Рампракаш Рамамурті, керівник досліджень штучного інтелекту в ManageEngine – Серія інтерв’ю

Рампракаш Рамамурті – керівник досліджень штучного інтелекту в ManageEngine, підрозділі управління корпоративною ІТ-інфраструктурою Zoho Corp. ManageEngine надає підприємствам можливість контролювати свою ІТ-інфраструктуру, від безпеки, мереж та серверів до застосунків, служби підтримки, Active Directory, робочих столів та мобільних пристроїв.

Як ви спочатку зацікавилися комп’ютерними науками та машинним навчанням?

Виростаючи, я мав природну цікавість до обчислювальної техніки, але володіння особистим комп’ютером було поза можливостями моєї сім’ї. Однак, завдяки посаді мого діда як професора хімії в місцевому коледжі, іноді мені доводилося користуватися комп’ютерами там після робочого дня.

Мій інтерес поглибився в університеті, де я нарешті отримав свій власний комп’ютер. Там я розробив кілька веб-застосунків для свого університету. Ці застосунки досі використовуються сьогодні – цілих 12 років потому – що підкреслює вплив і тривалість моєї ранньої роботи. Це був комплексний урок з програмної інженерії та реальних проблем масштабування та розгортання застосунків.

Моя професійна кар’єра в технологіях розпочалася з стажування в Zoho Corp. Спочатку моє серце було звернено до розробки мобільних застосунків, але мій керівник підштовхнув мене до завершення проекту з машинним навчанням, перш ніж перейти до розробки застосунків. Це стало переломним моментом – я ніколи не мав можливості займатися розробкою мобільних застосунків – тому це трохи гірко.

У Zoho Corp ми маємо культуру навчання шляхом дії. Ми вважаємо, що якщо ви витратите достатньо часу на проблему, ви станете експертом. Я дуже вдячний цій культурі та керівництву мого керівника; це те, що запустило мою кар’єру в світі машинного навчання.

Як керівник досліджень штучного інтелекту в Zoho та ManageEngine, який виглядає ваш звичайний робочий день?

Мій робочий день динамічний і складається з командиної співпраці та стратегічного планування. Значна частина мого дня присвячена роботі в тісній співпраці з талановитою командою інженерів та математиків. Разом ми будемо створювати та покращувати наш стек штучного інтелекту, який складає основу наших послуг.

Ми працюємо як центральна команда штучного інтелекту, надаємо рішення з штучним інтелектом як послугу широкому спектру продуктів як у ManageEngine, так і в Zoho. Ця роль вимагає глибокого розуміння різних продуктів та їхніх унікальних вимог. Мої взаємодії не обмежуються лише моєю командою; я також працюю широко з внутрішніми командами по всій організації. Ця співпраця є важливою для узгодження нашої стратегії штучного інтелекту з конкретними потребами наших клієнтів, які постійно еволюціонують. Це така велика можливість спілкуватися з найрозумнішими людьми по всій компанії.

Ураховуючи швидкий темп розвитку штучного інтелекту, я присвячую значну частину часу збереженню актуальності останніх розробок та тенденцій у цій галузі. Це безперервне навчання є важливим для підтримання нашого лідерства та забезпечення того, що наші стратегії залишаються актуальними та ефективними.

Крім того, моя роль виходить за межі офісу. У мене є пристрасть до публічних виступів та подорожей, яка добре поєднується з моїми обов’язками. Я часто взаємодію з аналітиками та беру участь у різних форумах, щоб просувати нашу стратегію штучного інтелекту. Ці взаємодії не лише допомагають поширювати нашу бачення та досягнення, але також надають цінні знання, які повертаються до нашого стратегічного планування та виконання.

Ви були свідками еволюції штучного інтелекту, починаючи з позиціонування ManageEngine як стратегічного піонера штучного інтелекту ще у 2013 році. Які були деякі алгоритмів машинного навчання, які використовувалися в ці перші дні?

Наш перша увага була зосереджена на заміні традиційних статистичних методів моделями штучного інтелекту. Наприклад, у виявленні аномалій ми перейшли від методології колокола до моделей штучного інтелекту, які могли вивчити минулі дані, розпізнати закономірності та сезонність.

Ми впровадили широкий спектр алгоритмів – від методів опорних векторів до методів, заснованих на деревах рішень – як основу нашої платформи штучного інтелекту. Ці алгоритми були важливими для визначення спеціальних випадків використання, де штучний інтелект міг суттєво використати минулі дані для пошуку закономірностей, прогнозування та аналізу кореневих причин. Подивлячись назад, багато з цих алгоритмів досі ефективно використовуються сьогодні, що підкреслює їхню актуальність та ефективність.

Чи можете ви обговорити, як великі мови моделі (LLM) та генераційна штучний інтелект змінили робочий процес у ManageEngine?

Великі мови моделі (LLM) та генераційна штучний інтелект, безумовно, викликали хвилювання у споживчому світі, але їхнє впровадження в корпоративну сферу, включаючи ManageEngine, було більш поступовим. Однією з причин цього є висока бар’єр для входу, особливо у вигляді витрат, та суттєві вимоги до даних та обчислювальних ресурсів, які ці моделі вимагають.

У ManageEngine ми стратегічно інвестуємо в галузеві LLM, щоб використовувати їхній потенціал таким чином, щоб він був адаптований до наших потреб. Це включає розвиток моделей, які не лише загальні у своїй aplikatsiyi, але й доцільно налаштовані для вирішення конкретних питань у нашій корпоративній діяльності. Наприклад, ми працюємо над LLM, присвяченим безпеці, який може ефективніше виявляти безпекові події, та іншим, який зосереджується на моніторингу інфраструктури. Ці спеціалізовані моделі зараз розробляються в наших лабораторіях, що відображає нашу приверженість використанню емерджентних поведінок LLM та генераційної штучний інтелекту таким чином, щоб додати відчутну цінність нашим корпоративним ІТ-рішенням.

ManageEngine пропонує велику кількість різних інструментів штучного інтелекту для різних випадків використання. Який інструмент ви особливо пишаєтеся?

Я надзвичайно пишаюсь усіма нашими інструментами штучного інтелекту в ManageEngine, але наша аналітика поведінки користувачів та сутностей (UEBA) виділяється для мене. Запущена в наші перші дні, вона все ще є сильною та життєво важливою частиною нашої пропозиції. Ми зрозуміли очікування ринку та додали пояснення до кожної аномалії як стандартну практику. Наша можливість UEBA постійно еволюціонує, і ми несемо знання вперед, щоб зробити її кращою.

ManageEngine зараз пропонує AppCreator, платформу для розробки низькокодових застосунків, яка дозволяє ІТ-командам створювати налаштовані рішення швидко та розгортати їх локально. Які ваші погляди на майбутнє низькокодових або безкодових застосунків? Чи вони врешті-решт займуть домінуючу позицію?

Майбутнє низькокодових та безкодових застосунків, таких як наш AppCreator, дуже перспективне, особливо в контексті еволюції бізнес-потреб. Ці платформи стають важливими для організацій, щоб розширити та максимізувати можливості своїх наявних програмних активів. Коли бізнес зростає та його вимоги змінюються, низькокодові та безкодові рішення пропонують гнучкий та ефективний спосіб адаптуватися та інновувати.

Крім того, ці платформи відіграють важливу роль у наданні ІТ-допомоги бізнесу. Надавши еволюційну технологію, таку як штучний інтелект як послугу, вони суттєво знижують бар’єр для входу організацій, щоб спробувати силу штучного інтелекту.

Чи можете ви поділитися своїми власними поглядами на ризики штучного інтелекту, включаючи упередженість штучного інтелекту, та як ManageEngine керує цими ризиками?

У ManageEngine ми визнаємо серйозну загрозу, яку становлять ризики штучного інтелекту, включаючи упередженість штучного інтелекту, яка може розширити технологічну пропасть та вплинути на критичні бізнес-функції, такі як HR та фінанси. Наприклад, історії про те, як штучний інтелект виявляє упереджену поведінку при наборі персоналу, є застережливими історіями, які ми сприймаємо серйозно.

Щоб пом’якшити ці ризики, ми впроваджуємо суворі політики та робочі процеси, щоб забезпечити, щоб наші моделі штучного інтелекту мінімізували упередженість протягом всього їхнього життєвого циклу. Це важливо постійно моніторити ці моделі, оскільки вони можуть починатися без упередженості, але потенційно розвивати упередженість з часом через зміни даних.

Ми також інвестуємо в передові технології, такі як диференціальне приватність та гомоморфне шифрування, щоб зміцнити нашу приверженість безпечному та необізнаному штучному інтелекту. Ці зусилля є важливими для забезпечення того, щоб наші інструменти штучного інтелекту були не лише потужними, але й використовувалися відповідально та етично, зберігаючи їх цілісність для всіх користувачів та застосунків.

Яке ваше бачення майбутнього штучного інтелекту та робототехніки?

Майбутнє штучного інтелекту та робототехніки формується як цікаве та трансформаційне. Штучний інтелект, безумовно, пройшов через свої цикли буму та спаду в минулому. Однак з прогресом у зборі та обробці даних, а також з появою нових моделей доходу навколо даних, штучний інтелект тепер твердо встановився та залишається.

Штучний інтелект еволюціонував у широко використовувану технологію, суттєво впливаючи на те, як ми взаємодіємо з програмним забезпеченням на рівні підприємства та особистого використання. Його генераційні можливості вже стали невід’ємною частиною нашого повсякденного життя, і я передбачаю, що штучний інтелект стане ще більш доступним та доступним для підприємств завдяки новим технікам та досягненням.

Важливим аспектом цього майбутнього є відповідальність розробників штучного інтелекту. Для будівельників важливо забезпечити, щоб їхні моделі штучного інтелекту були надійними та вільними від упередженості. Крім того, я сподіваюсь побачити, як правові рамки розвиватимуться в темпі, який відповідає швидкому розвитку штучного інтелекту, щоб ефективно керувати та пом’якшувати будь-які юридичні питання, які можуть виникнути.

Моє бачення штучного інтелекту – це майбутнє, де ці технології будуть безшовно інтегровані в нашу повсякденне життя, підвищуючи нашу здатність та досвід, будучи етично та відповідально керованими.

Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати ManageEngine.