डॉ. विशाल सिक्का, वियानाई - साक्षात्कार श्रृंखला के संस्थापक और सीईओ

विशाल सिक्का के संस्थापक और सीईओ हैं वियानाइ, SAP AG के पूर्व CTO और इंफोसिस के पूर्व CEO। वह वर्तमान में ओरेकल के निदेशक मंडल, बीएमडब्ल्यू समूह के पर्यवेक्षी बोर्ड और स्टैनफोर्ड इंस्टीट्यूट ऑफ ह्यूमन-सेंटर्ड एआई के सलाहकार के रूप में भी कार्य करते हैं।

Vianai प्लेटफ़ॉर्म विभिन्न परिदृश्यों में बड़े पैमाने पर उद्यम में AI लाने के लिए ओपन-सोर्स तत्वों, Vianai-मालिकाना तकनीकों और अनुकूलन और मानव-केंद्रित डिज़ाइन को जोड़ता है। प्लेटफ़ॉर्म के साथ, बड़े संगठन मौजूदा बुनियादी ढांचे पर परिष्कृत एमएल मॉडल का निर्माण, अनुकूलन, तैनाती और प्रबंधन कर सकते हैं और पूरे उद्यम में एमएल मॉडल के संचालन और प्रदर्शन में सुधार कर सकते हैं।

सबसे पहले आपको मशीन लर्निंग की ओर किस चीज़ ने आकर्षित किया?

एक किशोर के रूप में मुझे एआई में रुचि हो गई, जब मैंने सरल एजेंटों के समाज के रूप में हमारे दिमाग में मार्विन मिंस्की के विचारों को पढ़ा, और जो वेइज़ेनबाम के एलिज़ा (एक बहुत ही प्रारंभिक चैटबॉट) और जॉन मैक्कार्थी की इसकी आलोचना के बारे में सीखा। बाद में, मुझे मैक्कार्थी को स्टैनफोर्ड में मेरी एआई योग्यता परीक्षा समिति की अध्यक्षता करने का सम्मान मिला। मैक्कार्थी और मिन्स्की आर्टिफिशियल इंटेलिजेंस के क्षेत्र के दो जनक थे, और दोनों को इसकी शक्तियों और सीमाओं के बारे में गहरी जानकारी थी, और मैं उन दोनों के साथ अध्ययन करने के लिए काफी भाग्यशाली था।

हम आज भी देख सकते हैं कि एआई में काफी संभावनाएं हैं, और साथ ही इसकी महत्वपूर्ण सीमाएं भी हैं। 30 साल पहले हम जिन चुनौतियों से जूझ रहे थे वे आज भी स्पष्ट हैं, खासकर जब हम उद्यम में एआई को देखते हैं। मैं एक छात्र के रूप में काम से प्रेरित था, यह देखने के लिए कि क्या एआई के मूल्य को किसी तरह से अनलॉक किया जा सकता है, और मैं इसके प्रति जुनूनी रहा हूं।

आपने पहले कुछ इंस्ट्रुमेंटल पेपर लिखे हैं, आपके अनुसार कौन सा पेपर एआई पर आपके विचार विकसित करने में सबसे महत्वपूर्ण था?

एक छात्र के रूप में मैंने कई हजार पेपर पढ़े होंगे। एआई की कुछ प्रमुख दार्शनिक समस्याओं पर "एडवाइस टेकर" पर मैक्कार्थी के प्रेजेंटेशन पेपर, एक समाज के रूप में दिमाग पर मार्विन के पेपर, कनेक्शनिस्ट (तंत्रिका नेटवर्क आधारित) और एआई के प्रतीकात्मक दृष्टिकोण को एक साथ लाने पर, संभाव्य तर्क पर जूडिया पर्ल के पेपर और कारण बुद्धि, और डेविड मार्र (दृष्टि पर), पैट विंस्टन (उदाहरणों से वस्तुओं के विवरण सीखने पर), प्रोग्राम संश्लेषण पर वाल्डिंगर के काम और कई अन्य लोगों के पत्रों ने मेरे विचारों को आकार दिया। अभी हाल ही में, मैं हिंटन, लेकुन, अटेंशन फोल्क्स के साथ-साथ सिंथिया रुडिन, फर्नांडा वीगास और अन्य की रचनाएँ पढ़ रहा हूँ।

आपने कहा है कि एआई सिस्टम बनाने का डेवलपर अनुभव खंडित और टूटा हुआ है, एआई सिस्टम बनाने के पीछे कुछ मौजूदा मुद्दे क्या हैं?

एआई सिस्टम को आज वास्तव में केवल अपेक्षाकृत कम संख्या में लोग ही समझा सकते हैं - आंकड़े अलग-अलग हैं, लेकिन ऐसा लगता है कि दुनिया में वास्तव में लगभग 20-30,000 ही लोग हो सकते हैं जो एआई सिस्टम चलाने के सही तरीकों को समझते हैं। यह उन 52,000 या उससे अधिक लोगों की तुलना में बहुत कम है जिनके बारे में हमारा अनुमान है कि वे एमएलओपीएस पेशेवर हैं, या हमारे अनुमान के अनुसार 1 लाख लोग डेटा वैज्ञानिक हैं। उनमें से कई आपको यह नहीं बता सके कि सिस्टम जो कर रहा है वह क्यों कर रहा है, वह जो सिफ़ारिशें करता है वह क्यों करता है या संभवतः क्या गड़बड़ हो सकती है, या अंतर्निहित तकनीकें कैसे काम करती हैं।

इसे एक बेहद जटिल परिदृश्य की पृष्ठभूमि में रखें। 300 से अधिक एमएलओपीएस विक्रेता हैं जिन पर गार्टनर किसी भी समय नज़र रख रहा है। इनमें से प्रत्येक के पास एक विशेष पेशकश है। दूसरी ओर, बड़े क्लाउड विक्रेताओं के पास हर चीज का अपना स्वाद होता है, और वे अक्सर कंपनियों को उनके पारिस्थितिकी तंत्र और उनके बुनियादी ढांचे में बंद करने की कोशिश करते हैं।

फिर, कंपनियों के लिए वास्तव में उपलब्ध कुछ सबसे उन्नत मॉडलों को बनाने और प्रशिक्षित करने के लिए गणना स्वयं बहुत महंगी होती है। इन्हें कुछ कंपनियों पर छोड़ दिया गया है जिनके पास एआई सिस्टम की मांगों को प्रबंधित करने के लिए आवश्यक प्रतिभा और संसाधन हैं।

समझ की कमी, टूलींग की जटिलता और गणना की लागत एआई में कुशल होने की चाहत रखने वाली किसी भी कंपनी के लिए एक असंबद्ध और चुनौतीपूर्ण परिदृश्य बनाती है। वियानाई में, हम एआई को उपयोग में आसान बनाने और समझने और निरीक्षण करने में आसान बनाने के लिए तरीकों का निर्माण कर रहे हैं, जबकि सर्वोत्तम प्रदर्शन प्राप्त करने से जुड़े संसाधनों और लागतों को काफी हद तक कम कर रहे हैं।

क्या आप वियानाई के पीछे की उत्पत्ति की कहानी साझा कर सकते हैं?

मैंने उद्यमों में नए, विघटनकारी नवाचार लाने के लिए काम करते हुए कई साल बिताए हैं। मेरी टीमों और मैंने कई उत्पाद बनाए जो हजारों उद्यमों तक पहुंचे और उन्हें अग्रणी माना गया। वियानाई शुरू करने से पहले मैंने अपनी दो यात्राओं में दो मूलभूत परिवर्तनों का नेतृत्व किया और सैकड़ों उद्यमों में परिवर्तनों में भाग लिया। इसमें एआई का अध्ययन करने और एआई को बेहतर, अधिक प्रासंगिक और मानवता की सेवा में कैसे बनाया जाए, इस पर ध्यान केंद्रित करने का मेरा कई वर्षों का अनुभव शामिल था।

कुछ हद तक असामान्य तरीके से - ये चीज़ें एक साथ आईं। मैं अपने परिवार के साथ दक्षिण पूर्व एशिया में [2018 के अंत में] छुट्टियों पर था। हम एक छोटे से बाज़ार में खरीदारी कर रहे थे, और विक्रेता के पास सुंदर, हाथ से बने गहने थे। यह पारंपरिक तकनीकों और स्थानीय पत्थरों से बनाया गया था, और यह आश्चर्यजनक था, लेकिन, निश्चित रूप से, इस छोटे शहर के बाहर किसी ने भी उनके बारे में नहीं सुना था। और मेरे मन में यह सवाल आया, “क्या होगा यदि यह विक्रेता एआई का उपयोग कर सके? वो कैसा लगता है? सिस्टम को कैसे काम करना होगा?” उस पल मुझे लगा कि दुनिया का हर व्यवसाय एआई के साथ रूपांतरित होने जा रहा है, और इस परिवर्तन को कल के चश्मे से नहीं देखा जा सकता है, बल्कि ऐसे उत्पादों और विचारों की आवश्यकता है जिन्हें एक खाली स्लेट से शुरू करना होगा।

लगभग एक महीने बाद, मैंने दुनिया भर के व्यवसायों में सच्चा, मानव-केंद्रित एआई लाने के मिशन के साथ वियानाई की स्थापना की। इसका मतलब है उत्पाद और सेवाएं, एप्लिकेशन और प्रौद्योगिकियां, उपकरण प्रदान करना जो व्यावसायिक उपयोगकर्ताओं, डेटा वैज्ञानिकों, एमएल इंजीनियरों और यहां तक ​​कि दुनिया के दूरदराज के हिस्सों में विक्रेताओं को वास्तव में एआई का लाभ उठाने में सक्षम बनाता है।

तब से, हमने व्यवसायों को एआई पर शुरुआत करने में मदद करने के लिए एप्लिकेशन बनाए हैं, जो एमएल चिकित्सकों को उनके एआई मॉडल का प्रबंधन और निगरानी करने में मदद करने के लिए एक मंच है, और अधिक कंपनियों को एआई तक पहुंचने में सक्षम करने के लिए अनुकूलन तकनीकें बनाई हैं।

हर चीज के माध्यम से, हमने पाया है कि डेटा और सर्वोत्तम एआई तकनीकों के साथ मानवीय समझ, निर्णय और सहयोग की शक्ति लाने की महत्वपूर्ण क्षमता अप्रयुक्त है। अग्रणी उद्यम कंपनियों के साथ हमारे काम के आधार पर, मैंने देखा कि वही तकनीकें जो छोटे विक्रेताओं की मदद करेंगी, वही दुनिया के सबसे बड़े उद्यमों की मदद करेंगी।

वियानाई पूरी तरह से मानव केंद्रित एआई के बारे में है, क्या आप परिभाषित कर सकते हैं कि यह क्या है और यह महत्वपूर्ण क्यों है?

मानव-केंद्रित एआई वह एआई है जो मानव कार्य को बढ़ाना और मानव निर्णय में सुधार करना चाहता है। मशीन लर्निंग को अक्सर मानव श्रम के प्रतिस्थापन के रूप में सोचा जाता है। लेकिन एआई मनुष्यों के लिए पूरक है - यह पैमाने और दोहराव और सटीकता प्रदान करता है जिसे मनुष्य दोहरा नहीं सकते। लेकिन एआई मानवीय निर्णय, मानवीय अनुभव या संदर्भ की हमारी समझ की नकल नहीं कर सकता।

इसके स्पष्ट उदाहरण हैं, उदाहरण के लिए एआई द्वारा कछुए को गलती से राइफल समझ लेना, लेकिन अक्सर हम एआई पर बहुत अधिक भरोसा करते हैं जब यह अभी तक खुद को भरोसेमंद साबित नहीं कर पाया है। एक कुख्यात कहानी एक दशक पहले की है, जब एक फर्म के एआई को मानवीय हस्तक्षेप के बिना व्यापार करने की अनुमति दी गई थी। एल्गोरिथम को एक घंटे से भी कम समय में $440 मिलियन का नुकसान हुआ।

एक हालिया उदाहरण के लिए, अत्याधुनिक भाषा मॉडल को भ्रमित करना या पूर्वाग्रह करना अपेक्षाकृत आसान है। टेक्स्ट-टू-इमेज जेनरेटर संभावित रूप से शक्तिशाली होते हैं, लेकिन उनकी पूरी क्षमता प्राप्त करने के लिए मानव उपयोगकर्ता से बहुत विशिष्ट कमांड की आवश्यकता होती है।

मानव-केंद्रित AI, हमारे उत्पादों के डिज़ाइन में एक प्रकार का फोकस है। हम मानवीय समझ की शक्ति - जैसे निर्णय और सहयोग - को सर्वोत्तम डेटा और एआई तकनीकों के साथ लाते हैं, बुद्धिमान सिस्टम बनाने के लिए जो व्यावसायिक परिणामों और प्रक्रियाओं में काफी सुधार कर सकते हैं।

क्या आप इंसानों और एआई के पीछे फीडबैक लूप की आवश्यकता बता सकते हैं?

AI की एक पूरी शाखा है जिसका नाम है "पाश में मानव” जो एआई के प्रदर्शन को स्वाभाविक रूप से बेहतर बनाने के लिए मनुष्यों के फीडबैक तंत्र पर निर्भर करता है। यह स्वाभाविक है, और किसी भी प्रणाली के लिए समझ में आता है।

एआई सिस्टम समय के साथ पुन:प्रशिक्षण के माध्यम से बेहतर हो सकता है, जिसमें उपयोगकर्ता द्वारा की गई सभी गतिविधियां शामिल होती हैं। निःसंदेह, यह हमारे अनुप्रयोगों का भी एक हिस्सा है। मुझे एक उदाहरण देने दें।

कोविड से पहले, हम मांग पूर्वानुमान पर एक बड़ी, वित्तीय सेवा फर्म के साथ काम कर रहे थे। हमने जिस तरह से सिस्टम को डिज़ाइन किया, उसके कारण, जब कोविड आया और कई अन्य मॉडलों को तोड़ दिया, तो हमारा सिस्टम तेजी से परिवर्तनों के साथ समायोजित हो गया और कभी भी पुनर्निर्माण की आवश्यकता नहीं पड़ी। यह मानव-केंद्रित एआई का दूसरा और सबसे महत्वपूर्ण पहलू है, जो आधुनिक जीवन की जटिलताओं को शामिल करने के लिए शुरू से ही सिस्टम को डिजाइन करता है।

यह विश्वास और एक प्रणाली बनाता है जो संगठन और उपयोगकर्ता के साथ बढ़ता है।

वियानाई को अगली पीढ़ी का एआई प्लेटफॉर्म क्या बनाता है?

जबकि जोखिम, विनियमन और एआई के वादे के बारे में बहुत चर्चा हो रही है, कुछ ने यह खोजा है कि हम क्या समाधान ढूंढते हैं - मानव-केंद्रित एआई की अवधारणा।

हमारा प्लेटफ़ॉर्म उन समस्याओं के लिए तैयार है जो उद्यम में एआई के अधिक वास्तविक हो जाने पर आएंगी। इसका उद्देश्य विश्वास, पूर्वाग्रह और पारदर्शिता से जुड़े मुद्दों से निपटना है। यह कंपनियों को निगरानी और अनुकूलन के साथ एआई को स्केल करने में सक्षम बनाता है। और यह गैर-तकनीकी उपयोगकर्ताओं को हमारे अनुप्रयोगों के माध्यम से एआई का उपयोग करने में सक्षम बनाता है।

एंटरप्राइज़ एआई के अनुभव को नाटकीय रूप से सुव्यवस्थित करने वाले प्लेटफ़ॉर्म के निर्माण के पीछे कुछ चुनौतियाँ क्या हैं?

एआई को शामिल करने वाले उद्यमों में हम जो सबसे बड़ी चुनौतियां देखते हैं वे प्रतिभा, उपकरण और प्रौद्योगिकी हैं। सबसे पहले, प्रतिभा कुछ स्थानों पर केंद्रित होती है, खासकर बड़ी तकनीकी कंपनियों में। इससे बाहरी टीम के सदस्यों के लिए एआई कार्यक्रम की निगरानी, ​​प्रशासन और आकार देने में भाग लेना बहुत कठिन हो जाता है और इससे और भी अधिक पूर्वाग्रह पैदा हो सकता है क्योंकि केवल सीमित संख्या में टीम के सदस्य ही संचालन पर काम कर रहे हैं।

एआई को सुव्यवस्थित करने में प्रौद्योगिकी और उपकरण भी एक चुनौती हो सकते हैं। अभी तकनीक और उपकरण दोनों ही सीमित हैं। एआई चलाने के लिए चिप्स दुर्लभ और बहुत महंगे हैं, और उपकरण कुछ विक्रेताओं के पास बंद हैं, जिससे मूल्य में वृद्धि करते हुए लागत में सुधार करने की स्वतंत्रता कम हो जाती है। इससे कोई फर्क नहीं पड़ता कि कोई कंपनी अपनी उद्यम एआई यात्रा में कहां है, ये चुनौतियां उपयोगी और नैतिक एआई को लागू करना चुनौतीपूर्ण बना सकती हैं क्योंकि यह एक अलग, खंडित रणनीति बनाती है और उचित कार्यों को निष्पादित करने के लिए आवश्यक उपकरणों को हटा देती है। संगठनों को कार्यान्वयन से लेकर रखरखाव तक एआई के सभी क्षेत्रों का समर्थन करने में सक्षम होना चाहिए, और इसे सफल बनाने के लिए टीम का समर्थन और इनपुट प्रदान करना होगा।

सच्ची सफलता के लिए, मैंने पाया है कि प्लेटफ़ॉर्म क्षमताओं को पूरी तरह से खुला, मॉड्यूलर, लचीला होना चाहिए और महंगे हार्डवेयर और सॉफ़्टवेयर अपग्रेड पर निर्भर नहीं होना चाहिए। और मानव-केंद्रित दृष्टिकोण के साथ, मनुष्य अभी भी समस्याओं को हल करने के लिए ज्ञान, संदर्भ, अनुभव और रचनात्मकता लाने में सक्षम हैं - इसे एआई प्लेटफ़ॉर्म द्वारा बढ़ाया जाता है, प्रतिस्थापित नहीं किया जाता है।

क्या वियानाई के बारे में कुछ और है जो आप साझा करना चाहेंगे?

कई मायनों में, हम AI के समय में जी रहे हैं। एआई को लेकर काफी प्रचार और चर्चा हो रही है, जो कुल मिलाकर एक अच्छी बात है। हम जेनेरेटिव एआई और अन्य क्षेत्रों में अतीत की तुलना में बहुत अधिक प्रगति और व्यापक रूप से अपनाए जाने को देख रहे हैं। हालाँकि, हमें एआई की सीमाओं को पहचानने के लिए भी काम करना चाहिए - आज एआई तकनीक की वास्तविकताओं के साथ-साथ एआई में विशेषज्ञता की कमी और विशेष रूप से उद्यमों में एआई में विश्वास की कमी की वास्तविकताएं। यदि हम एआई को अपने जीवन, समाज, अपने काम, अपनी क्षमता के प्रवर्धक के रूप में तैयार कर सकते हैं और इसे सुनिश्चित करने के लिए एआई पर आवश्यक निगरानी रख सकते हैं, तो मुझे विश्वास है कि हम अंततः इसे सार्थक और परिवर्तनकारी तरीकों से जीवन में आते हुए देखेंगे।

बेहतरीन साक्षात्कार के लिए धन्यवाद, जो पाठक अधिक जानना चाहते हैं, उन्हें अवश्य आना चाहिए वियानाइ.