Joy Mustafi, chefsdatavetare på Aviso, Inc – Intervjuserie

Rankad som en av Indiens 10 bästa datavetare av Analytics India Magazine, har Joy Mustafi lett datavetenskaplig forskning på teknikjättar som Salesforce (CRM ), Microsoft (MSFT ) och IBM, och har fått 50 patent och skrivit över 25 publikationer om AI.

Han var associerad med IBM under ett decennium som datavetare och deltog i en mängd olika affärsintelligenslösningar, inklusive IBM Watson. Han arbetade som Principal Applied Scientist på Microsoft och var ansvarig för AI-forskning. Nyligen var Mustafi Principal Researcher för Salesforce’s Einstein-plattform.

Mustafi är också grundare och president för MUST Research, en ideell organisation som främjar excellens inom områdena datavetenskap, kognitiv datoranvändning, artificiell intelligens, maskinlärning och avancerad analys för samhällets bästa.

Nyligen gick Mustafi med i Redwood City-baserade Aviso, Inc som chefsdatavetare, där han kommer att använda sin erfarenhet för att hjälpa Aviso-kunder att accelerera affärer och öka intäktsmöjligheter.

Vad var det som initialt drog dig till AI?

Jag älskar matematik och programmering. Jag gjorde min masterexamen i statistik och min post-graduate-examen i datavetenskap. När jag började min AI-forskningsresa 2002 på Indian Statistical Institute i Kolkata, använde jag programmeringsspråket C för att utveckla ett artificiellt neuronnätverk för att känna igen handskrivna siffror. Det var 2500+ rader med kod, allt skrivet från scratch utan några inbyggda bibliotek utöver standardindata / utdata. Det bestod av datarengöring och förbearbetning, funktionsteknik och en bakåtpropageringsalgoritm med ett multilagerperceptron. Hela processen var en kombination av alla ämnen som jag studerade. På den tiden var AI inte så populärt i den korporativa världen, och få akademiska organisationer gjorde avancerad forskning inom området. Och, förresten, AI var inte nytt på den tiden! AI-forskning går tillbaka till 1956, när professor John McCarthy och andra invigde området på en nu legendarisk workshop på Dartmouth College.

Du har arbetat med några av de mest avancerade företagen inom AI, som IBM Watson och Microsoft. Vilket är det mest intressanta projektet du har arbetat med?

Jag vill nämna det första patentet jag fick medan jag arbetade på IBM: en metod för att lösa ordproblem i naturligt språk, som var ett öppet problem med IBM Watson. Systemet jag utvecklade kunde förstå ett aritmetiskt eller algebraiskt problem uttryckt i naturligt språk och ge ett svar i realtid som ett naturligt språkssvar. För att göra det måste systemet hantera följande nyckelsteg: Få indataproblem och fråga som ska besvaras; konvertera indata meningar till en sekvens av meningar som är välbildade ur ett matematiskt perspektiv; konvertera de välbildade meningarna till matematiska ekvationer; lösa ekvationerna; och berätta det matematiska resultatet i naturligt språk.

Det finns också mitt bästa projekt för Microsoft — Softie! Jag uppfann och byggde en fysisk robot utrustad med olika typer av utbytbara inmatningsenheter och sensorer för att tillåta den att ta emot information från människor. En standardiserad metod för kommunikation med datorn gjorde det möjligt för användaren att göra praktiska justeringar, vilket möjliggjorde rikare interaktioner beroende på sammanhanget. Vi kunde implementera ett robust system med funktioner som tangentbord, pekdon, pekskärm, datorseende, taligenkänning och så vidare. Vi bildade ett team från olika affärsenheter och uppmuntrade dem att utforska forskningsapplikationer på artificiell intelligens och relaterade områden.

Du är också grundare och president för MUST Research, en ideell organisation registrerad under Society and Trust Act of India. Kan du berätta om denna ideella organisation?

MUST Research är dedikerad till att främja excellens och kompetens inom områdena datavetenskap, kognitiv datoranvändning, artificiell intelligens, maskinlärning och avancerad analys för samhällets bästa. MUST syftar till att bygga ett ekosystem som möjliggör interaktion mellan akademi och företag, för att hjälpa dem att lösa problem och göra dem medvetna om de senaste utvecklingarna inom den kognitiva eran för att tillhandahålla lösningar, erbjuda vägledning eller utbildning, organisera föreläsningar, seminarier och workshoppar och samarbeta om vetenskapliga program och samhällsuppdrag. Den mest spännande funktionen i MUST är dess grundforskning om banbrytande teknologier som artificiell intelligens, maskinlärning, naturligt språk, textanalys, bildbehandling, datorseende, ljudsignalbehandling, talteknik, inbäddade system, robotik och så vidare.

Vad var det som inspirerade dig att starta MUST Research?

Mitt kärlek till science fiction-filmer och matematik gör att jag ofta tänker på hur teknologi kan förändra världen, och jag har tänkt på att bilda en grupp av likasinnade experter på avancerad teknik sedan 1993, när jag var i 9:e klass. När jag fick mitt första jobb tog det 10 år att kalla till ett möte — och ytterligare 10 år att identifiera en grupp lämpliga experter och bilda en ideell förening. Nu har vi dock runt 500 datavetare i MUST över hela Indien som passionerat bidrar till forskning om nya teknologier.

Under de senaste åren har branschen sett betydande framsteg inom djupinlärning, förstärkt inlärning, naturligt språk och så vidare. Vilket område inom maskinlärning tycker du för närvarande är det mest spännande?

Alla maskinlärningsalgoritmer är spännande när de implementeras som en produkt eller tjänst som kan användas av företag eller individer i den verkliga världen. Djupinlärningseran har för- och nackdelar — ibland hjälper det till med automatisk funktionsteknik, men samtidigt kan det fungera som en svart låda och resultera i en “skräp-in-skräp-ut”-situation om rätt data eller algoritmer inte används. Några av de senaste teknologierna är också resurskrävande och kräver stora mängder bearbetningskraft, tid och data. Den viktigaste punkten att komma ihåg är att djupinlärning är en undergrupp till maskinlärning (ML), som i sin tur är en undergrupp till artificiell intelligens (AI), och AI är en undergrupp till datavetenskap — så allt hänger samman. Och det handlar inte om Python, R eller Scala — jag började min AI-resa i C, och man kan till och med skriva AI-program i assembly-kod. Att bygga framgångsrika AI-system beror först och främst på att förstå affärs- eller forskningsmiljön och sedan koppla punkterna mellan åtgärder och data för att bygga ett system som verkligen hjälper olika människor i olika domäner. Oavsett om du arbetar med naturligt språk, datorseende, videoanalys, talteknik eller robotik är den bästa vägen att börja med den enklaste möjliga metoden och sedan anta mer komplexa metoder iterativt när du experimenterar med och förfinar ditt system.

Du är en frekvent gästföreläsare på ledande universitet i Indien. Vilken fråga hör du ofta från studenter, och hur svarar du på den?

Den enda fråga jag hör oftast är: “Hur kan jag bli en datavetare?” Jag berättar alltid för unga människor att det är möjligt och försöker vägleda dem att använda sin kärlek till matematik, statistik eller datavetenskap för att försöka lösa verkliga affärsproblem. Människor frågar också hur de kan gå med i MUST, och svaret är enkelt: “Bygg din profil med flera projekt och fokusera på att tänka utanför boxen.” Om du vill bli en datavetare måste du också bevisa att du kan innovera. Utan innovation kan vi inte kalla oss själva vetenskapsmän. Naturligtvis hjälper det också att bli tilldelad patent eller publicera din forskning i väl ansedda tidskrifter och konferenser!

Du gick nyligen med i Redwood City-baserade Aviso som chefsdatavetare, för att använda din AI/ML-expertis. Kan du berätta lite om Aviso och din roll i företaget?

Aviso använder AI och maskinlärning för att vägleda säljchefer och ta bort gissningsarbetet i försäljningsprocessen. Det är en fascinerande utmaning, och min primära ansvar är att hjälpa organisationen att växa i en positiv riktning, med hjälp av djup forskning för att skapa en plattform för kundernas framgång. Jag använder min kunskap och erfarenhet inom artificiell intelligens och innovation för att hjälpa till att göra våra kärnprodukter och forskningsprojekt mer:

Anpassningsbara: De måste lära sig när information förändras och när mål och krav utvecklas. De måste lösa tvetydighet och tolerera oförutsägbarhet. De måste utvecklas för att mata på dynamisk data i realtid.

Interaktiva: De måste interagera lätt med användare så att de kan definiera sina behov bekvämt. De måste interagera med andra processorer, enheter, tjänster, samt med människor.

Iterativa och tillståndsbaserade: De måste hjälpa till att definiera ett problem genom att ställa frågor eller hitta ytterligare indata om ett problem är tvetydigt eller ofullständigt. De måste komma ihåg tidigare interaktioner i en process och returnera information som är lämplig för den specifika tillämpningen vid den tidpunkten.

Kontextuella: De måste förstå, identifiera och extrahera kontextuella element som betydelse, syntax, tid, plats, lämplig domän, reglering, användarprofil, process, uppgift och mål. De måste dra nytta av flera källor till information, inklusive både strukturerad och ostrukturerad digital information.

Vad var det som lockade dig till den här rollen på Aviso?

Aviso arbetar för att ersätta svullna äldre CRM-system med friktionsfria, AI-aktiverade verktyg som kan leverera handlingsbara insikter och låsa upp försäljningsteamens fulla potential. Vårt produkt är ett smart system som förstår smärtorna hos säljare, gör sig av med tidskrävande datainmatning och ger cheferna de förslag och vägledning de behöver för att stänga affärer effektivt. Jag lockades av det starka ledarskapsteamet och kundbasen, men också av Avisos engagemang för att använda avancerade AI-verktyg för att lösa verkliga utmaningar. Försäljning är en livsviktig del av alla företag, och Aviso hjälper till med det genom att utnyttja kraften i artificiell intelligens. Bulls-eye! Vad mer kan man önska?

Till sist, är det något annat du vill dela om AI?

Artificiell intelligens gör en ny klass av problem beräkningsbara. För att svara på den flytande naturen hos användarnas förståelse av sina problem erbjuder det kognitiva datorsystemet en syntes inte bara av informationskällor utan också av influenser, sammanhang och insikter. Dessa system skiljer sig från nuvarande datorapplikationer genom att de går utöver tabulering och beräkning baserat på förkonfigurerade regler och program. De kan också dra slutsatser och till och med resonera baserat på breda mål. I denna mening är kognitiv datoranvändning en ny typ av datoranvändning med målet att utveckla mer exakta modeller av hur den mänskliga hjärnan eller sinnet uppfattar, resonera och svarar på stimuli. Det är ett studieområde som undersöker hur man skapar datorer och datorprogram som är kapabla till intelligent beteende. Detta område är tvärvetenskapligt: artificiell intelligens är en plats där ett antal vetenskaper och yrken möts, inklusive datavetenskap, elektronik, matematik, statistik, psykologi, lingvistik, filosofi, neurovetenskap och biologi. Det är det som gör det så spännande!