情节概要：在这一集里的AI在工业播客中，我们采访尼基尔马尔霍特拉，创建者兼制作商的实验室在Tech Mahindra公司， 关于人工智能是如何改变的IT服务和业务服务的性质一般。马尔霍特拉关于会谈企业应该考虑如何使自己相关的未来。此外，他讨论理念的转变，已经发生的人要感激解决问题的过程，并看到利润和增长的AI。我们希望企业领导者在IT服务行业的IT服务业会从这次采访中唾手可得的应用程序中。
订阅我们AI在工业播客用你喜欢的播客服务：
来宾：尼基尔马尔霍特拉，造物主/头，设备的实验室-TechMahindra
专长：人工智能，自然语言处理
介绍识别：马尔霍特拉持有一个大师的技术在分布式计算系统从皇家墨尔本理工大学。在此之前,马尔霍特拉担任高级建筑师在AT&T和IBM的技术主管。
采访中强调了
（03:10）首先让我们来谈论数据科学在人工智能的技术服务行业在印度的潜在益处。这是经济的蓬勃发展的一部分，全球企业在这里设有办事处。如何才能IT服务公司做出最好的人工智能未来的发展趋势？
尼基尔马尔霍特拉：IT服务行业已经出现了大量的热潮在过去的几年里。在很多方面，从就业的角度对IT服务，我们可以提供给外面的世界，世界开始在2014年或2015年进行更换时AI开始打我们。IT服务行业很快就意识到这一点。这上攻到AI是，即使是较小的研究在IT服务行业，AI的行列回升。我们开始了与自动化在Tech Mahindra公司，我运行名为设备的实验室小R＆d中心。我们真的看AI，深层神经网络和超越，即使是技术的R＆d一部分。
如果你看一下我们与客户合作的实际方面，它是从业务流程效率开始的。我们能让这个过程更有效率吗?从业务流程效率的角度来看，首先要做的是实现自动化。你可以编写脚本来自动化这些东西，这样你就不用做多余的事情了吗?我认为正是通过自动化，你才能获得洞察力，并说“因为我自动化了，并确保它的某些部分从人类的角度被删除了，我会进入洞察力，并说我是否能做一个预测机制。
更多的往往不是，我们是从印度的角度看服务看更多的自动化。有少数病例在说说AI涓涓，无论是关于客户流失的电信方案或约已成为无所不在这些天，每家公司都有一个聊天机器人聊天机器人预测。
这些都是我们的服务行业内看到有利的一面。
（05:45）还有的企业认为“自动化”他们的技术工作或其他工作，人类大脑。你的意思是，我们可以替换使用脚本？是，与印度IT服务内部操作或者是这个客户端？你如何想象这种转变发生的事情？
NM：这种转变是双向的。我认为它在内部发生，以及因为你已经得到了你申请的东西给客户之前，自己做。例如，从Tech Mahindra公司的角度来看，我们有大约16至20聊天机器人是功能性的，这是所有不同的需求，无论是人力资源，订票，或发现不管是怎么回事。对我来说，聊天机器人不太熟络，更自动化。
他们想出一个简单的用例发生了什么事情。他们不是谷歌双面打印时看到谷歌推出他们或一些人想象说他们是接近人类交谈件。这是我们在内部应用的东西。
但一些案件被自动测试和...。接口工作在某些情况下，聊天机器人，也被应用到我们的客户。有不同的需求。有些是内部客户。他们希望整片自身内发生企业而不是开给自己的客户。但在某些情况下，我们看到客户愿意将其与注意事项，并以适当的免责声明是说：“请不要把它当作一个人打开他们的最终消费者。它本质上是一个可以通话，或者能为你做一些自动化的一个机器人。有不同的地方，我们看到这项工作。
（07:50）这是什么想与技能的印度的科技服务部门建立这些会话接口和自动化应用，帮助客户和帮助自己的水平吗？
NM：我们在内部做的，当我在2014年来到了从美国回来，我开始了这个R＆d中心称为设备的实验室，因为我们做了很多的东西。这是它的整个前提。我们有一个共同的R＆d，我们在人工智能和机器学习的努力，我们foraying到内容计算在这点上，而且有些我们做的事情。我可以对内容的计算工作。
但是，你是对的。有一个人才缺口。其中一个我们搞清楚了这一点的方法之一是，我们已经在行业内打开的设备的实验室，我们已经在印度世界各地的四看出 - 浦那，班加罗尔，海得拉巴，和钦奈。
我们允许R＆d同伙来到实验室，看到发生了什么。我们也希望他们能够参加一些这些颠覆性技术。所以，从印度的角度来看，我们已经通过上，我们知道，从C C ++利器到Java编程部分逐步工作了。但现在是在设计时也被纳入我们的一些谈话的时间。而这设计是不是真的基于语言或算法或一段代码的设计。它是基于特定的算法或特定的问题。这是一个部分。
我们所看到的第二件事是......人来学院了和大学都开了这些渠道颠覆性的机会。确实教给AI和机器学习。我认为实际的一块和学习AI的细节问题，至今下落不明。其中一个原因是我们要推动大量的向R＆d部门的努力。为什么？因为如果你看一下机器学习或人工智能的世界，通常你有一百个工具包，你可以工作......你的名字，有一个工具包。
从印度IT服务的角度来看，这些工具包只不过是一个API(应用程序编程接口)或SDK(软件开发工具包)，以前有人用它来创建java程序，用Android API从Android的角度来做一些事情。现在他们使用另一个工具包来创建算法、算法库或应用程序。算法是如何工作的?这是需要教的东西，这就是为什么有差距。你可以提升一个服务行业的人的技能，告诉他“这是Tensorflow，阅读它并学习它。”然后开始在Tensorflow上编码。“但Tensorflow神经网络的作用是不同的到LST或长期或短期记忆力做什么。这是我们必须履行的差距。我希望在未来的两到三年内，我们将履行这一空白。
（11:45），那岂不是巨大的，如果服务业可能是地方放动手工作结合这些学者，使他们强大的溶胀技能的国家，如果可以做呢？
[NM]：究竟。我认为，我们在设备的实验室做的事情是，我们的学术界和企业之间的管道。我有孩子从8岁进来约14或23，当他们到达学院。我们这样做，因为我们从8或9岁的那么多不厌倦的想法。采取这一想法，并把它开花结果，我们就必须从谁正在对这些新技术的培训学院，这些工程师。从理论上讲，他们也将获得您在这些技术是如何工作的一个企业的感觉。所以这就是你如何成为学术和商业之间的管道。
我们发现的是，当我们的人谁没有在R＆d是传统培训的，他们参与设计，研究和开发特定产品或过程与这些青年学生。
这是在一天结束的时候有很多乐趣。你打破头，你打破窗户，但它很有趣，因为你正在研究。
（13时23分）有没有办法把一个事实，即许多这些IT客户服务技术的后端事情发生在印度？能否够了被凝结的地步，那些可能成为可扩展的产品，为印度经济，不只是一个人做一些有竞争力的地方吗？
[NM]：你是绝对正确的，这是我一直在我的实验室，告诉。我们作为一个经济体，作为服务业，必须启动爱的问题。传统上，我们一直喜欢的解决方案。究其原因，我们是世界的解决方案碗......你外包的问题，你会得到一个解决方案。你总是喜欢解决方案的一部分。您可以在一段代码有问题，网站，移动电话，现在数据的科学部分上。我们可以给你解决。我们已经失去了爱的问题的联系。
我认为这是一切的起点。如果你开始爱的问题，也开始爱上设计的全过程，以解决。如果你喜欢解决问题的设计方面，也开始研究在它周围。什么是世界上干什么？什么是数据的我今天做了多少？该数据将如何影响终端消费者，无论是在美国还是在印度？我可以拿一块的数据和应用，为终端消费者，并进行销售的产品出来的吗？我们开始爱的问题的日子里，我们将进入研发翼。
我的心愿是，每一个服务公司，开始得到手脏到研发翼。我们已经在Tech Mahindra公司一个心愿。不过，这项研究和开发，如果它在服务行业得到启动，它也让上大学的压力，学术界以及其他科学界，可以说，现在，这些企业还需要一个研发的人，而不是just a heads-down person who actually does…And that’s where it starts changing the process.
（17:44）什么东西，这个行业的人应该知道和避开的？
NM：其中一个人工智能和机器学习世界的挑战之一是过于重视它。在这一点上，我们是不是认知和我们没有违反AI的规模。
我看到的另一件事是，人们有一个简单的问题，但他们正试图使它复杂的内放乾坤机器学习或AI包装。机器学习和人工智能在那里留下来，但他们在那里服务于特定的原因和目的。和引起和目的有第一个被假设和来自人约束角度来理解，然后施用。通常情况下，我们所看到的是自动化的发展，我们正在建设中的服务业在印度的一个飞跃到机器学习世界。但是，机器学习世界需要）大量的数据，B）从数据科学的角度和c）具体使用情况，您可以应用人工智能和机器学习了很多假设。并非一切都可以通过人工智能和机器学习来解决。这是我们有，如果你是在服务领域的陷阱。它看起来像当你说你的客户可以利用一个非常时髦的术语，这是我们必须避免的事情。
（19:10）有一点有趣的紧张，你看这个一吨在美国，但我想它是同在那里，你必须删除这些关键字似乎是你的髋关节和你是它。你必须要能够提供它，因为有人要问，如果你能。但是，还有一点是我们要吹嘘不存在或利用和谈论AI，说AI或尝试的时候，其实这不应该是一个问题，AI赢得合同的能力这种阴险的力量。这不是那将需要AI得到结果的东西。
[NM]：我一直在说我的人，“你必须爱的问题。不爱的解决方案。该为什么是很重要的。在什么和怎么会出来。在什么和怎么可能是AI和机器学习件。它不可能是一个人工智能和机器学习片，但为什么必须要正确理解。我们必须从历史中这样的例子很多。蒸汽机是建于19世纪的某个地方，但除非一个汽车是在格式，亨利·福特那样做，它永远不会扩大。
有一个技术和它背后的设计。该技术是如何解决的东西吗？只要我能给的是无缝体验到我的客户认为是无关紧要的。我认为这是我们来看看最重要的事情。如果我要申请AI但也有，你要案件没关系。
（20时37分）还有什么，你会在风险，避免方面说，在印度的科技行业过渡到AI？任何在关闭你的人应该铭记的？
NM：该部门是在这里留下来，在这里各工作。我们来看看AI和机器学习的更广阔的视野。ETIO而政府已经放在AI几个赌注，他们正在研究一些可能改变的方式在印度AI看起来事情以及解决我们的一些如农业，教育，语言像这样的东西复杂的问题。但是，人们必须牢记的是任务的进入，但也越来越过程。
进入它的过程不一定通用，这是我们印度人通常做的。我们印度人通常有一种心态，如果我跟进，那么我会升主导他们这个特定的部门，这是不是有在美国。我们必须注意到的事实，你可以达到，即使你是一个经济学学生的AI地方。你会喜欢上的数据达到了它的AI部分。如果AI将是在这里留下来，AI是要解决大问题，但我们已经在得看是）爱的问题，但B）也留心发现，问题出的过程。
订阅我们AI在工业播客用你喜欢的播客服务：
标题图片来源：vbriindia
