Joy Mustafi, Chief Data Scientist của Aviso, Inc – Loạt phỏng vấn

Được xếp hạng là một trong 10 nhà khoa học dữ liệu hàng đầu của Ấn Độ bởi Tạp chí Analytics India, Joy Mustafi đã dẫn đầu nghiên cứu khoa học dữ liệu tại các công ty công nghệ lớn như Salesforce, Microsoft và IBM, giành được 50 bằng sáng chế và viết hơn 25 bài báo về AI.

Ông đã gắn bó với IBM trong một thập kỷ với tư cách là Nhà khoa học dữ liệu, tham gia vào nhiều giải pháp trí tuệ kinh doanh, bao gồm IBM Watson. Ông từng là Nhà khoa học ứng dụng chính tại Microsoft, chịu trách nhiệm về nghiên cứu AI. Gần đây nhất, Mustafi là Nhà nghiên cứu chính cho nền tảng Einstein của Salesforce.

Mustafi cũng là Người sáng lập và Chủ tịch của MUST Research, một tổ chức phi lợi nhuận nhằm thúc đẩy sự xuất sắc và năng lực trong lĩnh vực khoa học dữ liệu, tính toán nhận thức, trí tuệ nhân tạo, học máy và phân tích nâng cao để mang lại lợi ích cho xã hội.

Gần đây, Mustafi đã gia nhập Aviso, Inc có trụ sở tại Redwood City với tư cách là Nhà khoa học dữ liệu trưởng, nơi ông sẽ tận dụng kinh nghiệm hàng thập kỷ của mình để giúp khách hàng của Aviso tăng tốc việc đóng giao dịch và mở rộng cơ hội doanh thu.

Điều gì đã thu hút bạn đến với AI?

Tôi yêu toán học rất nhiều, và cũng như vậy với lập trình. Tôi đã hoàn thành bằng cấp sau đại học về thống kê và làm việc sau đại học về ứng dụng máy tính. Khi tôi bắt đầu hành trình nghiên cứu AI của mình vào năm 2002 tại Viện Thống kê Ấn Độ ở Kolkata, tôi đã sử dụng ngôn ngữ lập trình C để phát triển một hệ thống mạng nơ-ron nhân tạo cho việc nhận dạng chữ viết tay. Đó là 2500+ dòng mã, tất cả được viết từ đầu mà không có thư viện tích hợp nào ngoài đầu vào/đầu ra tiêu chuẩn. Nó bao gồm làm sạch và tiền xử lý dữ liệu, kỹ thuật tính năng, và một thuật toán lan truyền ngược với một mạng nơ-ron đa lớp. Toàn bộ quá trình là sự kết hợp của tất cả các môn học mà tôi đã học. Vào thời điểm đó, AI không phổ biến trong thế giới doanh nghiệp, và chỉ có một số tổ chức học thuật đang thực hiện nghiên cứu tiên tiến trong lĩnh vực này. Và, bằng cách nào đó, AI không mới vào thời điểm đó! Lĩnh vực nghiên cứu AI có từ năm 1956, khi Giáo sư John McCarthy và những người khác đã khai sinh ra lĩnh vực này tại một hội thảo huyền thoại tại Đại học Dartmouth.

Bạn đã làm việc với một số công ty tiên tiến nhất trong lĩnh vực AI như IBM Watson & Microsoft. Dự án nào mà bạn đã làm việc là thú vị nhất?

Tôi muốn nhắc đến bằng sáng chế đầu tiên mà tôi được trao khi làm việc tại IBM: một phương pháp để giải quyết các vấn đề từ ngôn ngữ tự nhiên, đó là một vấn đề mở với IBM Watson. Hệ thống mà tôi đã phát triển có thể hiểu một vấn đề toán học hoặc đại số được nêu trong ngôn ngữ tự nhiên và cung cấp một giải pháp trong thời gian thực dưới dạng câu trả lời ngôn ngữ tự nhiên. Để làm điều đó, hệ thống phải xử lý các bước chính sau: Nhận các câu lệnh vấn đề đầu vào và câu hỏi cần trả lời; chuyển đổi các câu lệnh đầu vào thành một chuỗi các câu lệnh được định dạng tốt từ góc độ toán học; chuyển đổi các câu lệnh được định dạng tốt thành các phương trình toán học; giải quyết tập hợp các phương trình; và kể lại kết quả toán học trong ngôn ngữ tự nhiên.

Cũng có dự án tốt nhất của tôi cho Microsoft — Softie! Tôi đã phát minh và xây dựng một robot vật lý được trang bị các thiết bị đầu vào và cảm biến có thể thay thế để cho phép nó nhận thông tin từ con người. Một phương pháp giao tiếp tiêu chuẩn với máy tính cho phép người dùng thực hiện các điều chỉnh thực tế, cho phép tương tác phong phú hơn tùy thuộc vào ngữ cảnh. Chúng tôi đã có thể triển khai một hệ thống mạnh mẽ với các tính năng bao gồm bàn phím, thiết bị trỏ, màn hình cảm ứng, thị giác máy tính, nhận dạng giọng nói, v.v. Chúng tôi đã thành lập một nhóm từ các đơn vị kinh doanh khác nhau và khuyến khích họ khám phá các ứng dụng nghiên cứu về trí tuệ nhân tạo và các lĩnh vực liên quan.

Bạn cũng là Người sáng lập và Chủ tịch của MUST Research, một tổ chức phi lợi nhuận được đăng ký theo Đạo luật Xã hội và Trust của Ấn Độ. Bạn có thể cho chúng tôi biết về tổ chức phi lợi nhuận này?

MUST Research chuyên về việc thúc đẩy sự xuất sắc và năng lực trong lĩnh vực khoa học dữ liệu, tính toán nhận thức, trí tuệ nhân tạo, học máy và phân tích nâng cao để mang lại lợi ích cho xã hội. MUST nhằm xây dựng một hệ sinh thái để cho phép tương tác giữa học viện và doanh nghiệp, giúp họ giải quyết các vấn đề và nhận thức về các phát triển mới nhất trong kỷ nguyên nhận thức để cung cấp giải pháp, hướng dẫn hoặc đào tạo, tổ chức các bài giảng, hội thảo và hội thảo, và cộng tác về các chương trình khoa học và sứ mệnh xã hội. Tính năng thú vị nhất của MUST là nghiên cứu cơ bản về các công nghệ tiên tiến như trí tuệ nhân tạo, học máy, xử lý ngôn ngữ tự nhiên, phân tích văn bản, xử lý hình ảnh, thị giác máy tính, xử lý tín hiệu âm thanh, công nghệ giọng nói, hệ thống nhúng, robot, v.v.

Điều gì đã truyền cảm hứng cho bạn để ra mắt MUST Research?

Tình yêu của tôi với các bộ phim khoa học viễn tưởng và toán học có nghĩa là tôi thường nghĩ về cách công nghệ có thể thay đổi thế giới, và tôi đã nghĩ về việc thành lập một nhóm các chuyên gia như-minded về công nghệ tiên tiến kể từ năm 1993, khi tôi đang học lớp 9. Một khi tôi có việc làm đầu tiên, nó đã mất 10 năm để kêu gọi một cuộc họp — và thêm 10 năm để xác định một nhóm các chuyên gia phù hợp và thành lập một tổ chức phi lợi nhuận. Nhưng bây giờ, chúng tôi đã có khoảng 500 nhà khoa học dữ liệu trong MUST trên toàn Ấn Độ đang đóng góp nhiệt tình cho nghiên cứu về các công nghệ mới nổi.

Trong những năm qua, ngành công nghiệp đã đạt được những tiến bộ đáng kể trong học sâu, học tăng cường, xử lý ngôn ngữ tự nhiên, v.v. Khu vực nào của học máy mà bạn hiện xem là thú vị nhất?

Tất cả các thuật toán học máy đều thú vị khi chúng được triển khai như một sản phẩm hoặc dịch vụ có thể được sử dụng bởi các doanh nghiệp hoặc cá nhân trong thế giới thực. Kỷ nguyên học sâu có ưu và nhược điểm, mặc dù — đôi khi nó giúp trong việc kỹ thuật tính năng tự động, nhưng đồng thời nó có thể hoạt động như một hộp đen, và kết thúc với một kịch bản rác vào rác ra nếu không sử dụng đúng dữ liệu hoặc thuật toán. Một số công nghệ mới nhất cũng đòi hỏi nhiều tài nguyên và cần nhiều năng lực xử lý, thời gian và dữ liệu. Điều quan trọng cần nhớ là học sâu là một tập con của học máy (ML), mà ngược lại là một tập con của trí tuệ nhân tạo (AI), và AI là một tập con của khoa học dữ liệu — vì vậy tất cả đều liên kết. Và nó không chỉ là về Python, R hoặc Scala — tôi đã bắt đầu hành trình AI của mình trong C, và người ta thậm chí có thể viết chương trình AI trong mã assembly. Xây dựng các hệ thống AI thành công phụ thuộc trước hết vào việc hiểu môi trường kinh doanh hoặc nghiên cứu, và sau đó kết nối các điểm giữa hành động và dữ liệu để xây dựng một hệ thống thực sự giúp đỡ nhiều người trong các lĩnh vực khác nhau. Cho dù bạn đang làm việc với Xử lý ngôn ngữ tự nhiên, Thị giác máy tính, Phân tích video, Công nghệ giọng nói, hoặc Robot, cách tốt nhất để tiến bộ là bắt đầu với cách tiếp cận đơn giản nhất, và sau đó áp dụng các phương pháp phức tạp hơn theo từng giai đoạn khi bạn thử nghiệm và tinh chỉnh hệ thống của mình.

Bạn là một diễn giả khách mời thường xuyên tại các trường đại học hàng đầu ở Ấn Độ. Câu hỏi mà bạn thường nghe từ sinh viên là gì, và bạn trả lời nó như thế nào?

Câu hỏi duy nhất mà tôi thường nghe là: “Làm thế nào để trở thành một nhà khoa học dữ liệu?” Tôi luôn nói với những người trẻ rằng điều đó là hoàn toàn có thể, và cố gắng hướng dẫn họ sử dụng tình yêu toán học, thống kê hoặc khoa học máy tính của mình để cố gắng giải quyết các vấn đề kinh doanh thực tế. Người ta cũng hỏi tôi làm thế nào để tham gia MUST, và một lần nữa, câu trả lời rất đơn giản: “Xây dựng hồ sơ của bạn với nhiều dự án và tập trung vào việc suy nghĩ ngoài hộp.” Nếu bạn muốn trở thành một nhà khoa học dữ liệu, bạn cũng phải chứng minh rằng bạn có thể đổi mới. Không có sự đổi mới, chúng ta không thể gọi mình là nhà khoa học. Tất nhiên, việc được trao bằng sáng chế hoặc xuất bản nghiên cứu của bạn trong các tạp chí và hội nghị uy tín cũng giúp!

Bạn gần đây đã gia nhập Aviso, Inc với tư cách là nhà khoa học trưởng, để sử dụng chuyên môn AI/ML của mình. Bạn có thể cho chúng tôi biết một chút về Aviso và vai trò của bạn trong công ty này?

Aviso sử dụng AI và học máy để hướng dẫn các giám đốc bán hàng và loại bỏ việc đoán già trong quá trình tạo giao dịch. Đó là một thách thức thú vị, và trách nhiệm chính của tôi là giúp tổ chức phát triển theo hướng tích cực, sử dụng nghiên cứu sâu để thiết lập sân khấu cho thành công của khách hàng. Tôi đang sử dụng kiến thức và kinh nghiệm của mình trong trí tuệ nhân tạo và đổi mới để giúp các sản phẩm cốt lõi và dự án nghiên cứu của chúng tôi trở nên:

Thích nghi: Chúng phải học hỏi khi thông tin thay đổi, và khi mục tiêu và yêu cầu phát triển. Chúng phải giải quyết sự模糊 và dung thứ cho sự không chắc chắn. Chúng phải được thiết kế để nuôi dưỡng dữ liệu động trong thời gian thực.

Tương tác: Chúng phải tương tác dễ dàng với người dùng để người dùng có thể định nghĩa nhu cầu của mình một cách thoải mái. Chúng phải tương tác với các bộ xử lý, thiết bị, dịch vụ khác, cũng như với con người.

Lặp lại và có trạng thái: Chúng phải hỗ trợ việc định nghĩa một vấn đề bằng cách đặt câu hỏi hoặc tìm kiếm đầu vào nguồn bổ sung nếu một câu lệnh vấn đề là mơ hồ hoặc không đầy đủ. Chúng phải nhớ lại các tương tác trước đó trong một quá trình và trả lại thông tin phù hợp với ứng dụng cụ thể tại thời điểm đó.

Ngữ cảnh: Chúng phải hiểu, xác định và trích xuất các yếu tố ngữ cảnh như ý nghĩa, cú pháp, thời gian, vị trí, lĩnh vực phù hợp, quy định, hồ sơ người dùng, quy trình, nhiệm vụ và mục tiêu. Chúng phải dựa trên nhiều nguồn thông tin, bao gồm cả thông tin kỹ thuật số có cấu trúc và không cấu trúc.

Điều gì đã thu hút bạn đến vị trí này với Aviso?

Aviso đang làm việc để thay thế các hệ thống CRM cũ bằng các công cụ được kích hoạt bởi AI, không có ma sát, có thể cung cấp thông tin hành động và giải phóng tiềm năng đầy đủ của các đội bán hàng. Sản phẩm của chúng tôi là một hệ thống thông minh hiểu được các điểm đau của người bán hàng, loại bỏ việc nhập dữ liệu tốn thời gian và cung cấp cho các giám đốc điều hành những gợi ý và hướng dẫn họ cần để đóng giao dịch hiệu quả. Tôi đã bị thu hút bởi đội ngũ lãnh đạo mạnh mẽ và cơ sở khách hàng, nhưng cũng bởi cam kết của Aviso trong việc sử dụng các công cụ AI tinh vi để giải quyết các thách thức thực tế. Bán hàng là một phần quan trọng của bất kỳ doanh nghiệp nào, và Aviso giúp thực hiện điều đó bằng cách tận dụng sức mạnh của trí tuệ nhân tạo. Trúng bullseye! Còn gì nữa mà bạn có thể muốn?

Cuối cùng, có điều gì khác mà bạn muốn chia sẻ về AI?

Trí tuệ nhân tạo tạo ra một lớp mới của các vấn đề có thể tính toán. Để phản hồi với bản chất lưu động của sự hiểu biết của người dùng về các vấn đề của họ, hệ thống tính toán nhận thức cung cấp một sự tổng hợp không chỉ của các nguồn thông tin mà còn của các ảnh hưởng, ngữ cảnh và thông tin. Những hệ thống này khác với các ứng dụng tính toán hiện tại ở chỗ chúng vượt ra ngoài việc lập bảng và tính toán dựa trên các quy tắc và chương trình được định cấu hình trước. Chúng có thể suy diễn và thậm chí lý luận dựa trên các mục tiêu rộng lớn. Trong ý nghĩa này, tính toán nhận thức là một loại tính toán mới với mục tiêu phát triển các mô hình chính xác hơn về cách não bộ hoặc tâm trí con người cảm nhận, lý luận và phản ứng với kích thích. Đó là một lĩnh vực nghiên cứu liên ngành: trí tuệ nhân tạo là nơi hội tụ của nhiều khoa học và nghề nghiệp, bao gồm khoa học máy tính, điện tử, toán học, thống kê, tâm lý học, ngôn ngữ học, triết học, khoa học thần kinh và sinh học. Đó là điều làm cho nó trở nên thú vị!