در این گفت و گوی روشنگر با هم می نشینیم تجاس چوپرا، مهندس ارشد در نتفلیکس و یکی از بنیانگذاران GoEB1. Tejas با داشتن حرفه ای که در شرکت های بزرگ فناوری مانند نتفلیکس، باکس و اپل فعالیت می کند، به بررسی چالش ها و نوآوری های سیستم های داده مقیاس پذیر، هوش مصنوعی و اتوماسیون می پردازد. او همچنین دیدگاه خود را برای شیوه های هوش مصنوعی پایدار و روندهای نوظهور فناوری به اشتراک می گذارد. کشف کنید که چگونه تخصص فنی او به کار مهندسی و مأموریت او برای حمایت از جوامع مهاجر از طریق GoEB1 کمک می کند. این گفتگو نوید یک کاوش غنی از مناظر فناوری فعلی و آینده را می دهد.
به عنوان یک مهندس ارشد در نتفلیکس، شما عمیقاً درگیر ایجاد یک زیرساخت داده توزیع‌شده و مقیاس‌پذیر برای توصیه‌ها هستید. آیا می‌توانید مهم‌ترین چالشی را که در توسعه این سیستم با آن مواجه شده‌اید، و اینکه تیم شما چگونه بر آن غلبه کرده است، به اشتراک بگذارید؟
به عنوان یک مهندس ارشد برای پلتفرم یادگیری ماشین در نتفلیکس، من روی فروشگاه های ویژگی های معماری برای توصیه های نتفلیکس کار کرده ام. پیش از این، من روی معماری Netflix Drive کار می کردم – یک سیستم فایل ابری که به هنرمندان اجازه می دهد با یکدیگر همکاری کنند و دارایی های خود را به اشتراک بگذارند. یکی از چالش‌هایی که با کووید-19 با آن مواجه بودیم، اجازه دادن به کار از راه دور برای ایجاد محتوا بود. تکنولوژی و ابزار موجود پرهزینه و پرهزینه بود. بنابراین، ما مجبور شدیم یک سیستم فایل ابری خانگی را طراحی و معمار کنیم که مقیاس‌پذیر، ایمن و کارآمد باشد. ما یک رویکرد ذخیره سازی ترکیبی را اجرا کرده ایم که به ما امکان می دهد عملکرد و مقرون به صرفه بودن را متعادل کنیم. با استفاده از فناوری‌های ابری و پیاده‌سازی استراتژی‌های هوشمند قرار دادن داده‌ها، ما توانسته‌ایم هزینه‌های ذخیره‌سازی را به میزان قابل توجهی کاهش دهیم، در حالی که عملکرد بالای لازم برای ایجاد محتوا را حفظ کرده‌ایم.
در نقش خود به عنوان یکی از بنیانگذاران GoEB1، رهبری فکری را برای مهاجران فراهم می کنید. چگونه از تخصص فنی خود برای توانمندسازی و حمایت از جوامع مهاجر از طریق این پلت فرم استفاده می کنید؟
به عنوان یکی از بنیانگذاران GoEB1، که اولین و تنها پلت فرم رهبری فکری برای مهاجران در جهان است، من با آن شریک شده ام ماهیما شارما، که یک رهبر در فضای منابع انسانی و یک مربی معتبر است، تا از تخصص فنی و تجربه خود به عنوان دریافت کننده ویزای EB1A (انیشتین) برای توانمندسازی و حمایت از جوامع مهاجر استفاده کنم. پلتفرم ما بر به اشتراک گذاری دانش، تجارب و استراتژی ها برای هدایت فرآیند پیچیده مهاجرت، به ویژه برای متخصصان بسیار ماهر در زمینه های فنی و سایر زمینه ها تمرکز دارد.
ما از فناوری برای ایجاد یک پلتفرم کاربرپسند استفاده می کنیم که مهاجران را با منابع، مربیان و فرصت ها مرتبط می کند. سابقه من در رایانش ابری، ریزسرویس‌ها و سیستم‌های مقیاس بزرگ کمک می‌کند تا اطمینان حاصل شود که پلتفرم ما مقیاس‌پذیر، ایمن و قابل دسترسی برای کاربران در سراسر جهان است. علاوه بر این، ما از فناوری‌های هوش مصنوعی و یادگیری ماشین برای شخصی‌سازی محتوا و توصیه‌ها استفاده می‌کنیم و به کاربران کمک می‌کنیم مرتبط‌ترین اطلاعات را برای سفر مهاجرتی خاص خود پیدا کنند.
با توجه به تجربیات متنوع شما در شرکت‌های فناوری پیشرو مانند باکس، اپل و نتفلیکس، چه درس‌های کلیدی در مورد نقش هوش مصنوعی و اتوماسیون در موفقیت کسب‌وکار آموخته‌اید، و چگونه استارت‌آپ‌های نوظهور می‌توانند این فناوری‌ها را به‌طور مؤثر مهار کنند؟
از طریق تجربیاتم در شرکت‌هایی مانند نتفلیکس، باکس و سایرین، آموخته‌ام که استفاده از ML و AI برای اتوماسیون برای مقیاس‌گذاری عملیات، بهبود کارایی و ایجاد نوآوری بسیار مهم است. در Box، ما از ML برای قرار دادن داده های هوشمند و سیاست های چرخه عمر استفاده کردیم، که به طور قابل توجهی هزینه ها را کاهش داد و در دسترس بودن خدمات را بهبود بخشید. در نتفلیکس، پلتفرم ML ما برای ارائه تجربیات شخصی سازی شده در مقیاس جهانی مرکزی است.
برای استارت‌آپ‌های نوظهور، نکته کلیدی شناسایی حوزه‌های خاص و پرتأثیر است که هوش مصنوعی می‌تواند مشکلات واقعی را حل کند یا ارزش قابل توجهی ایجاد کند. با موارد استفاده کاملاً تعریف شده شروع کنید و بر کیفیت داده و زیرساخت تمرکز کنید. همچنین ایجاد فرهنگی که هوش مصنوعی و اتوماسیون را در بر می گیرد، سرمایه گذاری در توسعه مهارت ها و همکاری های متقابل بسیار مهم است.
استارت‌آپ‌ها همچنین باید به پیامدهای اخلاقی و سوگیری‌های احتمالی در سیستم‌های هوش مصنوعی توجه داشته باشند. اجرای شیوه‌های هوش مصنوعی مسئول از همان ابتدا می‌تواند به اعتمادسازی با کاربران و جلوگیری از چالش‌های آینده کمک کند.
شما به طور گسترده در مورد تأثیر هوش مصنوعی بر محیط زیست صحبت کرده اید. به نظر شما هوش مصنوعی از چه راه هایی می تواند به توسعه پایدار کمک کند و چه ملاحظات اخلاقی باید اجرای آن را هدایت کند؟
بله، من چند سخنرانی در TEDx در مورد ردپای کربن نرم افزار به طور کلی، و هوش مصنوعی به طور خاص ارائه کرده ام. با رشد استفاده از هوش مصنوعی، ضروری است که پیامدهای آن را بر محیط زیست درک کنیم و راه‌هایی را برای کاهش ردپای کربن در آموزش مدل‌های هوش مصنوعی و استنتاج در حال اجرا شناسایی کنیم.
هوش مصنوعی می‌تواند با بهینه‌سازی استفاده از منابع، پیش‌بینی تغییرات محیطی و حمایت از یکپارچه‌سازی انرژی‌های تجدیدپذیر به توسعه پایدار کمک کند. به عنوان مثال، در کار من با زیرساخت های ذخیره سازی، ما از هوش مصنوعی برای بهینه سازی قرار دادن داده ها و مدیریت چرخه عمر استفاده کرده ایم که نه تنها هزینه ها را کاهش می دهد، بلکه مصرف انرژی را نیز به حداقل می رساند.
ملاحظات اخلاقی باید شامل موارد زیر باشد:
1. بهره وری انرژی: اطمینان از طراحی سیستم های هوش مصنوعی برای به حداقل رساندن ردپای کربن آنها.
2. شفافیت: تأثیر زیست محیطی سیستم های هوش مصنوعی قابل اندازه گیری و قابل گزارش کردن.
3. انصاف: اطمینان از اینکه مزایای تلاش های پایداری مبتنی بر هوش مصنوعی به طور عادلانه توزیع می شود.
4. ارزیابی اثرات بلند مدت: با در نظر گرفتن اثرات زیست محیطی فوری و بلندمدت استقرار هوش مصنوعی.
به‌عنوان یک سرمایه‌گذار فرشته و مشاور استارت‌آپ، در حال حاضر چه روندهایی را در فضای هوش مصنوعی و یادگیری ماشین مشاهده می‌کنید که شما را به هیجان می‌آورد، و چه توصیه‌ای به کارآفرینان جدیدی که وارد این حوزه می‌شوند، دارید؟
به‌عنوان یک سرمایه‌گذار فرشته و مشاور استارت‌آپ، به‌ویژه از پیشرفت‌های یادگیری فدرال، هوش مصنوعی لبه‌ای و اتوماسیون مبتنی بر هوش مصنوعی در صنایع مختلف هیجان‌زده هستم. ادغام هوش مصنوعی با سایر فناوری های نوظهور مانند بلاک چین و اینترنت اشیا نیز فرصت های جالبی را ارائه می دهد.
توصیه من به کارآفرینان جدید در این زمینه این است:
1. تمرکز بر حل مشکلات دنیای واقعی: نقاط درد صنعت خاصی را که در آن هوش مصنوعی می تواند تأثیر قابل توجهی داشته باشد، شناسایی کنید.
2. اولویت بندی استراتژی داده ها: یک رویکرد قوی برای جمع آوری داده ها، مدیریت و حکمرانی ایجاد کنید.
3. ساخت برای مقیاس پذیری: سیستم های هوش مصنوعی خود را با رشد در ذهن طراحی کنید، از فناوری های ابری و معماری میکروسرویس ها استفاده کنید.
4. هوش مصنوعی اخلاقی را در آغوش بگیرید: برای ایجاد اعتماد و کاهش خطرات، شیوه‌های هوش مصنوعی مسئولانه را از ابتدا به کار بگیرید.
5. سازگار بمانید: حوزه هوش مصنوعی به سرعت در حال پیشرفت است، بنابراین آماده باشید تا با ظهور فناوری‌های جدید، استراتژی‌های خود را تغییر دهید و تطبیق دهید.
با به رسمیت شناخته شدن به عنوان برنده جایزه Tech 40 under 40 و یک سخنران 2x TEDx، چگونه سهم فنی خود را با نقش رهبری و سخنرانی عمومی خود متعادل می کنید، و چه چیزی شما را به برتری در هر دو سوق می دهد؟
ایجاد تعادل بین مشارکت های فنی با نقش های رهبری و سخنرانی عمومی نیازمند مدیریت دقیق زمان و تعهد به یادگیری مستمر است. من سعی می کنم عمیقاً در کار فنی درگیر باشم، همانطور که نقشم به عنوان مهندس ارشد در نتفلیکس نشان می دهد، در حالی که مسئولیت های رهبری را بر عهده می گیرم و دانش را از طریق مشارکت های گفتاری به اشتراک می گذارم.
چیزی که من را به برتری در هر دو زمینه سوق می دهد، این باور است که تخصص فنی و توانایی انتقال ایده های پیچیده به همان اندازه در ایجاد نوآوری و الهام بخشیدن به دیگران مهم هستند. تجربه من به عنوان یک استاد کمکی توسعه نرم افزار در دانشگاه فناوری پیشرفته به من کمک می کند شکاف بین مفاهیم فنی و کاربردهای عملی آنها را پر کنم.
من انگیزه این فرصت را دارم که در فناوری های پیشرفته شرکت کنم و در عین حال نسل بعدی فناوران را راهنمایی و الهام بخشم. این تمرکز دوگانه به من این امکان را می‌دهد که در جریان پیشرفت‌های فنی باشم و در عین حال مهارت‌های رهبری لازم را برای تأثیرگذاری گسترده‌تر در صنعت فناوری توسعه دهم.
به نظر شما، تغییر عمده بعدی در فناوری هوش مصنوعی که کسب‌وکارها باید برای آن آماده شوند، چیست و چگونه شرکت‌ها می‌توانند موقعیت استراتژیک خود را برای استفاده از این تغییرات قرار دهند؟
بر اساس تجربه من در پلتفرم‌های یادگیری ماشین و فناوری‌های ابری، معتقدم تغییر عمده بعدی در فناوری هوش مصنوعی احتمالاً شامل دموکراتیزه‌سازی بیشتر قابلیت‌های هوش مصنوعی خواهد بود و ابزارهای پیشرفته هوش مصنوعی را برای مشاغل در هر اندازه‌ای قابل دسترس‌تر می‌کند. همچنین ممکن است شاهد پیشرفت‌های قابل توجهی در سیستم‌های هوش مصنوعی چندوجهی باشیم که می‌توانند انواع مختلف داده‌ها (متن، تصویر، ویدئو، صدا) را به طور یکپارچه پردازش و تولید کنند.
شرکت ها می توانند موقعیت استراتژیک خود را از طریق:
1. سرمایه گذاری در زیرساخت داده های قوی که می تواند انواع داده ها را در مقیاس مدیریت کند.
2. توسعه فرهنگ سواد هوش مصنوعی در تمام سطوح سازمان.
3. بررسی مدل‌های هوش مصنوعی ترکیبی که قابلیت‌های محاسباتی مبتنی بر ابر و لبه را ترکیب می‌کنند.
4. تمرکز بر روی شیوه های هوش مصنوعی اخلاقی و شفافیت برای ایجاد اعتماد با مشتریان و ذینفعان.
5. چابک ماندن و آماده انطباق با پارادایم های جدید هوش مصنوعی در زمان ظهور.
به عنوان یک استاد کمکی در دانشگاه فناوری پیشرفته، چگونه تجربیات مهندسی دنیای واقعی خود را در تدریس خود قرار می دهید، و امیدوارید چه چیزی را در نسل بعدی توسعه دهندگان نرم افزار القا کنید؟
من به عنوان یک استاد کمکی که توسعه نرم افزار را در دانشگاه فناوری پیشرفته تدریس می کند، تجربیات مهندسی دنیای واقعی خود را با آوردن مطالعات موردی عملی و چالش های فعلی صنعت در کلاس درس ترکیب می کنم. من اغلب از کار خود در صنعت استفاده می کنم تا بینش هایی را در مورد چگونگی کاربرد مفاهیم نظری در سناریوهای دنیای واقعی به دانش آموزان ارائه دهم.
من امیدوارم که در نسل بعدی توسعه دهندگان نرم افزار القا کنم:
1. طرز فکر حل مسئله که فراتر از کدنویسی است.
2. درک مقیاس پذیری و ملاحظات عملکرد در سیستم های مقیاس بزرگ.
3. اهمیت به روز ماندن با فن آوری های در حال ظهور و روند صنعت.
4. ملاحظات اخلاقی در توسعه نرم افزار، به ویژه مربوط به هوش مصنوعی و حریم خصوصی داده ها.
5. ارزش ارتباطات و همکاری موثر در تیم های فناوری.
با پیوند دادن مفاهیم دانشگاهی با واقعیت های صنعت، هدف من این است که دانش آموزان را برای دنیای پویا و چالش برانگیز توسعه نرم افزار حرفه ای آماده کنم. به منظور کمک به دانش‌آموزان در یادگیری طراحی سیستم‌ها، مصاحبه‌هایشان و ساختن سیستم‌های مقیاس‌پذیر، من همچنین یک مقاله مشترک را تالیف کرده‌ام. کتاب در ساخت سیستم های مقیاس پذیر
با مشارکت شما در هیئت‌ها و پنل‌های مشاوره، مانند نشست آینده حافظه و ذخیره‌سازی، به چه فناوری‌ها یا مفاهیم نوظهوری علاقه‌مند هستید و چگونه می‌بینید که آنها آینده محاسباتی را شکل می‌دهند؟
به عنوان عضوی از هیئت مشورتی برای آینده اجلاس حافظه و ذخیره سازی و با توجه به سابقه ام در زیرساخت های ذخیره سازی در شرکت هایی مانند نتفلیکس و باکس، به ویژه به فناوری های نوظهور مرتبط با ذخیره سازی و پردازش داده ها علاقه مند هستم. برخی از زمینه های مورد علاقه عبارتند از:
1. نسل بعدی فناوری های حافظه غیر فرار که می توانند سرعت دسترسی به داده ها و تراکم ذخیره سازی را متحول کنند.
2. پیشرفت در معماری های ذخیره سازی و ذخیره سازی تفکیک شده توسط نرم افزار.
3. ادغام AI/ML با سیستم های ذخیره سازی برای مدیریت هوشمند داده ها و نگهداری پیش بینی.
4. محاسبات لبه و پیامدهای آن برای سیستم های ذخیره سازی توزیع شده.
5. محاسبات کوانتومی و تأثیر بالقوه آن بر پردازش داده ها و رمزنگاری.
این فناوری‌ها با ایجاد امکان دسترسی سریع‌تر به داده‌ها، استفاده کارآمدتر از منابع و پارادایم‌های جدید برای محاسبات توزیع‌شده، پتانسیل تغییر چشم‌گیر محاسبات را دارند. آنها می‌توانند به سیستم‌های قدرتمندتر و کم‌مصرف‌تر منجر شوند، که قادر به پردازش مقادیر زیادی از داده‌ها در زمان واقعی هستند، که برای پیشرفت هوش مصنوعی، اینترنت اشیا و سایر برنامه‌های کاربردی داده فشرده بسیار مهم است.
همانطور که محاسبات همچنان به تکامل خود ادامه می دهد، من معتقدم که ما شاهد یکپارچگی نزدیک تری از قابلیت های ذخیره سازی، حافظه و پردازش خواهیم بود، که مرزهای سنتی بین این اجزا را محو می کند و معماری های محاسباتی انعطاف پذیرتر و کارآمدتر را ممکن می سازد.
