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

एटिएने बर्नार्ड न्यूमाइंड के सह-संस्थापक और सीईओ हैं, जो एक सॉफ्टवेयर कंपनी है जिसकी स्थापना जून 2022 में हुई थी और यह मशीन लर्निंग टूल्स विकसित करने में माहिर है। एटिएने एआई और मशीन लर्निंग के विशेषज्ञ हैं। ईएनएस से पीएचडी और एमआईटी से पोस्टडॉक के बाद, एटिएने वोल्फराम रिसर्च में शामिल हो गए, जहां उन्होंने 7 साल तक मशीन लर्निंग के प्रमुख के रूप में काम किया। इस दौरान, एटिएने ने ऑटोमैटिक लर्निंग टूल्स, एक उपयोगकर्ता-मित्री गहरे शिक्षण 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 कारण “मशीन लर्निंग” शब्द सुना था। मुझे यह विचार कि मशीनें सीख सकती हैं, आकर्षक और शक्तिशाली लगा। यह पहले से ही मुझे स्पष्ट था कि यह कई महत्वपूर्ण अनुप्रयोगों को जन्म देगा – जिसमें एआई बनाने की रोमांचक संभावना भी शामिल है। मैं तुरंत इसमें गोता लगाने का फैसला किया और कभी पीछे नहीं मुड़ा।

आपके पास ईएनएस से पीएचडी और एमआईटी से पोस्टडॉक है, और आपने वोल्फराम रिसर्च में शामिल होकर 7 साल तक मशीन लर्निंग के प्रमुख के रूप में काम किया। आपने वहां कुछ अधिक दिलचस्प परियोजनाओं पर काम किया?

मेरी पसंदीदा परियोजनाओं में से एक वोल्फराम लैंग्वेज (जिसे मैथमेटिका भी कहा जाता है) के लिए स्वचालित मशीन लर्निंग फंक्शन विकसित करना था। पहला क्लासिफाई था, जहां आप केवल डेटा देते हैं और यह एक वर्गीकारक लौटाता है। मेरे लिए, मशीन लर्निंग हमेशा से स्वचालित रही है। आप अपने मानव छात्र के हाइपर-पैरामीटर को समायोजित नहीं करते हैं, और आपको मशीन के लिए भी ऐसा नहीं करना चाहिए! वास्तविक रूप से स्वचालित मशीन लर्निंग फंक्शन बनाना वैज्ञानिक और सॉफ्टवेयर इंजीनियरिंग दोनों दृष्टिकोण से बहुत चुनौतीपूर्ण था।

एक उच्च-स्तरीय न्यूरल नेटवर्क फ्रेमवर्क बनाना भी एक बहुत ही दिलचस्प परियोजना थी। न्यूरल नेटवर्क को प्रतीकात्मक रूप से कैसे प्रस्तुत किया जाए, उन्हें कैसे दृश्य化 किया जाए और उन्हें कैसे हेरफेर किया जाए (अर्थात, कुछ टुकड़ों को काटने, अन्य को एक साथ चिपकाने, परतों को बदलने आदि), इसके बारे में कई कठिन डिजाइन निर्णय थे। 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 जाएगा;

इस दौरान आप एक मौलिक पुस्तक लिखने के लिए भी समय निकाल पाए, जिसका शीर्षक “मशीन लर्निंग का परिचय” है, ऐसी व्यापक पुस्तक लिखने के पीछे कुछ चुनौतियां क्या थीं?

ओह, बहुत सारी थीं! इसे लिखने में कुल दो साल लगे। मैं बस एक “कैसे करें” पुस्तक लिखने का फैसला कर सकता था, जो आसान होता, लेकिन वोल्फराम में मेरी यात्रा का एक हिस्सा मशीन लर्निंग सीखने के बारे में रहा है, और मुझे लगा कि मुझे यह ज्ञान दूसरों तक पहुंचाना चाहिए। तो मुख्य कठिनाई यह तय करना था कि किस बारे में बात करूं और किस क्रम में, ताकि यह दिलचस्प और समझने में आसान हो। फिर शैक्षिक विवरण थे: क्या मुझे इस अवधारणा के लिए एक गणित सूत्र का उपयोग करना चाहिए? या कुछ कोड? या बस एक दृश्यीकरण? मैं इस पुस्तक को यथासंभव सुलभ बनाना चाहता था और इससे मुझे बहुत सिरदर्द हुआ। कुल मिलाकर मैं परिणाम से खुश हूं। मुझे आशा है कि यह बहुत से लोगों के लिए उपयोगी होगा!

क्या आप न्यूमाइंड की उत्पत्ति की कहानी साझा कर सकते हैं?

ठीक है। मैं एक स्टार्टअप बनाना चाहता था और मूल रूप से 2012 में एक ऑटो एमएल टूल बनाने के लिए, लेकिन वोल्फराम में काम बहुत मजेदार था। फिर 2019-2020 के आसपास, पहले बड़े भाषा मॉडल (एलएलएम) दिखने लगे, जैसे जीपीटी-2 और फिर जीपीटी-3। यह मुझे आश्चर्यचकित कर दिया कि वे कितनी अच्छी तरह से पाठ को समझ और उत्पन्न कर सकते हैं। उसी समय, मैं देख सकता था कि एनएलपी मॉडल बनाना कितना दर्दनाक था: आपको एक एनोटेशन टीम से निपटना था, विशेषज्ञों को बहुत सारे प्रयोग चलाने थे, आदि। मुझे लगा कि इन एलएलएम का उपयोग करके एक टूल बनाने का एक तरीका होना चाहिए जो एनएलपी मॉडल बनाने के अनुभव को नाटकीय रूप से बेहतर बना दे। मेरे सह-संस्थापक, सैमुअल (जो कि मेरे चचेरे भाई हैं), ने भी同 विजन साझा की, और इसलिए हमने यह टूल बनाने का फैसला किया।

न्यूमाइंड का लक्ष्य मशीन लर्निंग और कृत्रिम बुद्धिमत्ता के उपयोग को फैलाना है – और सामान्य रूप से – 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 का विश्लेषण करना चाहते हैं। एक ऑफ-द-शेल्फ मॉडल का उपयोग करना आमतौर पर बहुत अच्छा नहीं होता है, क्योंकि यह अलग-अलग डेटा पर प्रशिक्षित किया गया है और थोड़ा अलग कार्य के लिए (भावना विश्लेषण कार्य एक दूसरे से आश्चर्यजनक रूप से अलग होते हैं!)। इसके बजाय, आप अपने डेटा पर काम करने वाला एक कस्टम मॉडल प्रशिक्षित करना चाहते हैं। हमारा टूल आपको यह करने की अनुमति देता है, एक अत्यंत सरल और कुशल तरीके से। मूल रूप से, आप अपना डेटा लोड करते हैं, थोड़ा सा 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 लर्निंग पैराडाइम है जिसे हम इंटरएक्टिव एआई डेवलपमेंट कहते हैं।

न्यूमाइंड के पहले दौर के 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 पता लगाने के लिए करता है कि कौन सी नौकरी के अवसर किसी दिए गए रेज्यूमे के लिए सबसे अच्छे हैं – और मुझे लगता है कि इन तरह के मैचमेकिंग एआई में बहुत सारी संभावनाएं हैं। हमारे पास ग्राहक हैं जो चिकित्सा और कानूनी दस्तावेजों से जानकारी निकाल रहे हैं।

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

यह अनुप्रयोग पर निर्भर करता है, लेकिन पारंपरिक समाधानों (डेटा लेबल करना और एक मॉडल को अलग से प्रशिक्षित करना) की तुलना में, हम 10 गुना तक गति में सुधार देखते हैं ताकि एक मॉडल प्राप्त किया जा सके और इसे उत्पादन में लाया जा सके। मुझे उम्मीद है कि यह संख्या उत्पाद को और विकसित करने के साथ में सुधरेगी। अंततः, मुझे लगता है कि जो परियोजनाएं महीनों लेती थीं, वे अब दिनों में पूरी हो जाएंगी, और बेहतर प्रदर्शन के साथ।

क्या आप न्यूमाइंड के इंटरएक्टिव एआई डेवलपमेंट के काम करने के तरीके की व्याख्या कर सकते हैं?

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

तकनीकी शब्दों में, यह कार्यप्रवाह मानव और मशीन के बीच एक निम्न-विलंबता, उच्च-बैंडविथ, बहुसंचारी और द्विदिश कommunिकेशन है, और हमने इसे इंटरएक्टिव एआई डेवलपमेंट कहा है ताकि द्विदिश और निम्न-विलंबता पहलुओं पर जोर दिया जा सके। मैं इसे मशीनों को सिखाने के लिए एक तीसरे पैराडाइम के रूप में देखता हूं, क्लासिक प्रोग्रामिंग और क्लासिक मशीन लर्निंग (जहां आप केवल कंप्यूटर को कार्य के उदाहरण देते हैं ताकि यह समझ सके कि क्या करना है) के बाद।

यह नया पैराडाइम एलएलएम द्वारा अनलॉक किया गया है। वास्तव में, आपको मशीन में पहले से ही कुछ बुद्धिमत्ता की आवश्यकता है ताकि आप इसके साथ कुशलता से बातचीत कर सकें। मुझे लगता है कि यह पैराडाइम निकट भविष्य में सामान्य हो जाएगा, और हम पहले से ही इसकी झलक देख सकते हैं चैट-आधारित एलएलएम और हमारे टूल के साथ।

हम इस पैराडाइम को एनएलपी कार्यों को सिखाने के लिए लागू कर रहे हैं, लेकिन इसका उपयोग और भी बहुत कुछ के लिए किया जा सकता है, जिसमें सॉफ्टवेयर विकास भी शामिल है।

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

शायद यह एक ऐसा टूल है जिसका उपयोग मशीन लर्निंग में विशेषज्ञ और गैर-विशेषज्ञ दोनों कर सकते हैं, यह बहुभाषी है, आप अपने मॉडल के मालिक हैं, और डेटा आपकी मशीन पर रह सकता है!

इसके अलावा, हम एक निजी बीटा चरण में हैं, इसलिए यदि आपके पास एनएलपी की आवश्यकता है, तो हम बात करने और यह पता लगाने के लिए खुश होंगे कि क्या और कैसे हम आपकी मदद कर सकते हैं!

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