ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഇന്റർ ഡിസിപ്ലിനറിയാണെന്ന് ഇന്ത്യൻ ഡാറ്റാ സയന്റിസ്റ്റ്
ഡാറ്റാ സയൻസ് എക്സ്ട്രാർഡിനേറ്റർ കരുൺ സിംഗ്ലയെ സംബന്ധിച്ചിടത്തോളം, അപ്ലൈഡ് മെഷീൻ ലേണിംഗ് എന്നത് സിദ്ധാന്തത്തെ വ്യക്തമായ ബിസിനസ്സ് സ്വാധീനത്തിലേക്ക് പരിവർത്തനം ചെയ്യുന്നതിനെക്കുറിച്ചാണ്. സാങ്കേതികവിദ്യയോടുള്ള അഭിനിവേശവും സങ്കീർണ്ണമായ പ്രശ്നങ്ങൾ പരിഹരിക്കാനുള്ള അശ്രാന്തമായ ത്വരയും കൊണ്ട് കരുൺ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ലോകത്ത് തന്റേതായ ഇടം നേടിയിട്ടുണ്ട്. പേടിഎം, ആലിബാബ, ഡെയ്ലിഹണ്ട്, റെവോലുട്ട് എന്നീ ആഗോള വലിയ ടെക് കമ്പനികളിലുടനീളം വർഷങ്ങളുടെ അനുഭവസമ്പത്തുള്ള അദ്ദേഹം ഉദ്ധരിക്കുന്നു, “സാമ്പത്തിക ഇടപാടുകളിലൂടെ ദിവസവും പെറ്റാബൈറ്റ് ഡാറ്റ സൃഷ്ടിക്കുന്ന ബിഗ് ഡാറ്റയുടെ യുഗത്തിലാണ് നമ്മൾ. മത്സരാധിഷ്ഠിതമായ മുൻതൂക്കം നേടുന്നതിനും നവീകരണം വർദ്ധിപ്പിക്കുന്നതിനും ഉപയോക്തൃ അനുഭവം മെച്ചപ്പെടുത്തുന്നതിനും ഉൾക്കാഴ്ചകൾ വേർതിരിച്ചെടുക്കുന്നത് എന്നത്തേക്കാളും നിർണായകമാണ്”.
ഡല്ഹി കോളേജ് ഓഫ് എഞ്ചിനീയറിംഗില് നിന്ന് ടെക്നോളജിയില് ബിരുദം നേടിയ താരമാണ് കരുണ്. സ്വന്തം പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നതിന് ഡാറ്റ ഉപയോഗപ്പെടുത്താനുള്ള വലിയ ഓർഗനൈസേഷനുകളുടെ കഴിവില്ലായ്മയ്ക്ക് എഞ്ചിനീയറിംഗ് വർഷം മുതൽ അദ്ദേഹം സാക്ഷ്യം വഹിച്ചു. ഇന്ത്യയിലെ ഏറ്റവും വലിയ കമ്പനിയായ ആദിത്യ ബിർള ഗ്രൂപ്പിൽ മെഷീൻ ലേണിംഗ് ഉപയോഗിച്ച് കാര്യമായ പ്രോസസ്സ് മെച്ചപ്പെടുത്തലുകൾ പ്രകടിപ്പിച്ച ശേഷം, കരുൺ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഉപയോഗിച്ച് ഫിൻടെക് തരംഗത്തിൽ മുന്നേറ്റം നടത്തി. ഇന്ത്യയിലെയും നൈജീരിയയിലെയും പ്രമുഖ ഫിൻടെക് കമ്പനികളിൽ അനലിറ്റിക്സിന് അദ്ദേഹം നേതൃത്വം നൽകി. വർഷങ്ങളായി, ഹെൽത്ത് കെയർ, ഇ-കൊമേഴ്സ്, ആഡ്ടെക് എന്നീ മേഖലകളിലുടനീളം മെഷീൻ ലേണിംഗിലെ തന്റെ വൈദഗ്ദ്ധ്യം വിപുലീകരിക്കുകയും ഇന്ത്യയിലെ ഏറ്റവും മികച്ച എം എൽ പ്രതിഭകളിലൊന്നായി ഉയരുകയും ചെയ്തു.
യുകെ ആസ്ഥാനമായുള്ള ഫിൻടെക് – റെവോലറ്റിനായി വളർച്ചാ സംരംഭങ്ങൾക്ക് അദ്ദേഹം നിലവിൽ നേതൃത്വം നൽകുന്നു. ലോകത്തിലെ ആദ്യത്തെ യഥാർത്ഥ ആഗോള ബാങ്കായി റെവോലറ്റിനെ പരിവർത്തനം ചെയ്യുന്നതിന്, കൂടുതൽ ബിസിനസ്സ് അവസരങ്ങൾ തുറക്കാൻ ഡാറ്റാ സയൻസിന് കഴിവുണ്ടെന്ന് കരുൺ വിശ്വസിക്കുന്നു.
മുകളിലും അപ്പുറവും പോകുന്നു
ഔട്ട്ലുക്ക് ഇന്ത്യ ഡൽഹിയിലെ ഷെർലക് ഇൻസ്റ്റിറ്റ്യൂട്ട് ഓഫ് ഫോറൻസിക് സയൻസസ് ആസ്ഥാനം സന്ദർശിച്ചു. വ്യവസായവും അക്കാദമിക മേഖലയും തമ്മിലുള്ള വിടവ് പരിഹരിക്കാൻ കരുൺ സ്വയം ഏറ്റെടുത്തു. “എഐയിലെ ഞങ്ങളുടെ പ്രമുഖ വ്യവസായ പങ്കാളിയാണ് കരുൺ. ഞങ്ങളുടെ വിദ്യാർത്ഥികൾക്ക് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് / എംഎൽ അവബോധജനകമാക്കുന്ന രീതിക്ക് അദ്ദേഹം എസ്ഐഎഫ്എസ് കമ്മ്യൂണിറ്റിയിൽ വളരെയധികം ബഹുമാനിക്കപ്പെടുന്നു,” എസ്ഐഎഫ്എസ് സിഇഒ ഡോ. കരുണിന്റെ കാഴ്ചപ്പാട് നന്നായി മനസ്സിലാക്കാൻ ഞങ്ങൾ അഭിമുഖം നടത്തി:
ചോദ്യം: നിങ്ങളുടെ കരിയറിലെ ഏറ്റവും പ്രധാനപ്പെട്ട പാഠങ്ങൾ എന്തൊക്കെയാണ്?
ഉത്തരം: ഡാറ്റാ സയൻസ് ഇന്റർ ഡിസിപ്ലിനറിയാണെന്ന് ഞാൻ വിശ്വസിക്കുന്നു. നേടിയ കഴിവുകൾ ഒരു ഡൊമെയ്നിൽ നിന്ന് മറ്റൊന്നിലേക്ക് എങ്ങനെ പ്രയോഗിക്കാം എന്നതാണ് ഏറ്റവും വലിയ പഠനം. യുണൈറ്റഡ് ഹെൽത്ത് ഗ്രൂപ്പിലെ (ഗ്ലോബൽ ഹെൽത്ത് കെയർ ഇൻഷുറൻസ് ലീഡർ) കുറഞ്ഞ ഇവന്റ് റേറ്റ് ആരോഗ്യ അവസ്ഥകൾ മോഡലുചെയ്യുന്നതിൽ നിന്ന് ഞാൻ പഠിച്ചു. രണ്ട് പ്രശ്നങ്ങളും ഓർമപ്പെടുത്തലും കൃത്യതയും വർദ്ധിപ്പിക്കുന്നതിൽ ഉൾപ്പെടുന്നു. ഒരു സന്ദർഭത്തിൽ നിങ്ങൾ അൽഷിമേഴ്സ് നേരിടാൻ സാധ്യതയുള്ള രോഗികളെ പ്രവചിക്കുന്നു, മറ്റൊന്നിൽ നിങ്ങൾ ഒരു തട്ടിപ്പ് ഇടപാട് പിടിക്കാൻ ശ്രമിക്കുന്നു. രണ്ട് പ്രശ്നങ്ങളും ഒരു വൈക്കോൽക്കൂനയിൽ സൂചി കണ്ടെത്തുന്നത് പോലെയാണ്. പരസ്യങ്ങളിലെ ശുപാർശ ചെയ്യുന്ന സംവിധാനങ്ങളെക്കുറിച്ചും ഇത് പറയാം- ഡെയ്ലിഹണ്ടിലെ എന്റെ ജോലി സമയത്ത് ക്ലിക്ക് ത്രൂ നിരക്കുകൾ ഒപ്റ്റിമൈസ് ചെയ്യുന്നത് മറ്റൊരു ഉദാഹരണമാണ്.
ചോദ്യം: ഒരു ഉൽപ്പന്ന നേതൃത്വത്തിലുള്ള കമ്പനിയിലെ ഒരു ഡാറ്റാ സയൻസ് ഗവേഷകനും ഡാറ്റാ സയന്റിസ്റ്റും തമ്മിൽ എന്തെങ്കിലും വ്യത്യാസമുണ്ടോ?
ഉത്തരം: ഒരു അക്കാദമിക് ക്രമീകരണത്തിൽ പ്രൊഫഷണലുകൾ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് മനസ്സിലാക്കേണ്ടത് മോഡലുകൾ നിർമ്മിക്കുന്നതിനെക്കുറിച്ച് മാത്രമല്ല. വളരെ കൃത്യതയുള്ള ഒരു മോഡൽ ബിസിനസ്സ് മെട്രിക്കിൽ പോലും നെഗറ്റീവ് സ്വാധീനം ചെലുത്തും. ഇവിടെ തട്ടിപ്പ് കണ്ടെത്തൽ പുനരവലോകനം ചെയ്യുമ്പോൾ, നിങ്ങൾക്ക് വളരെ ഉയർന്ന കൃത്യതയുള്ള ഒരു എഞ്ചിൻ നിർമ്മിക്കാൻ കഴിയും, പക്ഷേ ഇത് തട്ടിപ്പ് ഇതര ഇടപാടുകൾ ശരിയായി പ്രവചിക്കുകയോ അല്ലെങ്കിൽ മോശം കൃത്യതയുള്ളതോ ആണെങ്കിൽ എന്തുചെയ്യും. ഇവിടെയാണ് ഡാറ്റാ സയന്റിസ്റ്റുകൾ കൂടുതൽ ആഴത്തിൽ ചിന്തിക്കുകയും ഞാൻ മെച്ചപ്പെടുത്താൻ ശ്രമിക്കുന്ന ബിസിനസ്സ് മെട്രിക് എന്താണെന്ന് മനസ്സിൽ വച്ചുകൊണ്ട് മോഡലിംഗ് പരിഹാരം രൂപപ്പെടുത്താൻ ശ്രമിക്കുകയും ചെയ്യേണ്ടത്.
ചോദ്യം: വളർന്നുവരുന്ന ഡാറ്റാ ശാസ്ത്രജ്ഞർക്ക് പ്രധാനമായ എം എൽ / ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് അൽഗോരിതങ്ങളെക്കുറിച്ചുള്ള അറിവ് കൂടാതെ മറ്റ് കഴിവുകൾ എന്തൊക്കെയാണ്?
A: എഞ്ചിനീയറിംഗ്! മോഡൽ ജോലിയുടെ 20% മാത്രമാണെന്ന് ഡാറ്റാ സയൻസ് പ്രൊഫഷണലുകൾ മനസ്സിലാക്കേണ്ടതുണ്ട്. യഥാർത്ഥ ഡാറ്റാ സയൻസ് ജൂപ്പിറ്റർ നോട്ട്ബുക്കുകൾക്കപ്പുറത്തേക്ക് വ്യാപിക്കുന്നു. വിന്യാസം, സിഐ / സിഡി പൈപ്പ്ലൈനുകൾ, മോഡൽ മോണിറ്ററിംഗ് എന്നിവയെക്കുറിച്ചുള്ള എഞ്ചിനീയറിംഗ് ആശയങ്ങളെക്കുറിച്ച് അവർക്ക് ആഴത്തിലുള്ള ധാരണ ആവശ്യമാണ്. ഉൽപാദനത്തിലെ മോഡലുകളുടെ വ്യാജ പെരുമാറ്റം നിയന്ത്രിക്കേണ്ടത് പ്രധാനമാണ്. ഒരു യഥാർത്ഥ ലോകത്തിലെ ഡാറ്റാ ശാസ്ത്രജ്ഞരും അക്കാദമിക് ക്രമീകരണവും തമ്മിലുള്ള മറ്റൊരു പ്രധാന വ്യത്യാസം കൂടിയാണിത്.
ചോദ്യം: ജോലിസ്ഥലത്തെ നിങ്ങളുടെ ഏറ്റവും വലിയ വെല്ലുവിളികൾ എന്തൊക്കെയാണ്? യഥാര് ത്ഥ ജീവിതത്തിലെ ചില ഉദാഹരണങ്ങള് പറയാമോ?
ഉത്തരം: ഉൽ പാദന സംവിധാനങ്ങൾ അല്ലെങ്കിൽ എം എൽ സേവനങ്ങൾ വിന്യസിക്കുന്നത് ഹ്രസ്വകാല പദ്ധതികളല്ല, അതിൽ ഒന്നിലധികം പങ്കാളികൾ ഉൾപ്പെടുന്നു. ഞാൻ അഭിമുഖീകരിച്ച ഏറ്റവും വലിയ വെല്ലുവിളി എഞ്ചിനീയർമാരല്ലാത്തവർക്ക് അൽഗോരിതം രൂപകൽപ്പന എങ്ങനെ കൈമാറാം എന്നതാണ്, ഉദാഹരണത്തിന് ഉൽപ്പന്ന മാനേജർമാർ അല്ലെങ്കിൽ സെയിൽസ് മേധാവികൾ. ക്ലസ്റ്ററിംഗ് അധിഷ്ഠിത സമീപനം ഉപയോഗിച്ച് ഞാൻ പേടിഎമ്മിനായി ഒരു ശുപാർശ സംവിധാനം നിർമ്മിക്കുമ്പോൾ, ഓരോ ക്ലസ്റ്ററിന്റെയും പ്രസക്തി അറിയിക്കാൻ ഞാൻ ആഗ്രഹിച്ചപ്പോൾ, ഞാൻ എന്റെ വൈസ് പ്രസിഡന്റിന്റെ അടുത്ത് പോയി പറഞ്ഞു – നിങ്ങൾ ഒരു ജോഡി ജീൻസ് വാങ്ങാൻ ആഗ്രഹിക്കുന്നു, തിരഞ്ഞെടുക്കാൻ ഞാൻ നിങ്ങൾക്ക് 3 ഓപ്ഷനുകൾ നൽകുന്നു-
ആദ്യത്തെ ഷോപ്പിൽ എല്ലാ ബ്രാൻഡുകളും ഉണ്ട്, പക്ഷേ വിലനിർണ്ണയം മത്സരാധിഷ്ഠിതമല്ല. രണ്ടാമത്തെ ഷോപ്പിന് ഏറ്റവും മത്സരാധിഷ്ഠിത വിലനിർണ്ണയമുണ്ട്, പക്ഷേ അവയുടെ വൈവിധ്യം മെഹ് ആണ്, ഉൽപ്പന്നങ്ങൾ വ്യാജമായിരിക്കാം. മൂന്നാമത്തെ ഷോപ്പിൽ ഏറ്റവും ജനപ്രിയമായ ബ്രാൻഡുകളിൽ 90% ഉണ്ട്, അവയുടെ വിലനിർണ്ണയം മികച്ച വിൽപ്പനക്കാരിൽ നിന്ന് 10% വ്യതിചലിക്കുന്നു, പക്ഷേ അവ പൂർണ്ണമായും ആധികാരികമാണ്.
ഈ 3 ഷോപ്പുകൾ 3 ക്ലസ്റ്ററുകളുടെ സ്ഥിതിവിവരക്കണക്കുകളെ പ്രതിനിധീകരിക്കുന്നു, ഇപ്പോൾ എന്റെ പരിഹാരം അവബോധജനകമാണെന്ന് നിങ്ങൾ കരുതുന്നില്ലേ?
ചോദ്യം: മികച്ച ഡാറ്റാ സയന്റിസ്റ്റുകളിൽ നിന്ന് നല്ല ഡാറ്റാ ശാസ്ത്രജ്ഞരെ എങ്ങനെ വേർതിരിക്കാം?
ഉത്തരം: ഒരു നല്ല ഡാറ്റാ സയന്റിസ്റ്റ് നൽകിയ പ്രശ്നം പരിഹരിക്കുന്നു. ഒരു മികച്ച ഡാറ്റാ സയന്റിസ്റ്റ് പ്രശ്നം തിരിച്ചറിയുകയും അത് പരിഹരിക്കുകയും ചെയ്യുന്നു. ഇവിടെയാണ് ഉൽപ്പന്ന ധാരണ പ്രാബല്യത്തിൽ വരുന്നത്. നിങ്ങളുടെ കൈയുടെ പിൻഭാഗം പോലെ നിങ്ങൾക്ക് ബിസിനസ്സ് അറിയില്ലെങ്കിൽ നിങ്ങൾക്ക് ബിസിനസ്സിന്റെ വേദന പോയിന്റുകൾ തിരിച്ചറിയാൻ കഴിയില്ല.
ചോദ്യം: SIFS ഉപയോഗിച്ച് എന്ത് സ്വാധീനമാണ് നിങ്ങൾ ഉണ്ടാക്കാൻ ശ്രമിക്കുന്നത്?
ഉത്തരം: ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് എല്ലായ്പ്പോഴും വികസിച്ചുകൊണ്ടിരിക്കുകയാണെന്ന് ഞാൻ വിശ്വസിക്കുന്നു. മെന്റർഷിപ്പ് ഒരു ദ്വിമുഖ തെരുവാണ്. വ്യവസായവും അക്കാദമിക മേഖലയും തമ്മിലുള്ള വിടവ് കുറയ്ക്കുക എന്നതാണ് എന്റെ ദൗത്യം. ഇത് എനിക്ക് ഒരുപോലെ പ്രയോജനകരമാണ്, കാരണം സാങ്കേതികവിദ്യയിലെ ഏറ്റവും പുതിയ മുന്നേറ്റങ്ങളുമായി പൊരുത്തപ്പെടാൻ ഇത് എന്നെ സഹായിക്കുന്നു, തീർച്ചയായും ഞാൻ എന്റെ മെൻഡീസിൽ നിന്ന് തുല്യമായി പഠിക്കുന്നു.
ആൽബർട്ട് ഐൻസ്റ്റീനെ ഉദ്ധരിച്ചുകൊണ്ട് അദ്ദേഹം ചർച്ച അവസാനിപ്പിക്കുന്നു – “ഞാൻ കൂടുതൽ പഠിക്കുന്തോറും എനിക്കറിയില്ലെന്ന് ഞാൻ മനസ്സിലാക്കുന്നു”
Experienced Researcher with a demonstrated history of working in the Deep Learning, Computer Vision
