Press "Enter" to skip to content

以数据为导向:与Srikanth Velamakanni一起打造数据驱动型组织

Analytics Vidhya的“以数据为先导”是一系列采访,行业领导者们在其中分享他们的经验、职业旅程、有趣的项目等等。在系列的第五集中,我们有一个非常特别的嘉宾加入了我们——Srikanth Valamakanni先生。他是Fractal Analytics的集团首席执行官、联合创始人和副主席,Fractal Analytics是印度最大的人工智能公司之一。在这次采访中,他与我们分享了关于构建数据驱动组织的见解和观察。作为该国数据分析领域的先驱之一,他还谈到了AI在多年间的变化趋势。此外,他对数据分析、数据科学和教育的深深热情也在与Analytics Vidhya的创始人兼首席执行官Kunal Jain的对话中得到了突显。以下是该次采访的摘录。

您可以在此处观看完整的采访。

AI的演进

Kunal J:我想从您的早期开始谈起。您于23年前创办了Fractal,在那个时候,分析几乎是闻所未闻的。所以,您见证了这个行业从一个非常小众到现在的发展。对您来说,这个旅程是怎样的?

Srikanth V:我们的旅程非常有趣,因为它反映了AI的进步之旅。众所周知,AI这个词是在1956年的一个夏季会议上提出的。2006年,我看了会议上的录音和笔记,这次会议距离Dartmouth会议已经过去了50年。1956年的一些与会者,如Marvin Minsky等人,也参加了2006年的会议,讨论了在这50年里AI世界的进展。他们试图了解在接下来的多年里会发生什么。

我看到了那次讨论的记录,感到非常着迷,因为即使在2006年,人们实际上还在讨论AI会走上首先逻辑、创建规则、例外等的道路,还是会走向深度学习,或者当时所称的神经网络。

早些时候,当我在学习电气工程时,我学校的计算机科学系正在学习AI。他们有一门关于AI的课程,而我们有一门关于神经网络的课程——它们是两回事。AI意味着规则,比如模糊逻辑创建规则,而我们使用非常基础的神经网络进行指纹识别、签名验证等。那是在90年代。

所以,即使在2006年,定义和区别并不是很清晰。仅仅4年后,突然间,神经网络和深度学习成为了世界各地的核心主题。我们开始看到IBM、微软、谷歌等实验室取得的令人印象深刻的成果。然后在2011-12年,非常有趣的事情发生了——谷歌意识到这项技术将以非常重要的方式改变世界。所以他们聘请了Jeffrey Hinton,众所周知,他将AI应用于谷歌的每个产品。

所以,我多年来在AI进化方面所见到的是,有过谷歌的旧日子。然后到了2010年,那些最大的AI本土或数字本土公司开始意识到AI的潜力。到了2015年,世界各地的财富100和财富500公司开始意识到这一点。大约在2014-15年,我开始看到许多董事会要求他们的首席执行官来展示他们的数据策略或AI策略。然而,在印度这仍然不是一件很大的事。

但在2020年,AI在全球范围内变得非常重要。尤其是COVID之后,它开始蓬勃发展,现在在2023年,有了ChatGPT之后,它已经成为我们无法停止讨论的一个话题。

Fractal的AI之旅

Srikanth V:如果您看一下Fractal的旅程,前10年全部都是关于使用分析解决问题。所以,我们知道一个非常明确的决策问题。我们通过数据观察正在发生的事情,预测可能会发生的事情,并帮助公司做出更好的决策。在很大程度上,这是通过逻辑回归、决策树、随机森林、XGBoost等技术来完成的。直到2010年,我们大部分时间都在处理结构化数据。</p

到2011-12年,我们创建了一个叫做Fractal Sciences的公司,来探索这个领域里最令人印象深刻的新问题并投资于它们。从此,我们推出了很多产品,并最终聘请了Prashant Warrier加入我们,他帮助我们建立了Cure.ai并从2015年到2020年发展。

同样地,我们孵化了一系列的人工智能初创企业,如Crux Intelligence(以人工智能驱动的商业智能)、Eugenie.ai(可持续发展的人工智能)、Asper.ai(收入增长管理的人工智能)和Senseforth.ai(销售和客户服务的对话式人工智能)。

从2015年到2020年,我们在使用人工智能、机器学习和深度学习方面取得了巨大的进展,不仅为客户解决问题,还创建了产品和企业。而自2022年以来,我们一直在致力于构建我们自己的基础模型、扩散模型,并利用它们来解决以前从未想过可以用数据解决的各种新问题。

转向数据驱动的生态系统

Kunal J: 在这一切之间,你何时有了灵光一现的时刻?何时你个人意识到深度学习实际上将驱动这种数据驱动的人工智能,而不是传统的规则和符号基础的人工智能?

Srikanth V: 我一直相信神经网络,甚至从我读工程的那些日子起就是这样。我一直认为这里有巨大的潜力。

但是直到2012年或2013年,当我读到尼克·博斯特罗姆(Nick Bostrom)的一本名为《超级智能》的书,并与李登(Lee Deng)先生见面时,我才意识到自从过去3年以来行业上发生了什么,以及我错过了多少。同时,我一些朋友甚至还在发表有关无监督学习和相关主题的论文。那时我意识到,我已经太晚开始了,但我几乎立即开始了。这也是我们让Prashant、Suraj和一些其他人加入我们并建立团队的时候。现在,到了2023年,看起来我们比大多数其他人提前了约10年。

Kunal J: 你如何保持自己对业务需求以及行业和研究的了解?对于那些领导这些数据科学团队的人,你有什么建议,如何平衡这两者?

Srikanth V: 我认为对于行业中的每个人来说,我的建议是要深入研究和不断提升自己的技能。广度正在自动化。我们正在进入这样一个时代,即使你擅长客户管理、解决问题、机器学习、人员管理等多个领域,这在今天非常有价值,但你明天可能会变得无关紧要。这在IT行业发生过,科技行业也发生过;人工智能行业也可能会发生。你现在的相关性取决于你过去一个星期读了多少或者进步了多少,而不仅仅是过去10年的成果。

所以我的建议是,如果你没有深度和竞争力,那么生存将会很困难。所以,我会告诉初级到中级到高级管理层的人,不要失去自己的技术优势。每天花些时间阅读研究论文,紧跟这项技术的最新动态,因为变化很快。对于初级到中层的人,我会说花大量时间阅读研究论文,并尝试复制那些结果。对于高级人员来说,如果你没有太多时间,至少与团队内的某人一起努力做到这一点。同时与科学界、研究人员和教师互动,了解下一个大趋势是什么。

我仍然在做这些。尽管作为Fractal的首席执行官很难找到时间,但我仍然设法保持技术上的知识和更新,以保持前进和保持相关性。

建立一个数据驱动的组织

Kunal J: 你认为未来3-5年内组织会如何演变?未来的组织会是什么样子?工作将如何在人类和机器之间分配?

人工智能是我们所遇到的最令人印象深刻的生产力增长技术。

– Srikanth Velamakanni,Fractal Analytics的集团首席执行官,联合创始人

Srikanth V: 让我从非常明显的事情开始说起。机器和机器智能将在我们工作中发挥更大的作用。它将带来生产力的增长和新的智能化,每件事情都将更加自动化。在劳动力中,机器的比例将会增加,如同机械化、工业革命、信息革命和现在的人工智能时代所发生的。每个阶段都涉及更大规模的自动化和机器与人类的关系。

正在发生的第二件事是智能性的内嵌。一切都变得更加智能了那么一点点。这个进步是一个复利的进步。所以尽管在短时间内看起来是线性的,但从长远来看,比如看看智能手机在过去10年里的变化,增长是指数级的!

所以现在,当谈到工作时,我试着问一些问题,比如我们为什么要工作?这是一个值得问的问题。工作在我们的生活中扮演什么角色?如果是为了谋生、财务安全、基本需求、住所等,我希望全世界能够保障每个人的这些需求。然后发生的事情是人们会希望为更高级别的需求而工作,比如爱情、激情、归属感、自我实现等。因为我们已经在世界上创造了很多财富,让人们仅仅为了谋生而工作已经不再有意义。所以在大约10到15年后,我相信,我们将因为想要而不是必须而工作。

到那时,组织结构也将发生变化。我觉得我们仍然处于工业时代的阴影下,人们期望从早上9点工作到下午5点。他们的进出时间被记录,他们的每一个举动都被监视。这将从一种基于时间的系统转变为一种基于知识的系统。公司将更像是艺术家的工作室,而不是工厂。

Fractal的问题解决方法

Kunal J: Fractal在解决问题的方法中最显著的特点之一是将AI、工程和设计结合在一起。我还注意到你们在行为设计和行为经济学方面的专注。那么,你们是什么时候开始朝这种方法发展的?

Srikanth V: 这个转变发生在大约7-8年前,当时我看到我们在哪些方面取得了成功,以及哪些方面取得了失败。

我们进行了分析,发现了两个问题。一个是我们建立了一些东西,但是由于我们依赖外部工程能力,实施需要花费很多个月的时间。尽管我们与塔塔和Airtel等大公司合作,虽然我们会构建算法,但由于实施到他们的系统中需要一年甚至更长时间,我们并没有进行任何工程方面的工作。

我们学到的另一件事是不要把客户的问题想当然。他们可能会以一个下游问题来到我们这里,比如说“销售的信用卡不够多”或者“顾客对特定功能的使用不如预期”——但我们必须从上游开始追溯,找到其根本原因,这就是实际需要解决的问题。这是我们很早就学到的一点——重构客户的问题,弄清楚要解决的到底是什么。

所以,是的,这就是我们能够解决问题的关键,需要AI、工程和设计,以及通过与用户合作来重构问题的艺术。所以大约6-7年前,我们汇集了来自不同学科的一群人,包括社会学、人类学、神经科学和Java编程,建立了一个工程团队,他们可以共同合作,创造奇迹!

Srikanth的教育倡议

Kunal J: 让我着迷的另一个方面是你对教育的热情。即使在如此繁忙的日程中,你还抽出时间来教授课程。你共同创办了Plaksha大学,然后每年都会去那里授课。你还在Fractal内部教授人们。是什么驱使你抽出时间来做这些事情?你能分享一些这方面的努力吗?

Srikanth V: 首先,Kunal,我对我的老师们非常感激。我们所有人都有一些老师对我们的生活产生了巨大的影响。任何在任何方面取得成功的人,都会感谢一位相信他们、引导他们走向正确方向、培养他们潜力或在正确的时间传授他们正确技能的老师。

老师有着巨大的乘数效应。如果改善教学,可以创造很多社会利益。如果从经济的长远视角来看,教育和创业是两个将导致更多受教育的人解决问题、愿意承担风险解决这些问题的因素。他们可以共同使世界变得更好。因此,我能花时间来构建未来的社会或未来世界,这对我来说非常有满足感。

所以建立Plaksha University就是其中之一。但是超过钱或其他任何东西,我相信的是你投入其中的时间和努力才是最重要的。你必须为这个事业奉献自己。我可能花40个小时教授一门课程,但是通过这种互动,现在已经掌握这种解决问题方法的50-100名学生可以改变世界。即使其中一个人能够以重要的方式改变世界,我也会抓住这个机会,因为通过他们,我们可以创造更大的影响。

我教授一门名为“利用机器学习进行更好决策”的课程。这是一门引人入胜的课程,涵盖了从神经科学和行为科学到问题解决和跨组织流程制定等不同科学领域。所以当我教学生时,同样的主题会有一些技术性,而当我教高级经理时,技术性会相对较低。

我教书的一个隐藏好处是它让我保持年轻。它使我保持警惕,并帮助我保持更新。教学是最好的学习方式。当你尝试教授一个主题时,你会意识到自己的无知程度。然后你会投入时间去学习这个主题。如果明天有一堂课要上,那么你最好去学习并且在研究这个主题上熬夜。所以它也推动我朝着正确的方向发展。

Kunal J:另外,你最近在Coursera上推出了Fractal Data Science专业证书。你能告诉我们更多关于这个数据科学证书的信息吗?

Srikanth V:我认为它还处于早期阶段。这个想法是为我们的国家培养出优秀的数据科学家。当今我国的数据科学家数量很少。截至目前,IT行业有600万名专业人士,我感觉其中很多人需要学习人工智能和数据科学。此外,我们每年有100万名工程师毕业,他们应该学习这个领域。所以这个想法是使更多人对数据科学有所了解,并具有更全面的使用数据解决问题的视野。通过这门课程,我们希望培养出一批更全面、更成熟的数据科学专业人才,他们已经准备好进入行业并解决这些问题。

快速提问的结束回合

Kunal J:我们即将接近结束,还有很多领域需要涉及。所以我们来进行一轮快速提问吧。你最近读的是什么书?

Srikanth V:我试图每年阅读100本书。所以我总是同时阅读20到25本书。但如果我必须推荐一本书,那就是罗伯特·西亚尔迪尼的《影响力心理学》。这可能是我读过的任何主题的最好书籍之一。我还经常推荐的另一本书是克莱顿·克里斯坦森的《你将如何衡量你的人生》。还有维克多·弗兰克尔的《人的搜索意义》。我最近读的一本我很喜欢的书是丹尼尔·利伯曼的《更多分子》。

Kunal J:如果你今天刚开始创业,你会创立哪种类型的初创公司?它会是哪个领域?

Srikanth V:很好的问题。我希望我知道答案。我肯定不会创办一个像Fractal这样的公司。我可能会选择一个尚未解决的深层问题,并逆向解决它,然后尝试围绕这个问题建立一家伟大的公司。

我认为在一生中创建一家伟大的公司已经是一大幸运,而且我们还孵化出了一些初创公司,它们也有自己通往伟大之路的路径,比如Cure.ai、Crux Intelligence和Senseforth.ai。这些都是非常好的想法,它们都有可能成为杰出的伟大公司。我已经觉得自己做得足够了。所以我肯定不会自己考虑一个新的创意。但是如果必须的话,我会选择一个问题非常出色地解决一件事,并建立一个全球公司。

这些是我们与Fractal Analytics的集团CEO兼共同创始人Srikanth Velamakanni的独家采访的亮点。你可以在这里观看完整的采访。请继续关注我们在Analytics Vidhya社区平台上的“Leading With Data”系列,以获取更多独家采访。

Leave a Reply

Your email address will not be published. Required fields are marked *