Joy Mustafi, Chief Data Scientist i Aviso, Inc – Intervju-serie

Rankert som en av Indias 10 beste dataforskere av Analytics India Magazine, har Joy Mustafi ledet dataforskningsarbeid i teknologigigantene Salesforce (CRM ), Microsoft (MSFT ) og IBM, og har vunnet 50 patenter og skrevet over 25 publikasjoner om kunstig intelligens.

Han var tilknyttet IBM i ti år som dataforsker, og arbeidet med en rekke forretningsintelligensløsninger, inkludert IBM Watson. Han arbeidet som Principal Applied Scientist i Microsoft, og var ansvarlig for AI-forskning. Nylig var Mustafi Principal Researcher for Salesforce sin Einstein-plattform.

Mustafi er også grunnlegger og president for MUST Research, en ideell organisasjon som fremmer eksellens i feltene dataforskning, kognitiv datamaskin, kunstig intelligens, maskinlæring og avansert analyse for å fremme samfunnet.

Nylig sluttet Mustafi seg til Redwood City-baserte Aviso, Inc som sjefsforsker, der han vil bruke sin erfaring til å hjelpe Aviso-kunder å akselerere avtaleinngåelse og utvide inntektsmuligheter.

Hva var det som først tiltalte deg om kunstig intelligens?

Jeg elsker matematikk, og liker også programmering. Jeg tok min mastergrad i statistikk og post-graduarbeid i datamaskinapplikasjoner. Da jeg startet min AI-forskningsreise i 2002 ved Indian Statistical Institute i Kolkata, brukte jeg C-språket til å utvikle et kunstig nevralt nettverkssystem for håndskrevne tallgjenkjenning. Det var 2500+ linjer med kode, skrevet fra scratch uten noen innebygde biblioteker bortsett fra standard inn-/ut-data. Det bestod av datarensing og forarbeiding, funksjonsutvikling og en bakpropageringsalgoritme med et multilag-perceptron. Hele prosessen var en kombinasjon av alle emnene jeg hadde studert. På den tiden var AI ikke så populært i næringslivet, og få akademiske organisasjoner gjorde avansert forskning i feltet. Og, forresten, AI var ikke nytt på den tiden! Feltet kunstig intelligens-forskning går tilbake til 1956, da professor John McCarthy og andre innledet feltet på en nå-legendarisk workshop ved Dartmouth College.

Du har arbeidet med noen av de mest avanserte selskapene i AI, som IBM Watson og Microsoft. Hva har vært det mest interessante prosjektet du har arbeidet på?

Jeg vil nevne det første patentet jeg fikk tildelt mens jeg arbeidet i IBM: en metode for å løse ordproblemer i naturlig språk, som var et åpent problem med IBM Watson. Systemet jeg utviklet kan forstå et aritmetisk eller algebraisk problem uttrykt i naturlig språk og gi en løsning i sanntid som et naturlig språk-svar. For å gjøre dette, måtte systemet håndtere følgende nøkkelsteg: Få inn problemutsagn og spørsmål som skal besvares; konvertere inn-utsagn til en sekvens av setninger som er veldefinerte fra et matematisk perspektiv; konvertere veldefinerte setninger til matematiske ligninger; løse ligningene; og fortelle det matematiske resultatet i naturlig språk.

Det er også mitt beste prosjekt for Microsoft — Softie! Jeg oppfant og bygde en fysisk robot utstyrt med ulike typer utskiftbare inndataenheter og sensorer for å kunne motta informasjon fra mennesker. En standardisert metode for kommunikasjon med datamaskinen tillot brukeren å gjøre praktiske justeringer, og muliggjorde rikere interaksjoner avhengig av konteksten. Vi var i stand til å implementere et robust system med funksjoner som inkluderte tastatur, pekeenhet, berøringsskjem, datamaskin-syn, talegjenkjenning og så videre. Vi dannet et team fra ulike forretningsenheter, og oppmuntret dem til å utforske forskningsapplikasjoner på kunstig intelligens og relaterte felt.

Du er også grunnlegger og president for MUST Research, en ideell organisasjon registrert under Society and Trust Act of India. Kan du fortelle oss om denne ideelle organisasjonen?

MUST Research er viet til å fremme eksellens og kompetanse i feltene dataforskning, kognitiv datamaskin, kunstig intelligens, maskinlæring og avansert analyse for å fremme samfunnet. MUST har som mål å bygge en økosystem for å muliggjøre samspill mellom akademia og næringsliv, og hjelpe dem å løse problemer og bli kjent med de siste utviklingene i den kognitive æraen for å gi løsninger, tilby veiledning eller opplæring, organisere forelesninger, seminarer og workshop, og samarbeide om vitenskapelige programmer og samfunnsoppdrag. Det mest spennende med MUST er dens grunnforskning på banebrytende teknologier som kunstig intelligens, maskinlæring, naturlig språkbehandling, tekstanalyse, bildebehandling, datamaskin-syn, audiosignalbehandling, taleteknologi, innebygde systemer, robotikk og så videre.

Hva var det som inspirerte deg til å etablere MUST Research?

Jeg elsker sci-fi-filmer og matematikk, og tenker ofte på hvordan teknologi kan endre verden. Jeg hadde tenkt på å danne en gruppe av like-minded eksperter på avanserte teknologier siden 1993, da jeg var i 9. klasse. Da jeg fikk min første jobb, tok det 10 år å sammenkalle et møte — og ytterligere 10 år å identifisere en gruppe av egnede eksperter og etablere en ideell organisasjon. Nå har vi rundt 500 dataforskere i MUST over hele India som bidrar passionert til forskning på nye teknologier.

Over de siste årene har industrien sett betydelige fremskritt i dypt læring, forsterkingslæring, naturlig språkbehandling og så videre. Hvilket område av maskinlæring ser du for tiden som det mest spennende?

Alle maskinlæringsalgoritmer er spennende når de implementeres som et produkt eller en tjeneste som kan brukes av bedrifter eller personer i den virkelige verden. Dypt læring-æraen har fordeler og ulemper — noen ganger hjelper det med automatisk funksjonsutvikling, men på samme tid kan det fungere som en svart boks, og ende opp med en søppel-in-søppel-ut-scenario hvis ikke riktige datasett eller algoritmer brukes. Noen av de siste teknologiene er også ressurskrevende og krever store mengder prosesseringskraft, tid og data. Det viktigste å huske på er at dypt læring er en undergruppe av maskinlæring (ML), som igjen er en undergruppe av kunstig intelligens (AI), og AI er en undergruppe av dataforskning — så det er all sammen forbundet. Og det handler ikke om Python, R eller Scala — jeg startet min AI-reise i C, og man kan sogar skrive AI-programmer i assembly-kode. Bygging av suksessfulle AI-systemer avhenger først og fremst av å forstå forretnings- eller forskningsmiljøet, og deretter å koble punktene mellom handlinger og data for å bygge et system som virkelig hjelper ulike personer i ulike domener. Uansett om du arbeider med naturlig språkbehandling, datamaskin-syn, videoanalyse, taleteknologi eller robotikk, er den beste måten å starte med den enkleste mulige tilnærmingen, og deretter adoptere mer komplekse metoder iterativt mens du eksperimenterer med og finjusterer ditt system.

Du er en hyppig gjesteforeleser ved ledende universiteter i India. Hva er ett spørsmål du ofte hører fra studenter, og hvordan besvarer du det best?

Det enkle spørsmålet jeg hører oftest er: «Hvordan kan jeg bli en dataforsker?» Jeg forteller alltid unge mennesker at det er absolutt mulig, og prøver å veilede dem til å bruke deres kjærlighet til matematikk, statistikk eller datamaskin til å prøve å løse virkelige forretningsproblemer. Folk spør også hvordan de kan bli med i MUST, og igjen er svaret enkelt: «Bygg din profil med flere prosjekter og fokus på å tenke utenfor boksen.» Hvis du vil bli en dataforsker, må du også bevise at du kan innovere. Uten innovasjon kan vi ikke kalde oss forskere. Selvfølgelig hjelper det også å bli tildelt patenter eller publisere din forskning i anerkjente tidsskrifter og konferanser!

Du sluttet nylig til Redwood City-baserte Aviso som sjefsforsker, for å bruke din AI/ML-ekspertise. Kan du fortelle oss litt om Aviso og din rolle i dette selskapet?

Aviso bruker AI og maskinlæring til å guide salgsledere og fjerne usikkerheten fra avtaleprosessen. Det er en spennende utfordring, og min primære ansvar er å hjelpe organisasjonen vokse i en positiv retning, ved å bruke dypt forskning til å sette scenen for kundenes suksess. Jeg bruker min kunnskap og erfaring i kunstig intelligens og innovasjon til å gjøre våre kjerneprodukter og forskningsprosjekter mer:

Tilpassende: De må lære når informasjonen endrer seg, og når mål og krav utvikler seg. De må løse tvetydighet og tåle usikkerhet. De må være konstruert for å mata på dynamisk data i sanntid.

Interaktiv: De må samhandle lett med brukerne så de kan definere sine behov komfortabelt. De må samhandle med andre prosessorer, enheter, tjenester, samt med mennesker.

Iterativ og tilstandsbasert: De må hjelpe med å definere et problem ved å stille spørsmål eller finne ekstra kildeinformasjon hvis et problemutsagn er tvetydig eller ufullstendig. De må huske tidligere interaksjoner i en prosess og returnere informasjon som er egnet for den spesifikke anvendelsen på det tidspunktet.

Kontekstuell: De må forstå, identifisere og trekke ut kontekstuelle elementer som mening, syntaks, tid, sted, egnet domene, regulering, brukerprofil, prosess, oppgave og mål. De må trekke på flere informasjonskilder, inkludert både strukturert og ustrukturert digital informasjon.

Hva var det som tiltalte deg til denne stillingen i Aviso?

Aviso arbeider for å erstatte oppblåste legacy CRM-systemer med friksjonsløse, AI-aktiverede verktøy som kan levere handlebare innsikter og låse opp salgsteamets full potensiale. Vårt produkt er et smart system som forstår salgsfolkets smertepunkter, gjør slutt på tidskrevende datainnskriving og gir ledere de forslag og veiledningen de trenger for å avslutte avtaler effektivt. Jeg ble tiltalt av det sterke lederteamet og kundebasen, men også av Avisos forpliktelse til å bruke sofistikerte AI-verktøy til å løse virkelige utfordringer. Salg er en vital del av enhver bedrift, og Aviso hjelper med det ved å utnytte kraften av kunstig intelligens. Bullseye! Hva mer kunne du ønske?

Til slutt, er det noe annet du ville like å dele om AI?

Kunstig intelligens gjør en ny klasse av problemer beregnbare. For å svare på den flytende naturen til brukernes forståelse av deres problemer, tilbyr kognitive datamaskin-systemer en syntese ikke bare av informasjonskilder, men også av påvirkninger, kontekster og innsikter. Disse systemene skiller seg fra nåværende datamaskinapplikasjoner ved at de går utover å tabulere og beregne basert på forhåndsdefinerte regler og programmer. De kan slutte og sogar grunne basert på brede mål. I denne forstand er kognitiv datamaskin en ny type datamaskin med målet å utvikle mer nøyaktige modeller av hvordan det menneskelige hjernen eller sinnet sanser, grunner og reagerer på stimulus. Det er et studiefelt som studerer hvordan man kan skape datamaskiner og datamaskinprogramvare som er i stand til intelligent atferd. Dette feltet er tverrfaglig: kunstig intelligens er et sted hvor en rekke vitenskaper og fag møtes, inkludert datamaskin, elektronikk, matematikk, statistikk, psykologi, lingvistikk, filosofi, nevrovitenskap og biologi. Det er det som gjør det så spennende!