Kunstig intelligens
Huma Abidi, Senior Director of AI Software Products at Intel – Interview Series
Huma Abidi er Senior Director of AI Software Products at Intel, ansvarlig for strategi, roadmaps, krav, machine learning og analytics software produkter. Hun leder et globalt diversificeret hold 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 tekniske, validerings- og ledelsesroller inden for områderne compilers, binary translation, AI og dyb læring. Hun er passioneret omkring kvinders uddannelse og støtter flere organisationer verden over for denne sag, og var finalist for VentureBeats 2019 Women in AI-pris i mentor-kategorien.
Hvad fik dig først interesseret i 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 tilgængeligheden af data, beregningskraft og algoritmer, er AI nu gået fra science fiction til virkelige verdensansøgninger. Løsninger, vi tidligere havde forestillet os, er nu inden for rækkevidde. Det er virkelig en spændende tid!
I mit tidligere job var jeg leder af et Binary Translation-ingeniørhold, 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 på at blive et datacentreret selskab.
Da jeg indså behovet for kraftfuld software for at gøre AI til virkelighed, var den første udfordring, jeg tog på, at lede holdet i at skabe AI-software, der kan køre effektivt på Intel Xeon CPU’er ved at optimere dyb læring-rammer som Caffe og TensorFlow. Vi kunne demonstrere mere end 200-folds 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 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 for en divers befolkning. Det er særligt vigtigt at få flere kvinder og underrepræsenterede minoriteter inden for AI, fordi manglen på repræsentation kan føre til 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 så mange forskellige områder af livet, og at de kan bruge AI-teknologi i deres interesseområde, uanset om det er kunst, robotteknik, datajournalistik eller tv. Spændende anvendelser af AI, som de let kan se har en virkning, f.eks. virtuelle assistenter som Alexa, selv kørende biler, sociale medier, hvordan Netflix ved, hvilke film de vil se, osv.
En anden vigtig del af at tiltrække kvinder er repræsentation. Heldigvis er der mange kvindelige ledere 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 med sociale implikationer gennem AI Now Institute på NYU.
Vi skal arbejde sammen om at adoptere inklusive forretningspraktikker og udvide adgangen til tekniske færdigheder for kvinder og underrepræsenterede minoriteter. Hos Intel er vores mål for 2030 at øge andelen af kvinder i tekniske roller til 40%, og vi kan kun opnå det ved at samarbejde med andre virksomheder, institutter og samfund.
Hvordan kan kvinder bedst bryde ind i branchen?
Der er flere muligheder, hvis du vil bryde ind i AI specifikt. Der er talrige online-kurser i AI, herunder UDACITY’s gratis Intel Edge AI Fundamentals-kursus. Eller du kunne gå tilbage til skole, f.eks. på et af Maricopa Countys community colleges for en AI-associategrad – og studere for en karriere inden for AI, f.eks. data scientist, data engineer, ML/DL-udvikler, SW-ingeniør osv.
Hvis du allerede arbejder i en teknologivirksomhed, er der sandsynligvis allerede AI-hold. Du kunne se på muligheden for at bruge en del af din tid på et AI-hold, du er interesseret i.
Du kan også arbejde med AI, selv om du ikke arbejder i en teknologivirksomhed. AI er ekstremt tværfagligt, så du kan anvende AI på næsten ethvert domæne, 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.
Teknologibranchen 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 niveau er jeg involveret i organisationer som Girls Who Code og Girl Geek X, der forbinder og inspirerer unge kvinder.
Med dyb læring og forstærkning af 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 regelmæssigt. Nogle områder at fokusere på lige nu omfatter:
- Klassiske ML-teknikker, der fortsat er vigtige og bredt anvendt.
- Ansvarlig/Forklarlig AI, der er blevet en kritisk del af AI-livscyklussen og fra et deployabilitetspunkt for dyb læring og forstærkning af læring.
- Graph Neural Networks og multi-modal læring, der får indsigt ved at lære fra rig relationinformation blandt grafdata.
AI-forudsigelser er et enormt samfundsproblem, når det kommer til forudsigelser om kvinder og minoriteter. Hvad kan vi gøre for at løse disse problemer?
Når det kommer til AI, kan fordomme i træningsprøver, menneskelige mærkningsteam og hold forstærkes for at diskriminere diverse enkeltpersoner, med alvorlige konsekvenser.
Det er kritisk, at diversitet prioriteres på hvert trin i 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 indgår ledere fra multiple discipliner, såsom samfundsvidenskab, læger, filosoffer og menneskerettighedseksperter for 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 massive 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 virkelig 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 algoritmesk fordomme, er det svært at kontrollere og korrigere for dem, hvis systemet ikke kan forklare sin beslutningsproces.
Der er i øjeblikket et stort fokus på eXplainable 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 fortsat 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 tab af arter.
Som en del af Intels Pandemic Response Initiative har vi mange pågående projekter med vores partnere, der anvender AI. Et nøgleinitiativ 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 blive involveret, er der bøger, websteder eller andre ressourcer, du ville anbefale?
Der er mange fremragende ressourcer online, til alle niveauer og interesseområder. Coursera og Udacity tilbyder fremragende online-kurser i maskinlæring og dyb læring, de fleste af dem kan auditeres gratis. MIT’s OpenCourseWare er en anden fremragende, gratis måde at lære fra nogle af verdens bedste professorer.
Virksomheder som Intel har AI-portaler, der indeholder en masse information om AI, herunder tilbudte løsninger. Der er mange fremragende bøger om AI: grundlæggende datalogibøger 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 et bredt spektrum af perspektiver og eksperter fra forskellige fag.
Har du nogen sidste ord til kvinder, der er nysgerrige efter AI, men ikke er klar til at springe ind?
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 socialt niveau, er det nu det perfekte tidspunkt at blive involveret!
Tak for interviewet, du er bestemt en inspiration for kvinder over hele verden. Læsere, der ønsker at lære mere om softwareløsningerne hos Intel, skal besøge AI Software Products at Intel.
