سوجاثا ساجيراجو، كبير مسؤولي المنتجات في آبن – سلسلة المقابلات

سوجاثا ساجيراجو هي كبير مسؤولي المنتجات في آبن، انضمت إلى آبن في سبتمبر 2021 كsvp للمنتجات وهي مسؤولة عن استراتيجية المنتج. وهي رائدة في مجال التكنولوجيا مع أكثر من 20 عامًا من الخبرة الواسعة في بناء خدمات الإنترنت الضخمة والمنشآت الاصطناعية والتعلم الآلي ومنصات البيانات. انضمت إلى آبن من مايكروسوفت حيث شغلت أدوارًا قيادية في عدة مجموعات بما في ذلك بينج و منصة أزور الاصطناعية.

آبن هي الشركة الرائدة عالميًا في بيانات دورة حياة الذكاء الاصطناعي. مع أكثر من 25 عامًا من الخبرة في استخراج البيانات وتنقيطها وتقييم النماذج من قبل البشر، تمكن المنظمات من إطلاق أنظمة الذكاء الاصطناعي الأكثر ابتكارًا في العالم.

ما الذي جذبك في البداية إلى الذكاء الاصطناعي؟

عندما كنت في مايكروسوفت، عملت في منظمة أزور الاصطناعية. كنت على دراية بالمناظر الصناعية والعملاء وتحول الذكاء الاصطناعي الذي يحدث عبر مختلف الصناعات. يمكنني رؤية من وجهة نظر العميل أن بيانات التدريب كانت عائقًا لبناء نماذج التعلم الآلي ورأيت آبن كفرصة لحل هذه المشكلة – الرابط المفقود الذي يمكن ربط جميع مراحل دورة حياة الذكاء الاصطناعي.

أنت现在 كبير مسؤولي المنتجات في آبن، يمكنك وصف ما يتضمن هذا المنصب؟

على أعلى مستوى، يبني فريقي رؤية المنتج و استراتيجيته ويتوافق مع مختلف أصحاب المصلحة عبر المنظمة في تنفيذها بشكل فعال. على مستوى شخصي، أقضي وقتًا كبيرًا في فهم الصناعة والعملاء. مع بعض أكبر الشركات كعملاء لنا مثل أمازون و جوجل و مايكروسوفت و سيلز فورس و بوينغ، من المهم لفريقي فهم سيناريوهات العملاء ومخاطرهم وبناء استراتيجية منتج تؤدي إلى خطة نمو. بناء ثقافة آمنة وشاملة هو جزء كبير من دوري حيث أركز على خلق مساحة لموظفينا لمشاركة الأفكار والتعاون ونمو مسيرتهم المهنية.

ما مدى أهمية تعزيز فرق متنوعة في تطوير الذكاء الاصطناعي؟

من المهم جدًا لتنمية الذكاء الاصطناعي أن يكون لديك فرق متنوعة. هناك عدة طرق للتفكير في التنوع – الجنس والعمر والعرق والمنظورات. يمكن أن يكون تنوع المنظورات الجزء الأكثر أهمية في ضمان وجود خلفيات وخبرات متنوعة في فريقك. تلك الخبرات تجلب أفكارًا جديدة ومختلفة لمساعدتك في بناء أفضل منتج لجميع عملائك الذين يتمتعون بالتنوع.

كيف تخلق ثقافة عمل تتوافق مع هذا التنوع؟

ثقافة تروج للتنوع تدعو الموظفين لمشاركة أفكارهم ومنظوراتهم. أحب أن أعتبر طرقًا مختلفة للتواصل عند عقد اجتماعات الفريق. على سبيل المثال، عند سؤال الموظفين عن ملاحظاتهم في اجتماع الفريق، أسألهم التحدث مباشرة في الاجتماع أو إرسال رسالة إلي بعد أن يفكروا في الأمر. أدرك أن ليس كل شخص يرغب في التحدث أو مشاركة ملاحظاته على الفور، وأريد خلق ثقافة حيث يكون ذلك مقبولًا. أريد بيئة آمنة للأشخاص للتعبير عن آرائهم ومشاركة أفكارهم بأي طريقة يفضلونها. تأتي الأفكار العظيمة من جميع الفرق داخل المنظمة. ألتقي مع فرق المبيعات والتسويق والفرق الأخرى التي تتعامل مع العملاء لمعرفة احتياجاتهم من المنتج وآرائهم أثناء العمل بشكل وثيق مع العملاء. تأتي بعض أفضل أفكار المنتج من الاستماع باهتمام إلى مخاطر العملاء – إما مباشرة منهم أو من الفرق التي تتعامل مع عملائنا كل يوم.

خارج إطار الفرق المتنوعة، ما هي الطرق الأخرى لمكافحة التحيز في خوارزميات التعلم الآلي؟

استخراج البيانات الشامل وتنقيطها وتقييم النماذج هي أمور حاسمة لمكافحة التحيز. يجب أن تكون البيانات المستخدمة لتدريب الخوارزميات شاملة لجميع المستخدمين النهائيين المحتملين أو النتائج. عند المرور عبر مراحل مختلفة من دورة حياة الذكاء الاصطناعي، يجب فحص كل مرحلة على التحيز. يتم بناء الذكاء الاصطناعي المسؤول مع مجموعات بيانات مستخرجة بمسؤولية، مما يعني معاملة المساهمين بالعدل. بنى آبن قانون أخلاقي للجماهير ليعكس التزامنا برفاهية الجماهير.

لقد نشرت مؤخرًا مقالًا ي讨论 الانضباط الجديد، يسمى بيانات دورة حياة الذكاء الاصطناعي. يمكنك وصف ما هو ذلك؟

بيانات دورة حياة الذكاء الاصطناعي تشمل أربع مراحل في دورة مستمرة؛ استخراج البيانات وتنقيطها وبناء النموذج وتحميله وتقييم النموذج من قبل البشر. هذه المراحل ضرورية لتوفير بيانات عالية الجودة لبناء مشاريع الذكاء الاصطناعي. استخراج البيانات وتنقيطها وتقييم النموذج هي الأكثر صعوبة وكثافة بيانات، وإذا لم تتم جيدًا، يمكن أن تؤدي إلى مشاكل في جودة المشروع وتأخيرات في الإطلاق. يختص آبن في تلك المراحل الثلاث ويشكل شراكات استراتيجية مع مقدمي خدمات متخصصين في تدريب النماذج وتحميلها.

ما دور البيانات الاصطناعية في بيانات دورة حياة الذكاء الاصطناعي؟

حلول استخراج البيانات تشمل بيانات تم تحديدها من قبل البشر ومجموعات بيانات مسبقة التسمية وبيانات اصطناعية. يتم استخدام البيانات الاصطناعية في مجموعات بيانات صعبة العثور عليها وحالات الاستخدام. مجموعات بيانات شاملة تغطي جميع حالات الاستخدام والمستخدمين النهائيين المحتملين لنماذج الذكاء الاصطناعي، وبعضها يتطلب بيانات اصطناعية لتحقيق ذلك الهدف. ستكون الجمع بين البيانات المحددة من قبل البشر والبيانات الاصطناعية حاسمًا لنجاح النموذج.

ما مدى خطورة انزلاق النموذج أو التكيف الزائد مع بيانات دورة حياة الذكاء الاصطناعي؟

يمكن أن يكون انزلاق النموذج مشكلة كبيرة ويتعين معالجته في المرحلة الرابعة من دورة حياة الذكاء الاصطناعي، تقييم النموذج من قبل البشر. من المهم أن يستمر النموذج في العمل في العالم الحقيقي واعلم أن عليه أن يخضع للاختبار البشري. مع تغير البيئات ونموها، يتعين على النماذج أن تتغير أيضًا. من المهم أن يستمر الممارسون في تقييم نماذجهم لمنعهم من أن يصبحوا قديمة أو متحيزة. يستخدم عميل آبن، مايكروسوفت، تقييم النموذج لضمان أداء نتائج البحث وفقًا لمعاييرهم ويتابع النموذج باستمرار.

هل هناك أي شيء آخر تود مشاركته حول عملك في آبن؟

الأهم في عمل آبن هو عمل موظفينا وخبرتهم. مع 25 عامًا من الخبرة، بنى آبن أساسًا قويًا مع موظفيه. يثق عملاؤنا في خبرتنا لتوفير نتائج عالية الجودة بسرعة وبتصميم. آبن تمكن تحول صناعة الذكاء الاصطناعي من خلال توفير حلول لتدبير بيانات دورة حياة الذكاء الاصطناعي بسهولة.

شكرًا على المقابلة الرائعة، يرغب القراء في معرفة المزيد فيزيون آبن.