Imogen Low, Mitbegründerin und CTO bei NWO.ai – Interviewreihe

Imogen Low ist Mitbegründerin und Chief Technical Officer (CTO) von NWO.ai, eine Vorhersageplattform, die mehr als 20 Millionen Mikrotrends verfolgt und Kunden über Trends benachrichtigt, bevor diese exponentiell werden.

Was hat Ihr Interesse am maschinellen Lernen geweckt?

Ich begann mich zum ersten Mal für maschinelles Lernen zu interessieren, als ich in der High School war. In meiner Freizeit habe ich interaktive 3D-Karten komplexer, mehrstöckiger Campuseinrichtungen wie Einkaufszentren, Flughäfen, Krankenhäuser und Schulen entwickelt. Diese Karten könnten zur Unterstützung der Indoor-Navigation und Orientierung für Besucher verwendet werden. Ich war auch daran interessiert, Verhaltensdatenpunkte über einzelne Benutzer zu sammeln, während sie sich durch Gebäude bewegen. Diese Informationen könnten verwendet werden, um den Verlauf des Fußgängerverkehrs im Laufe der Zeit vorherzusagen und Navigationsrouten zu optimieren.

Aber erst mit 17 Jahren, als ich meinen ersten Job als Machine-Learning-Ingenieur bei SAP bekam, begeisterte ich mich wirklich für KI. Während meiner Zeit bei SAP habe ich an einer Reihe unterschiedlicher Probleme gearbeitet. Ich habe zum Beispiel Satellitendaten der NASA analysiert, um die Qualität der Ernteerträge vorherzusagen; Ich nutzte Computer-Vision-Technologie, um Drohnenaufnahmen zu analysieren und so den Viehbestand zu überwachen. Ich habe Unternehmenstransaktionsdaten verwendet, um Steuerbetrug vorherzusagen. und ich kombinierte Computer-Vision-Technologie mit natürlicher Sprachverarbeitung, um virtuelle Konversations- und Augmented-Reality-Assistenten zu entwickeln.

Sie haben einen seltsamen Weg von Australien nach Singapur und schließlich in Amerika eingeschlagen. Könnten Sie uns über diese Reise sprechen?

Die Indoor-Navigationsanwendung, die ich in der High School entwickelt habe, führte mich nach Taiwan, wo ich sie auf der Preisverleihungskonferenz der Asia Pacific ICT Alliance (APICTA) vorstellte. Die Erfahrung gab mir eine neue Perspektive auf das Tempo des technologischen Wandels und der Innovation in Asien – insbesondere auf die Einführung von Technologien der künstlichen Intelligenz. Ich wollte in ein asiatisches Land eintauchen und Teil dieser Fortschritte sein. Also nahm ich eine Stelle im Bereich maschinelles Lernen in der SAP APJ-Zentrale in Singapur an.

Während meiner Zeit in Singapur entwickelte ich einen virtuellen Assistenten, der zu einem führenden Beispiel für Innovation bei SAP wurde. Ich wurde eingeladen, ihn auf einem Innovationsgipfel in Asien vorzustellen. Dort hörte ich eine faszinierende Keynote von Pulkit Jaiswal, einem erfolgreichen Drohnenunternehmer. Er erklärte, wie er durch die Analyse von Online-Daten geopolitische Spannungen zwischen Ländern vorhersagen könne. Die Idee faszinierte mich so sehr, dass ich noch am selben Tag beschloss, meinen Job zu kündigen und als Mitgründer sein neuestes Unternehmen NWO zu gründen. Während das Unternehmen seinen Sitz in New York hat, bin ich in Sydney ansässig.

Können Sie beschreiben, wie NWO.ai dabei hilft, Trends zu erkennen, bevor sie exponentiell werden?

Bei NWO.ai modellieren wir, wie sich die Übernahme verschiedener Ideen in globalen Netzwerken verbreitet. Ziel ist es, signifikante Steigerungen des Mindshare vorherzusagen. Um dies zu erreichen, haben wir eine Kreuzkorrelations-Engine entwickelt, die ermittelt, welche Datenquellen und Verbraucherstimmen die stärksten Prädiktoren für die Annahme eines Trends sind. Wir können auch die Hauptfaktoren identifizieren, die das Wachstum beeinflussen. Anschließend nutzen wir unser dynamisches Gewichtungssystem, um den aussagekräftigsten Datenpunkt zu verstärken und die nacheilenden zu dämpfen.

Welche maschinellen Lerntechnologien werden verwendet?

Wir nutzen eine Reihe hochmoderner Modelle für maschinelles Lernen zur Verarbeitung natürlicher Sprache (NLP), wie Dokument-Encoder, Modelle zur Erkennung benannter Entitäten (NER) und maschinelle Übersetzung. Wir kombinieren diese mit Techniken, die wir aus dem Assoziationsregel-Mining und der Graphentheorie übernommen haben, um unsere unstrukturierten Textdatensätze in einen zeitbewussten, mehrsprachigen, semantischen Wissensgraphen zu modellieren. Wir können dann darstellen, wie stark verschiedene Ideen zu unterschiedlichen Zeitpunkten verknüpft sind, und in Echtzeit dynamisch Assoziationen zwischen neuen Datenpunkten aufbauen.

Welche Art von öffentlichen oder privaten Datenquellen werden verwendet?

Für die Erstellung unserer Vorhersagemodelle stützen wir uns in erster Linie auf unstrukturierte, öffentlich verfügbare Datenquellen. Dazu gehören Social-Media-Beiträge, Nachrichtenartikel, Blogs, Foren, Kommentare und Suchverläufe. Wir kombinieren diese auch mit unternehmenseigenen Transaktionsdaten wie historischen Verkaufs-, Nachfrage- und Bestandsdaten.

Welchen Rat haben Sie für Unternehmerinnen?

Jetzt ist der perfekte Zeitpunkt für Gründerinnen! Lassen Sie sich nicht von der Vorstellung abschrecken, dass Unternehmertum überwiegend von Männern dominiert wird. In letzter Zeit gibt es einen stärkeren Ruf nach Geschlechtervielfalt im Unternehmertum. Frauen haben viel zu bieten, was konkurrierende Weltanschauungen und unterschiedliche Herangehensweisen bei der Problemlösung angeht. Aus diesem Grund gibt es neue Unterstützungsnetzwerke, die Frauen zur Unternehmensgründung ermutigen und Beratung, Mentoring und Investitionsmöglichkeiten bieten.

Vielen Dank für das tolle Interview, Leser, die mehr erfahren möchten, sollten vorbeischauen NWO.ai.