साक्षात्कार
ब्रायन साथियानाथन, इटरेट.एआई के मुख्य प्रौद्योगिकी अधिकारी और सह-संस्थापक – साक्षात्कार श्रृंखला
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
ब्रायन साथियानाथन Iterate.ai में मुख्य प्रौद्योगिकी अधिकारी और सह-संस्थापक हैं, जो इंटरप्ले लो-कोड प्लेटफ़ॉर्म के निर्माता हैं जो उद्योगों में एआई-आधारित अनुप्रयोगों के निर्माण के लिए तेजी से बनाया गया है। इससे पहले, साथियानाथन ने एप्पल में विभिन्न उभरती प्रौद्योगिकी परियोजनाओं पर काम किया था, जिसमें मैक ऑपरेटिंग सिस्टम और पहले आईफ़ोन शामिल थे।
(AAPL )आपको एआई प्रौद्योगिकियों के साथ काम करने के लिए क्या आकर्षित किया?
मुझे हमेशा से एल्गोरिदम-चालित सीखने में रुचि रही है, और मैंने अपने कॉलेज के दिनों में एआई सिस्टम के साथ काम करना शुरू किया था। इसके अलावा, मैंने अपने करियर की शुरुआत में एप्पल के लिए क्रिप्टोग्राफी और अन्य सुरक्षा प्रौद्योगिकियों का निर्माण किया था, और एक पूर्व कंपनी के लिए वीडियो संपीड़न प्रौद्योगिकियों का निर्माण किया था जिसे मैंने सह-स्थापित किया था। वीडियो और क्रिप्टो प्रौद्योगिकियां बहुत एल्गोरिदम-गहन हैं, और इससे मेरी एआई/एमएल सीखने की गति तेज हो गई। 2016 के आसपास, मैंने ओपन-सोर्स एआई फ्रेमवर्क/जीपीयू के साथ खेलना शुरू किया, और महसूस किया कि वे पिछले पांच वर्षों में कितनी दूर तक आ गए हैं – दोनों एल्गोरिदम के दृष्टिकोण से और उनकी व्यापक श्रेणी की वर्गीकरण करने की क्षमता के लिए। तब मुझे एहसास हुआ कि इसे हर किसी के लिए उपयोग करना आसान और सरल बनाने की आवश्यकता है।
आपके पास एआई में संज्ञानात्मक पूर्वाग्रह और डेटा पूर्वाग्रह के बारे में कुछ मजबूत विचार हैं, क्या आप उन चिंताओं को साझा कर सकते हैं?
एआई पूर्वाग्रह तब होता है जब इंजीनियर अपने एआई प्रशिक्षण डेटा सेटों को आकार देने के लिए अपने स्वयं के दृष्टिकोण और पूर्वाग्रहों को अनुमति देते हैं। इससे वे जो हासिल करने की कोशिश कर रहे हैं उसे जल्दी से कमजोर कर देता है। अधिकांश समय, यह प्रभाव अवचेतन होता है, इसलिए वे यह महसूस नहीं कर सकते हैं कि पूर्वाग्रह उनके डेटा सेटों में प्रवेश कर गया है। प्रभावी जांच और संतुलन के बिना, डेटा को केवल उन बिंदुओं या जनसांख्यिकी पर ध्यान केंद्रित करने के लिए सीमित किया जा सकता है जिन पर इंजीनियर विचार करने के लिए प्रवृत्त होते हैं। यहां तक कि जब इंजीनियरों के पास उच्च गुणवत्ता और मात्रा में डेटा होता है, तो डेटा सेटों में पूर्वाग्रह एआई अनुप्रयोगों द्वारा प्रदान किए गए परिणामों को गलत और अक्सर बेकार बना सकते हैं।
एक गार्टनर रिपोर्ट के अनुसार, 2030 तक, 85% एआई परियोजनाएं पूर्वाग्रह के कारण गलत परिणाम प्रदान करेंगी। यह एक बड़ा अंतर है जिसे पार करना है। एआई में निवेश करने वाले व्यवसाय, जो एआई पर भरोसा करते हैं और रणनीतिक निर्णय लेते हैं – केवल पूर्वाग्रह से उत्पन्न गलत निष्कर्षों से गुमराह हो जाते हैं – उच्च लागत वाली विफलताओं और उनकी प्रतिष्ठा को नुकसान का जोखिम उठाते हैं। एआई तेजी से एक उभरती प्रौद्योगिकी से एक सर्वव्यापी आधारस्तंभ में बदल रहा है, दोनों ग्राहकों के सामने अनुप्रयोगों और आंतरिक प्रक्रियाओं में – पूर्वाग्रह को हटाना एआई की वास्तविक क्षमता को महसूस करने के लिए आवश्यक है।
इन प्रकार के पूर्वाग्रहों को दिखाई देने से रोकने के लिए कुछ तरीके क्या हैं?
एआई पूर्वाग्रह का पता लगाना और हटाना आवश्यक है। पूर्वाग्रह एल्गोरिदम में हार्डकोड किए जा सकते हैं। संज्ञानात्मक पूर्वाग्रहों के माध्यम से असंगतता पेश की जा सकती है जो आवश्यक डेटा को छोड़ देती है। एग्रीगेशन पूर्वाग्रह एक और जोखिम है, जहां छोटे निर्णयों की एक श्रृंखला एआई परिणामों को तिरछा बना देती है।
एआई पूर्वाग्रह का पता लगाने और हटाने के लिए, संगठनों को फ्रेमवर्क, टूलकिट, प्रक्रियाओं और नीतियों का उपयोग करना चाहिए जो इन मुद्दों को प्रभावी ढंग से कम करने के लिए बनाए गए हैं। उदाहरण के लिए, एआई फ्रेमवर्क जैसे रोल्स-रॉयस के एलेथिया फ्रेमवर्क और डेलॉइट के एआई फ्रेमवर्क – स्वचालित रूप से लागू किए गए बेंचमार्क के साथ – एआई अनुप्रयोग विकास और तैनाती में पूर्वाग्रह-मुक्त प्रथाओं को बढ़ावा दे सकते हैं। एआई फेयरनेस 360 और आईबीएम वाटसन ओपनस्केल जैसे टूलकिट पूर्वाग्रह और पूर्वाग्रह पैटर्न को मान्यता प्राप्त और हटा सकते हैं मशीन लर्निंग मॉडल और पाइपलाइनों में। अंत में, प्रक्रियाएं जो परिभाषित पूर्वाग्रह मेट्रिक्स के खिलाफ डेटा का परीक्षण करती हैं, साथ ही साथ पूर्वाग्रह को रोकने के लिए लागू की जाने वाली नीतियां, संगठनों को अपने अंधे धब्बे की जांच करने और एआई पूर्वाग्रह को कम करने में सक्षम बनाती हैं।
इटरेट.एआई कैसे शुरू हुआ?
यह कहानी 2013 में शुरू होती है जब सीईओ जॉन नॉर्डमार्क और मैं दोनों एक पूर्वी यूरोपीय त्वरक के बोर्ड सदस्य थे, जो यूक्रेन में स्थित था, जिसका उद्देश्य उद्यमियों को सिलिकॉन वैली शैली के स्टार्टअप बनाने और संचालित करने में मदद करना था। बेहद नवाचारी नई कंपनियों के साथ उन अनुभवों से हमें आशाजनक, लेकिन शायद कम जानी-पहचानी स्टार्टअप कंपनियों को ऐसे बड़े उद्यमों से जोड़ने का विचार आया जिन्हें नवाचार में सहायता चाहिए थी। हमने तब इटरेट स्टूडियो लॉन्च किया, जो एक विशेषज्ञ खोज इंजन प्रदान करता था जिससे उद्यमों को अपनी आवश्यकताओं के अनुसार स्टार्टअप भागीदारों को खोजने में मदद मिल सके। 2015 में, कंपनी इटरेट.एआई बन गई, जो हमारे एआई-संचालित स्टार्टअप क्यूरेशन पर जोर देती है। आज हमारे Signals डेटाबेस में 15.7 मिलियन से अधिक स्टार्टअप प्रौद्योगिकियों को कई कारकों के आधार पर अनुक्रमित किया गया है (और प्रोप्राइटरी एआई का उपयोग करके इसे इतने बड़े पैमाने पर करने में सक्षम है)।
हमने 2017 में विस्तार किया और अपने Interplay लो-कोड एप्लिकेशन डेवलपमेंट प्लेटफ़ॉर्म का पहला संस्करण लॉन्च किया। इंटरप्ले एक एआई-ईंधन वाली सॉफ़्टवेयर परत प्रदान करता है जो विरासत स्टैक को आधुनिक बनाता है और नवाचारी प्रौद्योगिकियों को ड्रैग-एंड-ड्रॉप द्वारा उपयोग करने की अनुमति देता है, साथ ही साथ सॉफ़्टवेयर विकास को दस गुना तेज़ करता है। लो-कोड प्लेटफ़ॉर्म में 475 प्री-बिल्ट घटक हैं, ताकि उपयोगकर्ता तेज़ी से अनुप्रयोगों को स्पिन अप करने के लिए आवश्यक प्रौद्योगिकियों को मिला सकें। एआई सशक्तिकरण प्लेटफ़ॉर्म के मूल में है, साथ ही साथ अन्य लो-कोड घटक भी हैं जो आईओटी, डेटा एकीकरण और यहां तक कि ब्लॉकचेन के लिए हैं।
इटरेट.एआई एक लो-कोड प्लेटफ़ॉर्म है जो एआई-संचालित अनुप्रयोगों के विकास के लिए है; कुछ एआई अनुप्रयोग क्या हैं जो बनाए जा सकते हैं?
हमारे लो-कोड प्लेटफ़ॉर्म ने वास्तव में दिलचस्प उपयोग के मामलों की एक विस्तृत श्रृंखला के लिए एआई अनुप्रयोगों को सक्षम बनाया है – यह एक ऐसी चीज़ है जिस पर हम वास्तव में गर्व करते हैं। उल्टा ब्यूटी, अरब डॉलर का वैश्विक सौंदर्य खुदरा विक्रेता, ने हमारे प्लेटफ़ॉर्म का उपयोग करके केवल दो सप्ताह में एक स्मार्ट एआई रिटेल ग्राहक चैटबॉट बनाया। इसके विपरीत, प्रिमिटिव चैटबॉट कीवर्ड-केंद्रित होते हैं, और अधिकांश विक्रेता चैटबॉट अनुप्रयोग ग्राहक जानकारी तक पहुंचने के लिए विरासत प्रणालियों के साथ सहजता से एकीकृत नहीं हो सकते हैं या मानव-सहायता प्राप्त समर्थन में चिकनी संक्रमण की अनुमति दे सकते हैं। उल्टा के स्मार्ट एआई चैटबॉट ने प्राकृतिक भाषा प्रसंस्करण कार्यक्षमता और ग्राहक “इरादों” को पहचानने की क्षमता के साथ इन मुद्दों को समाप्त कर दिया ताकि वास्तव में सटीक प्रतिक्रियाएं प्रदान की जा सकें। हमारे प्लेटफ़ॉर्म ने उल्टा को चैटबॉट के एआई इंजन को केवल कुछ घंटों में बनाने और चैटबॉट के प्रशिक्षण और प्रतिक्रियाओं को बहुत तेजी से कॉन्फ़िगर करने और सुधारने में मदद की।
एक अन्य उदाहरण में, Jockey ने हमारे प्लेटफ़ॉर्म का उपयोग एआई-संचालित अक्सर पूछे जाने वाले प्रश्नों के लिए किया, जो काफी जटिल और व्यक्तिपरक ग्राहक सेवा स्थितियों का भी अपने आप सफलतापूर्वक उत्तर दे सकते हैं। हमारे प्लेटफ़ॉर्म ने सुविधा स्टोर और पेट्रोल पंपों के एक वैश्विक नेटवर्क को महामारी के दौरान बिना छुए इस्तेमाल होने वाले ईंधन पंप उपलब्ध कराने में भी सक्षम बनाया। इसके लिए ग्राहकों की गाड़ियों की नंबर प्लेटों की एआई-आधारित छवि पहचान का उपयोग किया गया। हमारी एआई क्षमताएं दुकानों में कैमरा-केंद्रित सुरक्षा रणनीतियों में भी काम आती हैं। प्रशिक्षित एआई अनुप्रयोग छवियों में दुकानों के बाहर मौजूद खतरों और हथियारों को पहचान सकते हैं, ग्राहकों की सुरक्षा के लिए दुकान को बंद कर सकते हैं और अधिकारियों से संपर्क कर सकते हैं।
वास्तव में कितना कम कोड लिखना पड़ता है? उपयोगकर्ताओं को विकास के कौन-से कौशल चाहिए?
(ULTA )मेरे विचार में, 80/20 नियम लागू होता है। 80% लागू एआई उपयोग के मामले पहले से ही निर्मित हैं और स्थापित मॉडल और प्रशिक्षण डेटा के आसपास हैं। एक पारंपरिक संगठन आसानी से एक लो-कोड प्लेटफ़ॉर्म (हमारा, इंटरप्ले है) का उपयोग कर सकता है और इन मामलों को लागू कर सकता है। यहाँ कुछ उदाहरण हैं:
- एआई संचालित एफएक्यू
- एआई संचालित उत्पाद खोजकर्ता
- उत्पाद सिफारिशें और बंडलिंग
- ओसीआर
- दृश्य उत्पाद पहचान
- टेबुलर डेटा विश्लेषण: चीजें जैसे एओवी, बास्केट विश्लेषण, ग्राहकों के छोड़कर जाने का पूर्वानुमान, आदि
- वस्तु निष्कर्षण/पता लगाना
- वस्तु स्थिरता
उपरोक्त मामलों को एक इंजीनियर द्वारा लागू किया जा सकता है जिसके पास सर्वर-साइड प्रोग्रामिंग ज्ञान और मशीन लर्निंग एपीआई की मूल बातों का ज्ञान है। यह वीडियो स्ट्रीमिंग, क्रिप्टोग्राफी, और कुंजी प्रबंधन तकनीकों के समान है जो आज एपीआई के माध्यम से व्यापक रूप से उपयोग की जाती हैं। जो इंजीनियर इन एपीआई का उपयोग करते हैं वे अक्सर नहीं जानते कि वे नीचे कैसे काम करते हैं।
एआई प्रौद्योगिकी को स्केल करने के लिए लो-कोड एआई क्यों महत्वपूर्ण है?
एआई क्षमताओं को अपने अनुप्रयोग विकास में शामिल करने वाले व्यवसाय जल्दी से बड़ी चुनौतियों का सामना कर सकते हैं जब वे लो-कोड का उपयोग नहीं करते हैं। आज की दुनिया में, केवल 300,000 एआई इंजीनियर हैं, और उनमें से केवल 60,000 डेटा वैज्ञानिक हैं। एआई समाधानों को विकसित करने और स्केल करने के लिए आवश्यक प्रतिभा महंगी और बढ़ रही है। इसके विपरीत, लो-कोड विकास वास्तव में एआई तक पहुंच को लोकतांत्रिक बनाता है। लो-कोड के साथ, दुनिया के 25 मिलियन सॉफ़्टवेयर डेवलपर, और यहां तक कि उन लोगों को भी जिन्हें प्रशिक्षण नहीं मिला है, एआई इंजनों को आसानी से लागू कर सकते हैं, उनकी क्षमताओं को परिष्कृत कर सकते हैं, और प्रभावी समाधानों का उत्पादन और स्केल कर सकते हैं।
इटरेट.एआई के एआई-संचालित सिग्नल प्लेटफ़ॉर्म पर कुछ और दिलचस्प रुझान क्या हैं?
हम एआई, आईओटी, ब्लॉकचेन, डेटा और उभरते स्टार्टअप समाधानों के पांच नवाचार बलों में तेजी से विकास देख रहे हैं। ये सभी बहुत बड़े बाजार हैं। हम हर दिन समाचार, पेटेंट और नए स्टार्टअप उत्पादों पर हजारों डेटा बिंदु देख रहे हैं। इंटरप्ले का निर्माण इन बलों का लाभ उठाने के लिए किया गया है, जिसमें इन बढ़ते बलों का लाभ उठाने के लिए पूर्व-निर्मित घटक शामिल हैं।
क्या इटरेट.एआई के बारे में और कुछ है जो आप साझा करना चाहेंगे?
मुझे लगता है कि लो-कोड और एआई अनुप्रयोगों के निर्माण में इसकी भूमिका के बारे में अभी भी गलतफहमी है। यह देखना असामान्य नहीं है कि आईटी पेशेवर यह सवाल उठाते हैं कि क्या एक लो-कोड रणनीति उनकी आवश्यकताओं को पूरा कर सकती है उद्यम-ग्रेड स्केलेबिलिटी, विस्तारितता और सुरक्षा के लिए। मुझे लगता है कि उत्पादन अनुप्रयोगों के लिए उपकरण के रूप में लो-कोड विकल्पों का दुरुपयोग – लेकिन प्रोटोटाइप के लिए अभिप्रेत – इन आशंकाओं को बढ़ावा दिया है। यह कहा जा रहा है, सही लो-कोड प्लेटफ़ॉर्म उत्पादन तैयार एआई अनुप्रयोगों को बनाने और समर्थन करने के लिए पूरी तरह से सक्षम हैं। एंटरप्राइज़ को लो-कोड टूलिंग का चयन करते समय अपना उचित परिश्रम करना चाहिए, सुनिश्चित करना चाहिए कि वे उपकरण पारदर्शी और व्यापक सुरक्षा परत और एंटरप्राइज़ स्तर पर अनुप्रयोगों को वितरित करने का एक सिद्ध रिकॉर्ड है।
धन्यवाद इस शानदार साक्षात्कार के लिए, पाठक जो अधिक जानना चाहते हैं उन्हें Iterate.ai पर जाना चाहिए।
