रॉबर्ट पियर्स, डिसीजननेक्स्ट के सह-संस्थापक और मुख्य विज्ञान अधिकारी – साक्षात्कार श्रृंखला

बॉब पियर्स, पीएचडी डिसीजननेक्स्ट के सह-संस्थापक और मुख्य विज्ञान अधिकारी हैं। उनका काम नए बाजारों और उद्योगों में उन्नत गणितीय विश्लेषण लेकर आया है, जिससे कंपनियां रणनीतिक निर्णय लेने के तरीके में सुधार हुआ है। डिसीजननेक्स्ट से पहले, बॉब सिग्नलडिमांड में मुख्य वैज्ञानिक थे, जहां उन्होंने निर्माताओं के लिए इसके समाधानों के पीछे के विज्ञान का मार्गदर्शन किया। बॉब ने खिमेट्रिक्स (अब एसएपी) और कॉन्सेप्टलैब्स में वरिष्ठ अनुसंधान और विकास भूमिकाएं निभाई हैं, साथ ही राष्ट्रीय विज्ञान अकादमी, पेन स्टेट यूनिवर्सिटी और यूसी बर्कले में अकादमिक पदों पर रहे हैं। उनका काम वस्तुओं और निर्माण सहित विभिन्न उद्योगों में फैला हुआ है और उन्होंने अर्थशास्त्र, समुद्र विज्ञान, गणित और गैर-रेखीय गतिविधियों के क्षेत्र में योगदान दिया है। उन्हें कई पेटेंट प्राप्त हैं और उन्होंने कई समीक्षा किए गए पत्र लिखे हैं। बॉब के पास यूसी बर्कले से सैद्धांतिक भौतिकी में पीएचडी है।

डिसीजननेक्स्ट एक डेटा विश्लेषण और पूर्वानुमान कंपनी है जिसकी स्थापना 2015 में हुई थी, जो कि एआई-संचालित मूल्य और आपूर्ति पूर्वानुमान में माहिर है। कंपनी का निर्माण पारंपरिक “ब्लैक बॉक्स” पूर्वानुमान मॉडल की सीमाओं को दूर करने के लिए किया गया था, जो अक्सर पारदर्शिता और क्रियाशील अंतर्दृष्टि की कमी थी। एआई और मशीन लर्निंग को एकीकृत करके, डिसीजननेक्स्ट व्यवसायों को बाजार और व्यवसाय जोखिम दोनों पर आधारित सूचित निर्णय लेने के लिए पूर्वानुमानों को प्रभावित करने वाले कारकों में अधिक दृश्यता प्रदान करता है। उनका प्लेटफ़ॉर्म आपूर्ति श्रृंखला भर में पूर्वानुमान सटीकता में सुधार करने के लिए डिज़ाइन किया गया है, जिससे ग्राहकों को直觉-आधारित निर्णय लेने से परे जाने में सक्षम बनाता है।

डिसीजननेक्स्ट की स्थापना के पीछे मूल विचार या प्रेरणा क्या थी, और आपके सैद्धांतिक भौतिकी में पृष्ठभूमि और विभिन्न उद्योगों में भूमिकाओं ने इस दृष्टि को कैसे आकार दिया?

मेरे सह-संस्थापक माइक नील और मैंने अपनी पिछली कंपनियों में खुदरा विक्रेताओं और वस्तु प्रोसेसर को अनुकूलन और पूर्वानुमान समाधान वितरित करने में बहुत अनुभव प्राप्त किया है। उस अनुभव से दो प्राथमिक ज्ञान थे:

1. उपयोगकर्ताओं को यह विश्वास होना चाहिए कि वे समझते हैं कि पूर्वानुमान और समाधान कहां से आ रहे हैं; और
2. उपयोगकर्ताओं को यह बताना मुश्किल है कि वे क्या सोचते हैं कि क्या होगा और इसकी संभावना है कि यह वास्तव में हो जाएगा।

इन दोनों अवधारणाओं की मानव संज्ञान में गहरी जड़ें हैं और सॉफ़्टवेयर बनाने में समस्याओं को हल करने के तरीके में निहितार्थ हैं। यह ज्ञात है कि मानव मस्तिष्क संभावनाओं की गणना करने में अच्छा नहीं है। एक भौतिक विज्ञानी के रूप में, मैंने अनिश्चितता के साथ जुड़ने और वितरित गणना मंच बनाने के लिए संकल्पनात्मक ढांचे बनाना सीखा। यह हमारे समाधानों का तकनीकी आधार है जो हमारे ग्राहकों को अनिश्चितता के सामने बेहतर निर्णय लेने में मदद करता है, अर्थात् वे नहीं जानते कि बाजार कैसे विकसित होंगे लेकिन अभी भी भविष्य में लाभ को अधिकतम करने के लिए क्या करना है।

मुख्य विज्ञान अधिकारी की भूमिका में आपके संक्रमण ने डिसीजननेक्स के लिए आपके दैनिक फोकस और दीर्घकालिक दृष्टि को कैसे प्रभावित किया है?

सीएसओ में परिवर्तन ने उत्पाद को ग्राहकों को मूल्य प्रदान करने के तरीके पर पुनः फोकस किया है। इस प्रक्रिया में, मैंने दैनिक इंजीनियरिंग जिम्मेदारियों को छोड़ दिया है जो दूसरों द्वारा बेहतर तरीके से संभाला जा सकता है। हमारे पास हमेशा सुविधाओं और विचारों की एक लंबी सूची होती है जो समाधान को बेहतर बनाने के लिए, और इस भूमिका में मुझे नए और नवाचारी दृष्टिकोणों पर शोध करने के लिए अधिक समय मिलता है।

वस्तु बाजारों में क्या अनोखी चुनौतियां हैं जो उन्हें एआई और मशीन लर्निंग समाधानों के अपनाने के लिए विशेष रूप से उपयुक्त या प्रतिरोधी बनाती हैं?

वस्तु बाजारों का मॉडलिंग एक आकर्षक मिश्रण प्रस्तुत करता है जिसमें संरचनात्मक और स्टोकास्टिक गुण होते हैं। इसे अनगिनत तरीकों से जोड़कर जिसमें लोग भौतिक और कागज़ी व्यापार के लिए अनुबंध लिखते हैं और उत्पादन में सामग्री का उपयोग करते हैं, इसका परिणाम एक अविश्वसनीय रूप से समृद्ध और जटिल क्षेत्र होता है। फिर भी, गणित काफी हद तक शेयरों की तुलना में कम विकसित है। एआई और मशीन लर्निंग हमें इस जटिलता के माध्यम से काम करने में मदद करते हैं और मॉडलिंग के लिए अधिक कुशल तरीके खोजने में मदद करते हैं, साथ ही साथ हमारे उपयोगकर्ताओं को जटिल निर्णयों को नेविगेट करने में मदद करते हैं।

डिसीजननेक्स मशीन लर्निंग मॉडल के उपयोग को मानव विशेषज्ञता के साथ कैसे संतुलित करता है, जो वस्तु निर्णय लेने में महत्वपूर्ण है?

मशीन लर्निंग के क्षेत्र में संदर्भ और कारणता के साथ अभी भी संघर्ष है। हमारा अनुभव यह है कि मॉडलिंग के कुछ पहलुओं में मानव विशेषज्ञता और पर्यवेक्षण अभी भी मजबूत, संक्षिप्त मॉडल बनाने के लिए महत्वपूर्ण हैं। हमारे ग्राहक आमतौर पर बाजारों को आपूर्ति और मांग के मूलभूत सिद्धांतों के माध्यम से देखते हैं। यदि मॉडल उस विश्वास को प्रतिबिंबित नहीं करते हैं (और पर्यवेक्षित मॉडल अक्सर नहीं करते हैं), तो हमारे ग्राहक आमतौर पर विश्वास विकसित नहीं करते हैं। महत्वपूर्ण रूप से, उपयोगकर्ता अक्सर उन मॉडलों को एकीकृत नहीं करते हैं जिन पर उन्हें विश्वास नहीं है। इसलिए, हम एक “सफेद बॉक्स” दृष्टिकोण अपनाते हैं जहां सब कुछ पारदर्शी है। आमतौर पर एक “डेटिंग” चरण होता है जहां वे सिस्टम के तर्क के माध्यम से हमें गाइड करते हैं। एक बार विश्वास स्थापित हो जाने के बाद, उपयोगकर्ता अक्सर गहराई से नहीं जाते हैं, लेकिन महत्वपूर्ण या आश्चर्यजनक पूर्वानुमानों की जांच के लिए समय-समय पर लौटते हैं।

क्या एआई या डेटा विज्ञान में कुछ विशिष्ट सफलताएं हैं जो आपको लगता है कि वस्तु पूर्वानुमान में क्रांति ला देंगी, और डिसीजननेक्स इन परिवर्तनों के लिए खुद को कैसे तैयार कर रहा है?

कार्यात्मक एलएलएम का आगमन एक सफलता है जो व्यावसायिक निर्णयों के ताने बाने में पूरी तरह से घुलने में लंबा समय लेगा। मॉडलों में सुधार की गति अभी भी सांस लेने में कठिन है। हालांकि, मुझे लगता है कि हम एआई को व्यावसायिक प्रक्रियाओं में एकीकृत करने के सर्वोत्तम तरीकों को समझने के मार्ग पर अभी भी शुरुआती चरण में हैं। अधिकांश समस्याएं जिनका सामना हम करते हैं उन्हें जटिल प्रतिबंधों वाले अनुकूलन समस्याओं के रूप में फ्रेम किया जा सकता है। व्यावसायिक प्रक्रियाओं में प्रतिबंध अक्सर अनदेखे होते हैं और संदर्भ में बल्कि सख्ती से लागू किए जाते हैं। मुझे लगता है कि यह क्षेत्र एआई के लिए एक बड़ा अवसर है ताकि यह न केवल ऐतिहासिक डेटा में अंतर्निहित प्रतिबंधों का पता लगा सके, बल्कि संदर्भात्मक अनुकूलन समस्याओं का निर्माण और समाधान भी कर सके।

एक गहरी वैज्ञानिक पृष्ठभूमि वाले व्यक्ति के रूप में, आपको विज्ञान और एआई के बीच का संगम सबसे अधिक उत्साहित करता है, जो पारंपरिक उद्योगों जैसे वस्तुओं को बदलने जा रहा है?

व्यवहारिक अर्थशास्त्र ने व्यवसायिक निर्णयों पर संज्ञान के प्रभाव की हमारी समझ को बदल दिया है। एआई सॉफ़्टवेयर टूल्स के माध्यम से मानव संज्ञान का समर्थन करने और बेहतर निर्णय लेने के तरीके को बदल रहा है। एआई-संचालित स्वचालन से होने वाले दक्षता लाभ बहुत चर्चा में रहे हैं और आर्थिक रूप से महत्वपूर्ण होंगे। वस्तु कंपनियां पतले मार्जिन और उच्च श्रम लागत के साथ काम करती हैं, इसलिए वे स्वचालन से बहुत लाभान्वित होंगी। इसके अलावा, मुझे लगता है कि व्यवसायिक निर्णय लेने के तरीके में एक छिपी हुई अकुशलता है। निर्णय अक्सर सीमित और अस्पष्ट जानकारी और सरल स्प्रेडशीट टूल्स पर आधारित होते हैं। मेरे लिए सबसे रोमांचक परिणाम यह है कि डिसीजननेक्स जैसे प्लेटफ़ॉर्म व्यवसायिक प्रक्रिया को एआई और सिमुलेशन का उपयोग करके संदर्भ और जोखिम के प्रति जागरूक निर्णय लेने के लिए पारदर्शी डेटा और खुले तर्क के आधार पर बदलने में मदद करेंगे।

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