Joy Mustafi, Chief Data Scientist of Aviso, Inc – Wywiad

Uznany za jednego z 10 najlepszych naukowców danych w Indiach przez magazyn Analytics India, Joy Mustafi kierował badaniami naukowymi z dziedziny danych w tech gigantach, takich jak Salesforce (CRM ), Microsoft (MSFT ) i IBM, uzyskując 50 patentów i publikując ponad 25 prac na temat sztucznej inteligencji.

Był związany z IBM przez dekadę jako naukowiec danych, zajmując się różnymi rozwiązaniami z dziedziny inteligencji biznesowej, w tym IBM Watson. Pracował jako starszy naukowiec stosowany w Microsoft, odpowiedzialny za badania nad sztuczną inteligencją. Ostatnio Mustafi był głównym badaczem platformy Einstein w Salesforce.

Mustafi jest również założycielem i prezesem MUST Research, organizacji non-profit, która promuje doskonałość w dziedzinach nauki o danych, komputowania poznawczego, sztucznej inteligencji, uczenia maszynowego i zaawansowanej analityki na rzecz społeczeństwa.

Ostatnio Mustafi dołączył do Redwood City-based Aviso, Inc jako główny naukowiec danych, gdzie wykorzysta swoje dziesięciolecia doświadczenia, aby pomóc klientom Aviso przyspieszyć zamykanie transakcji i rozszerzyć możliwości przychodowe.

Czym było to, co początkowo przyciągnęło Cię do sztucznej inteligencji?

Lubię matematykę i programowanie. Ukończyłem studia magisterskie na kierunku statystyka i studia podyplomowe na kierunku aplikacje komputerowe. Kiedy rozpocząłem swoją podróż badawczą w dziedzinie sztucznej inteligencji w 2002 roku w Indian Statistical Institute w Kalkucie, używałem języka programowania C do opracowania systemu sztucznej sieci neuronowej do rozpoznawania odręcznych cyfr. To było ponad 2500 linii kodu, wszystko napisane od podstaw bez użycia gotowych bibliotek poza standardowymi wejściami/wyjściami. Składało się to z oczyszczania i przetwarzania danych, inżynierii cech, algorytmu propagacji wstecznej z wielowarstwowym perceptronem. Cały proces był połączeniem wszystkich przedmiotów, które studiowałem. W tym czasie sztuczna inteligencja nie była jeszcze tak popularna w świecie korporacyjnym, a tylko niektóre organizacje akademickie prowadziły zaawansowane badania w tej dziedzinie. A przecież sztuczna inteligencja nie była nową dziedziną! Badania nad sztuczną inteligencją sięgają aż 1956 roku, kiedy to profesor John McCarthy i inni inaugurowali tę dziedzinę na teraz legendarnym warsztacie w Dartmouth College.

Pracowałeś z niektórymi z najbardziej zaawansowanych firm w dziedzinie sztucznej inteligencji, takimi jak IBM Watson i Microsoft. Jakie było najciekawsze zadanie, nad którym pracowałeś?

Chcę wspomnieć o pierwszym patencie, który otrzymałem podczas pracy w IBM: metoda rozwiązywania problemów słownych w języku naturalnym, co było otwartym problemem w IBM Watson. System, który opracowałem, może zrozumieć problem arytmetyczny lub algebraiczny wyrażony w języku naturalnym i dostarczyć rozwiązanie w czasie rzeczywistym jako odpowiedź w języku naturalnym. Aby to zrobić, system musiał obsłużyć następujące kluczowe kroki: uzyskać dane wejściowe i pytanie do odpowiedzi; przekonwertować dane wejściowe na sekwencję zdań, które są dobrze sformułowane z matematycznego punktu widzenia; przekonwertować dobrze sformułowane zdania na równania matematyczne; rozwiązać zestaw równań; i opowiedzieć wynik matematyczny w języku naturalnym.

Istnieje również mój najlepszy projekt dla Microsoft — Softie! Zastąpiłem i zbudowałem fizycznego robota wyposażonego w różne rodzaje urządzeń wejściowych i czujników, aby mógł otrzymywać informacje od ludzi. Standardowa metoda komunikacji z komputerem pozwoliła użytkownikowi na wprowadzanie praktycznych dostosowań, umożliwiając bogatsze interakcje w zależności od kontekstu. Zaimplementowaliśmy solidny system z funkcjami, takimi jak klawiatura, urządzenie wskazujące, ekran dotykowy, rozpoznawanie mowy i tak dalej. Utworzyliśmy zespół z różnych jednostek biznesowych i zachęciliśmy ich do eksplorowania aplikacji badawczych w dziedzinie sztucznej inteligencji i pokrewnych.

Jesteś również założycielem i prezesem MUST Research, organizacji non-profit zarejestrowanej podług ustawy o społeczności i zaufaniu w Indiach. Czy możesz nam powiedzieć o tej organizacji non-profit?

MUST Research jest poświęcona promowaniu doskonałości i kompetencji w dziedzinach nauki o danych, komputowania poznawczego, sztucznej inteligencji, uczenia maszynowego i zaawansowanej analityki na rzecz społeczeństwa. MUST ma na celu stworzenie ekosystemu, który umożliwi interakcję między środowiskiem akademickim a przedsiębiorstwami, pomagając im rozwiązywać problemy i informując ich o najnowszych rozwojach w erze poznawczej, aby dostarczyć rozwiązania, oferować wskazówki lub szkolenia, organizować wykłady, seminaria i warsztaty, oraz współpracować w programach naukowych i misjach społecznych. Najbardziej ekscytującą cechą MUST jest jego podstawowe badanie nad najnowocześniejszymi technologiami, takimi jak sztuczna inteligencja, uczenie maszynowe, przetwarzanie języka naturalnego, analiza tekstu, przetwarzanie obrazu, rozpoznawanie mowy, technologia mowy, systemy osadzone, robotyka itd.

Co zainspirowało Cię do założenia MUST Research?

Moja miłość do filmów science fiction i matematyki sprawia, że często myślę o tym, jak technologia może zmienić świat, i myślałem o utworzeniu grupy ekspertów w dziedzinie zaawansowanych technologii od 1993 roku, kiedy byłem w 9. klasie. Kiedy dostałem pierwszą pracę, minęło 10 lat, zanim wezwałem do spotkania — i kolejne 10 lat, zanim zidentyfikowałem grupę odpowiednich ekspertów i utworzyłem organizację non-profit. Teraz jednak mamy około 500 naukowców danych w MUST w całych Indiach, którzy z pasją przyczyniają się do badań nad nowymi technologiami.

W ciągu ostatnich kilku lat przemysł doświadczył znaczących postępów w dziedzinie głębokiego uczenia, uczenia wzmocnionego, przetwarzania języka naturalnego itd. Która dziedzina uczenia maszynowego jest obecnie najbardziej ekscytująca?

Wszystkie algorytmy uczenia maszynowego są ekscytujące, kiedy są wdrożone jako produkt lub usługa, która może być używana przez firmy lub osoby w świecie rzeczywistym. Era głębokiego uczenia ma zalety i wady, chociaż — czasami pomaga w automatycznym inżynierii cech, ale jednocześnie może działać jak czarna skrzynka i skończyć się scenariuszem „śmieć-w-śmieć”, jeśli nie są używane odpowiednie zestawy danych lub algorytmy. Niektóre z najnowszych technologii są również żarłoczne zasobów i wymagają ogromnych ilości mocy obliczeniowej, czasu i danych. Kluczowa rzecz do zapamiętania jest to, że głębokie uczenie jest podzbiorem uczenia maszynowego (ML), które z kolei jest podzbiorem sztucznej inteligencji (AI), a sztuczna inteligencja jest podzbiorem nauki o danych — wszystko jest połączone. I nie chodzi o Python, R czy Scala — zacząłem swoją podróż w dziedzinie sztucznej inteligencji w języku C, a można nawet pisać programy sztucznej inteligencji w kodzie asemblera. Budowanie udanych systemów sztucznej inteligencji zależy przede wszystkim od zrozumienia środowiska biznesowego lub badawczego, a następnie łączenia kropek między działaniami a danymi, aby zbudować system, który naprawdę pomaga różnym ludziom w różnych dziedzinach. Niezależnie od tego, czy pracujesz z przetwarzaniem języka naturalnego, rozpoznawaniem obrazu, analizą wideo, technologią mowy, robotyką, najlepszym sposobem postępowania jest rozpoczęcie od najprostszych możliwych podejść, a następnie przyjęcie bardziej złożonych metod w sposób iteracyjny, gdy eksperymentujesz i doskonalisz swój system.

Jesteś częstym gościem na wykładach na wiodących uniwersytetach w Indiach. Jakie jest pytanie, które najczęściej słyszysz od studentów, i jak najlepiej na nie odpowiedzieć?

Jedno pytanie, które słyszę najczęściej, brzmi: „Jak mogę zostać naukowcem danych?” Zawsze mówię młodym ludziom, że jest to absolutnie możliwe, i staram się nakierować ich na wykorzystanie ich miłości do matematyki, statystyki lub informatyki, aby spróbować rozwiązać rzeczywiste problemy biznesowe. Ludzie również pytają, jak mogą dołączyć do MUST, a odpowiedź jest prosta: „Zbuduj swój profil z wieloma projektami i skup się na myśleniu poza schematami.” Jeśli chcesz zostać naukowcem danych, musisz również udowodnić, że potrafisz innowować. Bez innowacji nie możemy nazwać siebie naukowcami. Oczywiście, otrzymanie patentów lub opublikowanie swoich badań w renomowanych czasopismach i konferencjach również pomaga!

Niedawno dołączyłeś do Redwood City-based Aviso jako główny naukowiec danych, aby wykorzystać swoją wiedzę z dziedziny sztucznej inteligencji i uczenia maszynowego. Czy możesz nam powiedzieć trochę o Aviso i Twojej roli w tej firmie?

Aviso wykorzystuje sztuczną inteligencję i uczenie maszynowe, aby pomóc menedżerom sprzedaży i usunąć niepewność z procesu zawierania transakcji. To jest fascynujące wyzwanie, a moja podstawowa odpowiedzialność polega na pomocy organizacji w rozwoju w pozytywnym kierunku, wykorzystując głębokie badania, aby ustawić scenę dla sukcesu klientów. Wykorzystuję swoją wiedzę i doświadczenie w dziedzinie sztucznej inteligencji i innowacji, aby pomóc naszym podstawowym produktom i projektom badawczym stać się bardziej:

Adaptacyjnymi: Muszą one uczyć się, gdy informacje się zmieniają, a cele i wymagania ewoluują. Muszą one rozwiązywać niejasności i tolerować nieprzewidywalność. Muszą one być zaprojektowane tak, aby żywić się dynamicznymi danymi w czasie rzeczywistym.

Interaktywnymi: Muszą one łatwo współpracować z użytkownikami, aby ci mogli wygodnie określić swoje potrzeby. Muszą one współpracować z innymi procesorami, urządzeniami, usługami, a także z ludźmi.

Iteracyjnymi i stanowymi: Muszą one pomagać w definiowaniu problemu przez zadawanie pytań lub wyszukiwanie dodatkowych danych wejściowych, jeśli problem jest niejasny lub niekompletny. Muszą one pamiętać poprzednie interakcje w procesie i zwracać informacje odpowiednie dla konkretnego zastosowania w tym momencie.

Kontekstowymi: Muszą one rozumieć, identyfikować i wyodrębniać elementy kontekstowe, takie jak znaczenie, składnia, czas, lokalizacja, odpowiednia dziedzina, regulacja, profil użytkownika, proces, zadanie i cel. Muszą one czerpać z wielu źródeł informacji, w tym zarówno strukturalnych, jak i niestrukturalnych cyfrowych informacji.

Co skłoniło Cię do przyjęcia tej roli w Aviso?

Aviso pracuje nad zastąpieniem rozdętych systemów CRM nowoczesnymi, bezproblemowymi narzędziami z obsługą sztucznej inteligencji, które mogą dostarczać działom sprzedaży wglądy i odblokować ich pełny potencjał. Nasz produkt to inteligentny system, który rozumie ból głowy sprzedawców, eliminuje czasochłonne wprowadzanie danych i dostarcza menedżerom wskazówki i wskazówki, których potrzebują, aby skutecznie zawierać transakcje. Byłem przyciągnięty przez silny zespół kierowniczy i bazę klientów, ale także przez zaangażowanie Aviso w wykorzystanie zaawansowanych narzędzi sztucznej inteligencji do rozwiązywania rzeczywistych wyzwań. Sprzedaż jest ważną częścią każdego biznesu, a Aviso pomaga w tym, wykorzystując potęgę sztucznej inteligencji. Celny strzał! Co więcej można chcieć?

Na koniec, czy jest coś jeszcze, co chciałbyś podzielić się na temat sztucznej inteligencji?

Sztuczna inteligencja czyni nową klasę problemów obliczalną. W odpowiedzi na płynną naturę zrozumienia użytkowników ich problemów, systemy komputowania poznawczego oferują syntezę nie tylko źródeł informacji, ale także wpływów, kontekstów i wglądów. Te systemy różnią się od bieżących aplikacji komputerowych, ponieważ idą poza tabelowanie i obliczanie na podstawie prekonfigurowanych reguł i programów. Mogą one wnioskować i nawet rozumować na podstawie szerokich celów. W tym sensie komputowanie poznawcze jest nowym rodzajem komputowania, którego celem jest rozwijanie bardziej dokładnych modeli, jak ludzki mózg lub umysł postrzega, rozumie i reaguje na bodźce. Jest to dziedzina studiów, która bada, jak tworzyć komputery i oprogramowanie, które są zdolne do inteligentnego zachowania. Ta dziedzina jest międzydyscyplinarna: sztuczna inteligencja jest miejscem, w którym wiele nauk i zawodów się łączy, w tym informatyka, elektronika, matematyka, statystyka, psychologia, lingwistyka, filozofia, neurologia i biologia. To właśnie to sprawia, że jest tak ekscytująca!