Amy Steier, pääasiantuntija koneoppimisesta Gretel.ai: ssä – Haastattelusarja

Amy Steier on pääasiantuntija koneoppimisesta Gretel.ai: ssä, maailman edistyneimmässä yksityisyyden insinööritieteellisessä alustassa. Gretel tekee siitä helppoa upottaa yksityisyyden suunnittelun tietoteknologian perustaan. Sen tekoälypohjaiset, avoimet kirjastot on suunniteltu muuttamaan, anonymisoimaan ja syntetisoimaan arkaluontoista tietoa.

Amy on erittäin menestyksekäs koneoppimisen ja data-tieteilijä, jolla on yli 20 vuoden kokemus. Hänen intohimonsa on suuret datat ja niiden sisällä olevan piilevän älymystön löytäminen koneoppimisen, data-kaivauksen, tekoälynnän ja tilastotieteen menetelmillä. Hän on erittäin taitava ennustavassa mallinnuksessa, luokittelu, klusteroinnissa, poikkeamien havaitsemisessa, data-visualisoinnissa, ensemble-menetelmissä, tietojen hakemisessa, kyberTurvallisuusanalytiikassa, NLP: ssä, suositusmalleissa ja käyttäjän käyttäytymisen analytiikassa.

Mikä alun perin houkutteli sinua seuraamaan uraa tietokoneen tieteessä ja koneoppimisessa?

Rakkaani, hillitön, kestävä rakkaani dataan. Datassa on valta, mysteeri, intriikki ja potentiaali, joka on aina kiehtonut minua. Tietokoneen tiede ja koneoppiminen ovat työkaluja, joilla voidaan hyödyntää tämä potentiaali. On myös erittäin hauskaa työskennellä alalla, jossa valmistekniikka kehittyy niin nopeasti. Rakastan tutkimuksen ja tuotteen leikkauspistettä. On erittäin tyydyttävää ottaa viimeisimmät ideat, työntää niitä hieman eteenpäin ja muuttaa niitä sopimaan olemassa oleviin, konkreettisiin tuotantotarpeisiin.

Voisitko selittää lukijoille, jotka eivät ole tuttuja, mitä syntetistä dataa on?

Syntetistä dataa on dataa, joka näyttää ja toimii alkuperäisen datan kaltaisesti, mutta on myös tarpeeksi erilainen, jotta se tyydyttää jonkin tietyn käytön. Yleisin käyttötapa on tarve suojella alkuperäisen datan yksityisyyttä. Toinen käyttötapa on tarve luoda lisää dataa alkuperäisen datan koon lisäämiseksi. Kolmas käyttötapa on auttaa osoittamaan luokkaepätasapainoa tai mahdollista demograafista vinoumaa alkuperäisessä datassa.

Syntetistä dataa mahdollistaa jatkaa uusien ja innovatiivisten tuotteiden ja ratkaisujen kehittämistä, kun tarvittavaa dataa ei muuten olisi saatavilla.

Miten Gretel-alusta toimii luomaan syntetistä dataa API: n kautta?

Gretel-yksityisyyden insinööritieteelliset API: t sallivat datan syöttämisen Greteliin ja datan tutkimisen, jonka Gretel pystyy hakemaan. Nämä ovat samat API: t, joita käytetään Console: ssä. Julkaisemalla API: t intuitiivisen käyttöliittymän kautta, toivomme, että kehittäjät ja data-tieteilijät voivat rakentaa oman työnkulunsa Gretelin ympärille.

Vaikka Console tekee syntetisen datan luomisen erittäin helppoksi, API: t mahdollistavat syntetisen datan luomisen integroimisen työnkulkuun. Rakastan API: n käyttämistä, koska se mahdollistaa minun mukauttaa syntetisen datan luomista erittäin tietyn käytön.

Voisitko keskustella joistakin työkaluista, joita Gretel tarjoaa syntetisen datan laadun arviointiin?

Syntetisen datan luomisen jälkeen Gretel luo Syntetisen Raportin. Tässä raportissa voit nähdä Syntetisen Datatietojen Laatuindeksin (SQS) sekä Yksityisyyden Suojelu -arvosanan (PPL).

SQS-arvo on arvio siitä, kuinka hyvin luotu syntetinen data ylläpitää alkuperäisen datan samanlaisia tilastollisia ominaisuuksia. Tässä mielessä SQS-arvo voidaan nähdä hyödyllisyyden arvona tai luottamuksen arvona siitä, että tieteelliset johtopäätökset, jotka tehdään syntetisestä datasta, olisivat samat, jos alkuperäistä dataa olisi käytetty.

Syntetisen Datatietojen Laatuindeksi lasketaan yhdistämällä yksittäiset laatu-mittarit: Kenttäjakelun Stabiilisuus, Kenttäkorrelaation Stabiilisuus ja Syvä Rakenne Stabiilisuus.

Kenttäjakelun Stabiilisuus on mitta siitä, kuinka hyvin syntetinen data ylläpitää alkuperäisen datan kenttäjakaumia. Kenttäkorrelaation Stabiilisuus on mitta siitä, kuinka hyvin kenttien väliset korrelaatiot säilyvät syntetisessä datassa. Syvä Rakenne Stabiilisuus mittaa tilastollista eheyttä ja monikenttäisten jakautumien korrelaatioita. Tätä arvioidaan vertaamalla alkuperäiseen dataan tehtyä pääkomponenttianalyysiä (PCA) syntetiseen dataan tehtyyn PCA: aan.

Miten Gretel-yksityisyyden suodattimet toimivat?

Gretel-yksityisyyden suodattimet olivat tulosta laajasta tutkimuksesta syntetisen datan vastaisista hyökkäyksistä. Yksityisyyden suodattimet estävät syntetisen datan luomisen heikkouksilla, joita hyökkääjät yleensä hyödyntävät. Meillä on kaksi Yksityisyyden suodatinta, ensimmäinen on Samankaltaisuussuodatin ja toinen on Poikkeamien suodatin. Samankaltaisuussuodatin estää syntetisten tietueiden luomisen, jotka ovat liian samankaltaisia koulutusdatan kanssa. Nämä ovat hyökkääjien tavoitteita, jotka pyrkivät saamaan tietoa alkuperäisestä datasta. Toinen Yksityisyyden suodatin on Poikkeamien suodatin. Se estää syntetisten tietueiden luomisen, jotka voisivat olla poikkeuksellisia koulutusdatan määrittelemässä tilassa. Poikkeavat tietueet voidaan hyödyntää Jäsenyyden Inferenssi -hyökkäyksissä, Attribuutti-inferenssissä ja monissa muissa hyökkäyksissä. Ne ovat vakavia yksityisyyden riskejä.

Miten syntetinen data voi auttaa vähentämään tekoälyn harhaa?

Yleisin menetelmä on osoittaa edustavuuden epätasapainoa dataa, jota käytetään tekoälyjärjestelmään. Esimerkiksi, jos datassa on voimakas luokan epätasapaino tai demografinen vinous, Gretel tarjoaa työkaluja, joilla voidaan mitata ja ratkaista epätasapaino syntetisessä datassa. Poistamalla datan harhan, usein poistat myös tekoälyjärjestelmästä harhan.

Ilmoitatko, miten pidät yllä tietämystäsi uusista tekoälytekniikoista?

Lue, lue ja lue vielä enemmän, lol! Nautin päivän aloittamisesta uusien ML-tekniikoiden lukemisella. Medium tietää minusta hyvin. Nautin lukemisesta artikkeleita kohteessa Towards Data Science, Analytics Vidhya ja uutiskirjeistä kuten The Sequence. Facebook (META ) AI, Google (GOOGL ) AI ja OpenMined ovat hyviä blogeja. On paljon hyviä konferensseja, joita kannattaa seurata, kuten NeurIPS, ICML, ICLR, AISTATS.

Myös työkalut, jotka seuraavat viittauksia, auttavat löytämään samanlaisia artikkeleita ja jotka tunnistavat mielenkiinnon ja seuraavat taustalla mahdollisia artikkeleita, jotka voivat kiinnostaa. Zeta Alpha on yksi tällainen työkalu, jota käytän paljon.

Lopulta, et voi aliarvioida samanhenkisten kollegoiden hyötyä. Gretelissä ML-tiimi seuraa tutkimusartikkeleita, jotka liittyvät tutkimuksemme aiheisiin, ja usein kokoontuu keskustelemaan mielenkiintoisista artikkeleista.

Mikä on visiosi tekoälyn tulevaisuudesta?

Helppo pääsy dataan käynnistää suuren innovaation aikakauden tekoälyssä, joka puolestaan kiihdyttää innovaatiota laajassa spektrossa aloja, kuten terveydenhuolto, rahoitus, valmistus ja biosciences. Historiallisesti, monet merkittävät edistysaskeleet tekoälyssä voidaan attribuoida suurelle määrälle rikasta dataa. Historiallisesti, paljon tutkimusta on estynyt pääsyn ja jaon estämisen vuoksi. Kun työkalut kuten Gretel poistavat tämän esteen, pääsy dataan demokratisoituu. Koko tekoäly-yhteisö hyötyy pääsystä rikkaaseen ja laajaan datatietokantaan, sen sijaan, että vain muutama suuri yritys.

Onko mitään muuta, mitä haluaisit jakaa Gretelista?

Jos pidät datasta, pidät varmasti myös Gretelista (niin kuin minä). Helppo pääsy dataan on ollut jokaisen data-tieteilijän piikki, jonka tunnen. Gretelissä olemme ylpeitä siitä, että olemme luoneet konsolin ja joukon API: ta, jotka tekevät yksityisen, jaettavan datan luomisen mahdolliseksi. Uskomme, että data on arvokkaampaa, kun se jaetaan.

Kiitos haastattelusta ja jaetusta tietämyksestä. Lukijoille, jotka haluavat oppia lisää, suosittelemme vierailemaan Gretel.ai-sivustolla.