जॉय मुस्तफी, एविसो इंक के मुख्य डेटा वैज्ञानिक – साक्षात्कार श्रृंखला

विश्लेषण इंडिया पत्रिका द्वारा भारत के शीर्ष 10 डेटा वैज्ञानिकों में से एक के रूप में रैंक किया गया, जॉय मुस्तफी ने सेल्सफोर्स, माइक्रोसॉफ्ट और आईबीएम जैसी प्रौद्योगिकी दिग्गजों में डेटा साइंस अनुसंधान का नेतृत्व किया है, 50 पेटेंट जीते हैं और कृत्रिम बुद्धिमत्ता पर 25 से अधिक प्रकाशन लिखे हैं।

वह एक दशक से अधिक समय से आईबीएम के साथ जुड़े हुए थे, जहां उन्होंने आईबीएम वाटसन सहित विभिन्न व्यवसायिक बुद्धिमत्ता समाधानों में डेटा वैज्ञानिक के रूप में काम किया। उन्होंने माइक्रोसॉफ्ट में प्रिंसिपल एप्लाइड साइंटिस्ट के रूप में काम किया, जहां उन्होंने कृत्रिम बुद्धिमत्ता अनुसंधान के लिए जिम्मेदार थे। हाल ही में, मुस्तफी सेल्सफोर्स के आइंस्टीन प्लेटफ़ॉर्म के लिए प्रिंसिपल रिसर्चर थे।

मुस्तफी मुस्ट रिसर्च के संस्थापक और अध्यक्ष भी हैं, एक गैर-लाभकारी संगठन जो डेटा साइंस, संज्ञानात्मक कंप्यूटिंग, कृत्रिम बुद्धिमत्ता, मशीन लर्निंग और उन्नत विश्लेषण के क्षेत्रों में उत्कृष्टता को बढ़ावा देने के लिए समर्पित है।

हाल ही में, मुस्तफी रेडवुड सिटी-स्थित एविसो इंक में मुख्य डेटा वैज्ञानिक के रूप में शामिल हुए, जहां वह अपने दशकों के अनुभव का लाभ उठाकर एविसो ग्राहकों को सौदा बंद करने और राजस्व के अवसरों का विस्तार करने में मदद करेंगे।

आपको कृत्रिम बुद्धिमत्ता में शुरुआती आकर्षण क्या था?

मुझे गणित बहुत पसंद है, और प्रोग्रामिंग के लिए भी। मैंने सांख्यिकी में स्नातक की डिग्री और कंप्यूटर अनुप्रयोगों में स्नातकोत्तर कार्य किया। जब मैंने 2002 में कोलकाता में भारतीय सांख्यिकी संस्थान में अपनी कृत्रिम बुद्धिमत्ता अनुसंधान यात्रा शुरू की, तो मैंने सी प्रोग्रामिंग भाषा का उपयोग करके हस्तलिखित अंकों के लिए एक कृत्रिम तंत्रिका नेटवर्क प्रणाली विकसित की। यह 2500 से अधिक पंक्तियों का कोड था, जो सभी मानक इनपुट/आउटपुट के अलावा किसी भी निर्मित पुस्तकालय के बिना लिखा गया था। इसमें डेटा शुद्धिकरण और पूर्व-प्रसंस्करण, सुविधा इंजीनियरिंग और एक बहुस्तरीय परसेप्ट्रॉन के साथ एक पीछे के प्रसार एल्गोरिदम शामिल थे। पूरी प्रक्रिया मेरे द्वारा अध्ययन किए गए सभी विषयों का एक संयोजन था। उस समय कृत्रिम बुद्धिमत्ता निगमों में इतनी लोकप्रिय नहीं थी, और कुछ अकादमिक संगठनों ने क्षेत्र में उन्नत अनुसंधान किया था। और, बाई तरह से, कृत्रिम बुद्धिमत्ता उस समय नई नहीं थी! कृत्रिम बुद्धिमत्ता अनुसंधान का क्षेत्र 1956 में शुरू हुआ, जब प्रोफेसर जॉन मैकार्थी और अन्य ने डार्टमाउथ कॉलेज में एक अब-दिग्गज कार्यशाला में इस क्षेत्र की शुरुआत की।

आपको सबसे दिलचस्प परियोजना क्या लगी जिस पर आप काम कर चुके हैं?

मैं आईबीएम में अपने पहले पेटेंट का उल्लेख करना चाहता हूं: एक प्राकृतिक भाषा में शब्द समस्याओं को हल करने के लिए एक विधि, जो आईबीएम वाटसन के साथ एक खुला समस्या थी। मैंने जिस प्रणाली को विकसित किया था, वह प्राकृतिक भाषा में एक अंकगणित या बीजगणित समस्या को समझने और वास्तविक समय में एक प्राकृतिक भाषा उत्तर प्रदान करने में सक्षम थी। इसके लिए, प्रणाली को निम्नलिखित कदमों को संभालना था: इनपुट समस्या कथन और प्रश्न प्राप्त करना; इनपुट वाक्यों को गणितीय दृष्टिकोण से अच्छी तरह से बनाई गई वाक्यों की एक श्रृंखला में परिवर्तित करना; अच्छी तरह से बनाई गई वाक्यों को गणितीय समीकरणों में परिवर्तित करना; समीकरणों को हल करना; और गणितीय परिणाम को प्राकृतिक भाषा में वर्णित करना।

माइक्रोसॉफ्ट के लिए मेरी सबसे अच्छी परियोजना – सॉफ्टी! मैंने एक भौतिक रोबोट का आविष्कार और निर्माण किया जो विभिन्न प्रकार के इंटरचेंजेबल इनपुट डिवाइस और सेंसर से सुसज्जित था, जिससे यह मानवों से जानकारी प्राप्त करने में सक्षम था। एक मानकीकृत संचार विधि ने उपयोगकर्ता को संदर्भ के आधार पर समृद्ध इंटरैक्शन को सक्षम करने के लिए व्यावहारिक समायोजन करने की अनुमति दी। हम एक मजबूत प्रणाली को लागू करने में सक्षम थे जिसमें कीबोर्ड, पॉइंटिंग डिवाइस, टचस्क्रीन, कंप्यूटर दृष्टि, भाषा पहचान और इस तरह की विशेषताएं शामिल थीं। हमने विभिन्न व्यवसायिक इकाइयों से एक टीम बनाई और उन्हें कृत्रिम बुद्धिमत्ता और संबंधित क्षेत्रों पर अनुसंधान अनुप्रयोगों का अन्वेषण करने के लिए प्रोत्साहित किया।

आप मुस्ट रिसर्च के बारे में हमें बता सकते हैं?

मुस्ट रिसर्च डेटा साइंस, संज्ञानात्मक कंप्यूटिंग, कृत्रिम बुद्धिमत्ता, मशीन लर्निंग और उन्नत विश्लेषण के क्षेत्रों में उत्कृष्टता और क्षमता को बढ़ावा देने के लिए समर्पित है। मुस्ट का उद्देश्य अकादमिक और उद्यमों के बीच बातचीत को सक्षम करने के लिए एक पारिस्थितिकी तंत्र बनाना है, जो उन्हें समस्याओं का समाधान करने और उन्हें संज्ञानात्मक युग में नवीनतम विकास के बारे में जागरूक करने में मदद करता है। मुस्ट की सबसे रोमांचक विशेषता यह है कि यह कृत्रिम बुद्धिमत्ता, मशीन लर्निंग, प्राकृतिक भाषा प्रसंस्करण, पाठ विश्लेषण, कंप्यूटर दृष्टि, ऑडियो सिग्नल प्रसंस्करण, भाषा प्रौद्योगिकी, एम्बेडेड सिस्टम, रोबोटिक्स आदि जैसी अत्याधुनिक प्रौद्योगिकियों पर मौलिक अनुसंधान करता है।

मुस्ट रिसर्च की शुरुआत करने के लिए आपको क्या प्रेरित किया?

मुझे विज्ञान-कथा फिल्में और गणित बहुत पसंद हैं, और मैं अक्सर सोचता हूं कि प्रौद्योगिकी दुनिया को कैसे बदल सकती है। मैं 1993 में 9वीं कक्षा में था, जब मैंने पहली बार उन्नत प्रौद्योगिकियों पर विशेषज्ञों के एक समूह का गठन करने के बारे में सोचा। एक बार जब मैंने अपनी पहली नौकरी प्राप्त की, तो इसे 10 साल लग गए – और फिर से 10 साल लगे – एक उपयुक्त विशेषज्ञों के समूह की पहचान करने और एक गैर-लाभकारी सociety बनाने के लिए। अब, हालांकि, हमारे पास मुस्ट में भारत भर में 500 डेटा वैज्ञानिक हैं जो उत्साहपूर्वक उभरती प्रौद्योगिकियों पर अनुसंधान में योगदान दे रहे हैं।

वर्तमान में कौन सा क्षेत्र आपको सबसे रोमांचक लगता है?

सभी मशीन लर्निंग एल्गोरिदम रोमांचक हैं जब वे वास्तविक दुनिया में व्यवसायों या व्यक्तियों द्वारा उपयोग किए जाने वाले उत्पादों या सेवाओं के रूप में लागू किए जाते हैं। गहरे शिक्षण का युग फायदे और नुकसान दोनों के साथ आता है – कभी-कभी यह स्वचालित सुविधा इंजीनियरिंग में मदद करता है, लेकिन कभी-कभी यह एक काले बॉक्स की तरह काम कर सकता है और यदि उचित डेटासेट या एल्गोरिदम का उपयोग नहीं किया जाता है तो कचरा-कचरा परिदृश्य में समाप्त हो सकता है। कुछ नवीनतम प्रौद्योगिकियां संसाधन-भूखी भी हैं और बड़ी मात्रा में प्रसंस्करण शक्ति, समय और डेटा की आवश्यकता होती है। मुख्य बात यह याद रखना है कि गहरा शिक्षण मशीन लर्निंग (एमएल) का एक उपसेट है, जो कृत्रिम बुद्धिमत्ता (एआई) का एक उपसेट है, और एआई डेटा साइंस का एक उपसेट है – इसलिए यह सभी जुड़े हुए हैं। और यह पाइथन, आर या स्काला के बारे में नहीं है – मैंने अपनी कृत्रिम बुद्धिमत्ता यात्रा सी में शुरू की, और आप甚至 एसेम्बली भाषा कोड में कृत्रिम बुद्धिमत्ता कार्यक्रम लिख सकते हैं। सफल कृत्रिम बुद्धिमत्ता प्रणालियों का निर्माण करना सबसे पहले और सबसे महत्वपूर्ण व्यवसायिक या अनुसंधान वातावरण को समझने पर निर्भर करता है, और फिर कार्यों और डेटा के बीच डॉट्स को जोड़ने के लिए एक प्रणाली बनाना जो विभिन्न डोमेन में विभिन्न लोगों की वास्तविक मदद करती है। चाहे आप प्राकृतिक भाषा प्रसंस्करण, कंप्यूटर दृष्टि, वीडियो विश्लेषण, भाषा प्रौद्योगिकी, रोबोटिक्स या अन्य क्षेत्रों पर काम कर रहे हों, आगे बढ़ने का सबसे अच्छा तरीका सबसे सरल संभव दृष्टिकोण से शुरू करना है और फिर जैसे ही आप अपनी प्रणाली के साथ प्रयोग करते हैं और परिष्कृत करते हैं, जटिल तरीकों को अपनाते हैं।

आप अक्सर भारत के प्रमुख विश्वविद्यालयों में अतिथि व्याख्याता हैं। छात्रों से आपको सबसे अधिक बार कौन सा प्रश्न मिलता है, और आप इसे कैसे उत्तर देते हैं?

मुझे सबसे अधिक बार पूछा जाने वाला प्रश्न यह है: “मैं डेटा वैज्ञानिक कैसे बन सकता हूं?” मैं हमेशा युवाओं को बताता हूं कि यह निश्चित रूप से संभव है, और उन्हें अपने गणित, सांख्यिकी या कंप्यूटर विज्ञान के प्यार का उपयोग करके वास्तविक दुनिया की व्यवसायिक समस्याओं का समाधान करने के लिए मार्गदर्शन करने की कोशिश करता हूं। लोग मुस्ट में शामिल होने के बारे में भी पूछते हैं, और फिर से उत्तर सरल है: “अपने प्रोफाइल का निर्माण कई परियोजनाओं के साथ करें और बॉक्स के बाहर सोचने पर ध्यान दें।” यदि आप डेटा वैज्ञानिक बनना चाहते हैं, तो आपको यह साबित करना होगा कि आप नवाचार कर सकते हैं। नवाचार के बिना, हम खुद को वैज्ञानिक नहीं कह सकते। natürlich, पेटेंट प्राप्त करना या प्रतिष्ठित पत्रिकाओं और सम्मेलनों में अपने शोध को प्रकाशित करना भी मदद करता है!

आप हाल ही में एविसो में मुख्य वैज्ञानिक के रूप में शामिल हुए। आप हमें इसके बारे में बता सकते हैं?

एविसो बिक्री कार्यकारियों को मार्गदर्शन करने और सौदा बनाने की प्रक्रिया में अनुमान लगाने से बचने के लिए कृत्रिम बुद्धिमत्ता और मशीन लर्निंग का उपयोग करता है। यह एक दिलचस्प चुनौती है, और मेरी प्राथमिक जिम्मेदारी संगठन को एक सकारात्मक दिशा में विकसित करने में मदद करना है, गहरे अनुसंधान का उपयोग करके ग्राहकों की सफलता के लिए मंच तैयार करना है। मैं अपने ज्ञान और अनुभव का उपयोग करके हमारे मूल उत्पादों और अनुसंधान परियोजनाओं को और अधिक बनाने में मदद कर रहा हूं:

अनुकूलनीय: वे जानकारी बदलने और लक्ष्यों और आवश्यकताओं के विकसित होने के साथ सीखने में सक्षम होने चाहिए। वे अस्पष्टता को हल करने और अप्रत्याशितता को सहन करने में सक्षम होने चाहिए। उन्हें गतिशील डेटा पर निरंतर खिलाने के लिए डिज़ाइन किया जाना चाहिए।

इंटरैक्टिव: वे उपयोगकर्ताओं के साथ आसानी से बातचीत करने में सक्षम होने चाहिए ताकि वे अपनी आवश्यकताओं को आराम से परिभाषित कर सकें। उन्हें अन्य प्रोसेसर, डिवाइस, सेवाओं के साथ-साथ लोगों के साथ भी बातचीत करनी चाहिए।

पुनरावृत्ति और स्थितीय: वे समस्या को परिभाषित करने में मदद करने के लिए प्रश्न पूछने या यदि समस्या कथन अस्पष्ट या अधूरा है तो अतिरिक्त स्रोत इनपुट खोजने में सक्षम होने चाहिए। उन्हें प्रक्रिया में पिछली बातचीत को याद रखना चाहिए और उस समय बिंदु पर विशिष्ट अनुप्रयोग के लिए उपयुक्त जानकारी वापस करनी चाहिए।

संदर्भिक: वे अर्थ, वाक्य रचना, समय, स्थान, उपयुक्त डोमेन, विनियम, उपयोगकर्ता प्रोफ़ाइल, प्रक्रिया, कार्य और लक्ष्य जैसे संदर्भ तत्वों को समझने, पहचानने और निकालने में सक्षम होने चाहिए। उन्हें संरचित और असंरचित डिजिटल जानकारी दोनों सहित कई स्रोतों से जानकारी आकर्षित करनी चाहिए।

आपको एविसो में यह पद क्या आकर्षित करता है?

एविसो ब्लोटेड लेगेसी सीआरएम सिस्टम को फ्रिक्शनलेस, कृत्रिम बुद्धिमत्ता-सक्षम टूल्स से बदलने का काम कर रहा है जो कार्रवाई योग्य अंतर्दृष्टि प्रदान कर सकते हैं और बिक्री टीमों की पूरी क्षमता को अनलॉक कर सकते हैं। हमारा उत्पाद एक स्मार्ट सिस्टम है जो बिक्री लोगों की पीड़ा बिंदुओं को समझता है, समय लेने वाले डेटा प्रविष्टि को दूर करता है, और कार्यकारियों को सौदों को प्रभावी ढंग से बंद करने के लिए आवश्यक सुझाव और मार्गदर्शन प्रदान करता है। मुझे मजबूत नेतृत्व टीम और ग्राहक आधार के अलावा एविसो की जटिल कृत्रिम बुद्धिमत्ता उपकरणों का उपयोग करके वास्तविक दुनिया की चुनौतियों का समाधान करने की प्रतिबद्धता से आकर्षित किया गया था। बिक्री किसी भी व्यवसाय का एक महत्वपूर्ण हिस्सा है, और एविसो कृत्रिम बुद्धिमत्ता की शक्ति का लाभ उठाकर इसके साथ मदद करता है। बुल्स-आई! और क्या चाहिए?

अंत में, कृत्रिम बुद्धिमत्ता के बारे में कुछ और है जो आप साझा करना चाहेंगे?

कृत्रिम बुद्धिमत्ता एक नए वर्ग की समस्याओं को गणना योग्य बनाती है। उपयोगकर्ताओं की समस्याओं की तरल प्रकृति का जवाब देने के लिए, संज्ञानात्मक कंप्यूटिंग प्रणाली न केवल जानकारी स्रोतों का संश्लेषण प्रदान करती है, बल्कि प्रभावों, संदर्भों और अंतर्दृष्टि का भी संश्लेषण प्रदान करती है। ये प्रणालियां वर्तमान कंप्यूटिंग अनुप्रयोगों से अलग हैं क्योंकि वे पूर्व-विन्यासित नियमों और कार्यक्रमों के आधार पर गणना और टेबुलेशन से परे जाती हैं। वे व्यापक उद्देश्यों के आधार पर अनुमान लगा सकते हैं और यहां तक कि तर्क भी सकते हैं। इस意义 में, संज्ञानात्मक कंप्यूटिंग एक नए प्रकार की कंप्यूटिंग है जिसका उद्देश्य मानव मस्तिष्क या मन की तरह सोचने, तर्क करने और उत्तेजना का जवाब देने में सक्षम कंप्यूटर और कंप्यूटर सॉफ़्टवेयर बनाना है। यह एक अध्ययन का क्षेत्र है जो यह जानने का अध्ययन करता है कि बुद्धिमान व्यवहार करने में सक्षम कंप्यूटर और कंप्यूटर सॉफ़्टवेयर कैसे बनाए जा सकते हैं। यह क्षेत्र अंतःविषय है: कृत्रिम बुद्धिमत्ता एक ऐसी जगह है जहां कई विज्ञान और पेशे एक साथ आते हैं, जिनमें कंप्यूटर विज्ञान, इलेक्ट्रॉनिक्स, गणित, सांख्यिकी, मनोविज्ञान, भाषाविज्ञान, दर्शन, तंत्रिका विज्ञान और जीव विज्ञान शामिल हैं। यही बात इसे इतना रोमांचक बनाती है!