Ramprakash Ramamoorthy, керівник досліджень штучного інтелекту в ManageEngine – Серія інтерв’ю

Ramprakash Ramamoorthy є керівником 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 стали цікавитися комп’ютерними науками та машинним навчанням?

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

Моя цікавість поглибилася в університеті, де я нарешті отримав свій власний персональний комп’ютер. Там я розробив кілька веб-застосунків для моєї університету. Ці застосунки досі використовуються сьогодні – вже 12 років тому – що підкреслює вплив і тривалість моєї ранньої роботи. Цей досвід став повним уроком у сфері програмної інженерії та реальних проблем масштабування та розгортання застосунків.

Моя професійна кар’єра в галузі технологій розпочалася з інтернатури в Zoho Corp. Спочатку моє серце було звернено до розробки мобільних застосунків, але мій керівник підштовхнув мене до завершення проекту машинного навчання перед переходом до розробки застосунків. Це став поворотним моментом – я так і не отримав можливості займатися розробкою мобільних застосунків – тому це трохи гірко.

У Zoho Corp у нас є культура навчання шляхом виконання. 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 у світі машинного навчання.

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

Мій робочий день динамічний і складається як із співпраці команди, так і зі стратегічного планування. Значна частина мого дня присвячена роботі в тісній співпраці з талановитою командою інженерів та математиків. Разом ми будуємо та покращуємо наш стек штучного інтелекту, який утворює основу наших послуг.

Ми діємо як центральна команда штучного інтелекту, надаючи рішення штучного інтелекту як послугу широкому спектру продуктів як у ManageEngine, так і в Zoho. Ця роль вимагає глибокого розуміння різних ліній 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 найбільшими розумами по всій компанії.

Ураховуючи швидкий темп розвитку штучного інтелекту, я присвячую значну частину часу ознайомленню з останніми розробками та тенденціями в цій галузі. Це безперервне навчання є необхідним для підтримки нашої конкурентоспроможності та забезпечення того, щоб 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 розповсюджувати нашу стратегію штучного інтелекту. Ці взаємодії не лише допомагають у розповсюдженні нашої бачення та досягнень, але також надають цінних знань, які повертаються до нашого стратегічного планування та виконання.

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

Наш первинний фокус був на заміні традиційних статистичних методів моделями штучного інтелекту. Наприклад, у виявленні аномалій ми перейшли від методології колокола до моделей штучного інтелекту, які були здатні вивчати з минулих даних, розпізнавати закономірності та сезонність.

Ми впровадили широкий спектр алгоритмів – від машин векторної підтримки до методів, заснованих на деревах рішень – як основу нашої платформи штучного інтелекту. Ці алгоритми були вирішальними у визначенні спеціальних випадків використання, де штучний інтелект міг суттєво використати минулі дані для пошуку закономірностей, прогнозування та аналізу причин.

Чи можете ви обговорити, як LLM та генерація штучного інтелекту змінили робочий процес у ManageEngine?

Багатомодальні мови (LLM) та генерація штучного інтелекту, безумовно, викликали переполох у споживчому світі, але їхнє впровадження в корпоративну сферу, включаючи ManageEngine, було більш поступовим. Однією з причин цього є висока межа входу, особливо у термінах витрат, та суттєві вимоги до даних та обчислювальних ресурсів, які ці моделі вимагають.

У ManageEngine ми стратегічно інвестуємо у доменні LLM, щоб використати їхній потенціал таким чином, щоб він був адаптований до наших потреб. Це включає розвиток моделей, які не лише загальні у застосуванні, але й дофільтровані для вирішення конкретних питань у наших корпоративних операціях. Наприклад, ми працюємо над LLM, присвяченим безпеці, який може більш ефективно виділяти події безпеки, та іншим, який зосереджується на моніторингу інфраструктури. Ці спеціалізовані моделі зараз розвиваються у наших лабораторіях, відображаючи нашу відданість використанню емерджентних поведінок LLM та генерації штучного 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 горді?

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

ManageEngine зараз пропонує AppCreator, платформу для розробки користувачами низькокодових застосунків, яка дозволяє ІТ-командам швидко створювати індивідуальні рішення та розгортати їх локально. Які ваші погляди на майбутнє низькокодових або безкодових застосунків? Зрештою, вони замінять інші?

Майбутнє низькокодових та безкодових застосунків, таких як наш AppCreator, є надзвичайно перспективним, особливо у контексті еволюції бізнес-потреб. Ці платформи стають вирішальними для організацій, щоб розширити та максимізувати можливості своїх існуючих програмних активів. Коли бізнес росте 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-технологій для бізнесу. Наданням еволюційних технологій, таких як штучний інтелект як послуга, вони суттєво знижують межу входу для організацій, щоб ознайомитися з потужністю штучного інтелекту.

Чи можете ви поділитися своїми 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 розрив у доступі до технологій та вплинути на критичні бізнес-функції, такі як кадрове забезпечення та фінанси. Наприклад, історії про те, як штучний інтелект демонструє упереджену поведінку у процесі набору 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 усього їхнього життєвого циклу. Це важливо постійно моніторити ці моделі, оскільки вони можуть починатися без упередженості, але потенційно розвивати упередженість з часом через зміни у даних.

Ми також інвестуємо в передові технології, такі як диференціальна приватність та гомоморфне шифрування, щоб зміцнити нашу відданість безпечному та безупередженому 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 цікавим, так і трансформаційним. Штучний інтелект, безумовно, пройшов свій цикл буму та спаду в минулому. Однак із вдосконаленням збору даних та обробки, а також появою нових моделей доходів навколо даних, штучний інтелект тепер твердо встановився та залишається.

Штучний інтелект еволюціонував у загальну технологію, суттєво впливаючи на те, як ми взаємодіємо з програмним забезпеченням як на рівні підприємства, так і на особистому рівні. Його генераційні можливості вже стали невід’ємною частиною нашого щоденного 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. Це важливо, щоб будівельники забезпечували, щоб їхні моделі штучного інтелекту були надійними та вільними від упередженості. Крім того, я сподіваюсь побачити, як правові рамки розвиватимуться у 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 безшовно інтегруються у нашу повсякденне життя, підвищуючи наші можливості та досвід, будучи етично та відповідально керованими.

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