चेस्टर ल्यूंग, ओपैक के सह-संस्थापक और एआई प्लेटफ़ॉर्म के प्रमुख – साक्षात्कार श्रृंखला

चेस्टर ल्यूंग ओपैक के सह-संस्थापक और प्लेटफ़ॉर्म आर्किटेक्चर के प्रमुख हैं, जो एक श्रृंखला ए स्टार्टअप है जो गोपनीय डेटा और एआई प्लेटफ़ॉर्म बना रहा है जो टीमों को अपने उद्यम डेटा पाइपलाइनों में एक गोपनीय परत जोड़ने में सक्षम बनाता है, जिससे कम प्रयास और सत्यापित गोपनीयता और नियंत्रण के साथ तेज़ अंतर्दृष्टि प्राप्त होती है।

इससे पहले, चेस्टर यूसी बर्कले में कंप्यूटर विज्ञान के स्नातक छात्र थे, जहां उन्होंने शीर्ष सम्मेलनों में समीक्षा की गई पत्र प्रकाशित किए और सुरक्षित सहयोगी विश्लेषण और मशीन लर्निंग के लिए ओपन-सोर्स एमसी2 परियोजना के लीड मेंटेनर के रूप में कार्य किया।

आप ओपैक के सह-संस्थापक हैं और यूसी बर्कले के आरआईएसईलैब में अपने समय के बाद, जहां आपका काम एआई और सुरक्षित प्रणालियों को जोड़ता है। आपने उद्यम डेटा बुनियादी ढांचे में कौन सा विशिष्ट अंतराल देखा जिससे ओपैक का निर्माण हुआ, और आपके शैक्षणिक अनुभव ने कंपनी की दिशा को कैसे सूचित किया?

उस समय, मशीन लर्निंग के लिए विशिष्ट उपयोग के मामलों का लाभ उठाने पर अकादमिक और उद्योग दोनों में बहुत ध्यान केंद्रित किया गया था। प्रयोगशाला में, हमें बड़े उद्यम प्रायोजकों के साथ काम करने का अवसर मिला जिन्होंने हम शोधकर्ताओं को अपने संगठनों के भीतर उन्हें जो दबाव वाली समस्याओं का सामना करना पड़ रहा था, उन्हें हल करने के लिए अपना काम आकार देने में मदद की। हमारे समूह को विशेष रूप से प्रौद्योगिकी और बैंकिंग, वित्तीय सेवाओं और बीमा (बीएफएसआई) कंपनियों के साथ काम करने का अवसर मिला, जो संवेदनशील लेकिन मूल्यवान डेटा के उपयोग के चारों ओर गोपनीयता समस्याओं को हल करने के लिए सहयोग कर रहे थे। जैसा कि एआई के सभी क्षेत्रों में, मशीन लर्निंग मूल्यवान और मजबूत अंतर्दृष्टि उत्पन्न करने के लिए उच्च गुणवत्ता वाले डेटा की बड़ी मात्रा पर निर्भर करती है।

हमने अमेज़ॅन, स्कोटियाबैंक और एंट ग्रुप (तब एंट फाइनेंशियल) जैसी टीमों के साथ सहयोग करते हुए बार-बार एक ही पैटर्न का सामना किया: उनके मशीन लर्निंग-संचालित परियोजनाएं उत्पादन तक पहुंचने से पहले संवेदनशील लेकिन महत्वपूर्ण डेटा के उपयोग के चारों ओर चिंताओं के कारण रुक गईं। दूसरे शब्दों में, ये टीमें उन परियोजनाओं में एआई का उपयोग करने में असमर्थ थीं जिन्हें वे जानते थे कि कंपनी के लिए मूल्य उत्पन्न कर सकती हैं, न कि एआई के साथ एक तकनीकी समस्या के कारण, बल्कि इसलिए कि वे सही डेटा तक पहुंच नहीं पा रहे थे।

ओपैक में, हम एक ही समस्या का समाधान कर रहे हैं। टीमों को सही डेटा तक पहुंच प्रदान करने में मदद करना, उन्हें अपनी एआई क्षमताओं को अनलॉक या अपसेल करने में सक्षम बनाना। हमारे शोध दिनों से लेकर एकमात्र परिवर्तन यह है कि समस्या की जरूरत: हम अब लगातार देख रहे हैं कि एआई अपनाया जा रहा है और एकीकरण, जो अभी भी सही डेटा तक पहुंच से बोतलेंक है, एक कंपनी-व्यापी रणनीतिक जरूरत बन गया है।

एक परिदृश्य में जहां उद्यम तर्क मॉडल और एजेंटिक एआई में भारी निवेश कर रहे हैं, आप क्यों मानते हैं कि सुरक्षित डेटा पाइपलाइन अब से पहले की तुलना में अधिक महत्वपूर्ण हैं?

सुरक्षित डेटा पाइपलाइनें उद्यमों द्वारा तर्क मॉडल और एजेंटिक एआई बनाने की रीढ़ हैं। इन तर्क मॉडलों को प्रशिक्षित करने से लेकर एजेंटिक एआई को तैनात करने तक, संवेदनशील डेटा पर निर्भर करता है और सुरक्षित डेटा पाइपलाइनों पर निर्भर करता है।

उदाहरण के लिए, हम अब उद्योग में देख रहे हैं कि इन मॉडलों को प्रशिक्षित करने के लिए उच्च गुणवत्ता वाले डेटा का उत्पादन करने में निवेश बढ़ रहा है। कुछ रिपोर्टों ने यहां तक भविष्यवाणी की है कि उच्च गुणवत्ता वाले डेटा उत्पादन पर कंप्यूट निवेश जल्द ही मॉडलों को प्रशिक्षित करने पर निवेश से अधिक हो जाएगा। निश्चित रूप से, डेटा उत्पादन एक बहु-चरण प्रक्रिया है जो पाइपलाइनों द्वारा संचालित होती है जो एक उद्यम की सबसे मूल्यवान बौद्धिक संपदा का उत्पादन करती है: उच्च गुणवत्ता वाले डोमेन-विशिष्ट डेटा जो मॉडलों को प्रशिक्षित कर सकते हैं जो डाउनस्ट्रीम मूल्यवान मूल्य उत्पन्न कर सकते हैं। इस डेटा के उत्पादन में निवेश बहुत बड़ा है, और उत्पन्न डेटा, इसकी वंशावली के कारण, प्रभावी रूप से एक उद्यम को उसके प्रतिस्पर्धियों से अलग करता है, इसके रूप में कार्य करता है। एक उद्यम को यह सुनिश्चित करने के लिए一切 करना चाहिए कि यह पाइपलाइन सुरक्षित है।

ओपैक का गोपनीय कंप्यूटिंग प्लेटफ़ॉर्म एन्क्रिप्टेड डेटा पर विश्लेषण को सक्षम बनाता है। उद्यम पर्यावरण में यह दोनों स्केलेबल और डेवलपर-मित्र बनाने में कोर तकनीकी चुनौतियाँ क्या हैं?

हमारा गोपनीय एआई प्लेटफ़ॉर्म न केवल एन्क्रिप्टेड डेटा पर विश्लेषण, मशीन लर्निंग और जनरेटिव एआई को सक्षम बनाता है, बल्कि यह भी प्रमाणित प्रमाण प्रदान करता है कि आपका डेटा केवल आपकी अपेक्षा और अनुमति के अनुसार उपयोग किया गया था।

स्केलेबिलिटी, विकास और प्रबंधन के साथ चुनौतियां, विशेष रूप से सुरक्षित और सत्यापित कार्यभार के समन्वय में निहित हैं। विशेष रूप से, कई उद्यमों का उपयोग आज मैनेज्ड क्लाउड सेवाओं के लिए तब किया जाता है जब उन्हें स्केल करने की आवश्यकता होती है। यह लागत प्रभावी और सुविधाजनक हो सकता है। हालांकि, मैनेज्ड क्लाउड सेवाओं को शक्तिशाली बनाने वाले सॉफ़्टवेयर का एक उपसेट अंतर्निहित रूप से क्लाउड प्रदाता द्वारा प्रबंधित होता है। तो चुनौती यह बन जाती है कि एक संगठन सॉफ़्टवेयर को कैसे सुरक्षित और सत्यापित कर सकता है जो उसके नियंत्रण में नहीं है? यदि संगठन सभी सॉफ़्टवेयर पर नियंत्रण वापस लेता है, तो वह मैनेज्ड सेवा का उपयोग न करके क्या त्याग देता है, और वह ऐसा करके क्या खो देता है?

आपने कहा है कि सुरक्षित-डिज़ाइन वास्तुकला एक स्थायी प्रतिस्पर्धी लाभ प्रदान कर सकती है। आप इसके व्यावहारिक रूप से उद्यम एआई टीमों के लिए इस सिद्धांत को कैसे समझाते हैं?

दो कोण हैं जिनसे इसे देखना है: एक उत्पाद कोण और एक इंजीनियरिंग कोण।

उत्पाद कोण से, हर कोई समझता है कि उनका डेटा रेडियोधर्मी है, उनका मोआत है, या दोनों। उद्यम अपने डेटा की गोपनीयता, सुरक्षा और सम्प्रभुता के मूल्यांकन में बढ़ते जागरूक हो रहे हैं। परिणामस्वरूप, कोई भी टीम जो उद्यम डेटा को संसाधित करने वाले किसी भी उत्पाद का निर्माण करती है, उसे यह आश्वासन प्रदान करना होगा कि संसाधित डेटा केवल अधिकृत पार्टियों और संस्थाओं द्वारा दिखाई देता है और उपयोग किया जाता है। एक सुरक्षित-डिज़ाइन वास्तुकला यह विश्वास प्रदान करती है कि डेटा गोपनीयता, सुरक्षा और सम्प्रभुता को उत्पाद के डिज़ाइन में पहले से ही विचार किया गया था, और उत्पाद को स्पष्ट रूप से इन आश्वासनों को प्रदान करने में सक्षम बनाती है।

इंजीनियरिंग कोण से, एक सुरक्षित-डिज़ाइन वास्तुकला अधिक विस्तारित और भविष्य के लिए तैयार है। कानूनी, जोखिम और अनुपालन टीमें नए जोखिमों और नियमों के प्रतिक्रियास्वरूप बढ़ती सख्त हो रही हैं। इस प्रकार, इंजीनियरिंग संगठनों को एक सुरक्षित उद्यम एआई प्रणाली का निर्माण करना चाहिए ताकि वे बाद में महसूस न करें कि उनकी मौजूदा प्रणाली पर्याप्त रूप से सुरक्षित और जोखिम-प्रूफ नहीं है। पुनः-वास्तुकला और पैचिंग में महीनों या वर्षों का मूल्यवान इंजीनियरिंग बैंडविथ खर्च होता है।

स्वायत्त एआई प्रणालियों के विकसित होने के साथ, संगठनों को डेटा की भूमिका को एक संसाधन के रूप में कैसे पुनः सोचना चाहिए – एक रक्षात्मक मोआत के रूप में?

उद्योग में यह बढ़ती सहमति है कि डेटा जल्द ही एक संगठन का एकमात्र मोआत हो सकता है। हम शोध और इंजीनियरिंग प्रतिभा और उन द्वारा निर्मित उत्कृष्ट प्रौद्योगिकियों और उत्पादों को एक संगठन से दूसरे संगठन में कूदते हुए देख रहे हैं। परिणामस्वरूप, कई संगठन एक ही उत्पाद प्रदान कर सकते हैं, एक ही प्रौद्योगिकी द्वारा समर्थित हैं।

हालांकि, जो आसानी से एक संगठन से दूसरे संगठन में स्थानांतरित नहीं हो सकता है, वह एक संगठन का डेटा है – जब तक कि यह लीक न हो जाए। इसके अलावा, यह वही डेटा है जो एक उत्पाद को उसके प्रतिस्पर्धियों से अधिक व्यक्तिगत, अनुकूलित और डोमेन-विशिष्ट बना सकता है। संगठनों को अपने डेटा को सुरक्षित करने के लिए सब कुछ करना चाहिए, जिससे वे अपने डेटा का उपयोग प्रतिस्पर्धी लाभ के रूप में कर सकें।

एक लचीला एआई पाइपलाइन व्यावहारिक रूप से कैसा दिखता है, और यह कंपनियों को अपने एआई नियोजन को बढ़ाते समय छिपी हुई लागत या जोखिम से कैसे बचाता है?

एक लचीला एआई पाइपलाइन विश्वसनीय, दोष-सहिष्णु, लेकिन सबसे महत्वपूर्ण, सत्यापित रूप से सुरक्षित है। प्रसंस्करण से पहले, कंपनियों को पाइपलाइन में जाने वाले डेटा के साथ-साथ पाइपलाइन को सत्यापित करना चाहिए, यह सुनिश्चित करने के लिए कि पाइपलाइन का दुरुपयोग नहीं हो सकता है। प्रसंस्करण के दौरान, एआई पाइपलाइन को छेड़छाड़-प्रूफ होना चाहिए, ताकि कोई भी डेटा चोरी न कर सके या प्रदान की गई अंतर्दृष्टि को प्रभावित न कर सके। प्रसंस्करण के बाद, एआई पाइपलाइन को सत्यापित रूप से ऑडिट करने योग्य होना चाहिए, ताकि एक टीम एआई पाइपलाइन के निर्णय लेने और ट्रेजेक्टरी को देख सके और जब कुछ गलत हो जाए तो यह देख सके कि क्या गलत हुआ।

यह आवश्यक है कि एक असुरक्षित, दोषपूर्ण एआई पाइपलाइन के एक संगठन के डेटा या प्रोप्राइटरी मॉडल को लीक करने और इसके प्रतिस्पर्धी कारकों या प्रतिष्ठा पर इसके परिणामों पर विचार किया जाए। जो अधिक महत्वपूर्ण है, हालांकि, यह है: जैसा कि कंपनियां अपने एआई नियोजन को अधिक महत्वपूर्ण और प्रभावी उपयोग के मामलों में बढ़ाती हैं, एक असुरक्षित, अस्पष्ट एआई पाइपलाइन का जोखिम बढ़ता है। एक दुनिया में जहां ऋण निर्णय और भर्ती निर्णय पहले से ही एआई-संचालित हैं, जो व्यक्तिगत वित्त से लेकर करियर तक सब कुछ प्रभावित करते हैं, एआई पाइपलाइन में एक जानबूझकर या अनजाने में त्रुटि एक व्यक्ति के जीवन पर नाटकीय प्रभाव डाल सकती है।

कई उद्यम मॉडल सटीकता या विलंबता पर ध्यान केंद्रित करते हैं। वे डेटा अखंडता और दीर्घकालिक परिचालन जोखिम के संबंध में क्या अनदेखा कर रहे हैं?

जबकि कई उद्यम मॉडल या एआई प्रौद्योगिकी पर ध्यान केंद्रित कर रहे हैं, मैं लंबे समय से मानता हूं कि डेटा एआई को लागू करने में मूलभूत बोतलेंक है।

एक मॉडल जो बहुत तेजी से एक विषय के बारे में एक सटीक प्रतिक्रिया उत्पन्न करता है जिसकी अंतिम उपयोगकर्ता परवाह नहीं है, शून्य मूल्य उत्पन्न करता है। एक अनोखा उत्पाद बनाने के लिए, उद्यमों को यह सुनिश्चित करना चाहिए कि उनके मॉडल, और वे उत्पाद जो उन्हें शक्ति प्रदान करते हैं, उच्च गुणवत्ता वाले प्रासंगिक डेटा के साथ प्रशिक्षित हैं। डेटा स्वच्छता के मुद्दे जो उच्च गुणवत्ता वाले इनपुट डेटा की कमी से उत्पन्न होते हैं, महीनों बाद तक सतह पर नहीं आ सकते हैं।

दूसरा, हमने पाया है कि उद्यमों के पास आमतौर पर डेटा ड्रिफ्ट, दूषण या रिसाव का पता लगाने के लिए एक अच्छी कहानी नहीं है, जो मॉडल अखंडता को खतरे में डालता है। यह मेरे पहले बिंदु से जुड़ा हुआ है, और जबकि यह एक अधिक प्रतिक्रियात्मक समाधान है, यह मूल्यांकन और दृश्यता को और भी महत्वपूर्ण बनाता है।

ओपैक मौजूदा क्लाउड स्टैक में एकीकृत होता है। आपने उद्यम नियोजन में मजबूत सुरक्षा आश्वासन के साथ अपनायी की आसानी के बारे में क्या सीखा है?

हमने लगभग एक दशक बिताया है, हमारे शोध दिनों से शुरू, इस समस्या का समाधान करने में। एआई प्रणालियों की साबित सुरक्षा, विशेष रूप से एक उद्यम सेटिंग में, एक बहुत ही कठिन समस्या है। यह प्रणालियों, सुरक्षा, क्रिप्टोग्राफी और एआई विशेषज्ञता की आवश्यकता है। परिणामस्वरूप, हमारे द्वारा देखी गई अधिकांश प्रणालियां मूल रूप से सुरक्षित नहीं हैं – क्योंकि सुरक्षा को लागू करना बहुत मुश्किल है।

ओपैक में, हमने एक उत्पाद बनाया है जो दोनों दुनिया का सर्वश्रेष्ठ है – मूल रूप से और सत्यापित रूप से सुरक्षित, लेकिन क्लाउड मार्केटप्लेस के माध्यम से आसानी से तैनात और पर्याप्त लचीला है ताकि यह नए और मौजूदा एआई अनुप्रयोगों में एकीकृत हो सके।

एआई पाइपलाइन और डेटा साझाकरण के आसपास कौन से प्रकार के खतरे या कमजोरियां उभर रही हैं जिन्हें उद्यम नेता अभी तक पूरी तरह से सराह नहीं सकते हैं?

हम इस एजेंटिक सोने की भीड़ में देख रहे हैं कि विभिन्न रिकॉर्ड प्रणालियों के साथ बातचीत करने वाले एआई एजेंटों को तैनात करने के लिए एक अंधी तत्परता है। जबकि ये एजेंट मूल्य प्रदान कर सकते हैं, वे भी बड़े जोखिम पैदा करते हैं क्योंकि वे इतने सारे मूल्यवान डेटा वाले सिस्टम को छूते हैं। एजेंटों में अंतर्निहित रूप से गैर-निर्धारित होते हैं, और हमने कई उदाहरण देखे हैं जहां वे कुछ ऐसा करते हैं जो हम उम्मीद नहीं करते हैं। एक दुनिया में जहां आपका डेटा आपका एकमात्र मोआत है, उद्यम नेताओं को हमेशा यह प्रश्न करना चाहिए कि क्या वे एआई एजेंटों पर विश्वास कर सकते हैं जो उनके सभी डेटा तक पहुंच रखते हैं कि वे इसे दुर्भावनापूर्ण या अनजाने में दुरुपयोग नहीं करेंगे।

एआई नियमन वैश्विक स्तर पर आकार ले रहा है। आप अगले कुछ वर्षों में सुरक्षित डेटा बुनियादी ढांचे, मॉडल जवाबदेही और अनुपालन के बीच के संबंध को कैसे देखते हैं?

सत्यापित रूप से सुरक्षित डेटा बुनियादी ढांचा मॉडल और एजेंट जवाबदेही को सक्षम बनाता है। विशेष रूप से, बिना एजेंट या मॉडल के निर्णय लेने या टूल के उपयोग का सत्यापित प्रमाण के, हम कुछ भी के बारे में निश्चित नहीं हो सकते हैं, इसलिए हम जवाबदेही का पता नहीं लगा सकते हैं। जैसा कि एआई हमारे दैनिक जीवन में अधिक एकीकृत हो जाता है, हम अधिक व्याख्या और एआई में दृश्यता चाहते हैं ताकि हमें लगता है कि हम अभी भी नियंत्रण में हैं। हालांकि, जब एआई मशीन गति से काम कर सकता है और हम नहीं कर सकते हैं, तो एक दुर्भावनापूर्ण एआई हमें आसानी से झूठी कहानियों का निर्माण करके धोखा दे सकता है। हमें जवाबदेही के लिए सत्यापन की आवश्यकता है।

मेरे लिए, नियामक अनुपालन बहुत प्रतिक्रियात्मक है। नियमों के विकास और पारित होने में तकनीकी नवाचार की तुलना में बहुत अधिक समय लगता है। यह एआई को हमारी नवाचार की गति को बढ़ाने में मदद करने के medida यह बढ़ती सच होगी। जबकि अनुपालन अंततः लaggards को सुरक्षित डेटा बुनियादी ढांचे को अपनाने के लिए प्रेरित करेगा, शुरुआती अपनाई और शुरुआती बहुमत यह पहचानते हैं कि यह एआई सुरक्षा के लिए महत्वपूर्ण है, और अनुपालन इसे अनिवार्य बनाने से पहले ही इसको अपना लेंगे। वे समझते हैं कि एजेंट जवाबदेही, सुरक्षित डेटा बुनियादी ढांचे द्वारा सक्षम, अपने स्वयं के एआई-संचालित उत्पादों को अपनाने के लिए महत्वपूर्ण है।

धन्यवाद महान साक्षात्कार के लिए, पाठकों को अधिक जानने के लिए ओपैक की यात्रा करनी चाहिए।