Joy Mustafi, Chief Data Scientist da Aviso, Inc – Série de Entrevistas

Classificado como um dos 10 principais cientistas de dados da Índia pela Analytics India Magazine, Joy Mustafi liderou pesquisas de ciência de dados em gigantes da tecnologia, incluindo Salesforce (CRM ), Microsoft (MSFT ) e IBM, conquistando 50 patentes e autorando mais de 25 publicações sobre inteligência artificial.

Ele foi associado à IBM por uma década como cientista de dados, envolvido em uma variedade de soluções de inteligência de negócios, incluindo o IBM Watson. Ele trabalhou como cientista aplicado principal na Microsoft, responsável por pesquisas de inteligência artificial. Recentemente, Mustafi foi o pesquisador principal da plataforma Einstein da Salesforce.

Mustafi também é o fundador e presidente da MUST Research, uma organização sem fins lucrativos que promove a excelência nos campos de ciência de dados, computação cognitiva, inteligência artificial, aprendizado de máquina e análise avançada para o benefício da sociedade.

Recentemente, Mustafi se juntou à Aviso, Inc, com sede em Redwood City, como cientista de dados chefe, onde ele utilizará suas décadas de experiência para ajudar os clientes da Aviso a acelerar o fechamento de negócios e expandir as oportunidades de receita.

O que o atraiu inicialmente para a inteligência artificial?

Eu amo matemática e programação. Eu fiz meu mestrado em estatística e meu pós-graduação em aplicações de computador. Quando comecei minha jornada de pesquisa em inteligência artificial em 2002, no Instituto Estatístico Indiano em Kolkata, eu usei a linguagem de programação C para desenvolver um sistema de rede neural artificial para reconhecimento de dígitos manuscritos. Isso foi 2500+ linhas de código, todas escritas do zero, sem nenhuma biblioteca embutida, além da entrada/saída padrão. Ele consistia em limpeza e pré-processamento de dados, engenharia de recursos e um algoritmo de retropropagação com um perceptron multilayer. Todo o processo foi uma combinação de todos os assuntos que eu estudei. Naquela época, a inteligência artificial não era tão popular no mundo corporativo, e poucas organizações acadêmicas estavam fazendo pesquisas avançadas no campo. E, por sinal, a inteligência artificial não era nova naquela época! O campo de pesquisa em inteligência artificial remonta a 1956, quando o professor John McCarthy e outros inauguraram o campo em um workshop agora lendário no Dartmouth College.

Você trabalhou com algumas das empresas mais avançadas em inteligência artificial, como IBM Watson e Microsoft. Qual foi o projeto mais interessante que você trabalhou?

Eu quero mencionar a primeira patente que eu recebi enquanto trabalhava na IBM: um método para resolver problemas de linguagem natural, que era um problema aberto com o IBM Watson. O sistema que eu desenvolvi pode entender um problema aritmético ou algébrico expresso em linguagem natural e fornecer uma solução em tempo real como uma resposta em linguagem natural. Para fazer isso, o sistema teve que lidar com as seguintes etapas principais: obter as declarações de problemas de entrada e a pergunta a ser respondida; converter as frases de entrada em uma sequência de frases que sejam bem formadas do ponto de vista matemático; converter as frases bem formadas em equações matemáticas; resolver o conjunto de equações; e narrar o resultado matemático em linguagem natural.

Há também meu melhor projeto para a Microsoft — Softie! Eu inventei e construí um robô físico equipado com vários tipos de dispositivos de entrada e sensores intercambiáveis para permitir que ele receba informações de humanos. Um método padronizado de comunicação com o computador permitiu que o usuário fizesse ajustes práticos, possibilitando interações mais ricas dependendo do contexto. Nós conseguimos implementar um sistema robusto com recursos, incluindo teclado, dispositivo de ponta, tela sensível ao toque, visão computacional, reconhecimento de fala e assim por diante. Nós formamos uma equipe de várias unidades de negócios e os encorajamos a explorar aplicações de pesquisa em inteligência artificial e campos relacionados.

Você também é o fundador e presidente da MUST Research, uma organização sem fins lucrativos registrada sob a Lei de Sociedade e Confiança da Índia. Pode nos contar sobre essa organização sem fins lucrativos?

A MUST Research é dedicada a promover a excelência e a competência nos campos de ciência de dados, computação cognitiva, inteligência artificial, aprendizado de máquina e análise avançada para o benefício da sociedade. A MUST tem como objetivo construir um ecossistema para permitir a interação entre a academia e a empresa, ajudando-as a resolver problemas e tornando-as conscientes dos últimos desenvolvimentos na era cognitiva para fornecer soluções, oferecer orientação ou treinamento, organizar palestras, seminários e workshops, e colaborar em programas científicos e missões sociais. A característica mais emocionante da MUST é sua pesquisa fundamental sobre tecnologias de ponta, como inteligência artificial, aprendizado de máquina, processamento de linguagem natural, análise de texto, processamento de imagem, visão computacional, processamento de sinal de áudio, tecnologia de fala, sistemas embarcados, robótica, etc.

O que o inspirou a lançar a MUST Research?

Meu amor por filmes de ficção científica e matemática significa que eu estou frequentemente pensando em como a tecnologia pode mudar o mundo, e eu estava pensando em formar um grupo de especialistas em tecnologias avançadas desde 1993, quando eu estava no 9º ano. Uma vez que eu obtive meu primeiro emprego, levou 10 anos para convocar uma reunião — e mais 10 anos para identificar um grupo de especialistas adequados e formar uma sociedade sem fins lucrativos. Agora, no entanto, temos cerca de 500 cientistas de dados na MUST em toda a Índia que estão contribuindo apaixonadamente para a pesquisa sobre tecnologias emergentes.

Nos últimos anos, a indústria tem feito avanços significativos em aprendizado profundo, aprendizado por reforço, processamento de linguagem natural, etc. Qual área de aprendizado de máquina você considera atualmente a mais emocionante?

Todos os algoritmos de aprendizado de máquina são emocionais quando são implementados como um produto ou serviço que pode ser usado por empresas ou indivíduos no mundo real. A era do aprendizado profundo tem prós e contras — às vezes, ajuda na engenharia de recursos automática, mas, ao mesmo tempo, pode funcionar como uma caixa preta e acabar com um cenário de lixo-para-lixeira se os conjuntos de dados ou algoritmos adequados não forem usados. Algumas das tecnologias mais recentes também são vorazes em recursos e exigem grandes quantidades de processamento, tempo e dados. A coisa mais importante a lembrar é que o aprendizado profundo é um subconjunto do aprendizado de máquina (ML), que, por sua vez, é um subconjunto da inteligência artificial (IA), e a IA é um subconjunto da ciência de dados — então, tudo está conectado. E não se trata de Python, R ou Scala — eu comecei minha jornada de IA em C e é possível escrever programas de IA em código de montagem. Construir sistemas de IA bem-sucedidos depende, em primeiro lugar, de entender o ambiente de negócios ou de pesquisa e, em seguida, conectar os pontos entre ações e dados para construir um sistema que genuinamente ajude várias pessoas em diferentes domínios. Seja trabalhando com processamento de linguagem natural, visão computacional, análise de vídeo, tecnologia de fala, robótica, a melhor maneira de proceder é começar com a abordagem mais simples possível e, em seguida, adotar métodos mais complexos iterativamente à medida que você experimenta e refina seu sistema.

Você é um palestrante frequente em universidades líderes na Índia. Qual é uma pergunta que você ouve frequentemente dos estudantes e como você responde melhor a ela?

A pergunta que eu ouço com mais frequência é: “Como eu posso me tornar um cientista de dados?” Eu sempre digo aos jovens que é definitivamente possível e tento guiá-los para usar seu amor por matemática, estatística ou ciência da computação para tentar resolver problemas do mundo real. As pessoas também me perguntam como elas podem se juntar à MUST, e novamente, a resposta é simples: “Construa seu perfil com vários projetos e foque em pensar fora da caixa.” Se você quer se tornar um cientista de dados, você também precisa provar que pode inovar. Sem inovação, não podemos nos chamar de cientistas. É claro que ser premiado com patentes ou publicar sua pesquisa em periódicos e conferências respeitados também ajuda!

Você recentemente se juntou à Aviso como cientista de dados chefe, para usar sua expertise em IA/ML. Pode nos contar um pouco sobre a Aviso e seu papel nessa empresa?

A Aviso usa IA e aprendizado de máquina para orientar executivos de vendas e tirar o trabalho de adivinhação do processo de fechamento de negócios. Isso é um desafio fascinante, e minha responsabilidade principal é ajudar a organização a crescer em uma direção positiva, usando pesquisas profundas para definir o palco para o sucesso dos clientes. Estou usando meu conhecimento e experiência em inteligência artificial e inovação para ajudar a tornar nossos produtos e projetos de pesquisa mais:

Adaptáveis: Eles devem aprender à medida que as informações mudam e os objetivos e requisitos evoluem. Eles devem resolver ambiguidades e tolerar imprevisibilidade. Eles devem ser projetados para se alimentar de dados dinâmicos em tempo real.

Interativos: Eles devem interagir facilmente com os usuários para que esses usuários possam definir suas necessidades confortavelmente. Eles devem interagir com outros processadores, dispositivos, serviços, bem como com pessoas.

Iterativos e com estado: Eles devem ajudar a definir um problema, fazendo perguntas ou encontrando entrada adicional se uma declaração de problema for ambígua ou incompleta. Eles devem lembrar interações anteriores em um processo e retornar informações adequadas para a aplicação específica naquele momento.

Contextuais: Eles devem entender, identificar e extrair elementos contextuais, como significado, sintaxe, tempo, localização, domínio apropriado, regulamentação, perfil de usuário, processo, tarefa e objetivo. Eles devem tirar proveito de múltiplas fontes de informação, incluindo informações digitais estruturadas e não estruturadas.

O que o atraiu para essa posição na Aviso?

A Aviso está trabalhando para substituir sistemas de CRM legados inchados por ferramentas habilitadas por IA e sem atrito, que possam fornecer insights ação e desbloquear o potencial total das equipes de vendas. Nosso produto é um sistema inteligente que entende os pontos de dor dos vendedores, elimina a entrada de dados demorada e fornece aos executivos as sugestões e orientações de que eles precisam para fechar negócios de forma eficaz. Eu fui atraído pela forte equipe de liderança e base de clientes, mas também pelo compromisso da Aviso em usar ferramentas de IA sofisticadas para resolver desafios do mundo real. Vender é uma parte vital de qualquer negócio, e a Aviso ajuda com isso, aproveitando o poder da inteligência artificial. Pleno! O que mais você poderia querer?

Por fim, há algo mais que você gostaria de compartilhar sobre a inteligência artificial?

A inteligência artificial torna uma nova classe de problemas computáveis. Para responder à natureza fluida da compreensão dos usuários sobre seus problemas, o sistema de computação cognitiva oferece uma síntese não apenas de fontes de informações, mas também de influências, contextos e insights. Esses sistemas diferem das aplicações de computador atuais, pois vão além de tabular e calcular com base em regras e programas pré-configurados. Eles podem inferir e até mesmo raciocinar com base em objetivos amplos. Nesse sentido, a computação cognitiva é um novo tipo de computação com o objetivo de desenvolver modelos mais precisos de como o cérebro ou a mente humano sente, raciocina e responde a estímulos. É um campo de estudo que estuda como criar computadores e software que sejam capazes de comportamento inteligente. Esse campo é interdisciplinar: a inteligência artificial é um local onde uma série de ciências e profissões convergem, incluindo ciência da computação, eletrônica, matemática, estatística, psicologia, linguística, filosofia, neurociência e biologia. É isso que a torna tão emocionante!