Imogen Low, Mitgründerin & CTO bei NWO.ai – Interview-Serie

Imogen Low ist die Mitgründerin und Chief Technical Officer (CTO) von NWO.ai, einer Vorhersageplattform, die über 20 Millionen Mikrotrends verfolgt und Kunden über Trends informiert, bevor sie exponentiell werden.

Was hat Sie ursprünglich für Machine Learning interessiert?

Ich interessierte mich erstmals für Machine Learning, als ich noch auf der High School war. In meiner Freizeit entwickelte ich interaktive 3D-Karten von komplexen, mehrstufigen Campus-Einrichtungen wie Einkaufszentren, Flughäfen, Krankenhäusern und Schulen. Diese Karten konnten für die indoor-Navigation und Wegfindung für Besucher verwendet werden. Ich war auch daran interessiert, Verhaltensdatenpunkte über einzelne Benutzer zu sammeln, während sie sich durch Gebäude bewegen. Diese Informationen konnten verwendet werden, um den Fußgängerverkehr im Laufe der Zeit vorherzusagen und Navigationsschienen zu optimieren.

Aber es war erst, als ich 17 Jahre alt war und meinen ersten Job als Machine-Learning-Ingenieur bei SAP bekam, dass ich mich wirklich für KI begeisterte. Während meiner Zeit bei SAP arbeitete ich an einer Vielzahl von Problemen. Zum Beispiel analysierte ich Satellitendaten von NASA, um die Qualität der Ernte vorherzusagen; ich verwendete Computer-Vision-Technologie, um Drohnen-Aufnahmen zu analysieren, um Vieh zu überwachen; ich verwendete Unternehmens-Transaktionsdaten, um Steuerbetrug vorherzusagen; und ich kombinierte Computer-Vision-Technologie mit Natural Language Processing, um konversationale und erweiterte Realitäts-Virtual-Assistenten aufzubauen.

Sie haben einen ungewöhnlichen Weg von Australien nach Singapur und schließlich in die USA genommen. Können Sie über diese Reise sprechen?

Die Indoor-Navigationsanwendung, die ich auf der High School entwickelt hatte, brachte mich nach Taiwan, wo ich sie auf der Asia Pacific ICT Alliance (APICTA)-Awards-Konferenz präsentierte. Die Erfahrung gab mir eine neue Perspektive auf den Tempo der technologischen Veränderung und Innovation in Asien – insbesondere ihre Übernahme von künstlicher Intelligenz-Technologien. Ich wollte mich in einem asiatischen Land einleben und Teil dieser Fortschritte sein. Also nahm ich eine Stelle als Machine-Learning-Ingenieur im SAP-APJ-Hauptquartier in Singapur an.

Während meiner Zeit in Singapur entwickelte ich einen virtuellen Assistenten, der zu einem führenden Beispiel für Innovation bei SAP wurde. Also wurde ich eingeladen, ihn auf einem Innovationsgipfel in Asien vorzustellen. Auf dem Gipfel hörte ich eine faszinierende Keynote-Präsentation von Pulkit Jaiswal, einem erfolgreichen Drohnen-Unternehmer. Er erklärte, wie er geopolitische Spannungen zwischen Ländern vorhersagen konnte, indem er Online-Daten analysierte. Ich war so fasziniert von der Idee, dass ich beschloss, meinen Job an diesem Tag zu kündigen und mich mit ihm als Mitgründer in seinem neuesten Unternehmen, NWO, zu verbinden. Obwohl das Unternehmen in New York ansässig ist, bin ich in Sydney ansässig.

Können Sie beschreiben, wie NWO.ai Trends identifiziert, bevor sie exponentiell werden?

Bei NWO.ai modellieren wir, wie die Übernahme verschiedener Ideen in globalen Netzwerken verbreitet wird. Das Ziel ist es, signifikante Anstiege im Mindshare vorherzusagen. Um dies zu erreichen, haben wir einen Kreuzkorrelations-Engine entwickelt, der herausfindet, welche Datenquellen und Konsumentenstimmen die stärksten Vorhersager der Übernahme eines Trends sind. Wir können auch die Hauptfaktoren identifizieren, die das Wachstum beeinflussen. Dann nutzen wir unser dynamisches Gewichtungssystem, um die vorhersagbarsten Datenpunkte zu verstärken und die nachhinkenden zu dämpfen.

Welche Machine-Learning-Technologien werden verwendet?

Wir nutzen eine Reihe von State-of-the-Art-Natural-Language-Processing-(NLP)-Machine-Learning-Modellen wie Dokumenten-Encodern, Named-Entity-Recognition-(NER)-Modellen und Maschineller Übersetzung. Wir kombinieren diese mit Techniken, die wir aus der Assoziationsregel-Mining und Graphentheorie übernommen haben, um unsere unstrukturierten textuellen Datensätze in einen zeitbewussten, mehrsprachigen, semantischen Wissensgraphen umzuwandeln. Wir können dann darstellen, wie stark verschiedene Ideen zu verschiedenen Zeitpunkten assoziiert sind und dynamisch Assoziationen zwischen neuen Datenpunkten in Echtzeit aufbauen.

Welche öffentlichen oder privaten Datenquellen werden verwendet?

Wir verlassen uns hauptsächlich auf unstrukturierte, öffentlich verfügbare Datenquellen, um unsere Vorhersagemodelle aufzubauen. Dazu gehören Social-Media-Beiträge, Nachrichtenartikel, Blogs, Foren, Kommentare und Suchverläufe. Wir kombinieren diese auch mit proprietären Unternehmens-Transaktionsdaten, wie historischen Verkäufen, Nachfrage- und Bestandsdaten.

Welchen Rat haben Sie für weibliche Unternehmerinnen?

Jetzt ist eine großartige Zeit, um eine weibliche Gründerin zu sein! Lassen Sie sich nicht von der Vorstellung abschrecken, dass Unternehmertum hauptsächlich von Männern dominiert wird. Es gab kürzlich einen größeren Aufruf zur Geschlechtervielfalt im Unternehmertum. Frauen haben viel zu bieten, wenn es um konkurrierende Perspektiven auf die Welt und unterschiedliche Wege des Problemlösens geht. Deshalb sehen wir neue Unterstützungsnetzwerke, die Frauen ermutigen, Unternehmen zu gründen und Anleitung, Mentorship und Investitionsmöglichkeiten anbieten.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten NWO.ai besuchen.