Рампраш Рамамурти, руководитель исследований ИИ в ManageEngine – Интервью

Рампраш Рамамурти является руководителем исследований ИИ в ManageEngine, подразделении управления ИТ-инфраструктурой компании Zoho Corp. ManageEngine предоставляет предприятиям возможность контролировать свою ИТ-инфраструктуру, включая безопасность, сети, серверы, приложения, сервис-деск, Active Directory, настольные и мобильные устройства.

Как вы первоначально заинтересовались компьютерными науками и машинным обучением?

В детстве у меня была природная любознательность к вычислительной технике, но возможность拥有 личный компьютер была за пределами возможностей моей семьи. Однако благодаря тому, что мой дед был профессором химии в местном колледже, я иногда имел возможность использовать компьютеры после занятий.

Мой интерес углубился в университете, где я наконец-то получил свой собственный компьютер. Там я разработал несколько веб-приложений для моего университета. Эти приложения до сих пор используются сегодня – целых 12 лет спустя – что подчеркивает влияние и долговечность моей ранней работы. Этот опыт был всесторонним уроком в программной инженерии и реальных проблемах масштабирования и развертывания приложений.

Мой профессиональный путь в технологиях начался с стажировки в Zoho Corp. Первоначально мое сердце было устремлено на разработку мобильных приложений, но мой начальник побудил меня завершить проект по машинному обучению, прежде чем перейти к разработке приложений. Это оказалось поворотным моментом – я никогда не получил возможности заниматься разработкой мобильных приложений – поэтому это немного горько-сладко.

В Zoho Corp у нас есть культура обучения через практику. Мы считаем, что если вы потратите достаточно времени на решение проблемы, вы станете экспертом. Я действительно благодарен за эту культуру и за руководство моего начальника; это то, что запустило мою карьеру в мире машинного обучения.

Как выглядит ваш обычный рабочий день в качестве директора исследований ИИ в Zoho и ManageEngine?

Мой рабочий день динамичен и вращается вокруг командной работы и стратегического планирования. Значительная часть моего дня посвящена работе в тесном сотрудничестве с талантливой командой инженеров и математиков. Вместе мы строим и совершенствуем наш стек ИИ, который образует основу наших услуг.

Мы действуем как центральная команда ИИ, предоставляя решения ИИ в качестве услуги широкому спектру продуктов как в ManageEngine, так и в Zoho. Эта роль требует глубокого понимания различных линий продуктов и их уникальных требований. Мои взаимодействия не ограничиваются только моей командой; я также работаю в тесном сотрудничестве с внутренними командами по всей организации. Это сотрудничество имеет решающее значение для согласования нашей стратегии ИИ с конкретными потребностями наших клиентов, которые постоянно эволюционируют. Это такая замечательная возможность пообщаться с самыми умными умами по всей компании.

Учитывая быстрый темп развития ИИ, я посвящаю значительную часть времени поддержанию осведомленности о последних разработках и тенденциях в этой области. Это непрерывное обучение имеет решающее значение для поддержания нашего лидерства и обеспечения того, чтобы наши стратегии оставались актуальными и эффективными.

Кроме того, моя роль выходит за рамки офиса. У меня есть страсть к публичным выступлениям и путешествиям, что прекрасно сочетается с моими обязанностями. Я часто взаимодействую с аналитиками и участвую в различных форумах, чтобы пропагандировать нашу стратегию ИИ. Эти взаимодействия не только помогают распространять нашу видение и достижения, но также предоставляют ценные идеи, которые возвращаются в наш стратегическое планирование и выполнение.

Вы стали свидетелем эволюции ИИ с момента позиционирования ManageEngine как стратегического пионера ИИ в 2013 году. Какие были некоторые из алгоритмов машинного обучения, использованных в эти ранние дни?

Наш первоначальный фокус был на замене традиционных статистических методов моделями ИИ. Например, в обнаружении аномалий мы перешли от методологии колокола, которая флагировала крайности, к моделям ИИ, которые были способны учиться на прошлых данных, распознавать закономерности и сезонность.

Мы включили широкий спектр алгоритмов – от поддерживающих векторных машин до методов, основанных на деревьях решений – в качестве основы нашей платформы ИИ. Эти алгоритмы были важны для выявления нишевых случаев использования, где ИИ мог существенно использовать прошлые данные для поиска закономерностей, прогнозирования и анализа причин. Удивительно, что многие из этих алгоритмов до сих пор эффективно используются в производстве сегодня, подчеркивая их актуальность и эффективность.

Можете ли вы обсудить, как LLM и генеративный ИИ изменили рабочий процесс в ManageEngine?

Большие языковые модели (LLM) и генеративный ИИ, безусловно, вызвали волнение в потребительском мире, но их интеграция в корпоративную сферу, включая ManageEngine, была более постепенной. Одна из причин этого – высокий барьер для входа, особенно в плане стоимости, и значительные требования к данным и вычислительным ресурсам, которые эти модели требуют.

В ManageEngine мы стратегически инвестируем в доменно-специфические LLM, чтобы использовать их потенциал таким образом, который адаптирован к нашим потребностям. Это включает в себя разработку моделей, которые не являются просто общими в применении, но и тонко настроены на решение конкретных областей внутри нашей корпоративной деятельности. Например, мы работаем над LLM, посвященным безопасности, который может более эффективно флагировать события безопасности, и над другим, который фокусируется на мониторинге инфраструктуры. Эти специализированные модели в настоящее время находятся в разработке в наших лабораториях, отражая нашу приверженность использовать эмерджентные поведения LLM и генеративного ИИ таким образом, чтобы добавить ощутимую ценность нашим корпоративным решениям ИТ.

ManageEngine предлагает множество различных инструментов ИИ для различных случаев использования. Какой инструмент вы особенно гордитесь?

Я невероятно горжусь всеми нашими инструментами ИИ в ManageEngine, но наша аналитика поведения пользователей и сущностей (UEBA) выделяется для меня. Запущенная в наши ранние дни, она до сих пор является сильной и важной частью наших предложений. Мы поняли рыночные ожидания и добавили объяснение каждой аномалии в качестве стандартной практики. Наша возможность UEBA постоянно эволюционирует, и мы несём знания дальше, чтобы сделать ее лучше.

ManageEngine в настоящее время предлагает AppCreator, платформу для разработки низкокодовых настраиваемых приложений, которая позволяет командам ИТ создавать индивидуальные решения быстро и запускать их локально. Каково ваше мнение о будущем низкокодовых или безкодовых приложений? В конечном итоге они займут доминирующее положение?

Будущее низкокодовых и безкодовых приложений, таких как наш AppCreator, очень перспективно, особенно в контексте эволюционирующих бизнес-потребностей. Эти платформы становятся важными для организаций, чтобы расширить и максимизировать возможности своих существующих программных активов. По мере роста бизнеса и изменения его требований низкокодовые и безкодовые решения предлагают гибкий и эффективный способ адаптироваться и инновировать.

Кроме того, эти платформы играют решающую роль в ИТ-обеспечении бизнеса. Предлагая развивающиеся технологии, такие как ИИ в качестве сервиса, они значительно снижают барьер для входа для организаций, чтобы ощутить силу ИИ.

Можете ли вы поделиться своим собственным мнением об ИИ-рисках, включая предвзятость ИИ, и о том, как ManageEngine управляет этими рисками?

В ManageEngine мы признаем серьезную угрозу, исходящую от рисков ИИ, включая предвзятость ИИ, которая может расширить технологический разрыв и повлиять на критические бизнес-функции, такие как HR и финансы. Например, истории об ИИ, демонстрирующем предвзятое поведение при наборе персонала, являются предостерегающими историями, которые мы воспринимаем серьезно.

Чтобы смягчить эти риски, мы реализуем строгие политики и рабочие процессы, чтобы обеспечить, что наши модели ИИ минимизируют предвзятость на протяжении всего их жизненного цикла. Это крайне важно непрерывно мониторить эти модели, поскольку они могут начинаться без предвзятости, но потенциально развивать предвзятость со временем из-за изменений в данных.

Мы также инвестируем в передовые технологии, такие как дифференциальная приватность и гомоморфное шифрование, чтобы укрепить нашу приверженность безопасному и без предвзятости ИИ. Эти усилия имеют решающее значение для обеспечения того, чтобы наши инструменты ИИ были не только мощными, но и использовались ответственно и этично, сохраняя их целостность для всех пользователей и применений.

Каково ваше видение будущего ИИ и робототехники?

Будущее ИИ и робототехники формируется как захватывающее и трансформирующее. ИИ, безусловно, пережил свои взлеты и падения в прошлом. Однако с достижениями в сборе и обработке данных, а также появляющимися моделями доходов вокруг данных, ИИ теперь твердо установился и остается.

ИИ эволюционировал в мейнстримную технологию, существенно влияющую на то, как мы взаимодействуем с программным обеспечением как на уровне предприятия, так и на личном уровне. Его генеративные возможности уже стали неотъемлемой частью нашей повседневной жизни, и я предвижу, что ИИ станет еще более доступным и доступным для предприятий благодаря новым методам и достижениям.

Важным аспектом этого будущего является ответственность разработчиков ИИ. Это крайне важно, чтобы строители обеспечили, что их модели ИИ являются прочными и свободными от предвзятости. Кроме того, я надеюсь увидеть, как правовые рамки будут развиваться в темпе, соответствующем быстрому развитию ИИ, чтобы эффективно управлять и смягчить любые юридические проблемы, которые могут возникнуть.

Мое видение ИИ – это будущее, где эти технологии будут безшовно интегрированы в нашу повседневную жизнь, повышая нашу способность и опыт, будучи этично и ответственно управляемыми.

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить ManageEngine.