Amazon मशीन लर्निंग कॉन्फ़्रेंस में हमारे साइंटिस्ट कैसे कनेक्ट करते हैं और इनोवेट करते हैं

Amazon Ads में सीनियर एप्लाइड साइंटिस्ट नीति नारायण ने कहा, “यह बिल्कुल अकादमिक कॉन्फ़्रेंस जैसा लगता है.” “आपको पेपर, पोस्टर, कीनोट सब कुछ मिल गए हैं, लेकिन AMLC को अलग बनाता है वहाँ मौजूद लोग. ये सिर्फ़ साइंटिस्ट नहीं हैं, बल्कि बिज़नेस के अलग-अलग हिस्सों से आए इंजीनियर, प्रोडक्ट मैनेजर और डेटा साइंटिस्ट भी होते हैं. यह असल में कोलैबोरेटिव माहौल है.”

सीनियर रिसर्च साइंटिस्ट मार्टिन रडफ़ार के लिए भी AMLC उतना ही रोमांचक है. मार्टिन पिछले छह साल से Amazon के साथ हैं. उन्होंने शुरुआत में Alexa के लिए AI पर काम किया था और फिर इमेज और वीडियो प्रोसेसिंग को एक्सप्लोर करने के लिए Amazon Ads में आ गए. AI की टॉप कॉन्फ़्रेंस में 16 बाहरी पब्लिकेशन के साथ उनका पब्लिकेशन काम काफ़ी शानदार है, लेकिन फिर भी उन्हें Amazon की इस आंतरिक कॉन्फ़्रेंस में कोई वैल्यू दिखती है.

AMLC का आकर्षण एक रूप में बौद्धिक है और दूसरी तरफ़ सामाजिक है. ननीति के लिए, प्रोडक्ट रिव्यू पर आधारित पेपर उनके दिमाग में बस गया है. वह याद करते हुए बताती हैं, “मैंने मॉडल को प्रोडक्शन में जाने से पहले रिव्यू किया था. यह इस बारे में था कि बड़े लैंग्वेज मॉडल की मदद से हज़ारों रिव्यू की समरी कैसे बनाई जा सकती है.” “बाद में हमने अपने ख़ुद के प्रोजेक्ट में उनके डेटासेट का इस्तेमाल किया. यह कोलैबोरेशन सिर्फ़ AMLC की वजह से हुआ है.”

मार्टिन की भी ऐसी ही कहानी है. उनकी टीम ने ऐसा मॉडल बनाया था, जो किसी इमेज में टेक्स्ट ओवरले करने के लिए सुरक्षित जगहों का पता लगाता है. इस मॉडल ने दूसरे साइंटिस्ट ग्रुप का ध्यान अपनी ओर आकर्षित किया और बाद में उन्होंने इसे अपने वर्कफ़्लो में भी शामिल किया. वे कहते हैं, “इससे कई मौक़े मिलते हैं.” “आपको हमेशा यह एहसास नहीं होता कि आपके काम के व्यापक ऐप्लिकेशन होते हैं, जब तक कोई और इसे नहीं देखता है.”

Amazon, 2013 से AMLC चला रहा है. 2024 में कुल 918 सबमिशन आए, जिनमें से 89 ओरल प्रेज़ेंटेशन और 190 पोस्टर प्रेज़ेंटेशन के लिए चुने गए. ये संख्याएँ बड़ी हैं, लेकिन इसका असर पैमाने से ज़्यादा आपसी जुड़ाव पर निर्भर करता है. पोस्ट-कॉन्फ़्रेंस सर्वे के अनुसार, 89% प्रतिभागी यह महसूस करते हुए लौटे कि वे Amazon की साइंस कम्यूनिटी से पहले से ज़्यादा जुड़े हुए हैं. यह बताता है कि AMLC पिछले एक दशक से भी ज़्यादा समय से आकर्षक वैज्ञानिक संस्कृति को बढ़ावा दे रहा है.

यह अपनापन बेहद मायने रखता है, ख़ासकर Amazon जैसी बड़ी कंपनी में. नीति ने कहा, “हर दिन आप अपनी टीम और अपनी ख़ुद की डेडलाइन पर ही ध्यान केंद्रित करते हैं.” “लेकिन AMLC आपको याद दिलाता है कि आप किसी बड़ी चीज़ का हिस्सा हैं. अचानक आप Alexa या AWS से जुड़े किसी व्यक्ति के साथ बैठे होते हैं और समझते हैं कि आप अलग-अलग एंगल से एक जैसी समस्याओं पर काम कर रहे हैं.”

बाहरी कॉन्फ़्रेंस से तुलना होना स्वाभाविक है और ऐसा जानबूझकर भी किया जाता है. नीति आगे कहती हैं, “मैंने बड़े एक्सटर्नल ML कॉन्फ़्रेंस में भाग लिया है.” “ईमानदारी कहें, तो AMLC में पेपर की क्वालिटी के मामले में बिल्कुल बराबरी पर हैं. फ़र्क़ यह है कि यहाँ आप प्रस्तुत किए गए आइडिया के तुरंत ऐप्लिकेशन को भी देख लेते हैं. और आप ऐसे लोगों से मिलते हैं जो इन आइडिया को अपने काम में लागू करने में आपकी मदद कर सकते हैं.”

मार्टिन इससे सहमत हैं, लेकिन वे इस चीज़ को जल्दी समझ जाते हैं कि रिसर्च के शेयर करने का तरीक़ा तेज़ी से बदल रहा है. “इन दिनों, कई बड़ी तकनीकी कंपनियाँ एक्सटर्नल रूप से कम पब्लिश कर रही हैं. डेटा गोपनीयता, बौद्धिक संपदा, यह चीज़ों को धीमा कर देती है. लेकिन AMLC में, आप जल्दी से काम शेयर कर सकते हैं और आपके समुदाय पर अच्छा असर डाल सकते हैं.”

AMLC इस क्षेत्र के आगे बढ़ने की दिशा का बैरोमीटर भी है. पिछले साल के कीनोट में एंड्रयू एनजी, Stanford के प्रोफ़ेसर और AI पायनियर शामिल थे, जिन्‍होंने मल्टी-एजेंट सिस्टम पर बात की थी, वही टॉपिक जिसे मार्टिन ने प्रेजेंटे किया था. वह हँसते हुए कहते हैं, “मैं अभी मल्टी-एजेंट AI पर बात करके आया था, तब एंड्रयू एनजी मंच पर कह रहे हैं कि यही AI रिसर्च का भविष्य है. यह एक अच्छा पल था.”

नीति के लिए, खोज की तेज़ गति में प्रेरणा ज़्यादा है. वह कहती हैं, “जेनरेटिव AI इतनी तेज़ी से आगे बढ़ रह है कि इसके साथ चल पाना मुश्किल है.” “टीमें हर हफ़्ते नए टूल लेकर आ रही हैं. यह हमें ऐड के बारे में और बड़ा सोचने के लिए प्रेरित करता है. साथ ही, यह सोचने के लिए भी कैम्पेन कैसे बनाए जाते हैं और प्रोडक्ट Rufus में कैसे दिखाई देते हैं, जो Amazon का जेनरेटिव AI-पावर्ड शॉपिंग असिस्टेंट है. आप AMLC में इन आइडिया को देखते हैं और आप भविष्य की कल्पना करने लगते हैं.”

दोनों साइंटिस्ट यह बताने के लिए उत्सुक हैं कि सब सही तरह काम करे, इसके लिए बड़े मॉडल को ट्रेन करना, पैरामीटर फ़ाइन-ट्यून करना और बार-बार ये स्टेप दोहराना ज़रूरी है, लेकिन यह बहुत मेहनत वाला काम है. हालाँकि, AMLC इस मेहनत को व्यापक संदर्भ देने में मदद करता है. नीति कहती हैं, “आप किसी प्रोजेक्ट पर महीनों तक काम करते हैं. “फिर उसे हज़ारों सहकर्मियों के सामने दिखाना, उनके सवाल और आइडिया सुनना, यह ऊर्जा से भर देने वाला अनुभव होता है.”

मार्टिन सहमति जताते हुए कहते हैं, “साइंटिस्ट के तौर पर हम हमेशा जिज्ञासा और असर के बीच बैलेंस बनाए रखते हैं. AMLC वह जगह है जहाँ वे दो चीजें मिलती हैं.”