Joy Mustafi, Kepala Ilmuwan Data di Aviso, Inc – Seri Wawancara

Joy Mustafi, yang menduduki peringkat sebagai salah satu dari 10 ilmuwan data teratas di India oleh Analytics India Magazine, telah memimpin penelitian ilmu data di perusahaan teknologi raksasa seperti Salesforce (CRM ), Microsoft (MSFT ), dan IBM, memenangkan 50 paten dan menulis lebih dari 25 publikasi tentang kecerdasan buatan.

Ia pernah bergabung dengan IBM selama satu dekade sebagai Ilmuwan Data yang terlibat dalam berbagai solusi inteligensi bisnis, termasuk IBM Watson. Ia bekerja sebagai Ilmuwan Terapan Utama di Microsoft, bertanggung jawab atas penelitian kecerdasan buatan. Baru-baru ini, Mustafi menjabat sebagai Peneliti Utama untuk platform Einstein dari Salesforce.

Mustafi juga merupakan Pendiri dan Presiden dari MUST Research, sebuah organisasi nirlaba yang mempromosikan keunggulan di bidang ilmu data, komputasi kognitif, kecerdasan buatan, pembelajaran mesin, dan analitik lanjutan untuk kepentingan masyarakat.

Baru-baru ini Mustafi bergabung dengan Aviso, Inc yang berbasis di Redwood City sebagai Kepala Ilmuwan Data, di mana ia akan memanfaatkan pengalaman dekade-nya untuk membantu pelanggan Aviso mempercepat penutupan kesepakatan dan memperluas peluang pendapatan.

Apa yang awalnya menarik Anda ke kecerdasan buatan?

Saya sangat menyukai matematika dan pemrograman. Saya menyelesaikan gelar sarjana di statistik dan pascasarjana di aplikasi komputer. Ketika saya memulai perjalanan penelitian kecerdasan buatan saya kembali pada tahun 2002 di Indian Statistical Institute di Kolkata, saya menggunakan bahasa pemrograman C untuk mengembangkan sistem Jaringan Saraf Tiruan untuk pengenalan angka tulisan tangan. Itu adalah 2500+ baris kode, semua ditulis dari awal tanpa perpustakaan bawaan selain input/output standar. Ini terdiri dari pembersihan data dan pra-pengolahan, rekayasa fitur, dan algoritma propagasi balik dengan multilayer perceptron. Proses keseluruhan adalah kombinasi dari semua subjek yang saya pelajari. Pada saat itu, kecerdasan buatan belum populer di dunia perusahaan, dan beberapa organisasi akademis melakukan penelitian lanjutan di bidang tersebut. Dan, dengan cara, kecerdasan buatan sudah ada sejak tahun 1956, ketika Prof. John McCarthy dan lain-lain memulai bidang tersebut dalam sebuah lokakarya legendaris di Dartmouth College.

Anda telah bekerja dengan beberapa perusahaan paling maju di kecerdasan buatan seperti IBM Watson & Microsoft. Apa yang paling menarik proyek yang pernah Anda kerjakan?

Saya ingin menyebutkan paten pertama yang saya terima saat bekerja di IBM: metode untuk memecahkan masalah kata dalam bahasa alami, yang merupakan masalah terbuka dengan IBM Watson. Sistem yang saya kembangkan dapat memahami masalah aritmatika atau aljabar yang dinyatakan dalam bahasa alami dan memberikan solusi dalam waktu nyata sebagai jawaban bahasa alami. Untuk melakukan itu, sistem harus menangani langkah-langkah kunci berikut: Mendapatkan pernyataan masalah input dan pertanyaan yang akan dijawab; mengubah kalimat input menjadi urutan kalimat yang terstruktur dari perspektif matematika; mengubah kalimat terstruktur menjadi persamaan matematika; menyelesaikan sistem persamaan; dan menceritakan hasil matematika dalam bahasa alami.

Ada juga proyek terbaik saya untuk Microsoft — Softie! Saya menciptakan dan membangun robot fisik yang dilengkapi dengan berbagai perangkat input dan sensor yang dapat dipertukarkan untuk memungkinkan interaksi dengan manusia. Metode komunikasi standar dengan komputer memungkinkan pengguna membuat penyesuaian praktis, memungkinkan interaksi yang lebih kaya tergantung pada konteks. Kami dapat menerapkan sistem yang kuat dengan fitur termasuk keyboard, perangkat penunjuk, layar sentuh, pengenalan suara, dan sebagainya. Kami membentuk tim dari berbagai unit bisnis dan mendorong mereka untuk mengeksplorasi aplikasi penelitian pada kecerdasan buatan dan bidang terkait.

Anda juga merupakan Pendiri dan Presiden dari MUST Research, sebuah organisasi nirlaba yang terdaftar di bawah Undang-Undang Masyarakat dan Kepercayaan India. Bisakah Anda menceritakan tentang organisasi nirlaba ini?

MUST Research didedikasikan untuk mempromosikan keunggulan dan kompetensi di bidang ilmu data, komputasi kognitif, kecerdasan buatan, pembelajaran mesin, dan analitik lanjutan untuk kepentingan masyarakat. MUST bertujuan untuk membangun ekosistem yang memungkinkan interaksi antara akademisi dan perusahaan, membantu mereka menyelesaikan masalah dan membuat mereka menyadari perkembangan terbaru di era kognitif untuk memberikan solusi, menawarkan bimbingan atau pelatihan, mengadakan kuliah, seminar dan lokakarya, dan berkolaborasi pada program ilmiah dan misi sosial. Fitur paling menarik dari MUST adalah penelitian dasar tentang teknologi canggih seperti kecerdasan buatan, pembelajaran mesin, pengolahan bahasa alami, analitik teks, pengolahan gambar, penglihatan komputer, pengolahan sinyal audio, teknologi suara, sistem tertanam, robotika, dan sebagainya.

Apa yang menginspirasi Anda untuk meluncurkan MUST Research?

Cinta saya terhadap film fiksi ilmiah dan matematika membuat saya sering memikirkan bagaimana teknologi dapat mengubah dunia, dan saya telah memikirkan tentang membentuk kelompok ahli teknologi canggih sejak tahun 1993, ketika saya berada di kelas 9. Setelah saya mendapatkan pekerjaan pertama saya, membutuhkan 10 tahun untuk mengadakan pertemuan — dan 10 tahun lagi untuk mengidentifikasi sekelompok ahli yang sesuai dan membentuk organisasi nirlaba. Sekarang, bagaimanapun, kami memiliki sekitar 500 ilmuwan data di MUST di seluruh India yang secara antusias memberikan kontribusi pada penelitian tentang teknologi yang muncul.

Di masa lalu beberapa tahun, industri telah mengalami kemajuan signifikan dalam pembelajaran dalam, pembelajaran penguatan, pengolahan bahasa alami, dan sebagainya. Bidang mana dari pembelajaran mesin yang Anda anggap paling menarik saat ini?

Semua algoritma pembelajaran mesin menarik sekali mereka diimplementasikan sebagai produk atau layanan yang dapat digunakan oleh bisnis atau individu di dunia nyata. Era Pembelajaran Dalam memiliki kelebihan dan kekurangan, meskipun — terkadang membantu dalam rekayasa fitur otomatis, tetapi pada saat yang sama dapat bekerja seperti kotak hitam, dan berakhir dengan skenario sampah-masuk-sampah-keluar jika dataset atau algoritma yang tepat tidak digunakan. Beberapa teknologi terbaru juga membutuhkan sumber daya yang besar dan memerlukan banyak daya pengolahan, waktu, dan data. Hal penting untuk diingat adalah bahwa Pembelajaran Dalam adalah subset dari Pembelajaran Mesin (ML), yang pada gilirannya adalah subset dari Kecerdasan Buatan (AI), dan AI adalah subset dari Ilmu Data — jadi semuanya terhubung. Dan bukan tentang Python, R atau Scala — saya memulai perjalanan kecerdasan buatan saya di C, dan seseorang bahkan dapat menulis program kecerdasan buatan dalam kode assembly. Membangun sistem kecerdasan buatan yang sukses bergantung terutama pada memahami lingkungan bisnis atau penelitian, dan kemudian menghubungkan titik-titik antara tindakan dan data untuk membangun sistem yang benar-benar membantu berbagai orang dalam domain yang berbeda. Apakah Anda bekerja dengan Pengolahan Bahasa Alami, Penglihatan Komputer, Analitik Video, Teknologi Suara, atau Robotika, cara terbaik untuk melakukannya adalah memulai dengan pendekatan yang paling sederhana, dan kemudian mengadopsi metode yang lebih kompleks secara iteratif saat Anda bereksperimen dengan dan memperbaiki sistem Anda.

Anda sering menjadi pembicara tamu di universitas-universitas terkemuka di India. Apa pertanyaan yang paling sering Anda dengar dari mahasiswa, dan bagaimana Anda menjawabnya?

Pertanyaan yang paling sering saya dengar adalah: “Bagaimana saya bisa menjadi ilmuwan data?” Saya selalu memberitahu orang muda bahwa itu pasti memungkinkan, dan mencoba membimbing mereka untuk menggunakan cinta mereka terhadap matematika, statistik, atau ilmu komputer untuk mencoba memecahkan masalah bisnis dunia nyata. Orang juga bertanya bagaimana mereka bisa bergabung dengan MUST, dan lagi, jawabannya sederhana: “Bangun profil Anda dengan beberapa proyek dan fokus pada berpikir di luar kotak.” Jika Anda ingin menjadi ilmuwan data, Anda harus membuktikan bahwa Anda dapat berinovasi. Tanpa inovasi, kita tidak bisa menyebut diri kita ilmuwan. Tentu saja, dianugerahi paten atau menerbitkan penelitian Anda di jurnal dan konferensi terkemuka juga membantu!

Anda baru-baru ini bergabung dengan Aviso sebagai ilmuwan utama, untuk menggunakan keahlian AI/ML Anda. Bisakah Anda menceritakan tentang Aviso dan peran Anda di perusahaan ini?

Aviso menggunakan kecerdasan buatan dan pembelajaran mesin untuk membantu eksekutif penjualan dan menghilangkan ketidakpastian dalam proses penutupan kesepakatan. Itu adalah tantangan yang menarik, dan tanggung jawab utama saya adalah membantu organisasi tumbuh dalam arah yang positif, menggunakan penelitian mendalam untuk mempersiapkan kesuksesan pelanggan. Saya menggunakan pengetahuan dan pengalaman saya dalam kecerdasan buatan dan inovasi untuk membantu membuat produk dan proyek penelitian inti kami lebih:

Adaptif: Mereka harus belajar seiring perubahan informasi, dan seiring evolusi tujuan dan persyaratan. Mereka harus menyelesaikan ketidakjelasan dan toleran terhadap ketidakpastian. Mereka harus dirancang untuk memakan data dinamis dalam waktu nyata.

Interaktif: Mereka harus berinteraksi dengan mudah dengan pengguna sehingga pengguna dapat mendefinisikan kebutuhan mereka dengan nyaman. Mereka harus berinteraksi dengan prosesor, perangkat, layanan, serta dengan orang.

Iteratif dan Berstatus: Mereka harus membantu dalam mendefinisikan masalah dengan mengajukan pertanyaan atau menemukan input sumber tambahan jika pernyataan masalah tidak jelas atau tidak lengkap. Mereka harus mengingat interaksi sebelumnya dalam proses dan mengembalikan informasi yang sesuai untuk aplikasi tertentu pada saat itu.

Kontekstual: Mereka harus memahami, mengidentifikasi, dan mengekstrak elemen kontekstual seperti makna, sintaksis, waktu, lokasi, domain yang sesuai, peraturan, profil pengguna, proses, tugas, dan tujuan. Mereka harus menggambar dari berbagai sumber informasi, termasuk informasi digital terstruktur dan tidak terstruktur.

Apa yang menarik Anda ke posisi ini di Aviso?

Aviso bekerja untuk menggantikan sistem CRM warisan yang membengkak dengan alat yang tanpa gesekan, yang dapat memberikan wawasan yang dapat ditindaklanjuti dan membuka potensi tim penjualan. Produk kami adalah sistem pintar yang memahami poin-poin kesulitan penjualan, menghilangkan entri data yang memakan waktu, dan memberikan eksekutif saran dan bimbingan yang mereka butuhkan untuk menutup kesepakatan secara efektif. Saya tertarik dengan tim kepemimpinan yang kuat dan basis pelanggan, tetapi juga dengan komitmen Aviso untuk menggunakan alat kecerdasan buatan yang canggih untuk memecahkan tantangan dunia nyata. Penjualan adalah bagian vital dari bisnis apa pun, dan Aviso membantu dengan itu dengan memanfaatkan kekuatan kecerdasan buatan. Bulls-eye! Apa lagi yang bisa Anda inginkan?

Terakhir, apakah ada yang ingin Anda bagikan tentang kecerdasan buatan?

Kecerdasan buatan membuat kelas baru masalah yang dapat dihitung. Untuk merespons sifat cair dari pemahaman pengguna tentang masalah mereka, sistem komputasi kognitif menawarkan sintesis tidak hanya dari sumber informasi tetapi juga dari pengaruh, konteks, dan wawasan. Sistem ini berbeda dari aplikasi komputasi saat ini karena mereka melampaui tabulasi dan perhitungan berdasarkan aturan dan program yang telah dikonfigurasi sebelumnya. Mereka dapat menyimpulkan dan bahkan beralasan berdasarkan tujuan yang luas. Dalam arti ini, komputasi kognitif adalah jenis komputasi baru dengan tujuan mengembangkan model yang lebih akurat tentang bagaimana otak atau pikiran manusia menyadari, beralasan, dan merespons rangsangan. Ini adalah bidang studi yang mempelajari bagaimana membuat komputer dan perangkat lunak komputer yang mampu berperilaku cerdas. Bidang ini adalah antar disiplin: kecerdasan buatan adalah tempat di mana sejumlah ilmu pengetahuan dan profesi bertemu, termasuk ilmu komputer, elektronik, matematika, statistik, psikologi, linguistik, filsafat, neurosains, dan biologi. Itulah yang membuatnya sangat menarik!