Dartmouth College.

Vous avez travaillé avec certaines des entreprises les plus avancées en IA, telles que IBM Watson et Microsoft. Quel a été le projet le plus intéressant sur lequel vous avez travaillé ?

Je veux mentionner le premier brevet que j’ai obtenu lors de mon travail chez IBM : une méthode pour résoudre des problèmes de mots en langage naturel, qui était un problème ouvert avec IBM Watson. Le système que j’ai développé peut comprendre un problème arithmétique ou algébrique énoncé en langage naturel et fournir une solution en temps réel sous forme de réponse en langage naturel. Pour cela, le système devait gérer les étapes clés suivantes : obtenir les énoncés de problème et les questions à résoudre ; convertir les phrases d’entrée en une séquence de phrases bien formées d’un point de vue mathématique ; convertir les phrases bien formées en équations mathématiques ; résoudre l’ensemble d’équations ; et raconter le résultat mathématique en langage naturel.

Il y a également mon meilleur projet pour Microsoft — Softie ! J’ai inventé et construit un robot physique équipé de divers types de périphériques d’entrée et de capteurs interchangeables pour lui permettre de recevoir des informations des humains. Une méthode standard de communication avec l’ordinateur a permis à l’utilisateur d’effectuer des ajustements pratiques, permettant des interactions plus riches en fonction du contexte. Nous avons pu mettre en œuvre un système robuste avec des fonctionnalités telles qu’un clavier, un périphérique de pointage, un écran tactile, une vision par ordinateur, une reconnaissance vocale, etc. Nous avons formé une équipe de diverses unités commerciales et les avons encouragés à explorer les applications de recherche en intelligence artificielle et dans des domaines connexes.

Vous êtes également le fondateur et le président de MUST Research, une organisation à but non lucratif enregistrée sous la loi sur les sociétés et les trusts de l’Inde. Pouvez-vous nous parler de cette organisation à but non lucratif ?

MUST Research est dédié à la promotion de l’excellence et de la compétence dans les domaines de la science des données, de l’informatique cognitive, de l’intelligence artificielle, de l’apprentissage automatique et de l’analyse avancée pour le bénéfice de la société. MUST vise à créer un écosystème pour permettre l’interaction entre le monde universitaire et l’entreprise, les aidant à résoudre des problèmes et à les sensibiliser aux dernières avancées de l’ère cognitive pour fournir des solutions, offrir des conseils ou des formations, organiser des conférences, des séminaires et des ateliers, et collaborer sur des programmes scientifiques et des missions sociétales. La caractéristique la plus excitante de MUST est sa recherche fondamentale sur les technologies de pointe comme l’intelligence artificielle, l’apprentissage automatique, le traitement du langage naturel, l’analyse de texte, le traitement d’images, la vision par ordinateur, le traitement de signaux audio, la technologie vocale, les systèmes intégrés, la robotique, etc.

Qu’est-ce qui vous a inspiré à lancer MUST Research ?

Mon amour pour les films de science-fiction et les mathématiques signifie que je pense souvent à la façon dont la technologie peut changer le monde, et j’ai pensé à former un groupe d’experts de même esprit sur les technologies avancées depuis 1993, lorsque j’étais en 9e année. Une fois que j’ai obtenu mon premier emploi, il a fallu 10 ans pour convoquer une réunion — et 10 ans supplémentaires pour identifier un groupe d’experts appropriés et former une organisation à but non lucratif. Maintenant, cependant, nous avons environ 500 data scientists dans MUST à travers l’Inde qui contribuent avec passion à la recherche sur les technologies émergentes.

Au cours des dernières années, l’industrie a connu des avancées significatives dans l’apprentissage profond, l’apprentissage par renforcement, le traitement du langage naturel, etc. Quel domaine de l’apprentissage automatique vous semble actuellement le plus excitant ?

Tous les algorithmes d’apprentissage automatique sont excitants une fois qu’ils sont mis en œuvre sous forme de produit ou de service qui peut être utilisé par les entreprises ou les particuliers dans le monde réel. L’ère de l’apprentissage profond a des avantages et des inconvénients — parfois, cela aide à l’ingénierie de fonctionnalités automatique, mais en même temps, cela peut fonctionner comme une boîte noire et aboutir à un scénario de « garbage-in-garbage-out » si les jeux de données ou les algorithmes appropriés ne sont pas utilisés. Certaines des dernières technologies sont également gourmandes en ressources et nécessitent une grande puissance de traitement, du temps et des données. La chose clé à retenir est que l’apprentissage profond est un sous-ensemble de l’apprentissage automatique (ML), qui à son tour est un sous-ensemble de l’intelligence artificielle (IA), et que l’IA est un sous-ensemble de la science des données — tout est donc connecté. Et ce n’est pas à propos de Python, R ou Scala — j’ai commencé mon parcours en IA en C, et on peut même écrire des programmes d’IA en code assembleur. La construction de systèmes d’IA réussis dépend avant tout de la compréhension de l’environnement commercial ou de recherche, puis de la connexion des points entre les actions et les données pour construire un système qui aide réellement diverses personnes dans différents domaines. Que vous travailliez sur le traitement du langage naturel, la vision par ordinateur, l’analyse de vidéos, la technologie vocale ou la robotique, la meilleure approche consiste à commencer par la méthode la plus simple possible, puis à adopter des méthodes plus complexes de manière itérative à mesure que vous expérimentez et affinez votre système.

Vous êtes un conférencier invité fréquent dans les principales universités d’Inde. Quelle est la question que vous entendez le plus souvent poser par les étudiants, et comment y répondez-vous ?

La question que j’entends le plus souvent est : « Comment puis-je devenir un data scientist ? » Je dis toujours aux jeunes que c’est tout à fait possible, et j’essaie de les guider pour utiliser leur amour des mathématiques, des statistiques ou de l’informatique pour essayer de résoudre des problèmes commerciaux du monde réel. Les gens me demandent également comment ils peuvent rejoindre MUST, et encore une fois, la réponse est simple : « Construisez votre profil avec de multiples projets et concentrez-vous sur la pensée hors des sentiers battus. » Si vous voulez devenir un data scientist, vous devez également prouver que vous pouvez innover. Sans innovation, nous ne pouvons pas nous appeler scientifiques. Bien sûr, obtenir des brevets ou publier vos recherches dans des revues et des conférences réputées aide également !

Vous avez récemment rejoint Aviso, basé à Redwood City, en tant que chief data scientist, pour utiliser votre expertise en IA/ML. Pouvez-vous nous parler un peu d’Aviso et de votre rôle au sein de cette entreprise ?

Aviso utilise l’IA et l’apprentissage automatique pour guider les directeurs commerciaux et éliminer les suppositions dans le processus de négociation. C’est un défi fascinant, et ma responsabilité principale est d’aider l’organisation à grandir dans une direction positive, en utilisant une recherche approfondie pour préparer le terrain du succès des clients. J’utilise mes connaissances et mon expérience en intelligence artificielle et en innovation pour aider à rendre nos produits et projets de recherche plus :

Adaptatifs : Ils doivent apprendre à mesure que les informations changent, et à mesure que les objectifs et les exigences évoluent. Ils doivent résoudre l’ambiguïté et tolérer l’imprévisibilité. Ils doivent être conçus pour s’alimenter en données dynamiques en temps réel.

Interactifs : Ils doivent interagir facilement avec les utilisateurs pour que ceux-ci puissent définir leurs besoins confortablement. Ils doivent interagir avec d’autres processeurs, appareils, services, ainsi qu’avec les personnes.

Itératifs et à états : Ils doivent aider à définir un problème en posant des questions ou en trouvant des entrées supplémentaires si une déclaration de problème est ambiguë ou incomplète. Ils doivent se souvenir des interactions précédentes dans un processus et renvoyer des informations adaptées à l’application spécifique à ce stade.

Contextuels : Ils doivent comprendre, identifier et extraire des éléments contextuels tels que le sens, la syntaxe, le temps, l’emplacement, le domaine approprié, la réglementation, le profil utilisateur, le processus, la tâche et l’objectif. Ils doivent puiser dans de multiples sources d’informations, y compris à la fois des informations numériques structurées et non structurées.

Qu’est-ce qui vous a attiré vers ce poste chez Aviso ?

Aviso travaille pour remplacer les systèmes CRM legacy encombrants par des outils sans friction, alimentés par l’IA, qui peuvent fournir des insights actionnables et débloquer le plein potentiel des équipes de vente. Notre produit est un système intelligent qui comprend les points de douleur des vendeurs, élimine les tâches de saisie de données fastidieuses et fournit aux directeurs des suggestions et des conseils pour clôture des affaires efficacement. J’ai été attiré par l’équipe de direction solide et la base de clients, mais également par l’engagement d’Aviso en faveur de l’utilisation d’outils d’IA sophistiqués pour résoudre des défis du monde réel. La vente est une partie vitale de toute entreprise, et Aviso aide à cela en exploitant le pouvoir de l’intelligence artificielle. Dans le mille ! Qu’est-ce que vous pourriez demander de plus ?

Enfin, y a-t-il autre chose que vous aimeriez partager sur l’IA ?

L’intelligence artificielle rend une nouvelle classe de problèmes calculables. Pour répondre à la nature fluide de la compréhension des utilisateurs de leurs problèmes, le système de calcul cognitif offre une synthèse non seulement des sources d’informations, mais également des influences, des contextes et des idées. Ces systèmes diffèrent des applications informatiques actuelles en ce qu’ils vont au-delà de la tabulation et du calcul basés sur des règles et des programmes préconfigurés. Ils peuvent déduire et même raisonner sur la base d’objectifs larges. Dans ce sens, le calcul cognitif est un nouveau type de calcul dont l’objectif est de développer des modèles plus précis de la façon dont le cerveau ou l’esprit humain perçoit, raisonne et répond aux stimuli. Il s’agit d’un domaine d’étude qui étudie la façon de créer des ordinateurs et des logiciels capables de comportement intelligent. Ce domaine est interdisciplinaire : l’intelligence artificielle est un lieu où de nombreuses sciences et professions convergent, notamment l’informatique, l’électronique, les mathématiques, les statistiques, la psychologie, la linguistique, la philosophie, les neurosciences et la biologie. C’est ce qui le rend si excitant !