Haastattelut

Sujatha Sagiraju, Appenin tuotejohtaja – Haastattelusarja

Antoine Tardif
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Keskeiset kohdatMonimuotoiset tiimit ovat kriittisiä tekoälyn kehityksessä, jotta voidaan estää…
Näytä lisää
  • Monimuotoiset tiimit ovat kriittisiä tekoälyn kehityksessä, jotta voidaan estää vinoutuneet tulokset.
  • Appenin Data for AI -elinkaari sisältää neljä vaihetta, jotka takaavat korkealaatuisen datan.
  • Mallin ajautuminen vaatii jatkuvaa ihmisen suorittamaa arviointia, jotta tekoälymallit pysyvät tarkkoina ja oikeudenmukaisina.

Sujatha Sagiraju on Appenin tuotejohtaja. Hän liittyi Appeniin syyskuussa 2021 tuotteista vastaavaksi johtavaksi varatoimitusjohtajaksi (SVP of Product) ja vastaa tuotestrategiasta. Hän on teknologiainnovaattori, jolla on yli 20 vuoden kokemus mullistavien laajamittaisten verkkopalvelujen sekä tekoäly-, koneoppimis- ja data-alustojen kehittämisestä. Hän tuli Appeniin Microsoftilta, jossa hän toimi useissa johtavissa rooleissa, mukaan lukien Bing ja Azure AI -alustoilla.

Appen on maailman johtaja tekoäly-elinkaaren datassa. Yli 25 vuoden kokemuksella datan hankinnasta, datan annotoinnista ja mallin arvioinnista ihmisvoimin he mahdollistavat organisaatioiden käynnistää maailman innovatiivisimmat tekoälyjärjestelmät.

Mikä aluksi kiinnosti sinua tekoälyyn?

Kun olin Microsoftissa (MSFT ), työskentelin Azure AI -organisaatiossa. Olin tuttu teollisuusmaisemasta, asiakkaista ja tekoälymuutoksesta, joka tapahtuu eri aloilla. Näin asiakkaan näkökulmasta, että koulutusdata oli este tekoälymallien kehittämiselle, ja näin Appenin mahdollisuutena ratkaista tämä ongelma – puuttuva lenkki, joka voisi yhdistää tekoälyelinkaaren kaikki vaiheet.

Olet nyt Appenin tuotejohtaja, voitko kuvata, mitä tämä tehtävä sisältää?

Ylimmällä tasolla, tiimini luo tuotevision ja -strategian sekä sovittaa ne yhteen organisaation eri sidosryhmien kanssa tehokasta toteutusta varten. Henkilökohtaisella tasolla, vietän paljon aikaa ymmärtääkseeni alan ja asiakkaita. Asiakkainamme on joitakin suurimmista yrityksistä, kuten Amazon (AMZN ), Google (GOOGL ), Microsoft, Salesforce (CRM ), Boeing. Siksi on tärkeää, että tiimini ymmärtää asiakastilanteita ja haasteita ja rakentaa tuote-strategiaa, joka tarjoaa kasvusuunnitelman. Turvallisen, inklusiivisen kulttuurin luominen on myös erittäin tärkeä osa rooliaani, kun keskityn luomaan tilan, jossa työntekijämme voivat jakaa ideoita, tehdä yhteistyötä ja kehittää uraansa.

Kuinka tärkeää on monimuotoisten tiimien kasvattaminen tekoälykehityksessä?

On erittäin tärkeää tekoälykehityksessä, että tiimeissä on monimuotoisuutta. On useita tapoja ajatella monimuotoisuutta – sukupuoli, ikä, rotu, näkökulmat. Näkökulmien monimuotoisuus voi olla tärkein osa varmistamiseksi, että tiimillä on monipuoliset taustat ja kokemukset. Nämä kokemukset tuovat uusia ja erilaisia ideoita, joiden avulla voidaan rakentaa paras tuote kaikille asiakkaille, jotka ovat hyvin monimuotoisia.

Miten luot työkulttuurin, joka synergisee tämän monimuotoisuuden?

Kulttuuri, joka edistää monimuotoisuutta, kutsuu työntekijöitä jakamaan ideoitaan ja näkökulmiaan. Tykkään ajatella erilaisia viestintätapoja, kun järjestän tiimikokouksia. Esimerkiksi, kun pyydän palautetta tiimikokouksessa, pyydän työntekijöitä puhumaan suoraan kokouksessa tai lähettämään minulle viestin, kun he ovat ehtineet miettiä asiaa. Ymmärrän, etteivät kaikki halua puhua tai antaa palautetta heti, ja haluan luoda kulttuurin, jossa se on hyväksyttyä. Haluan turvallisen ympäristön, jossa ihmiset voivat ilmaista mielipiteitänsä ja jakaa ideoitaan miten he haluavat. Hyvät ideat tulevat eri tiimeistä koko organisaatiossa. Tapaan myynti-, markkinointi- ja muita asiakaspalvelutiimejä ymmärtääkseni heidän tarpeitaan tuotteen suhteen ja heidän näkökulmiaan asiakkaiden kanssa työskentelemisestä. Jotkut parhaat tuoteideat tulevat kuuntelemalla tarkkaan asiakkaiden haasteita – joko suoraan heiltä tai tiimeiltä, jotka työskentelevät asiakkaiden kanssa joka päivä.

Miten taistellaan tekoälyalgoritmeissa olevaa harhaa muilla tavoin kuin monimuotoisten tiimien avulla?

Inklusiivinen datan hankinta, datan valmistelu ja mallin arviointi ovat kriittisiä tekijöitä harhan torjunnassa. Data, jota käytetään algoritmien kouluttamiseen, on oltava kaikkien mahdollisten loppukäyttäjien tai tuloksien kannalta inklusiivista. Tekoälyelinkaaren eri vaiheissa on tarkistettava kunkin vaiheen harha. Vastuullinen tekoäly on myös rakennettu vastuullisesti hankituilla datajoukoilla, mikä tarkoittaa, että aineiston tuottajia kohdellaan oikeudenmukaisesti. Appen on luonut Crowd-koodin eettisyydestä osoittaakseen sitoutumisensa Crowdin hyvinvoinnin puolesta.

Julkaisit äskettäin artikkelin, jossa käsiteltiin uutta tieteenalaa, jota kutsutaan Tekoälyelinkaaren dataksi. Voitko lyhyesti kuvata, mitä se on?

Tekoälyelinkaaren data kattaa neljä vaihetta jatkuvassa syklissä: datan hankinta, datan valmistelu, mallin rakentaminen ja käyttöönotto sekä mallin arviointi ihmisvoimin. Nämä vaiheet ovat välttämättömiä laadukkaan datan toimittamiseksi tekoälyprojektien rakentamiseen. Datan hankinta, datan valmistelu ja mallin arviointi ovat työläimpiä ja data-intensiivisimpiä, ja jos ne eivät ole hyvin tehty, ne voivat johtaa projektiin liittyviin laatuongelmiin ja viivästymiin. Appen on erikoistunut näihin kolmeen vaiheeseen ja strategisesti yhteistyöhön toimijoiden kanssa, jotka ovat erikoistuneet mallin kouluttamiseen ja käyttöönottoon.

Mikä on synteettisen datan rooli tekoälyelinkaaren datassa?

Datan hankintaratkaisut sisältävät ihmisen annotoiman datan, valmiiksi merkittyjä tietojoukkoja ja synteettistä dataa. Synteettistä dataa käytetään vaikeasti löydettävissä tietojoukoissa ja käyttötarkoituksissa. Inklusiiviset tietojoukot kattavat kaikki käyttötarkoitukset ja mahdolliset loppukäyttäjät tekoälymallille, ja jotkut vaativat synteettistä dataa tavoitteiden saavuttamiseksi. Ihmisen annotoiman datan ja synteettisen datan yhdistelmä tulee olemaan kriittinen mallin menestykselle.

Kuinka suuri ongelma on mallin ajautuminen tai ylioppiminen tekoälyelinkaaren datassa?

Mallin ajautuminen voi olla suuri ongelma, ja siihen on puututtava tekoälyelinkaaren neljännessä vaiheessa, mallin arvioinnissa ihmisvoimin. On kriittistä, että malli jatkaa toimintaa todellisessa maailmassa ja sen on läpäistävä ihmisarviointi. Koska ympäristöt muuttuvat ja kehittyvät, malleja on muutettava. On tärkeää, että käytännön soveltajat jatkuvasti arvioivat mallejaan estääkseen niiden vanhenemisen tai harhan. Microsoftin Bing on asiakas, joka käyttää mallin arviointia varmistaakseen, että hakutulokset toimivat heidän odotuksiensa mukaisesti ja malli on jatkuvasti arvioitavana.

Onko jotain muuta, mitä haluaisit jakaa työstäsi Appenissa?

Arvokkain työ Appenissa on ihmisten ja heidän asiantuntemuksensa ansiosta. 25 vuoden kokemuksella Appen on luonut vahvan perustan työntekijöidensä kanssa. Asiakkaamme luottavat asiantuntemukseemme toimittamaan laadukkaita tuloksia nopeasti ja suurella mittakaavalla. Appen mahdollistaa tekoälyteollisuuden muutoksen tarjoamalla ratkaisuja datan hallitsemiseen tekoälyelinkaaren aikana.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Appenin sivuilla.

Antoine on visionäärinen johtaja ja Unite.AI:n perustajaosakas, jota ohjaa vankkumaton intohimo tekoälyn ja robotiikan tulevaisuuden muovaamiseen ja edistämiseen. Sarjayrittäjänä hän uskoo tekoälyn muuttavan yhteiskuntaa yhtä perusteellisesti kuin sähkö, ja hän puhuu usein innostuneesti mullistavien teknologioiden ja yleisen tekoälyn (AGI) mahdollisuuksista.

Futuristina hän on omistautunut selvittämään, miten nämä innovaatiot muovaavat maailmaamme. Hän on myös Securities.io:n perustaja. Alusta keskittyy sijoittamaan huipputeknologioihin, jotka määrittelevät tulevaisuutta uudelleen ja muuttavat kokonaisia toimialoja.