Sujatha Sagiraju, hoofprodukbeampte by Appen – Onderhoudreeks

Sujatha Sagiraju is die hoofprodukbeampte by Appen, het sy in September 2021 by Appen aangesluit as SVP van Produk en sy is verantwoordelik vir die produkstrategie. Sy is 'n tegnologiepionier met meer as 20 jaar se breë ervaring in die bou van ontwrigtende grootskaalse aanlyndienste en KI/ML en dataplatforms. Sy het by Appen van Microsoft aangesluit waar sy leiersrolle in verskeie groepe beklee het, insluitend Bing en Azure AI Platform.

Appen is die wêreldleier in data vir die KI-lewensiklus. Met meer as 25 jaar ondervinding in dataverkryging, data-aantekeninge en model-evaluering deur mense, stel dit organisasies in staat om die wêreld se mees innoverende kunsmatige intelligensie-stelsels bekend te stel.

Wat het jou aanvanklik na KI aangetrek?

Toe ek by Microsoft was, het ek in Azure AI-organisasie gewerk. Ek was vertroud met die bedryfslandskap, die kliënte en die KI-transformasie wat in verskillende industrieë plaasvind. Ek kon uit 'n kliënt se oogpunt sien dat opleidingsdata 'n padblokkade was vir die bou van masjienleermodelle en ek het Appen gesien as 'n geleentheid om daardie probleem op te los – die ontbrekende skakel wat al die stadiums van die KI-lewensiklus kon verbind.

Jy is tans die hoofprodukbeampte by Appen, kan jy beskryf wat hierdie pos behels?

Op die hoogste vlak bou my span die produkvisie, -strategie en belyn met verskeie verskillende belanghebbendes regoor die organisasie om dit effektief uit te voer. Op 'n meer persoonlike vlak spandeer ek baie tyd om die bedryf en kliënte te verstaan. Met sommige van die grootste maatskappye soos ons kliënte soos Amazon, Google, Microsoft, Salesforce, Boeing, is dit belangrik vir my span om die kliëntscenario's en pynpunte te verstaan ​​en 'n produkstrategie te bou wat 'n groeiplan lewer. Die bou van 'n veilige, inklusiewe kultuur is ook 'n baie groot deel van my rol, aangesien ek daarop fokus om 'n ruimte te skep vir ons werknemers om idees te deel, saam te werk en hul loopbane te laat groei.

Hoe belangrik vir KI-ontwikkeling is die bevordering van diverse spanne?

Dit is uiters belangrik vir KI-ontwikkeling om uiteenlopende spanne te hê. Daar is 'n paar verskillende maniere om aan diversiteit te dink - geslag, ouderdom, ras, perspektiewe. Die diversiteit van perspektiewe kan die belangrikste deel wees om seker te maak jy het uiteenlopende agtergronde en ervarings in jou span. Daardie ervarings bring nuwe en ander idees om te help bou aan die beste produk vir al jou kliënte wat baie uiteenlopend is.

Hoe skep jy 'n werkskultuur wat hierdie diversiteit sinergiseer?

'n Kultuur wat diversiteit bevorder, nooi werknemers uit om hul idees en perspektiewe te deel. Ek hou daarvan om verskillende metodes van kommunikasie te oorweeg wanneer ek spanvergaderings hou. Wanneer ek byvoorbeeld vir terugvoer in 'n spanvergadering vra, vra ek dat werknemers direk in die vergadering praat of vir my 'n boodskap stuur nadat hulle daaroor gedink het. Ek erken dat nie almal dadelik wil praat of terugvoer wil deel nie, en ek wil 'n kultuur skep waar dit aanvaarbaar is. Ek wil 'n veilige omgewing hê vir mense om hul opinies te lig en hul idees te deel soos hulle verkies. Goeie idees kom van al die verskillende spanne binne die organisasie. Ek ontmoet verkoops-, bemarkings- en ander klante-gekonfronteerde spanne om hul behoeftes met die produk te verstaan ​​en hul perspektief wat nou saam met kliënte werk. Sommige van die beste produk-idees kom daarvan om aandagtig te luister na die pynpunte van die klante – hetsy direk van hulle of spanne wat elke dag met ons kliënte interaksie het.

Behalwe om gediversifiseerde spanne te hê, wat is ander maniere om vooroordeel in masjienleeralgoritmes te beveg?

Inklusiewe dataverkryging, datavoorbereiding en modelevaluering is van kritieke belang om vooroordeel te beveg. Die data wat gebruik word om die algoritmes op te lei, moet alle potensiële eindgebruikers of uitkomste insluit. Wanneer deur verskillende stadiums van die KI-lewensiklus beweeg word, moet elke stadium vir vooroordeel nagegaan word. Verantwoordelike KI is ook gebou met datastelle wat verantwoordelik is verkry, wat beteken dat die bydraers regverdig behandel word. Appen het 'n Crowd Etiese Kode gebou om ons toewyding aan die welstand van ons Crowd te wys.

Jy het onlangs 'n artikel geplaas wat 'n nuwe dissipline bespreek, genaamd Data for AI Lifecycle. Kan jy kortliks beskryf wat dit is?

Die Data vir die KI-lewensiklus sluit vier fases in 'n aaneenlopende siklus in; dataverkryging, datavoorbereiding, modelbou en -ontplooiing, en modelevaluering deur mense. Hierdie stadiums is nodig om data van hoë gehalte vir die bou van KI-projekte te lewer. Dataverkryging, datavoorbereiding en model-evaluering is die mees moeisame en data-intensiefste en as dit nie goed gedoen word nie, kan dit lei tot projekkwaliteitkwessies en bekendstellingsvertragings. Appen spesialiseer in daardie drie stadiums en werk strategies saam met verskaffers wat spesialiseer in modelopleiding en -ontplooiing.

Wat is die rol van sintetiese data in die Data vir KI-lewensiklus?

Dataverkrygingsoplossings sluit in menslike geannoteerde data, voorafbenoemde datastelle en sintetiese data. Sintetiese data word aangewend in datastelle en gebruiksgevalle wat moeilik is om te vind. Inklusiewe datastelle dek alle gebruiksgevalle en potensiële eindgebruikers van 'n KI-model, en sommige benodig sintetiese data om daardie doel te bereik. Die kombinasie van menslike geannoteerde data en sintetiese data sal van kritieke belang word vir modelsukses.

Hoe groot van 'n probleem is modelverskuiwing of oorpassing met die Data vir KI-lewensiklus?

Modelverskuiwing kan 'n groot probleem wees en moet in die vierde fase van die KI-lewensiklus, Model Evaluation by Humans, aangespreek word. Dit is van kritieke belang dat die model aanhou werk in die regte wêreld en om te weet dat dit deur menslike toetsing moet gaan. Soos omgewings verander en groei, moet modelle ook verander. Dit is belangrik dat praktisyns voortdurend hul modelle evalueer om te verhoed dat hulle verouderd of bevooroordeeld raak. Microsoft se Bing is 'n kliënt wat model-evaluering gebruik om te verseker dat soekresultate volgens hul standaard presteer en die model word voortdurend geëvalueer.

Is daar enigiets anders wat jy graag oor jou werk by Appen wil deel?

Die waardevolste werk by Appen is deur ons mense en hul kundigheid. Met 25 jaar ondervinding het Appen 'n sterk grondslag met sy werknemers gebou. Ons kliënte vertrou ons kundigheid om hoë kwaliteit resultate te lewer, vinnig en op skaal. Appen maak die transformasie van die KI-industrie moontlik deur oplossings te verskaf om die data vir die KI-lewensiklus naatloos te bestuur.

Dankie vir die puik onderhoud, lesers wat meer wil leer moet besoek aflê Appen.