एटिएने बर्नार्ड, न्यूमाइंड के सह-संस्थापक और सीईओ – साक्षात्कार श्रृंखला

एटिएने बर्नार्ड न्यूमाइंड के सह-संस्थापक और सीईओ हैं, जो एक सॉफ्टवेयर कंपनी है जो जून 2022 में स्थापित की गई थी और मशीन लर्निंग टूल्स विकसित करने में विशेषज्ञता रखती है। एटिएने एआई और मशीन लर्निंग में विशेषज्ञ हैं। सांख्यिकीय भौतिकी में पीएचडी (ENS) और पोस्टडॉक (MIT) के बाद, एटिएने वोल्फराम रिसर्च में शामिल हो गए, जहां उन्होंने 7 वर्षों तक मशीन लर्निंग के प्रमुख के रूप में कार्य किया। इस दौरान, एटिएने ऑटोमैटिक लर्निंग टूल्स, एक उपयोगकर्ता-मित्री गहरे लर्निंग फ्रेमवर्क और विभिन्न मशीन लर्निंग अनुप्रयोगों के विकास का नेतृत्व किया।

आपको मशीन लर्निंग में क्या आकर्षित किया?

मैंने पहली बार 2009 में नेटफ्लिक्स प्राइज के माध्यम से “मशीन लर्निंग” शब्द सुना था। मुझे यह विचार कि मशीनें सीख सकती हैं, आकर्षक और शक्तिशाली लगा। यह पहले से ही स्पष्ट था कि यह कई महत्वपूर्ण अनुप्रयोगों को जन्म देगा, जिनमें एआई बनाने की रोमांचक संभावना भी शामिल है। मैंने तुरंत इसे गहराई से जानने का फैसला किया और कभी पीछे मुड़कर नहीं देखा।

सांख्यिकीय भौतिकी में पीएचडी (ENS) और पोस्टडॉक (MIT) के बाद, आप वोल्फराम रिसर्च में शामिल हो गए, जहां आप 7 वर्षों तक मशीन लर्निंग के प्रमुख रहे। आपने कौन से अधिक रोचक परियोजनाओं पर काम किया?

मेरी पसंदीदा परियोजनाएं वोल्फराम में ऑटोमैटिक मशीन लर्निंग फंक्शन्स विकसित करना था। पहला क्लासिफाई था, जहां आप केवल डेटा देते हैं और यह एक क्लासिफायर लौटाता है। मेरे लिए, मशीन लर्निंग हमेशा से ऑटोमैटिक रही है। आप अपने मानव छात्र के हाइपर-पैरामीटर्स को ट्यून नहीं करते हैं, और आपको मशीन के लिए भी ऐसा नहीं करना चाहिए! वास्तव में ऑटोमैटिक मशीन लर्निंग फंक्शन्स बनाना वैज्ञानिक और सॉफ्टवेयर इंजीनियरिंग दृष्टिकोण से चुनौतीपूर्ण था।

एक उच्च-स्तरीय न्यूरल नेटवर्क फ्रेमवर्क बनाना भी एक बहुत ही दिलचस्प परियोजना थी। न्यूरल नेटवर्क्स को प्रतीकात्मक रूप से कैसे प्रस्तुत किया जाए, उन्हें कैसे दृश्यमान बनाया जाए और उन्हें कैसे मैनिपुलेट किया जाए (जैसे कि कुछ टुकड़ों को काटना, अन्य को चिपकाना, परतों को बदलना आदि)। मुझे लगता है कि हमने एक अच्छा काम किया, और अगर यह ओपन-सोर्स होता, तो मुझे लगता है कि यह बहुत अधिक उपयोग किया जाता।

इस दौरान, आपने “मशीन लर्निंग की शुरुआत” नामक एक पुस्तक भी लिखी, जो एक महत्वपूर्ण पुस्तक है। इस पुस्तक को लिखने में आपको किन चुनौतियों का सामना करना पड़ा?

ओह, बहुत सारी! इसे लिखने में दो साल लगे। मैंने एक “कैसे करें” पुस्तक लिखने का फैसला किया था, जो आसान होता, लेकिन मेरे वोल्फराम में रहने का अनुभव मशीन लर्निंग सीखने के बारे में था, और मुझे लगा कि मुझे यह ज्ञान दूसरों तक पहुंचाना चाहिए। इसलिए मुख्य कठिनाई यह तय करना था कि क्या बात करनी है और किस क्रम में ताकि यह दिलचस्प और समझने में आसान हो। फिर पेडागोजिकल विवरण थे: क्या मैं इस अवधारणा के लिए एक गणित सूत्र का उपयोग करूं? या कुछ कोड? या बस एक दृश्यीकरण? मैंने इस पुस्तक को यथासंभव सुलभ बनाने की कोशिश की, और इससे मुझे बहुत सिरदर्द हुआ। कुल मिलाकर, मैं परिणाम से खुश हूं। मुझे उम्मीद है कि यह बहुत से लोगों के लिए उपयोगी होगी!

न्यूमाइंड की उत्पत्ति की कहानी साझा करें?

ठीक है। मैंने एक स्टार्टअप बनाने की सोची थी, मूल रूप से 2012 में एक ऑटो एमएल टूल बनाने के लिए, लेकिन वोल्फराम में काम करना बहुत मजेदार था। फिर 2019-2020 के आसपास, पहले बड़े भाषा मॉडल (एलएलएम) दिखने लगे, जैसे कि जीपीटी-2 और फिर जीपीटी-3। यह देखना आश्चर्यकारी था कि वे कितनी अच्छी तरह से पाठ समझ और उत्पन्न कर सकते हैं। उसी समय, मुझे यह देखकर दर्द हुआ कि एनएलपी मॉडल बनाना कितना कठिन था: आपको एक एनोटेशन टीम से निपटना होता था, विशेषज्ञों को कई प्रयोग चलाने होते थे, आदि। मुझे लगा कि इन एलएलएम का उपयोग करके एनएलपी मॉडल बनाने का अनुभव को नाटकीय रूप से बेहतर बनाने का एक तरीका होना चाहिए। मेरे सह-संस्थापक, सैमुअल (जो मेरे चचेरे भाई हैं), ने भी इसी दृष्टिकोण को साझा किया, और इसलिए हमने यह टूल बनाने का फैसला किया।

न्यूमाइंड का लक्ष्य मशीन लर्निंग और कृत्रिम बुद्धिमत्ता का उपयोग फैलाना है – सामान्य तौर पर सरल लेकिन शक्तिशाली टूल्स बनाकर। वर्तमान में कौन से टूल्स उपलब्ध हैं?

हाँ। हमारा पहला टूल कस्टम एनएलपी मॉडल बनाने के लिए है। उदाहरण के लिए, मान लें कि आप अपने उपयोगकर्ताओं की प्रतिक्रिया से भावना विश्लेषण करना चाहते हैं। एक ऑफ-द-शेल्फ मॉडल का उपयोग करना आमतौर पर अच्छा नहीं होता है, क्योंकि यह एक अलग प्रकार के डेटा पर प्रशिक्षित किया गया है और एक थोड़ा अलग कार्य के लिए (भावना विश्लेषण कार्य एक दूसरे से आश्चर्यकारी रूप से अलग हैं!)। इसके बजाय, आप अपने डेटा पर अच्छा काम करने वाला एक कस्टम मॉडल प्रशिक्षित करना चाहते हैं। हमारा टूल आपको बहुत ही सरल और कुशल तरीके से ऐसा करने की अनुमति देता है। मूल रूप से, आप अपना डेटा लोड करते हैं, एक छोटी सी एनोटेशन करते हैं, और एक मॉडल प्राप्त करते हैं जिसे आप एक एपीआई के माध्यम से तैनात कर सकते हैं। यह एलएलएम के उपयोग के कारण संभव है, लेकिन यह भी एक नया सीखने का परिप्रेक्ष्य है जिसे हम इंटरएक्टिव एआई डेवलपमेंट कहते हैं।

न्यूमाइंड के पहले ग्राहकों से विकसित कुछ कस्टम मॉडल क्या हैं?

कुछ भावना विश्लेषक हैं। उदाहरण के लिए, एक ग्राहक उन समूह चैट की भावना की निगरानी कर रहा है जहां लोग एक दूसरे की मदद कर रहे हैं अपनी लत से लड़ने में। यह विश्लेषण तब आवश्यक होता है जब भावना गिरने लगती है। एक अन्य ग्राहक हमारा उपयोग यह तय करने के लिए करता है कि कौन सी नौकरी के अवसर एक दिए गए रेज्यूमे के लिए सबसे अच्छे हैं – और मुझे लगता है कि इस तरह के मैचमेकिंग एआई में बहुत सारी संभावनाएं हैं। हमारे पास ग्राहक हैं जो चिकित्सा और कानूनी दस्तावेजों से जानकारी निकालने के लिए हमारा उपयोग करते हैं।

कंपनियां न्यूमाइंड टूल्स का उपयोग करके कितना समय बचा सकती हैं?

यह अनुप्रयोग पर निर्भर करता है, लेकिन पारंपरिक समाधानों (डेटा लेबलिंग और मॉडल प्रशिक्षण अलग से) की तुलना में, हम एक मॉडल प्राप्त करने और इसे उत्पादन में लाने के लिए 10 गुना तक गति में सुधार देखते हैं। मुझे उम्मीद है कि यह संख्या उत्पाद के विकास के साथ बेहतर होगी। अंततः, मुझे लगता है कि जो परियोजनाएं महीनों लेती थीं, वे अब दिनों में पूरी हो जाएंगी, और बेहतर प्रदर्शन के साथ।

न्यूमाइंड के इंटरएक्टिव एआई डेवलपमेंट को विस्तार से बताएं?

इंटरएक्टिव एआई डेवलपमेंट का विचार मानवों द्वारा एक दूसरे को सिखाने के तरीके से आता है। उदाहरण के लिए, मान लें कि आप अपने ईमेल वर्गीकृत करने के लिए एक इंटर्न को नियुक्त करते हैं। आप पहले कार्य और इसके उद्देश्य का वर्णन करेंगे। फिर आप कुछ अच्छे उदाहरण देंगे, शायद कुछ कोने के मामले। फिर आपका इंटर्न ईमेल लेबलिंग शुरू कर देगा, और एक बातचीत शुरू हो जाएगी। आपका इंटर्न आपके पास वापस आएगा और पूछेगा, “मैं इसे कैसे लेबल करूं?” या “मुझे लगता है कि हमें एक नया लेबल बनाना चाहिए” या यहां तक कि आपसे पूछेंगे कि क्यों हम एक निश्चित तरीके से लेबल करना चाहिए। इसी तरह, आप अपने इंटर्न से प्रश्न पूछेंगे ताकि उनकी ज्ञान की खामियों की पहचान की जा सके और उन्हें ठीक किया जा सके। यह सिखाने का तरीका बहुत प्राकृतिक और जानकारी के आदान-प्रदान के मामले में बहुत कुशल है। हम मशीनों को सिखाने के लिए इसी तरह का काम करने की कोशिश कर रहे हैं।

तकनीकी शब्दों में, यह कार्यवर्क मानव और मशीन के बीच एक निम्न-विलंबता, उच्च-बैंडविथ, बहुसंचारी, और द्विदिश कommunnication है, और हमने इसे इंटरएक्टिव एआई डेवलपमेंट कहा है ताकि द्विदिश और निम्न-विलंबता पहलुओं पर जोर दिया जा सके। मुझे लगता है कि यह मशीनों को सिखाने का तीसरा परिप्रेक्ष्य है, क्लासिक प्रोग्रामिंग और क्लासिक मशीन लर्निंग (जहां आप केवल कार्य के उदाहरण देते हैं और कंप्यूटर को यह तय करने देते हैं कि क्या करना है) के बाद।

यह नया परिप्रेक्ष्य एलएलएम द्वारा अनलॉक किया गया है। वास्तव में, आपको मशीन में कुछ ऐसा चाहिए जो पहले से ही कुछ हद तक स्मार्ट हो, ताकि आप इसके साथ कुशलता से बातचीत कर सकें। मुझे लगता है कि यह परिप्रेक्ष्य भविष्य में सामान्य हो जाएगा, और हम पहले से ही इसकी झलक देख सकते हैं – चैट-आधारित एलएलएम के साथ और हमारे टूल के साथ।

हम एनएलपी कार्यों को सिखाने के लिए इस परिप्रेक्ष्य को लागू कर रहे हैं, लेकिन यह बहुत अधिक के लिए उपयोग किया जा सकता है, जिसमें सॉफ्टवेयर विकास भी शामिल है।

न्यूमाइंड के बारे में और क्या है जो आप साझा करना चाहते हैं?

शायद यह है कि यह एक ऐसा टूल है जो मशीन लर्निंग में विशेषज्ञ और गैर-विशेषज्ञ दोनों द्वारा उपयोग किया जा सकता है, कि यह बहुभाषी है, कि आप अपने मॉडल के मालिक हैं, और कि डेटा आपकी मशीन पर रह सकता है!

अन्यथा, हम एक निजी बीटा चरण में हैं, इसलिए यदि आपके पास एनएलपी आवश्यकताएं हैं, तो हम बात करने और यह देखने के लिए खुश होंगे कि क्या हम आपकी मदद कर सकते हैं!

साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें न्यूमाइंड पर जाना चाहिए।