Ramprakash Ramamoorthy, หัวหน้าฝ่ายวิจัย AI ที่ ManageEngine – สัมภาษณ์ ซีรี่ส์

Ramprakash Ramamoorthy, เป็นหัวหน้าฝ่ายวิจัย AI ที่ ManageEngine, ซึ่งเป็นหน่วยงานจัดการ IT ขององค์กรของ Zoho Corp ManageEngine ช่วยให้องค์กรสามารถควบคุม IT ของตนเองได้ ตั้งแต่ด้านความปลอดภัย เครือข่าย และเซิร์ฟเวอร์ ไปจนถึงแอปพลิเคชัน ห้องบริการ การจัดการไดเรกทอรี เดสก์ท็อป และอุปกรณ์มือถือ

คุณเริ่มสนใจคอมพิวเตอร์และการเรียนรู้ของเครื่องจักรอย่างไร?

เมื่อเติบโตขึ้น ฉันมีความอยากรู้อยากเห็นเกี่ยวกับการคำนวณ แต่การเป็นเจ้าของคอมพิวเตอร์ส่วนตัวนั้นเกินความสามารถของครอบครัวของฉัน อย่างไรก็ตาม ขอบคุณที่ปู่ของฉันเป็นอาจารย์สอนเคมีที่วิทยาลัยท้องถิ่น ฉันจึงมีโอกาสใช้คอมพิวเตอร์ที่นั่นหลังเลิกเรียน

ความสนใจของฉันลึกซึ้งยิ่งขึ้นในมหาวิทยาลัย ซึ่งฉันได้รับคอมพิวเตอร์ส่วนตัวของฉันเองที่นั่น ฉันพัฒนาคู่ของเว็บแอปพลิเคชันสำหรับมหาวิทยาลัยของฉัน แอปพลิเคชันเหล่านี้ยังคงใช้งานได้จนถึงทุกวันนี้ ซึ่งแสดงให้เห็นถึงผลกระทบและความยาวนานของงานในระยะแรกของฉัน การใช้งานนี้เป็นบทเรียนที่ครอบคลุมเกี่ยวกับวิศวกรรมซอฟต์แวร์และความท้าทายในโลกแห่งความเป็นจริงในการปรับขนาดและใช้งานแอปพลิเคชัน

การเดินทางอาชีพของฉันในด้านเทคโนโลยีเริ่มต้นด้วยการฝึกงานที่ Zoho Corp ในตอนแรก ฉันอยากพัฒนาแอปพลิเคชันมือถือ แต่เจ้านายของฉันให้ฉันทำโครงการการเรียนรู้ของเครื่องจักรก่อนที่จะไปพัฒนาแอปพลิเคชัน ซึ่งกลายเป็นจุดเปลี่ยน – ฉันไม่เคยได้โอกาสพัฒนาแอปพลิเคชันมือถือเลย ดังนั้นมันจึงเป็นเรื่องที่น่าเสียดายเล็กน้อย

ที่ Zoho Corp เรามีวัฒนธรรมการเรียนรู้โดยการทำ เราเชื่อว่าถ้าคุณใช้เวลากับปัญหาเพียงพอ คุณจะกลายเป็นผู้เชี่ยวชาญ ฉันรู้สึกขอบคุณสำหรับวัฒนธรรมนี้และคำแนะนำจากเจ้านายของฉัน ซึ่งเป็นสิ่งที่ช่วยให้ฉันเริ่มเดินทางเข้าสู่โลกของการเรียนรู้ของเครื่องจักร

ในฐานะผู้อำนวยการฝ่ายวิจัย AI ที่ Zoho & ManageEngine วันทำงานปกติของคุณมีลักษณะอย่างไร?

วันทำงานของฉันคือการทำงานร่วมกับทีมและวางแผนเชิงกลยุทธ์ ส่วนสำคัญของวันของฉันถูกใช้ไปกับการทำงานอย่างใกล้ชิดกับทีมวิศวกรและนักคณิตศาสตร์ที่มีความสามารถ เราร่วมกันสร้างและปรับปรุง AI ของเรา ซึ่งเป็นรากฐานของบริการของเรา

เราทำงานเป็นทีม AI กลางที่ให้บริการ AI เป็นบริการแก่ผลิตภัณฑ์ต่างๆ ภายใน ManageEngine และ Zoho ซึ่งต้องมีความเข้าใจอย่างลึกซึ้งเกี่ยวกับผลิตภัณฑ์ต่างๆ และความต้องการที่แตกต่างกัน การโต้ตอบของฉันไม่จำกัดเฉพาะทีมของฉันเท่านั้น แต่ยังทำงานอย่างกว้างขวางกับทีมภายในทั่วทั้งองค์กร การทำงานร่วมกันนี้เป็นสิ่งสำคัญสำหรับการจัดแนวกลยุทธ์ AI ของเรากับความต้องการที่เปลี่ยนแปลงอย่างต่อเนื่องของลูกค้า ซึ่งเป็นโอกาสที่ดีในการทำงานร่วมกับคนฉลาดที่สุดในบริษัท

เนื่องจากความก้าวหน้าอย่างรวดเร็วใน AI ฉันจึงใช้เวลาอย่างมีนัยสำคัญในการติดตามความก้าวหน้าและแนวโน้มล่าสุดในด้านนี้ การเรียนรู้อย่างต่อเนื่องนี้เป็นสิ่งจำเป็นสำหรับการรักษาความได้เปรียบและรับรองว่ากลยุทธ์ของเรายังคงมีความเกี่ยวข้องและมีประสิทธิภาพ

นอกจากนี้ บทบาทของฉันยังขยายออกไปนอกสำนักงาน ฉันมีความหลงใหลในการพูดและเดินทาง ซึ่งเข้ากันได้ดีกับความรับผิดชอบของฉัน ฉันเข้าร่วมการอภิปรายกับนักวิเคราะห์และเข้าร่วมในฟอรัมต่างๆ เพื่อเผยแพร่กลยุทธ์ AI ของเรา การโต้ตอบเหล่านี้ไม่เพียงแต่ช่วยในการเผยแพร่วิสัยทัศน์และความสำเร็จของเราเท่านั้น แต่ยังให้ข้อมูลเชิงลึกที่มีคุณค่าซึ่งนำกลับเข้าสู่การวางแผนเชิงกลยุทธ์และการดำเนินการของเรา

คุณได้เห็นการพัฒนาของ AI ตั้งแต่จัดตำแหน่ง ManageEngine เป็นหนึ่งในผู้บุกเบิก AI กลยุทธ์ในปี 2013 อัลกอริทึมการเรียนรู้ของเครื่องจักรใดที่ใช้ในยุคแรกๆ?

จุดสนใจแรกของเราคือการแทนที่เทคนิคสถิติแบบดั้งเดิมด้วยโมเดล AI ตัวอย่างเช่น ในการตรวจจับอาการผิดปกติ เราเปลี่ยนจากวิธีการใช้การกระจายตัวแบบเบลล์เคิร์ฟที่ระบุความผิดปกติเป็นโมเดล AI ที่สามารถเรียนรู้จากข้อมูลในอดีต ระบุรูปแบบและฤดูกาล

เรานำอัลกอริทึมหลากหลาย – ตั้งแต่เครื่องจักรสนับสนุนเวกเตอร์ไปจนถึงวิธีการที่ใช้ต้นไม้การตัดสินใจ – เป็นพื้นฐานของแพลตฟอร์ม AI ของเรา อัลกอริทึมเหล่านี้มีความสำคัญในการระบุกรณีการใช้งานเฉพาะที่ AI สามารถใช้ข้อมูลในอดีตเพื่อค้นหารูปแบบ การคาดการณ์ และการวิเคราะห์เหตุผลที่แท้จริงได้อย่างมีนัยสำคัญ น่าประทับใจที่อัลกอริทึมเหล่านี้ยังคงอยู่ในการผลิตจนถึงทุกวันนี้ ซึ่งเน้นย้ำถึงความเกี่ยวข้องและประสิทธิภาพของพวกมัน

คุณสามารถพูดถึงว่า LLMs และ Generative AI ได้เปลี่ยนแปลงการทำงานที่ ManageEngine อย่างไร?

โมเดลภาษาขนาดใหญ่ (LLMs) และ AI ที่สร้างสรรค์ทำให้เกิดการเปลี่ยนแปลงในโลกผู้บริโภค แต่การรวมเข้ากับโลกองค์กร รวมถึง ManageEngine ด้วยนั้นเป็นกระบวนการที่ค่อยเป็นค่อยไป สาเหตุหนึ่งคืออุปสรรคในการเข้าถึงสูง โดยเฉพาะในด้านต้นทุน และความต้องการข้อมูลและคำนวณที่สำคัญสำหรับโมเดลเหล่านี้

ที่ ManageEngine เรากำลังลงทุนเชิงกลยุทธ์ในการพัฒนา LLM ที่เฉพาะด้านเพื่อใช้ประโยชน์จากศักยภาพของมันในลักษณะที่เหมาะสมกับความต้องการของเรา ซึ่งรวมถึงการพัฒนาโมเดลที่ไม่เพียงแต่ใช้งานได้ทั่วไป แต่ยังปรับให้เหมาะสมสำหรับพื้นที่เฉพาะภายในการดำเนินงานขององค์กรของเรา ตัวอย่างเช่น เรากำลังทำงานเกี่ยวกับ LLM ที่อุทิศให้กับความปลอดภัย ซึ่งสามารถระบุเหตุการณ์ด้านความปลอดภัยได้อย่างมีประสิทธิภาพมากขึ้น และอีกอันหนึ่งที่มุ่งเน้นไปที่การตรวจสอบโครงสร้างพื้นฐาน โมเดลเหล่านี้อยู่ในการพัฒนาที่ห้องปฏิบัติการของเรา ซึ่งสะท้อนถึงความมุ่งมั่นของเราในการใช้พฤติกรรมที่เกิดขึ้นของ LLMs และ AI ที่สร้างสรรค์ให้เกิดประโยชน์ที่แท้จริงต่อโซลูชัน IT ขององค์กรของเรา

ManageEngine มีเครื่องมือ AI หลากหลายสำหรับการใช้งานต่างๆ คุณภูมิใจในเครื่องมือใดเป็นพิเศษ?

ฉันภูมิใจในเครื่องมือ AI ทั้งหมดของ ManageEngine แต่การวิเคราะห์พฤติกรรมผู้ใช้และเอนติตี้ (UEBA) ของเรานั้นโดดเด่นสำหรับฉัน เราเปิดตัว UEBA ในช่วงแรกๆ และยังคงเป็นส่วนสำคัญของข้อเสนอของเรา เราเข้าใจความคาดหวังของตลาดและเพิ่มคำอธิบายสำหรับการผิดปกติแต่ละรายการเป็นแนวปฏิบัติมาตรฐาน ความสามารถ UEBA ของเรากำลังพัฒนาและเรานำความรู้ไปใช้เพื่อปรับปรุงมัน

ManageEngine เสนอ AppCreator ซึ่งเป็นแพลตฟอร์มพัฒนาแอปพลิเคชันแบบมีค