रिकी कोस्टा, क्वांटम स्टैट के सीईओ – साक्षात्कार श्रृंखला

रिकी कोस्टा क्वांटम स्टैट के सीईओ हैं, जो एक कंपनी है जो प्राकृतिक भाषा प्रसंस्करण और कृत्रिम बुद्धिमत्ता पहलों के लिए व्यवसाय समाधान प्रदान करती है।

आपको कृत्रिम बुद्धिमत्ता में क्या आकर्षित किया?

यह यादृच्छिकता के कारण है। मैं एक पुस्तक पर काम कर रहा था जिसमें एक प्रसिद्ध प्रमेय था। उस समय, मैंने सोचा कि क्या मैं इस प्रमेय को एक प्राकृतिक भाषा समस्या में लागू कर सकता हूं जिस पर मैं काम कर रहा था। जैसा कि यह निकला, यह अल्गोरिथ्म पहले से ही मौजूद था, जिसे नाइव बेस कहा जाता है, जो एक प्रसिद्ध और सरल उत्पन्न मॉडल है जो क्लासिकल मशीन लर्निंग में उपयोग किया जाता है। यह प्रमेय बेस था। मुझे लगा कि यह संयोग एक संकेत है, और मुझे अधिक जानने के लिए जिज्ञासा का बीज बो दिया।

आप क्वांटम स्टैट के सीईओ हैं, जो एक कंपनी है जो प्राकृतिक भाषा प्रसंस्करण के लिए समाधान प्रदान करती है। आप इस स्थिति में कैसे पहुंचे?

जब कोई नई प्रौद्योगिकी की क्रांति होती है, तो कुछ कंपनियां अन्य की तुलना में अधिक सावधानी से आगे बढ़ती हैं। मैंने अपनी कंपनी शुरू की क्योंकि अज्ञात का पीछा करना मुझे मजेदार लगता है। मैंने महसूस किया कि प्राकृतिक भाषा प्रसंस्करण के क्षेत्र में प्रवेश करने का यह सही समय था, क्योंकि पिछले 2 वर्षों में इस क्षेत्र में आश्चर्यजनक अनुसंधान हुआ है। प्राकृतिक भाषा प्रसंस्करण समुदाय अब कम डेटा के साथ अधिक हासिल कर सकता है, जो नए प्राकृतिक भाषा प्रसंस्करण तकनीकों के आगमन के कारण है।

जिन पाठकों को इस क्षेत्र के बारे में जानकारी नहीं है, क्या आप हमें बता सकते हैं कि प्राकृतिक भाषा प्रसंस्करण क्या करता है?

प्राकृतिक भाषा प्रसंस्करण कृत्रिम बुद्धिमत्ता और विश्लेषण की एक उपशाखा है जो प्राकृतिक भाषा को समझने का प्रयास करती है, चाहे वह पाठ, भाषण या बहुस्तरीय सीखने (पाठ और छवि/वीडियो) में हो, और इसे ऐसे बिंदु तक कम्प्यूट करती है जहां आप अंतर्दृष्टि प्राप्त कर रहे हैं और/या मूल्य की सेवा प्रदान कर रहे हैं। मूल्य विभिन्न कोणों से आ सकता है, एक कंपनी की आंतरिक फ़ाइल प्रणाली में जानकारी पुनर्प्राप्ति से, समाचार में भावना को वर्गीकृत करने तक, या एक जीपीटी-2 ट्विटर बॉट जो आपके सोशल मीडिया विपणन में मदद करता है (जैसा कि हमने कुछ हफ्ते पहले बनाया था)

आपके पास हंटर कॉलेज से प्रायोगिक मनोविज्ञान में बैचलर ऑफ आर्ट्स है। क्या आप महसूस करते हैं कि मानव मस्तिष्क और मानव मनोविज्ञान को समझना प्राकृतिक भाषा प्रसंस्करण के क्षेत्र को समझने और विस्तारित करने में एक संपत्ति है?

यह विपरीत है, लेकिन दुर्भाग्य से, नहीं। तंत्रिका तंत्र और गहरे तंत्रिका नेटवर्क की तुलना केवल एक चित्रण के लिए है, और यह समझने में मदद करती है। एक जटिल प्रणाली से निपटने के कारण, मस्तिष्क का काम करने का तरीका समझना मुश्किल है। “बुद्धिमत्ता” एक जटिल प्रणाली का एक उद्भव है जो मस्तिष्क की जटिलता के साथ बातचीत करता है, और इसे समझना मुश्किल है। मनोविज्ञान और अन्य सामाजिक विज्ञान, जो “रिडक्शनिज़म” (टॉप-डाउन) पर निर्भर हैं, इस जटिल परिदृश्य में काम नहीं करते हैं। यहाँ एक अंतर्दृष्टि है: किसी को कल्पना करें कि बीटल्स के गीत “लेट इट बी” को सी मेजर स्केल में कम कर दें। इस स्केल में कुछ भी नहीं है जो बता सके कि “लेट इट बी” इस स्केल से निकलेगा। यही बात तब होती है जब कोई किसी को मस्तिष्क में तंत्रिका गतिविधि में व्यवहार को कम करने का प्रयास करता है।

क्या आप हमें बता सकते हैं कि गहरे शिक्षण और विशेष रूप से प्राकृतिक भाषा प्रसंस्करण के लिए बड़ा डेटा इतना महत्वपूर्ण क्यों है?

जैसा कि यह खड़ा है, क्योंकि गहरे शिक्षण मॉडल डेटा को अंतर्पोलेट करते हैं, मॉडल में डाले जाने वाले डेटा की मात्रा जितनी अधिक होगी, उतनी ही कम संभावना है कि यह जंगल में एक अनुमान लगाते समय किनारे के मामलों को देखेगा। यह आर्किटेक्चर बड़े डेटासेट को मॉडल द्वारा कम्प्यूट किए जाने के लिए “प्रोत्साहित” करता है ताकि आउटपुट की सटीकता बढ़ सके। हालांकि, यदि हम कृत्रिम बुद्धिमत्ता मॉडल द्वारा अधिक बुद्धिमान व्यवहार प्राप्त करना चाहते हैं, तो हमें डेटा की मात्रा से परे देखने की आवश्यकता है और मॉडल की तर्कसंगतता में सुधार करने के तरीकों को देखने की आवश्यकता है, जो直观 रूप से बहुत सारे डेटा की आवश्यकता नहीं होनी चाहिए। जटिलता के दृष्टिकोण से, पिछली शताब्दी में भौतिक विज्ञानी जॉन वॉन न्यूमैन और स्टीफन वोल्फ्राम द्वारा किए गए सेल्युलर ऑटोमैटा प्रयोगों से पता चलता है कि जटिलता सरल प्रारंभिक स्थितियों और नियमों से उत्पन्न हो सकती है। कृत्रिम बुद्धिमत्ता के संबंध में ये नियम/स्थितियाँ क्या होनी चाहिए, यही हर कोई ढूंढ रहा है।

आपने हाल ही में ‘बिग बैड एनएलपी डेटाबेस’ लॉन्च किया है। यह डेटाबेस क्या है और यह कृत्रिम बुद्धिमत्ता उद्योग में क्यों महत्वपूर्ण है?

यह डेटाबेस प्राकृतिक भाषा प्रसंस्करण विकासकर्ताओं के लिए उद्योग में सभी प्रासंगिक डेटासेट तक सीधी पहुंच प्रदान करने के लिए बनाया गया था। यह डेटाबेस डेटासेट को सूचीबद्ध करने में मदद करता है, जिसका एक अच्छा द्वितीयक प्रभाव यह है कि उपयोगकर्ता द्वारा प्रश्नों का उत्तर दिया जा सकता है। पूर्व-प्रसंस्करण डेटा तैनाती पाइपलाइन में अधिकांश समय लेता है, और यह डेटाबेस इस समस्या को यथासंभव कम करने का प्रयास करता है। इसके अलावा, यह एक मुफ्त मंच है जो किसी भी व्यक्ति के लिए उपलब्ध है, चाहे वह शोधकर्ता हो, व्यावहारिक हो या स्वतंत्र कृत्रिम बुद्धिमत्ता गुरु हो जो प्राकृतिक भाषा प्रसंस्करण डेटा के साथ तेजी से आगे बढ़ना चाहता है। लिंक

क्वांटम स्टैट वर्तमान में एंड-टू-एंड समाधान प्रदान करता है। ये समाधान क्या हैं?

हम कंपनियों को उनके प्राकृतिक भाषा प्रसंस्करण मॉडलिंग पाइपलाइन में विकास के किसी भी चरण में मदद करते हैं। हम डेटा साफ़ करने से लेकर प्री-प्रोसेसिंग चरण में सेवाएं प्रदान कर सकते हैं और मॉडल सर्वर तैनाती उत्पादन में (इन सेवाओं को हमारे होमपेज पर भी हाइलाइट किया गया है)। सभी कृत्रिम बुद्धिमत्ता परियोजनाएं परिणाम नहीं देती हैं क्योंकि यह अज्ञात है कि आपका विशिष्ट डेटा/परियोजना वास्तुकला राज्य-of-the-art मॉडल के साथ कैसे काम करती है। इस अनिश्चितता के कारण, हमारी सेवाएं कंपनियों को अपनी परियोजना पर एक पूर्णकालिक एमएल इंजीनियर को नियुक्त करने की तुलना में एक अंश के लिए परियोजना पर पुनरावृत्ति करने का अवसर प्रदान करती हैं।

कृत्रिम बुद्धिमत्ता में हाल की प्रगति में से क्या आपको सबसे दिलचस्प लगती है?

हाल की सबसे महत्वपूर्ण प्रगति ट्रांसफॉर्मर मॉडल है, जिसे आप सुन सकते हैं: बीईआरटी, रोबर्टा, एएलबीईआरटी, टी5 और इसी तरह। ये ट्रांसफॉर्मर मॉडल बहुत आकर्षक हैं क्योंकि वे शोधकर्ताओं को छोटे डेटासेट के साथ राज्य-of-the-art प्रदर्शन प्राप्त करने की अनुमति देते हैं। ट्रांसफॉर्मर से पहले, एक विकासकर्ता को एक मॉडल को शुरू से प्रशिक्षित करने के लिए एक बहुत बड़ा डेटासेट की आवश्यकता थी। चूंकि ये ट्रांसफॉर्मर अरबों शब्दों पर पूर्व-प्रशिक्षित हैं, यह कृत्रिम बुद्धिमत्ता परियोजनाओं की तेजी से पुनरावृत्ति की अनुमति देता है और यह वर्तमान में हम जो शामिल हैं

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

हम एक नए परियोजना पर काम कर रहे हैं जो वित्तीय बाजार की भावना विश्लेषण से संबंधित है जो जल्द ही जारी की जाएगी। हमने वास्तविक समय में वित्तीय समाचार को कैसे अनुभव किया जाता है, इसके बारे में अभूतपूर्व अंतर्दृष्टि प्रदान करने के लिए कई ट्रांसफॉर्मर का लाभ उठाया है।

अधिक जानने के लिए क्वांटम स्टैट पर जाएं या हमारे लेख पर बिग बैड एनएलपी डेटाबेस पढ़ें।