Kushal Chakrabarti, Wiceprezes ds. Bada Danych i Nauki w Opendoor – Seria Wywiadów

Kushal Chakrabarti jest Wiceprezesem ds. Bada Danych i Nauki w Opendoor, wiodącej platformie cyfrowej dla nieruchomości mieszkalnych.

Czym było to, co początkowo przyciągnęło Cię do uczenia maszynowego i nauki o danych?

Zawsze widziałem świat w liczbach, ale dopiero na studiach zrozumiałem, że nauka o danych jest moim prawdziwym powołaniem. I mogę prawie dokładnie wskazać ten moment: „Wprowadzenie do programowania z MATLAB”. Zobaczenie tego 3D konturu na ekranie startowym MATLAB był „Chwila…”. Było to jak zakochanie się od pierwszego wejrzenia dla mnie.

Dla mnie nauka o danych jest najbliższą rzeczą, jaką będę mógł kiedykolwiek zobaczyć „umysł Boga”. Niezależnie od tego, czy jesteś religijny, czy nie, jest oczywiście pewien podstawowy mechanizm, który sprawia, że świat działa. Nie mamy przywileju go bezpośrednio widzieć, ale możemy obserwować jego artefakty — dane. A nauka i sztuka odtwarzania tego podstawowego mechanizmu to nauka o danych.

Czy mógłbyś omówić niektóre z ewolucji, które osobiście zaobserwowałeś w dziedzinie nauki o danych na przestrzeni lat?

Stwierdziłem dwa szerokie trendy w moich prawie dwóch dekadach w tej dziedzinie.

Pierwszym jest tworzenie subdyscyplin. Kiedy zacząłem karierę, nie było rozróżnienia między inżynierią danych, nauką decyzyjną a uczeniem maszynowym. Jeśli chciałeś wykonać zaawansowane matematyczne obliczenia, musiałeś wykonać resztę również — po prostu nie było innej opcji. Dziś, biorąc pod uwagę, jak daleko posunęła się ta dziedzina, ludzie zaczynają specjalizować się w subdyscyplinach. Jest to nieuniknione w każdej dojrzewającej dziedzinie — było tylko kilka rodzajów lekarzy sto lat temu, ale dziś istnieje kilkadziesiąt.

Drugim jest szeroka demokratyzacja tej dziedziny. Dziś istnieje wiele narzędzi, które sprawiają, że ta dziedzina staje się wykładniczo bardziej dostępna dla nowicjuszy. Chociaż na pewno doceniam to, że nie muszę pisać kodu C++ dla algorytmu forward-backward, jest to tak naprawdę podwójnie ostrze: wielu praktyków dzisiaj traktuje te narzędzia jako czarne skrzynki i nie rozumie, dlaczego pewne rzeczy zostały zaprojektowane w określony sposób, i mają trudności w wyborze odpowiedniego narzędzia do odpowiedniej pracy.

Jaki jest Twój obecny cel dla przyszłości nauki o danych w Opendoor?

To, co budzi mnie każdego ranka, to budowanie technologii, które pomagają zwykłym Amerykanom w świecie rzeczywistym. Kupno lub sprzedaż domu jest jednym z największych kamieni milowych w życiu człowieka, a praca, którą wykonujemy, pomaga ludziom w całych Stanach Zjednoczonych osiągnąć własność domu w prostszy, bardziej pewny i szybszy sposób.

W Opendoor podejmujemy setki decyzji opartych na danych każdego dnia. Nasze zespoły używają wszystkiego, od inferencji przyczynowych do modeli ekonometrycznych, aż po głębokie uczenie, które napędzają nasze najnowocześniejsze modele cenowe.

Ale gdy spójrzysz pod maskę, jest wiele heurystyk. Ludzie używają heurystyk, ponieważ działają, ale heurystyki działają w środku i zawodzą na krańcach. Kiedy głęboko zastanowisz się nad podstawowymi mechanizmami, jak ludzie się zachowują, możesz zacząć abstrahować ramy zasadnicze, które ściśle uogólniają te heurystyki. Moim celem i nadzieją jest to, abyśmy zbudowali te ramy zasadnicze, abyśmy mogli odblokować łatwiejsze, lepsze i szybsze własność domu dla milionów więcej Amerykanów.

Na Twoim profilu na LinkedIn zapraszasz naukowców do współpracy, aby rozwiązać problem związany z danymi o wartości biliona dolarów, który dotyczy stu milionów zwykłych Amerykanów. Co szukasz u potencjalnych kandydatów?

Fundamentalnie szukamy ludzi z dwiema wyróżniającymi się cechami: supermocą, aby ilościowo i systematycznie wyjaśnić świat, oraz umiejętnością pragmatycznego pracy wstecz od klienta.

Głęboko wierzę w zarządzanie supermocami. W moim doświadczeniu najlepsi naukowcy są kształtni na kształt litery T: wiedzą trochę o wszystkim i wiele o niewielu. A w moim przypadku wiele o bardzo niewielu! Nie oczekujemy, że ludzie wiedzą wszystko. Oczekujemy jednak, że będą wyjątkowi w czymś. I jeśli wszystko zostanie ustawione we właściwy sposób, można zebrać zespół ludzi o uzupełniających się supermocach, który — razem — może sprawić, że cuda się zdarzają.

To nie jest banał. Jak cytuje Isaac Asimov: „Każda wystarczająco zaawansowana technologia jest nie do odróżnienia od magii”. Nieruchomości to branża o wartości biliona dolarów, która nie zmieniła się przez dziesięciolecia. Zaczęliśmy tylko drapać powierzchnię, ale już ustanowiliśmy standardy na lata do przodu. Kiedy przyjmujemy superzespoły i napędzamy naszą wizję, będziemy tworzyć cuda.

Zobacz nasze otwarte stanowiska tutaj.

Czy jest coś jeszcze, co chciałbyś podzielić się na temat Opendoor?

Biorąc pod uwagę mój dość niezwykły background — badania biologii obliczeniowej, personalizacja Amazon (AMZN ), dwukrotny założyciel startupu i doradca dla kilkunastu innych startupów — mogłem bezsprzecznie powiedzieć, że Opendoor ma najbardziej fascynujące wyzwania techniczne spośród wszystkich organizacji, które widziałem.

Połączone z tym jest ogromna skala i wpływ tego, co robimy. Po prostu nie ma wielu problemów o wartości biliona dolarów na świecie. Na pewno nie ma wielu, które działają w tak archaicznym status quo. W ciągu zaledwie kilku lat odwróciliśmy ten model do góry nogami i pokazaliśmy, że istnieje szybszy, prostszy i bardziej pewny sposób robienia rzeczy, który łączy najlepsze z zaawansowanej nauki o danych i operacji ukierunkowanych na klienta. Ale, dopiero zaczęliśmy. Rozwiązywanie tego, w jaki sposób możemy użyć nowych zbiorów danych i światowej klasy nauki o danych, aby dojść do następnego poziomu, jest ekscytującym wyzwaniem technicznym, które pomoże milionom Amerykanów w całych Stanach Zjednoczonych.