Joy Mustafi, Chief Data Scientist di Aviso, Inc – Intervista

Classificato come uno dei 10 migliori scienziati dei dati dell’India da Analytics India Magazine, Joy Mustafi ha guidato la ricerca sulla scienza dei dati in aziende tecnologiche come Salesforce (CRM ), Microsoft (MSFT ) e IBM, vincendo 50 brevetti e scrivendo oltre 25 pubblicazioni su AI.

È stato associato a IBM per un decennio come scienziato dei dati, impegnato in una varietà di soluzioni di business intelligence, tra cui IBM Watson. Ha lavorato come scienziato applicato principale a Microsoft, responsabile della ricerca su AI. Recentemente, Mustafi è stato il ricercatore principale per la piattaforma Einstein di Salesforce.

Mustafi è anche il fondatore e presidente di MUST Research, un’organizzazione no-profit che promuove l’eccellenza nei campi della scienza dei dati, del calcolo cognitivo, dell’intelligenza artificiale, dell’apprendimento automatico e dell’analisi avanzata per il beneficio della società.

Recentemente, Mustafi si è unito ad Aviso, Inc, con sede a Redwood City, come chief data scientist, dove utilizzerà la sua esperienza decennale per aiutare i clienti di Aviso ad accelerare la chiusura degli affari e ampliare le opportunità di revenue.

Cosa ti ha inizialmente attirato verso l’AI?

Amo molto la matematica e la programmazione. Ho fatto la laurea magistrale in statistica e ho lavorato sulla mia tesi di dottorato in applicazioni informatiche. Quando ho iniziato il mio viaggio di ricerca sull’AI nel 2002 all’Indian Statistical Institute di Kolkata, ho utilizzato il linguaggio di programmazione C per sviluppare un sistema di riconoscimento di numerali scritti a mano basato su reti neurali artificiali. Quello era un codice di 2500 righe, scritto interamente da zero senza librerie incorporate, ad eccezione delle funzioni di input/output standard. Il processo comprendeva la pulizia e la pre-elaborazione dei dati, l’ingegneria delle caratteristiche e un algoritmo di propagazione all’indietro con un percettore multistrato. L’intero processo era una combinazione di tutte le materie che avevo studiato. A quel tempo, l’AI non era ancora molto popolare nel mondo aziendale e poche organizzazioni accademiche stavano conducendo ricerche avanzate nel campo. E, per inciso, l’AI non era una novità all’epoca! Il campo della ricerca sull’AI risale al 1956, quando il prof. John McCarthy e altri hanno inaugurato il campo in un workshop leggendario al Dartmouth College.

Hai lavorato con alcune delle aziende più avanzate nel campo dell’AI, come IBM Watson e Microsoft. Qual è stato il progetto più interessante su cui hai lavorato?

Vorrei menzionare il primo brevetto che ho ottenuto mentre lavoravo a IBM: un metodo per risolvere problemi di parole in linguaggio naturale, che era un problema aperto con IBM Watson. Il sistema che ho sviluppato può comprendere un problema aritmetico o algebrico espresso in linguaggio naturale e fornire una soluzione in tempo reale come risposta in linguaggio naturale. Per farlo, il sistema doveva gestire i seguenti passaggi chiave: ottenere le dichiarazioni del problema di input e la domanda da rispondere; convertire le frasi di input in una sequenza di frasi che sono ben formate da un punto di vista matematico; convertire le frasi ben formate in equazioni matematiche; risolvere l’insieme di equazioni; e narrare il risultato matematico in linguaggio naturale.

C’è anche il mio miglior progetto per Microsoft – Softie! Ho inventato e costruito un robot fisico dotato di dispositivi di input e sensori interchangeabili per consentirgli di ricevere informazioni dagli esseri umani. Un metodo standardizzato di comunicazione con il computer ha permesso all’utente di apportare aggiustamenti pratici, consentendo interazioni più ricche a seconda del contesto. Siamo stati in grado di implementare un sistema robusto con caratteristiche che includono una tastiera, un dispositivo di puntamento, un touchscreen, il riconoscimento vocale e così via. Abbiamo formato un team da diverse unità aziendali e li abbiamo incoraggiati a esplorare applicazioni di ricerca sull’intelligenza artificiale e campi correlati.

Sei anche il fondatore e presidente di MUST Research, un’organizzazione no-profit registrata sotto la legge societaria e di trust dell’India. Ci puoi parlare di questa organizzazione no-profit?

MUST Research è dedicata a promuovere l’eccellenza e la competenza nei campi della scienza dei dati, del calcolo cognitivo, dell’intelligenza artificiale, dell’apprendimento automatico e dell’analisi avanzata per il beneficio della società. MUST mira a costruire un ecosistema che consenta l’interazione tra l’accademia e l’impresa, aiutandoli a risolvere problemi e a renderli consapevoli degli ultimi sviluppi nell’era cognitiva per fornire soluzioni, offrire orientamento o formazione, organizzare conferenze, seminari e workshop, e collaborare su programmi scientifici e missioni sociali. La caratteristica più emozionante di MUST è la sua ricerca fondamentale su tecnologie all’avanguardia come l’intelligenza artificiale, l’apprendimento automatico, l’elaborazione del linguaggio naturale, l’analisi del testo, l’elaborazione delle immagini, la visione artificiale, l’elaborazione del segnale audio, la tecnologia vocale, i sistemi incorporati, la robotica, ecc.

Cosa ti ha ispirato a lanciare MUST Research?

La mia passione per i film di fantascienza e la matematica significa che spesso penso a come la tecnologia possa cambiare il mondo, e ho pensato di formare un gruppo di esperti di tecnologie avanzate fin dal 1993, quando ero in nono grado. Una volta trovato il mio primo lavoro, ci sono voluti 10 anni per convocare una riunione – e altri 10 anni per identificare un gruppo di esperti idonei e formare un’organizzazione no-profit. Ora, però, abbiamo circa 500 scienziati dei dati in MUST in tutta l’India che stanno contribuendo con passione alla ricerca su tecnologie emergenti.

Negli ultimi anni, il settore ha fatto progressi significativi nell’apprendimento profondo, nell’apprendimento per rinforzo, nell’elaborazione del linguaggio naturale, ecc. Quale area dell’apprendimento automatico ti sembra attualmente la più emozionante?

Tutti gli algoritmi di apprendimento automatico sono emozionanti una volta implementati come prodotto o servizio che può essere utilizzato dalle aziende o dagli individui nel mondo reale. L’era dell’apprendimento profondo ha pro e contro, però – a volte aiuta nell’ingegneria delle caratteristiche automatiche, ma allo stesso tempo può funzionare come una scatola nera e finire con un risultato “spazzatura all’interno, spazzatura all’esterno” se non si utilizzano dataset o algoritmi appropriati. Alcune delle tecnologie più recenti sono anche molto esigenti in termini di risorse e richiedono enormi quantità di potenza di elaborazione, tempo e dati. La cosa fondamentale da ricordare è che l’apprendimento profondo è un sottoinsieme dell’apprendimento automatico (ML), che a sua volta è un sottoinsieme dell’intelligenza artificiale (AI), e l’AI è un sottoinsieme della scienza dei dati – quindi è tutto collegato. E non si tratta di Python, R o Scala – ho iniziato il mio viaggio sull’AI in C e si può anche scrivere programmi di AI in codice assembly. La costruzione di sistemi di AI di successo dipende in primo luogo dalla comprensione dell’ambiente aziendale o di ricerca e quindi dal collegamento dei punti tra azioni e dati per costruire un sistema che aiuti veramente le persone in diversi domini. Che si tratti di elaborazione del linguaggio naturale, visione artificiale, analisi video, tecnologia vocale o robotica, il modo migliore per procedere è iniziare con l’approccio più semplice possibile e poi adottare metodi più complessi in modo iterativo mentre si sperimenta e si raffina il sistema.

Sei un ospite frequente in alcune delle migliori università dell’India. Qual è la domanda che gli studenti ti fanno più spesso, e come rispondi?

La domanda che sento più spesso è: “Come posso diventare uno scienziato dei dati?” Io dico sempre ai giovani che è assolutamente possibile e cerco di guidarli verso l’utilizzo della loro passione per la matematica, la statistica o la scienza informatica per cercare di risolvere problemi del mondo reale. Le persone mi chiedono anche come possono unirsi a MUST e la risposta è semplice: “Costruite il vostro profilo con più progetti e concentratevi sul pensiero fuori dagli schemi.” Se vuoi diventare uno scienziato dei dati, devi anche dimostrare che puoi innovare. Senza innovazione, non possiamo chiamarci scienziati. Naturalmente, ottenere brevetti o pubblicare la tua ricerca in riviste e conferenze rispettabili aiuta anche!

Hai recentemente aderito ad Aviso come chief scientist, per utilizzare la tua esperienza su AI/ML. Ci puoi parlare un po’ di Aviso e del tuo ruolo all’interno di questa azienda?

Aviso utilizza l’AI e l’apprendimento automatico per guidare gli esecutivi delle vendite e rimuovere le incertezze dal processo di chiusura degli affari. È una sfida affascinante e la mia responsabilità principale è aiutare l’organizzazione a crescere in una direzione positiva, utilizzando la ricerca approfondita per preparare il terreno per il successo dei clienti. Sto utilizzando la mia conoscenza e la mia esperienza nell’intelligenza artificiale e nell’innovazione per aiutare a rendere i nostri prodotti e progetti di ricerca più:

Adattivi: Devono imparare mentre le informazioni cambiano e mentre gli obiettivi e i requisiti evolvono. Devono risolvere l’ambiguità e tollerare l’imprevedibilità. Devono essere progettati per alimentarsi di dati dinamici in tempo reale.

Interattivi: Devono interagire facilmente con gli utenti in modo che gli utenti possano definire le loro esigenze in modo confortevole. Devono interagire con altri processori, dispositivi, servizi, nonché con le persone.

Iterativi e a stato: Devono aiutare a definire un problema chiedendo domande o cercando ulteriori input se una dichiarazione del problema è ambigua o incompleta. Devono ricordare le interazioni precedenti in un processo e restituire informazioni adatte all’applicazione specifica in quel momento.

Contestuali: Devono comprendere, identificare ed estrarre elementi contestuali come significato, sintassi, tempo, posizione, dominio appropriato, regolamentazione, profilo utente, processo, attività e obiettivo. Devono attingere a molteplici fonti di informazione, comprese informazioni digitali strutturate e non strutturate.

Cosa ti ha attirato verso questo ruolo in Aviso?

Aviso sta lavorando per sostituire i sistemi CRM legacy gonfiati con strumenti abilitati all’AI e senza attrito, che possono fornire informazioni azionabili e sbloccare il pieno potenziale dei team di vendita. Il nostro prodotto è un sistema intelligente che comprende i punti deboli dei venditori, elimina l’inserimento dei dati noioso e fornisce ai dirigenti le suggerimenti e la guida di cui hanno bisogno per chiudere gli affari in modo efficace. Sono stato attirato dal forte team di leadership e dalla base di clienti, ma anche dall’impegno di Aviso nell’utilizzare strumenti di AI sofisticati per risolvere sfide del mondo reale. La vendita è una parte vitale di qualsiasi azienda e Aviso aiuta in questo senso sfruttando il potere dell’intelligenza artificiale. Bersaglio! Cosa più si potrebbe volere?

Infine, c’è qualcos’altro che vorresti condividere sull’AI?

L’intelligenza artificiale rende computabili una nuova classe di problemi. Per rispondere alla natura fluida della comprensione degli utenti dei loro problemi, il sistema di calcolo cognitivo offre una sintesi non solo di fonti di informazione, ma anche di influenze, contesti e intuizioni. Questi sistemi differiscono dalle applicazioni di calcolo attuali in quanto vanno oltre la tabulazione e il calcolo basati su regole e programmi preconfigurati. Possono inferire e persino ragionare in base a obiettivi generali. In questo senso, il calcolo cognitivo è un nuovo tipo di calcolo con l’obiettivo di sviluppare modelli più precisi di come il cervello umano o la mente percepiscono, ragionano e rispondono agli stimoli. È un campo di studio che esamina come creare computer e software in grado di comportamento intelligente. Questo campo è interdisciplinare: l’intelligenza artificiale è un luogo in cui convergono diverse scienze e professioni, tra cui scienza informatica, elettronica, matematica, statistica, psicologia, linguistica, filosofia, neuroscienza e biologia. È questo che la rende così emozionante!