Huma Abidi, Senior Director for AI Software Products hos Intel – Interview Serie

Huma Abidi er Senior Director for AI Software Products hos Intel (INTC ), ansvarlig for strategi, roadmaps, krav, maskinlærings- og analyticssoftwareprodukter. Hun leder et globalt diversificeret team af ingeniører og teknologer, der er ansvarlige for at levere verdensklasseprodukter, der giver kunderne mulighed for at skabe AI-løsninger. Huma startede hos Intel som softwareingeniør og har siden arbejdet i en række ingeniør-, validerings- og ledelsesroller inden for områderne kompilatorer, binær oversættelse og AI og dyb læring. Hun er passioneret omkring kvinders uddannelse og støtter flere organisationer verden over til denne sag, og hun var finalist til VentureBeats 2019 Women in AI-pris i mentor-kategorien.

Hvad var det, der først vækkede din interesse for AI?

Jeg har altid fundet det interessant at forestille mig, hvad der kunne ske, hvis maskiner kunne tale, se eller interagere intelligent med mennesker. Takket være nogle store tekniske gennembrud i det sidste årti, herunder dyb læring, der er blevet populær på grund af tilgængelighed af data, beregningskraft og algoritmer, er AI nu gået fra science fiction til virkelige anvendelser. Løsninger, vi tidligere kun havde forestillet os, er nu inden for rækkevidde. Det er virkelig en spændende tid!

I mit tidligere job var jeg leder af et binært oversættelsesingeniørteam, der fokuserede på at optimere software til Intel-hardwareplatforme. Hos Intel erkendte vi, at udviklingen inden for AI ville føre til enorme branchetransformationer, der kræver enorm vækst i beregningskraft fra enheder til Edge til cloud, og vi skærpede vores fokus til at blive et datacentreret selskab.

Da jeg indså behovet for kraftfuld software til at gøre AI til virkelighed, tog jeg den første udfordring på at lede teamet i at skabe AI-software, der kan køre effektivt på Intel Xeon-processorer ved at optimere dyb læring-rammer som Caffe og TensorFlow. Vi kunne demonstrere mere end 200-fold forbedring af ydeevne på grund af en kombination af Intel-hardware- og software-innovationer.

Vi arbejder på at gøre alle vores kunderes arbejdsbyrde i forskellige domæner til at køre hurtigere og bedre på Intel-teknologi.

Hvad kan vi gøre som samfund for at tiltrække kvinder til AI?

Det er en prioritet for mig og for Intel at få flere kvinder i STEM og datalogi generelt, fordi diverse grupper vil bygge bedre produkter til en divers befolkning. Det er særligt vigtigt at få flere kvinder og underrepræsenterede minoriteter inden for AI, fordi manglen på repræsentation kan forårsage potentielle fordomme, når man skaber AI-løsninger.

For at tiltrække kvinder skal vi gøre et bedre job med at forklare piger og unge kvinder, hvordan AI er relevant i verden, og hvordan de kan være en del af at skabe spændende og betydningsfulde løsninger. Vi skal vise dem, at AI dækker over mange forskellige områder, og at de kan bruge AI-teknologi i deres interesseområde, uanset om det er kunst eller robotteknologi eller datajournalistik eller tv. Spændende anvendelser af AI, som de let kan se har en betydning, f.eks. virtuelle assistenter som Alexa, selv kørende biler, sociale medier, hvordan Netflix (NFLX ) ved, hvilke film de vil se, osv.

En anden vigtig del af at tiltrække kvinder er repræsentation. Heldigvis er der mange kvinder i ledende stillinger inden for AI, der kan fungere som fremragende rollemodeller, herunder Fei-Fei Li, der leder human-centered AI på Stanford, og Meredith Whittaker, der arbejder på sociale implikationer gennem AI Now Institute på NYU.

Vi skal arbejde sammen for at adoptere inklusive forretningspraktikker og udvide adgangen til tekniske færdigheder for kvinder og underrepræsenterede minoriteter. Hos Intel er vores mål for 2030 at øge antallet af kvinder i tekniske roller til 40%, og vi kan kun opnå det ved at arbejde sammen med andre selskaber, institutter og samfund.

Hvordan kan kvinder bedst komme ind i branchen?

Der er flere muligheder, hvis du vil komme ind i AI specifikt. Der er mange online-kurser i AI, herunder UDACITY’s gratis Intel Edge AI Fundamentals-kursus. Eller du kunne gå tilbage til skole, f.eks. på en af Maricopa Countys community colleges for en AI-associategrad – og studere for en karriere inden for AI, f.eks. data scientist, dataingeniør, ML/DL-udvikler, softwareingeniør osv.

Hvis du allerede arbejder i et teknologiselskab, er der sandsynligvis allerede AI-teams. Du kunne se på muligheden for at bruge en del af din tid på et AI-team, du er interesseret i.

Du kan også arbejde med AI, selv om du ikke arbejder i et teknologiselskab. AI er ekstremt tværfagligt, så du kan anvende AI på næsten ethvert område, du er involveret i. Da AI-rammer og -værktøjer udvikler sig og bliver mere brugervenlige, bliver det lettere at bruge AI i forskellige sammenhænge. At deltage i online-arrangementer som Kaggle-konkurrencer er en god måde at arbejde med virkelige maskinlæringsproblemer, der involverer datasæt, du finder interessante.

Den teknologiske industri skal også bruge tid, indsats og penge på at nå ud til og støtte kvinder, herunder kvinder, der også er underrepræsenterede etniske minoriteter. På personligt plan er jeg involveret i organisationer som Girls Who Code og Girl Geek X, der forbinder og inspirerer unge kvinder.

Med dyb læring og forstærket læring, der har fået mest opmærksomhed, hvilke andre former for maskinlæring bør kvinder være opmærksom på?

AI og maskinlæring er stadig under udvikling, og spændende nye forskningsartikler offentliggøres jævnligt. Nogle områder, der skal fokuseres på lige nu, omfatter:

1. Klassiske ML-teknikker, der stadig er vigtige og bredt anvendt.
2. Ansvarlig/forklarlig AI, der er blevet en kritisk del af AI-livscyklussen og fra et deployabilitetspunkt for dyb læring og forstærket læring.
3. Graph Neural Networks og multi-modal læring, der får indsigt ved at lære fra rig relationssinformation blandt grafdata.

AI-forudsigelser er et stort samfundsproblem, når det kommer til forudsigelser om kvinder og minoriteter. Hvordan kan vi løse disse problemer?

Når det kommer til AI, kan fordomme i træningsprøver, menneskelige mærkninger og hold kan forstærkes til at diskriminere diverse enkeltpersoner, med alvorlige konsekvenser.

Det er afgørende, at diversitet prioriteres på hvert trin af processen. Hvis kvinder og andre minoriteter fra samfundet er en del af holdene, der udvikler disse værktøjer, vil de være mere bevidste om, hvad der kan gå galt.

Det er også vigtigt at sikre, at der er inkluderet ledere fra flere discipliner, såsom socialvidenskab, lægevidenskab, filosofi og menneskerettigheds eksperten til at hjælpe med at definere, hvad der er etisk og hvad der ikke er.

Kan du forklare AI-blackbox-problemet, og hvorfor AI-forklarbarhed er vigtig?

I AI er modeller trænet på enorme mængder af data, før de træffer beslutninger. I de fleste AI-systemer ved vi ikke, hvordan disse beslutninger blev truffet – beslutningsprocessen er en sort boks, selv for dens skabere. Og det kan ikke være muligt at forstå, hvordan et trænet AI-program når til sin specifikke beslutning. Et problem opstår, når vi mistænker, at systemet ikke fungerer. Hvis vi mistænker systemet for algoritme-forudsigelser, er det svært at kontrollere og korrigere for dem, hvis systemet ikke kan forklare sin beslutningsproces.

Der er i øjeblikket en stor fokus på forklarbar AI (XAI), der har til formål at udstyre AI-modeller med gennemsigtighed, forklarbarhed og ansvarlighed, hvilket sandsynligvis vil føre til ansvarlig AI.

I din nøgleoplæg under MITEF Arab Startup Competition finaleprisuddeling og konference diskuterede du Intels AI for Social Good-initiativer. Hvilket af disse sociale godt-projekter har fanget din opmærksomhed, og hvorfor er det så vigtigt?

Jeg er stadig meget begejstret for alle Intels AI for Social Good-initiativer, fordi gennembrud inden for AI kan føre til transformative ændringer i, hvordan vi tackler problemløsning.

Et af dem, der især interesserer mig, er Wheelie, en AI-drevet kørestol bygget i samarbejde med HOOBOX Robotics. Wheelie giver ekstreme paraplegikere mulighed for at genopnå mobilitet ved at bruge ansigtsudtryk til at køre. Et andet fantastisk initiativ er TrailGuard AI, der bruger Intel AI-teknologi til at bekæmpe ulovlig jagt og beskytte dyr mod udryddelse og artertab.

Som en del af Intels Pandemic Response Initiative har vi mange pågående projekter med vores partnere, der bruger AI. Et vigtigt initiativ er kontaktfri feberdetektion eller COVID-19-detektion via bryst-radiografi med Darwin AI. Vi arbejder også på bots, der kan besvare spørgsmål for at øge bevidstheden ved at bruge naturlig sprogbehandling på regionale sprog.

For kvinder, der er interesseret i at komme ind i AI, er der bøger, hjemmesider eller andre ressourcer, du ville anbefale?

Der er mange gode ressourcer online, til alle niveauer og interesseområder. Coursera og Udacity tilbyder fremragende online-kurser i maskinlæring og dyb læring, hvor de fleste kan gennemføres gratis. MIT’s OpenCourseWare er en anden fremragende, gratis måde at lære fra nogle af verdens bedste professorer.

Selskaber som Intel har AI-portaler, der indeholder en masse information om AI, herunder tilbudte løsninger. Der er mange gode bøger om AI: grundlæggende computer science-tekster som Artificial Intelligence: A Modern Approach af Peter Norvig og Stuart Russell, og moderne, filosofiske bøger som Homo Deus af historikeren Yuval Harari. Jeg ville også anbefale Lex Fridmans AI-podcast på grund af de fremragende samtaler fra en bred vifte af perspektiver og eksperter fra forskellige fag.

Har du nogen sidste ord til kvinder, der er nysgerrige omkring AI, men ikke er klar til at springe ind endnu?

AI er fremtiden, og vil ændre vores samfund – faktisk har det allerede gjort det. Det er afgørende, at vi har ærlige, etiske mennesker, der arbejder med det. Uanset om det er i en teknisk rolle eller på et bredere samfundsniveau, er det nu en perfekt tid at komme ind i AI!

Tak for interviewet, du er bestemt en inspiration for kvinder over hele verden. Læsere, der ønsker at lære mere om softwareløsningerne hos Intel, kan besøge AI Software Products at Intel.

https://youtu.be/xi3Ku6rHIaY