Imogen Low, Medstifter & CTO hos NWO.ai – Intervju-serie

Imogen Low er medstifter og chief technical officer (CTO) hos NWO.ai, en prædictiv platform, der sporer mere end 20 millioner mikrotrends, og underretter kunder om trends, før de bliver eksponentielle.

Hvad fik dig først interesseret i Machine Learning?

Jeg blev først interesseret i machine learning, da jeg gik i gymnasiet. I min fritid udviklede jeg interaktive 3D-kort over komplekse, fleretagede bygninger som indkøbscentre, lufthavne, hospitaler og skoler. Disse kort kunne bruges til at hjælpe med indendørs navigation og vejvisning for besøgende. Jeg var også interesseret i at indsamle adfærdsdata om enkeltbrugere, mens de bevægede sig gennem bygningerne. Denne information kunne bruges til at forudse strømmen af fodgængere over tid og optimere navigationsruter.

Men det var ikke før jeg var 17 år gammel og fik mit første job som machine learning-ingeniør hos SAP, at jeg rigtigt blev begejstret for AI. Mens jeg arbejdede hos SAP, arbejdede jeg på en række forskellige problemer. For eksempel analyserede jeg satellitdata fra NASA for at forudsige kvaliteten af afgrøder; jeg brugte computer vision-teknologi til at analysere droner til at overvåge husdyr; jeg brugte virksomheds-transaktionsdata til at forudsige skattesvindel; og jeg kombinerede computer vision-teknologi med naturlig sprogbehandling til at opbygge konversations- og forstærket virkelighed-virtuelle assistenter.

Du tog en underlig vej fra Australien til Singapore og til sidst i Amerika, kan du diskutere denne rejse?

Den indendørs navigationsapplikation, jeg udviklede i gymnasiet, tog mig til Taiwan, hvor jeg præsenterede den ved Asia Pacific ICT Alliance (APICTA) awards-konferencen. Oplevelsen gav mig en ny perspektiv på den hastighed, hvormed teknologisk ændring og innovation sker i Asien – især deres adoption af kunstig intelligens-teknologier. Jeg ville gerne udsætte mig selv for en asiatisk land og være en del af disse fremskridt. Så jeg tog en stilling som machine learning-ingeniør i SAP’s APJ-hovedkontor i Singapore.

Mens jeg arbejdede i Singapore, udviklede jeg en virtuel assistent, der blev et førende eksempel på innovation hos SAP. Så jeg blev inviteret til at præsentere den ved en innovations-topmøde i Asien. Ved topmødet lyttede jeg til en fascinerende keynote-præsentation af Pulkit Jaiswal, en succesfuld drone-entrepreneur. Han forklarede, hvordan han kunne forudsige geopolitisk spænding mellem lande ved at analysere online-data. Jeg var så interesseret i idéen, at jeg besluttede at sige op og samarbejde med ham som medstifter i hans seneste venture, NWO. Selvom virksomheden er baseret i New York, er jeg baseret i Sydney.

Kan du beskrive, hvordan NWO.ai hjælper med at identificere trends, før de bliver eksponentielle?

Hos NWO.ai modellerer vi, hvordan adoptionen af forskellige idéer spreder sig gennem globale netværk. Målet er at forudsige betydelige øgninger i tankegang. For at opnå dette designede vi en cross-korrelationsmotor, der lokaliserer, hvilke datakilder og forbrugerstemmer, der er de stærkeste ledende forudsagningsfaktorer for adoptionen af en trend. Vi kan også identificere de vigtigste faktorer, der påvirker vækst. Derefter udnytter vi vores dynamiske vægtningssystem til at forstærke de mest forudsagningsfulde datapunkter og dæmpe de langsomme.

Hvilke machine learning-teknologier bruges?

Vi udnytter en række state-of-the-art naturlig sprogbehandling (NLP) machine learning-modeller, såsom dokument-encodere, navngivet entitets-genkendelse (NER)-modeller og maskinoversættelse. Vi kombinerer disse med teknikker, vi har adopteret fra association rule mining og grafteori til at modellere vores ustrukturerede tekstdata i en tidsbevidst, flersproget, semantisk viden graf. Vi kan derefter repræsentere, hvor stærkt forbundne forskellige idéer er på forskellige tidspunkter, og dynamisk bygge associationer mellem nye datapunkter i realtid.

Hvilke offentlige eller private datakilder bruges?

Vi afhænger primært af ustrukturerede, offentligt tilgængelige datakilder til at bygge vores forudsigelsesmodeller. Disse inkluderer sociale medie-indlæg, nyhedsartikler, blogs, fora, kommentarer og søgehistorik. Vi kombinerer disse med proprietære virksomheds-transaktionsdata, såsom historisk salg, efterspørgsel og lagerdata.

Hvad er din råd til kvindelige iværksættere?

Det er en fantastisk tid at være kvindelig grundlægger! Lad dig ikke afskrække af tanken om, at iværksætteri er overvejende manddomineret. Der har været en større opfordring til kønsdiversitet i iværksætteri for nylig. Kvinder har meget at tilbyde i form af konkurrerende perspektiver på verden og forskellige måder at tænke over løsning af problemer. På grund af dette ser vi nye støttenetværk, der opmuntrer kvinder til at starte virksomheder og tilbyder vejledning, mentorering og investeringsmuligheder.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge NWO.ai.