«Ведущие с данными создание организации, основанной на данных, с Шрикантом Веламаканни»

Шрикант Веламаканни рассказывает о создании организации, основанной на данных, с ведущими экспертами в этой области

‘Ведущие с данными’ Analytics Vidhya – это серия интервью, в которых лидеры отрасли делятся своими опытом, карьерным путем, интересными проектами и многим другим. В 5-м эпизоде этой серии к нам присоединился очень особый гость – г-н Срикант Валамаканни. Он является Групповым Генеральным Директором, соучредителем и вице-председателем Fractal Analytics, одной из крупнейших компаний в области искусственного интеллекта в Индии. В этом интервью он делится своими идеями и наблюдениями о том, как создать организацию, основанную на данных. Будучи одним из пионеров в области аналитики данных в стране, он также говорит о изменениях в области искусственного интеллекта за последние годы. Кроме того, его глубокая страсть к аналитике, науке о данных и образованию также описана в беседе с основателем и генеральным директором Analytics Vidhya, г-ном Куналом Джайном. Вот некоторые отрывки из интервью.

Вы можете посмотреть полное интервью здесь.

Эволюция искусственного интеллекта

Кунал Дж: Я хочу начать с ваших очень ранних дней. Вы основали Fractal 23 года назад, когда аналитика была почти неизвестна. Так что вы видели, как эта отрасль развивалась от узкой специализации до того, что она является сегодня. Каково было это путешествие для вас?

Срикант В: Удивительным в нашем пути является то, что он отражает путь прогресса искусственного интеллекта. Искусственный интеллект, как вы все знаете, был термином, введенным на Летней конференции в Дартмуте в 1956 году. У меня был доступ к записям и заметкам с конференции в 2006 году, которая прошла через 50 лет после конференции в Дартмуте. Некоторые из участников с 1956 года, такие как Марвин Мински и другие, присутствовали на конференции 2006 года, чтобы обсудить прогресс в мире искусственного интеллекта за эти 50 лет. И они пытались понять, что произойдет в следующие много лет.

Я видел ход этого обсуждения и был заинтригован, потому что даже в 2006 году люди обсуждали, пойдет ли искусственный интеллект по пути логики первого порядка, создавая правила, исключения и т.д., или в сторону глубокого обучения или нейронных сетей, как они тогда назывались.

Раньше, когда я учился на электротехнике, в отделении компьютерных наук моего колледжа преподавались искусственный интеллект. У них был курс по искусственному интеллекту, в то время как мы изучали нейронные сети – и это были две разные вещи. Искусственный интеллект означал правила – например, логика нечеткости, создание правил – и мы делали все эти вещи, такие как распознавание отпечатков пальцев, верификация подписей и т.д., с использованием очень простых нейронных сетей. Это было в 90-х годах.

Так что даже в 2006 году определения и разграничения были не очень ясными. И всего через 4 года внезапно появились нейронные сети и глубокое обучение как основные темы во всем мире. Мы начали видеть впечатляющие результаты из лабораторий IBM, Microsoft, Google и других компаний. А затем в 2011-2012 году произошло нечто очень интересное – Google понял, что эта технология изменит мир в значительной степени. И они наняли Джеффри Хинтона, который, как мы все знаем, преобразовал Google и добавил искусственный интеллект в каждый из их продуктов.

Итак, то, что я видел на протяжении многих лет, в отношении развития искусственного интеллекта, – это период “старых дней” Google. К 2010 году крупнейшие компании, которые являются родоначальниками искусственного интеллекта или цифровыми компаниями, начали осознавать его потенциал. И к 2015 году Fortune 100 и Fortune 500 компаний со всего мира начали просыпаться в этом отношении. Около 2014-2015 года я заметил, как многие директора начинали запрашивать у своих генеральных директоров представление их стратегии данных или стратегии искусственного интеллекта. Однако в Индии это все еще не было очень большим делом.

Но в 2020 году это стало действительно большим повсюду. Особенно после COVID все это начало развиваться, и теперь, в 2023 году, после появления ChatGPT, это стало тем, о чем мы не можем перестать говорить.

Путь Fractal в области искусственного интеллекта

Срикант В: Если посмотреть на путь развития Fractal, первые 10 лет Fractal были посвящены решению проблем с помощью аналитики. Так что у нас была очень четкая задача в принятии решений. Мы изучали, что происходит и предсказывали, что скорее всего произойдет с помощью данных и помогали компаниям принимать более обоснованные решения. Большая часть этого делалась с использованием логистической регрессии или деревьев решений, случайного леса, XGBoost и т.д. До 2010 года мы в основном работали с подобными техниками на структурированных данных.

В 2011-12 годах мы создали что-то под названием Fractal Sciences, чтобы исследовать самые впечатляющие новые проблемы в этой области и инвестировать в них. Отсюда возник ряд продуктов и в конечном итоге мы наняли Прашанта Варьер, который помог нам создать Cure.ai и развить его с 2015 по 2020 год.

Точно так же мы создали целый ряд стартапов в области искусственного интеллекта, таких как Crux Intelligence (AI-ориентированная бизнес-аналитика), Eugenie.ai (AI для устойчивого развития), Asper.ai (AI для управления ростом доходов) и Senseforth.ai (AI для продаж и обслуживания клиентов).

С 2015 по 2020 год мы действительно начали активно использовать AI, ML и DL не только для решения проблем клиентов, но и для создания собственных продуктов и бизнесов. А с 2022 года мы активно занимаемся созданием собственных моделей основы, наших собственных моделей диффузии и их использованием для решения новых проблем, о которых раньше и не подозревали.

Поворот к Дата-Драйвовой Экосистеме

Кунал Джей: А посреди всего этого, когда наступило ваше Еврейское мгновение – когда вы сами осознали, что глубинное обучение по сути будет двигать этот данных-ориентированный искусственный интеллект, в отличие от традиционного AI, основанного на правилах и символах?

Шрикант В: Я всегда верил в нейронные сети еще со времен моего инженерного образования. Я всегда думал, что в этом есть огромный потенциал.

Но в 2012 или 2013 году я прочитал книгу, называющуюся Super Intelligence, автором которой был Ник Бостром, а также встретился с Ли Денгом, который был очень опытным ученым в Microsoft. Эти два события заставили меня осознать, что происходит в индустрии за последние 3 года и сколько я упустил. Тем временем, даже некоторые из моих друзей публиковали статьи по обучению без учителя и связанным темам. Именно тогда до меня дошло, что я уже опоздал, но я почти сразу начал. И вот тогда мы привлекли Прашанта, Сураджа и несколько других, чтобы присоединиться к нам и создать команду. Теперь, в 2023 году, кажется, что мы начали примерно на 10 лет раньше большинства остальных.

Кунал Джей: Как вы удерживаете себя в курсе не только требований бизнеса, но и относительно индустрии и исследований? Есть ли у вас совет для людей, которые руководят командами по науке о данных, в том, как сбалансировать оба аспекта?

Шрикант В: Я думаю, что мой совет всему индустрии – углубляйтесь, исследуйте и повышайте свою квалификацию. Ширина стала автоматической. Мы движемся в направлении времени, когда даже если вы хороши в управлении клиентами, решении проблем, машинном обучении, управлении людьми и многом другом и сегодня вы очень ценны, вы можете стать ненужными завтра. Это произошло в IT-индустрии, это произошло в технологической индустрии; это может произойти и в индустрии искусственного интеллекта. Ваша актуальность сейчас зависит от того, сколько вы прочли или развились за последнюю неделю, а не только за последние 10 лет.

Поэтому мой совет – если у вас нет глубины и преимущества, будет трудно выжить. Так что я бы сказал всем, начиная с младшего менеджмента и заканчивая старшим, не теряйте технического уровня. Потратите каждый день некоторое время на чтение научных статей и будьте в курсе последних технологий, потому что многое меняется быстро. Для сотрудников младшего и среднего уровня я бы сказал потратить массу времени на чтение научных статей и попытаться воспроизвести эти результаты. Для старших людей, у которых меньше времени, по крайней мере работайте с кем-то из команды, который делает то же самое. Также контактируйте с научным сообществом, исследователями и преподавателями, и узнайте, что будет следующим главным событием.

Я все еще делаю это. Хотя из-за того, что я глава Fractal, сложно найти время, я все же уделяю внимание технической стороне, чтобы продолжать развиваться и оставаться актуальным.

Создание организации, основанной на данных

Кунал Джей: Как вы видите эволюцию организаций в следующие 3-5 лет? Каким будет организация будущего? Как будет распределена работа между людьми и машинами?

Искусственный интеллект – это самая впечатляющая технология роста производительности, с которой мы когда-либо сталкивались.

– Шрикант Веламаканни, Групповой CEO, Со-основатель, Fractal Analytics

Шрикант В: Позвольте мне начать с очевидного. Машины и машинный интеллект будут играть все более важную роль в нашей работе. Это приведет к росту производительности, новому интеллекту и все будет становиться все больше автоматизированным. Доля машинного компонента в рабочей силе будет расти, как это произошло при механизации, промышленной революции, информационной революции и сейчас в эпоху ИИ. Каждая из этих фаз была связана с более крупной автоматизацией и более важной ролью машин по сравнению с людьми.

Второе, что происходит, это встроение все более развитого интеллекта в него. Все становится немного умнее. Этот прогресс является накопительным. Так что, хотя на коротком отрезке времени он выглядит линейным, на долгой дистанции, скажем, если посмотреть, как изменились смартфоны за последние 10 лет, рост будет экспоненциальным!

Теперь, когда речь идет о работе, я стараюсь задавать вопросы, типа, почему мы должны работать вообще? Это вопрос, который стоит задать. Какую роль играет работа в нашей жизни? И если речь идет о заработке на пропитание, финансовой безопасности, основных потребностях, жилье и т.д., я надеюсь, что мир дойдет до состояния, когда все это будет гарантировано каждому человеку. Тогда люди будут работать уже по более высоким потребностям – таким как любовь, страсть, чувство принадлежности, самореализация и т.д. Потому что мы уже создали столько богатства в мире, что больше не имеет смысла заставлять людей работать только для пропитания. Так что, через примерно 10-15 лет я верю, что мы будем работать потому, что хотим, а не потому, что вынуждены.

Также к тому времени изменится организационная структура. Я думаю, мы все еще находимся в остаточных явлениях индустриальной эры, когда от людей ожидают, что они будут работать с 9 утра до 5 вечера. Их время прихода и ухода записывается, и каждый их шаг становится предметом наблюдения. В будущем это изменится с временной системы на систему основанную на знаниях. Компании будут напоминать ателье художника, а не фабрику.

Подход к решению проблем фракталов

Кунал Дж.: Одна из ключевых особенностей методики решения проблем в Fractal – это сочетание искусственного интеллекта, инженерии и дизайна. Я также заметил, что вы акцентируете внимание на поведенческом дизайне и поведенческой экономике. Когда вы начали придерживаться такого подхода?

Срикант В.: Этот переход произошел около 7-8 лет назад в Fractal, когда я посмотрел, где мы добились успеха, а где неудачи.

Мы проанализировали это и поняли, что нам не хватает двух вещей. Во-первых, мы создали что-то, и у нас ушло много месяцев на реализацию этого, так как мы полностью зависели от внешней инженерной поддержки. Работая с такими крупными компаниями, как Tata и Airtel, хотя мы и создавали алгоритмы, им требовался год или даже больше для их реализации в их системах, и поэтому мы не занимались инженерной частью.

Другая вещь, которую мы узнали, – никогда не принимать проблему клиента всерьез. Они могут обратиться к нам с проблемой на нижнем уровне, скажем, “недостаточное количество кредитных карт продается” или “клиенты не используют определенную функцию по ожиданиям”. Но мы должны идти оттуда по течению, исследовать причину проблемы до корневой проблемы, которую мы должны решить. Это то, что мы узнали очень рано – переформулировать проблему клиента и выяснить, что именно решить.

Итак, вот как мы пришли к рецепту отличного решения проблемы, которому требуется искусственный интеллект, инженерия и дизайн, а также искусство переформулирования проблемы взаимодействуя с пользователями. Поэтому около 6-7 лет назад мы собрали команду людей из разных дисциплин, начиная от социологии и антропологии, заканчивая нейронауками и разработкой на Java, и создали команду по инженерии, где они могли работать вместе и создавать чудеса!

Образовательные инициативы Сриканта

Кунал Дж.: Еще один аспект, который меня увлекает, – это ваше увлечение образованием. Даже с таким загруженным графиком, вы находите время для преподавания курсов. Вы являетесь сооснователем университета Plaksha, и каждый год вы проводите курсы там. Вы также обучаете людей внутри Fractal. Что заставляет вас находить время на это? И можете ли вы рассказать о некоторых из этих усилий?

Срикант В.: Прежде всего, Кунал, я очень признателен своим учителям. У всех нас есть учителя, которые сделали огромную разницу в нашей жизни. Любой, кто успешен хоть в чем-то, должен поблагодарить учителя за то, что они верили в них, направляли их в правильном направлении, развивали их потенциал или обучали нужным навыкам в нужное время.

Учителя имеют огромный множительный эффект. Вы можете создать много блага для общества, улучшая образование. Если вы посмотрите на экономику с очень долгосрочной перспективы, образование и предпринимательство – это два вектора, которые приведут к лучше образованным людям, способным решать проблемы, и предпринимателям, готовым рисковать для решения этих проблем. Вместе они могут сделать мир лучше. Поэтому все время, которое я могу потратить на создание будущего общества или будущего мира, приносит мне огромное удовлетворение.

Так что создание Университета Плакша было одним из тех вещей. Но больше, чем деньги или что-либо еще, я верю, что важно время и усилия, которые вы вкладываете в это. Вы должны отдаться делу. Я могу потратить, знаете ли, 40 часов на преподавание курса, но 50-100 студентов, которые теперь освоили этот способ решения проблем через это взаимодействие, могут изменить мир. Даже один из них может изменить мир в значительной степени. И я бы сделал такую ставку, потому что я считаю, что через них мы можем создать более значимое влияние.

Я преподаю курс под названием “Машинное обучение для принятия лучших решений”. Это увлекательный курс, который объединяет разные науки, от нейронауки и поведенческих наук до решения проблем и организационных процессов между различными организациями. Такие же темы, когда я преподаю студентам, немного более технические, а когда я преподаю старшим руководителям, немного менее технические.

Скрытой пользой преподавания для меня является то, что это помогает мне оставаться молодым. Это заставляет меня быть настороже и помогает мне быть в курсе новостей. Преподавание – это лучший способ обучения. Вы осознаете свой уровень незнания, когда пытаетесь преподать тему. И затем вы инвестируете время на изучение этой темы. Если у вас завтра занятие, то вам лучше изучить и потрудиться, чтобы понять эту тему. Таким образом, это толкает меня в правильном направлении.

Кунал Джей: Дополнительно к этому, вы недавно запустили программу профессионального сертификата по Data Science на Coursera. Расскажите нам немного больше о данном сертификате по data science?

Срикант В: Я считаю, что это все еще на ранней стадии. Идея заключается в создании способа обучения отличных специалистов по анализу данных в нашей стране. В Индии сегодня очень мало специалистов по анализу данных. На сегодняшний день в ИТ-индустрии работает 6 миллионов профессионалов, и я считаю, что многие из них должны изучить искусственный интеллект и анализ данных. Кроме того, каждый год выпускается миллион инженеров, и им также стоит знать об этом. Идея состоит в том, чтобы сделать множество людей грамотными в области анализа данных, с более широким пониманием того, как использовать данные для решения проблем. Цель данного курса заключается в создании более осознанных, опытных и всесторонних специалистов по анализу данных, готовых вступить в индустрию и решать эти проблемы.

Раунд быстрых вопросов

Кунал Джей: Мы подходим к концу нашей сессии, и у нас еще осталось несколько тем для обсуждения. Поэтому давайте проведем раунд быстрых вопросов. Какую книгу вы последний раз читали?

Срикант В: Я стараюсь прочитывать до ста книг в год. Поэтому я всегда читаю параллельно от 20 до 25 книг. Но если бы мне пришлось выбрать одну книгу для рекомендации, это была бы книга под названием “Влияние: Психология убеждения” Роберта Чалдини. Это, вероятно, одна из лучших книг, которые я читал на любую тему. Еще одной книгой, которую я всегда рекомендую, является “Как вы измерите свою жизнь” Клейтона Кристенсена. И есть еще “В поисках смысла жизни” Виктора Франкла. Книга, которую я недавно прочитал и мне очень понравилась, называется “Молекула больше” Даниэлем З. Либерманом.

Кунал Джей: Если бы вы начинали сегодня, какой стартап вы бы создали? В какой сфере бы он был?

Срикант В: Отличный вопрос. Я хотел бы знать ответ на него. Я, конечно же, не создавал бы компанию, похожую на Fractal. Вероятно, я бы взялся за очень сложную задачу, которая пока не решена, и работал бы над ее решением, а затем пытался бы создать замечательную компанию вокруг этого.

Я считаю, что создание одной великой компании в жизни – это большое счастье, и то, что мы породили несколько стартапов, которые тоже имеют свой путь к величию, такие как Cure.ai или Crux Intelligence или Senseforth.ai, – все это замечательные идеи, которые могут стать прекрасными успешными компаниями. Мне уже кажется, что я делаю достаточно. Поэтому я точно не задумываюсь о новой идее самостоятельно. Но если бы мне пришлось сделать это, то это была бы идея решить одну проблему очень хорошо и создать глобальную компанию.

Это были основные моменты из нашего эксклюзивного интервью с Групповым исполнительным директором и сооснователем Fractal Analytics, г-ном Срикантом Веламаканни. Полное интервью вы можете посмотреть здесь. Следите за нашей серией “Ведущие с данными” на платформе сообщества Analytics Vidhya по ссылке Leading With Data для получения больше эксклюзивных интервью.