مقابلات
آشلي براينت-بيكر، مدير بيانات وتحليلات في فريش آيز ديجيتال – سلسلة مقابلة
أضف Unite.AI إلى مصادرك المفضلة على Google
آشلي براينت-بيكر هي مدير بيانات وتحليلات في فريش آيز ديجيتال، وهي شركة استشارية تركز على نجاح المنظمات غير الحكومية. قبل فريش آيز ديجيتال، قامت بتشغيل شركة استشارية خاصة بها، بي آند بي بيانات الحلول، حيث ساعدت العلامات التجارية على بناء وحلول بيانات. عملت في مجال التحليلات لأكثر من عقد من الزمان في صناعات تتراوح من السلع الاستهلاكية، والسفر، واللوجستيات، والرعاية الصحية والمنظمات غير الحكومية.
أصبحت متحدثة مطلوبة حول مواضيع مثل التحيز الجنساني في الذكاء الاصطناعي، وتنقية العملاء باستخدام الذكاء الاصطناعي، والتنوع في مكان العمل. تم دعوتها مؤخرًا للتحدث في أحداث مختلفة، بما في ذلك SXSW، وData Minds Connect، وDigital Summit DC. التحقت آشلي بجامعة أمريكية في باريس، وجورجتاون، وLSU، وFort Hays University. لديها ماجستير في الاقتصاد الدولي، وشهادة في علوم البيانات، وبكالوريوس في الأعمال وبكالوريوس في الفن.
ما هو ما جذبك في البداية إلى علوم الحاسوب وعلوم البيانات؟
في الكلية درست الفنون وكنّ interessted في العمل في شركة ألعاب فيديو عند التخرج كمصمم ألعاب. كان خطتي أن أعمل على نماذج ثلاثية الأبعاد وتصميم الشخصيات والأجسام التي يتفاعل معها الناس في اللعبة. حتى عملت كمختبرة جودة ألعاب فيديو لشركة EA Sports في الكلية. منذ ذلك الوقت لم يكن هناك تركيز على الفنون الحاسوبية في جامعة tôi، قررت أن أدرّس على علم الحاسوب لدعم شهادتي في الفنون. في البداية لم أكن أحب دروس علم الحاسوب على الإطلاق. كان هناك عداء حدودي تجاه الأشخاص الذين لم يكن لديهم خبرة (مثل myself) من قبل طلاب آخرين وحتى بعض الأساتذة. استمررت في دراستي لأن هدفي كان تصميم وبرمجة لعبة فيديو تعمل. استخدمت بايثون ومايا لإنشاء لعبة шах في ثلاثة أبعاد مع قطع متحركة وذكاء اصطناعي بسيط يمكنه اللعب ضدك. في ذلك الوقت لم أكن أعرف أي شيء عن بايثون وافترضت أنني لن أستخدمه مرة أخرى.
في أحد أولى وظايفي بعد التخرج، كنت أعمل في شركة تسويق كمدير مشروع جونيور. عملت مع فريق من الفنانين، والمتخصصين في التسويق، والمتخصصين في الإنتاج، ومتحليل واحد في المبنى كله الذي كان يدير التحليلات لما يقرب من 15 عميلًا بمفرده. كانت تطلب مني المساعدة من وقت لآخر للتحقق من математиقها أو إنشاء تقارير بسيطة. عندما اضطرت إلى أخذ إجازة طبية لعدة أسابيع، سألت مشرفي وأنا إذا كنت يمكنني أن أتولى مسؤولية التحليلات أثناء غيابها. عندما عادت، سألت عن نقل إلى قسمها. العمل مع البيانات كان مثيرًا للاهتمامي. كان هذا تحولًا غير متوقع في مسيرتي المهنية، لكني لم أتوقف منذ ذلك الحين. استمررت في الرغبة في التعلم،所以 اخترت دورات وطلبت وظائف تحليلات حيث يمكنني التعلم من الآخرين. ثم جاء كل شيء بشكل دائري وأنا أعمل مع بايثون مرة أخرى، على الرغم من أنه كان بطريقة مختلفة تمامًا عن ذي قبل.
كل هذا ليقول إنني دخلت علوم البيانات بالصدفة.
أنت الآن مدير بيانات وتحليلات في فريش آيز ديجيتال، وهي شركة تعمل مع المنظمات غير الحكومية. هل يمكنك أن تشاركنا ما تفعله الشركة وماذا تفعل هناك؟
فريش آيز ديجيتال هي شركة استشارية توفر دعم تسويقي وتسويق لمنظمات غير حكومية. نعمل مع العملاء لفهم المتبرعين، وبناء حملات رقمية حول أهداف المنظمات غير الحكومية، ومساعدتهم على فهم كيف يمكن أن يُرفع مستوى وجودهم الرقمي لتحقيق هذه الأهداف. قامت فريش آيز ديجيتال بتوظيفي لأنهم أرادوا بناء عرض بيانات أكثر قوة. في البداية عملت معهم كمستشار حيث ساعدتهم على تصميم الاختبارات المتعددة المتغيرة، وفهم النتائج، وتحسين خدمات التحليلات واللوحات. الآن أعمل معهم على بناء مجموعة من العروض لمنظمات غير حكومية. بعض المشاريع التي أعمل عليها تشمل التحليل التوقعي حول معدلات تحويل المتبرعين وأسعار التبرع مع مرور الوقت. وفهم الآثار الخارجية، مثل المناخ السياسي، والتغييرات الاقتصادية، ودورات الأخبار، بالإضافة إلى العوامل الداخلية، مثل استراتيجيات الرسائل التسويقية، وتقارير تأثير المنظمات غير الحكومية، وحتى حركة الأدوار القيادية داخل المنظمة، وكيف يمكن أن تؤثر كل هذه العوامل على الإمكانات.
المنظمات غير الحكومية تتبنى استخدام الأساليب الإحصائية المتقدمة وتدرك أن هذا يساعد في رؤيتها من خلال فهم تأثيرها وجمع التبرعات بطريقة أكثر تنظيمًا.
أحد إنجازاتك التي تفتخر بها هو كونك مدافعًا عن التنوع في مجال STEM، هل يمكنك أن تشاركنا بعض هذه الإنجازات؟
هناك العديد من المنظمات العظيمة التي تعمل من أجل التنوع والعدالة في مجال STEM: Black Girls Code، وByteBack في واشنطن، وDataKind، وأخيرًا جمعيتي الزيتا في بيتا مع العديد من المنظمات الأخرى التي تشارك مع جوجل لتدريب المجموعات غير الممثلة في التدريب الفني والحاسوبي. أقوم بفعل جزءي من خلال التطوع مع هذه المنظمات، وكوني مرشدة للأشخاص الذين يدخلون المجال، والتحدث في الفعاليات (特别 في الفعاليات التقنية، حيث أكون في بعض الأحيان المرأة الوحيدة أو شخص من الأقليات) وتصميم الدورات التدريبية في المدارس (特别 في المدارس التي تضم غالبية الأقليات، والمدارس الريفية، والمدارس البديلة). بالإضافة إلى ذلك، عملت مع العديد من الشركات لت đa dạng برامج التدريب والبرامج التخرج.
(GOOGL )كنت أشارك في هذا النوع من العمل بشكل روتيني. نشأت في منزل ومجتمع حيث كان التطوع جزءًا من الحياة اليومية. استمررت في هذا خلال الكلية وخارجها مع جمعية الزيتا في بيتا. ومع ذلك، أعتقد أنني انجذبت إلى هذا المجال لأنني لم أكن لدي فرصة للتعلم عن الحواسيب والبرمجة حتى الكلية، وعندما وصلت إلى الكلية، تذكرت شعور السلبية الذي شعرت به عند متابعة تخصصي في علم الحاسوب. لا أريد أن يمر أي شخص، خاصة من يытلمح لتعلم وتحسين نفسه، بتجربة ذلك. لا أعتقد أنني أدركت真正 التأثير الذي كنت أتركه حتى كنت أتحدث مع مجموعة من الطلاب في حدث توظيف، وفتاة سوداء شابة ووالدتها جاءتا إليّ وقالتا إنني كنت أول امرأة تقنية سوداء رأيتها في أي مؤتمر أو حدث توظيف. لذلك عرفت أنني يجب أن أجعله جزءًا من روتيني المنتظم.
أحاول المشاركة في هذه البرامج بانتظام. في الواقع، في 16 مارس، سأقوم بتنظيم حدث هاكاثون مع عالمة بيانات رائعة وصديقة جيدة لي، سواثي، بالتعاون مع Girls in AI.
لقد عملت أيضًا على توسيع تعليم التكنولوجيا في المناطق الريفية ومناطق الدخل المنخفض. كم هو كبير هذا القضية؟
واو، لا يوجد وقت كافٍ للتحدث عن مدى ضخامة هذه القضية! جائحة كورونا أظهرت بوضوح أن هناك عدمات متأصلة في مجتمعنا. واحدة من أكبر هذه القضايا هي التعليم. لدي صديق يعمل في مدرسة بديلة على окраية واشنطن. الطلاب هناك غالبًا ما يكونون أكبر سنًا، ويجب أن يعملوا في نفس الوقت الذي يدرسون فيه، ولا يمتلكون دائمًا الأدوات المنزلية للتعلم عن بعد مثل جهاز الكمبيوتر أو جهاز الكمبيوتر المحمول. كان لديهم معلم يدافع عنهم، يعمل مع المدرسة للحصول على خيار موبايل لضمان وصول معظم الطلاب إلى المدرسة على هواتفهم الخلوية. ومع ذلك، هذا ليس دائمًا هو الحال في البيئات المدرسية المنخفضة الدخل أو البديلة. الوضع الريفي مشابه الصعب للطلاب والمعلمين. يمكن أن يكون الاتصال بالإنترنت عالي السرعة مكلفًا للغاية في المناطق الريفية، وفي بعض الحالات غير متاح. ي ngồi الطلاب في مواقف مَكدونالدز للوصول إلى الإنترنت أمر غير مقبول ولكن ضروري في بعض من هذه المناطق. أعرف معلمين في ريف بنسلفانيا لا يستطيعون حتى الحصول على إنترنت جيد للوصول إلى فصولهم الافتراضية.
خارج جائحة كورونا، هناك قضية التمويل غير كاف في المدارس الريفية ومنخفضة الدخل، ونقص المعلمين المدربين تقنيًا، خاصة في المناطق الريفية حيث يمكن أن يكون جذب المواهب صعبًا، وبالطبع التحيز العام ضد الطلاب من الأقليات، والطلاب المهاجرين، وحتى الطلاب الريفيين الذين قد يبدون أو يصوتون بشكل مختلف عن الثقافة “الأمريكية” المقبولة على نطاق واسع. كل هذه السيناريوهات تضافة إلى نقص الوصول إلى تعليم STEM، وبالتالي الطلاب الذين لم يتعرضوا أبدًا لهذه المواد والمجالات.
ما مدى حجم مشكلة التحيز الجنساني والracial في الذكاء الاصطناعي؟
هذه مشكلة يجب أن تفكر فيها جميع الشركات والمنظمات. للأسف، هذه مشكلة صعبة الحل لأنها غالبًا ما تعني أن الشركة أو المنظمة لديها بالفعل نمط من التحيز في هذه المنطقة. يعتمد الذكاء الاصطناعي على الأنماط السابقة لتنبؤ السلوك المستقبلي، وبالتالي يضخم هذا السلوك. ومع ذلك، من الصعب على البشر أن يدركوا تحيزاتهم الخاصة، لدينا جميعًا تحيزات، وغالبًا ما نتصرف بشكل غير واعٍ عليها. يجب أن تكون هناك أنظمة لمساعدة التخفيف من هذه التحيزات والحفاظ على الفرق مسؤولة على كلا الجانبين التقني والأعمال.
كيف يمكننا ضمان أن تطبيقات الذكاء الاصطناعي اليوم لا تعزز التحيزات البشرية؟
هناك خطوات يمكن للشركات اتخاذها لإنشاء معيار لممارسة العلوم البيانات والذكاء الاصطناعي لمساعدة التخفيف من التحيز. لا أستطيع التأكيد بما فيه الكفاية على أن هذا يجب أن يكون عملية مشتركة بين الفرق التقنية والفرق الأعمال. أهمية السياق الذي لا يظهر دائمًا للفرق التقنية هو أمر بالغ الأهمية.
يبدأ الأمر بالاعتراف بالتحيز المحتمل. يمكن أن يحدث هذا في عملية جمع البيانات، أو اختيار الميزات لبناء النماذج، أو يمكن أن يحدث完全ًا خارج البيانات في ممارسات الأعمال. على سبيل المثال، كنت مرة مطلوبة من قائد في شركة إذا كان جمهورهم الأساسي حقًا من الرجال الأغنياء الأكبر سنًا الذين يعيشون في المناطق الريفية أو الحضرية. نظرت إلى البيانات ودرت أن لديهم تمثيل زائد لهذه المجموعة. لاحظت أيضًا أن معظم عملائهم جاءوا من نفس المصادر الإعلامية، مثل الراديو المحافظ. تعلمت من عضو في فريق التسويق أن الشركة تلقت تسويقًا منخفض التكلفة أو بدون تكلفة على هذه المنصات في وقت إطلاقها، و phảnع ذلك معظم عملائها. التحيز لم يكن في البيانات ولكن في عدم تنويع استراتيجية الاتصالات. ومع ذلك، نتيجة لذلك، نموذج التقييم مدى الحياة الذي أنشأه فريق البيانات صنف الرجال الأغنياء الأكبر سنًا من المجتمعات الريفية والحضرية كأفضل العملاء، مما يضخم استراتيجية الاتصالات التي استخدمها فريق التسويق. هذا شيء لا يجب على أي فريق تقني أن يكون مسؤولاً عن معرفته، ومع ذلك يجب أن يكون مسؤولاً عن طرح الأسئلة الصحيحة.
هذا يؤديني إلى الخطوة الثانية، وهي وضع إرشادات للبحث عن التحيز ومن ثم التعامل معه بعد اكتشافه. بعد أن تعرف على مصادر التحيز المحتملة، يجب على المنظمة إنشاء قائمة بالتحقق من هذه المصادر وإنشاء مسار لمن يجد بيانات أو أنماط قلقية للتعامل معها. لا يمكن القيام بذلك في فراغ. إنها مسؤولية جميع الفرق ضمان أن التطبيقات لا تعزز التحيزات. كما في المثال السابق، لا يتحمل فريق البيانات مسؤولية استراتيجية الاتصالات. يمكنهم مساعدة في تحديد النتائج، ثم العمل مع فرق أخرى في المنظمة للتعامل معها. في هذه الحالة، عمل فريق الاتصالات مع فريق علوم البيانات لاختبار استراتيجيات اتصالات أخرى تخدم فئات ديموغرافية مختلفة.
عندما يظهر التحيز في نماذج البيانات، أحيانًا قد يكون ذلك في كيفية تحديد فريق البيانات لميزات اختيار البيانات، أو البيانات التي يتم تضمينها أو استبعادها من مخازن البيانات، أو حتى المقياس المتوقع. في هذه الحالات، من المهم لفريق البيانات أن يفهم أن دقة نموذج البيانات ليست دائمًا مكافئة للعدالة. قد يكون من الصحيح أن تزيد ميزات معينة في نموذج البيانات من دقة التنبؤ، لكن الزيادة البالغة 0.5% في الدقة قد تأتي على حساب اجتماعي أو تجاري. تحديد ما يعني العدالة ليس مهمة سهلة وتتطلب مشاركة فرق متعددة. هناك منهجية تسمى “العدالة المعاكسة” تضع في الاعتبار أن القرار عادل تجاه فرد إذا كان هو نفسه في العالم الحقيقي وفي عالم معاكس حيث ينتمي الفرد إلى فئة ديموغرافية مختلفة. بالإضافة إلى ذلك، نشرت Microsoft (MSFT ) وGoogle AI معايير لمحاسبة العدالة في الذكاء الاصطناعي. أستخدم شخصيًا إرشادات الاتحاد الأوروبي بشأن أخلاقيات الذكاء الاصطناعي، والتي أجد أنها شاملة جدًا لصنعتي. بعد إنشاء معيار للعدالة، يمكن لفريق البيانات تحديد ما إذا كان الحل هو معالجة البيانات مسبقًا، أو تعديل قرارات النظام بعد ذلك، أو دمج تعريفات العدالة في عملية التدريب نفسها. مسألة التحيز في البيانات هي مسألة معقدة تتطلب التقييم المنتظم وأصوات مجموعة واسعة من الناس. ليست مجرد مشكلة تقنية يجب حلها.
ما هي آراؤك حول السياسات الحكومية المنفذة لآثيكات البيانات والذكاء الاصطناعي؟
أعتقد أن هناك تحركات في الاتجاه الصحيح من خلال إنشاء إجراء معياري عند التعامل مع أخلاقيات الذكاء الاصطناعي والبيانات. أمر ترامب التنفيذي حول أخلاقيات الذكاء الاصطناعي يخلق سجلًا للنماذج التي يتم نشرها داخل الحكومة، ويحدد جدولًا زمنيًا لإنشاء توجيهات السياسة، ويشجع الوكالات على توظيف فرق ومتخصصين تقنيين، ويشجع على الشفافية في استخدام الذكاء الاصطناعي في جميع أنحاء الحكومة في المناطق التي لا تتعلق بالبحث والتطوير أو الأمن القومي، وهو ما أعتبره مهمًا للغاية. هذا النوع من الخطة الشاملة هو تطور مثير في الحكومة، التي كانت تاريخيًا بطيئة في تبني التكنولوجيا. ومع ذلك، فإن السياسات لم تفعل الكثير لإنشاء ثقافة أخلاقيات، أو خطط ملزمة وموحدة عبر الوكالات، أو حتى تحديد ما يعني الأخلاقيات أو العدالة في هذه السياقات. مع وصول الإدارة الجديدة، سأ nhấnهم على توطيد هذه الخطط بمخطط أكثر هيكلة ووحدة عبر جميع الوكالات، بالإضافة إلى إجراء تقييم يأخذ بعين الاعتبار التأثير البشري بعناية، حيث يؤثر الكثير من عمل حكومتنا على الحياة اليومية للأشخاص في الداخل والخارج.
هل هناك أي شيء آخر تود أن تشاركه حول عملك مع فريش آيز ديجيتال؟
يمكن استخدام علوم البيانات من قبل المنظمات غير الحكومية لزيادة التأثير الذي تحققه هذه المنظمات في تحسين العالم بطرق كثيرة. بالنسبة لهذه المنظمات، جمع البيانات ليس عادة مشكلتهم. لديهم الكثير من البيانات للعمل معها. استخدام هذه البيانات بطرق واضحة وقابلة للتنفيذ هو ما يصعب على هذه المنظمات، التي غالبًا ما تكون مقيدة بالموارد وربما لا تملك فريق تحليلات داخليًا. العمل الذي نقوم به في قسم البيانات في فريش آيز ديجيتال يساعد هذه المنظمات على فهم واستخدام بياناتها بالطريقة الصحيحة، مما يؤدي إلى اتخاذ قرارات أكثر اطلاع و استراتيجية.
أنا سعيد لأنني أملك الفرصة للعمل مع هذه المنظمات بطريقة تساعد على جعلها أكثر كفاءة وفعالية في عملهم لتحقيق تأثير إيجابي في العالم.
شكرًا على الإجابات المفصلة وأتطلع لمتابعة مشاريعك المستقبلية. القراء الذين يرغبون في معرفة المزيد يمكنهم زيارة موقع آشلي براينت-بيكر و/أو فريش آيز ديجيتال،
