Dr. Judith Bishop, Directrice senior des spécialistes en intelligence artificielle chez Appen – Série d’entretiens

Dr. Judith Bishop est directrice senior des spécialistes en intelligence artificielle pour la région APAC/US chez Appen. Elle dirige et développe une équipe de haut niveau composée de linguistes, de linguistes computationnels et d’experts dans tous les modes de communication humaine (parole, écriture et geste), pour fournir des données de formation pour l’intelligence artificielle avec une combinaison inégalée de qualité et de rapidité.

Qu’est-ce qui vous a initialement attiré vers la linguistique ?

J’ai découvert la linguistique grâce à un professeur d’anglais préféré au lycée. J’étais l’un de ces élèves qui sont également attirés par les langues étrangères et les matières littéraires, ainsi que par les matières scientifiques et mathématiques. La linguistique est la science de la façon dont le langage fonctionne, elle a donc réuni mes intérêts. Comme beaucoup de gens, une fois que j’ai appris à connaître la linguistique, j’en suis devenu complètement dépendant. Qu’est-ce qui pourrait être plus fascinant que la façon dont nous communiquons nos pensées et nos sentiments les uns aux autres ? La linguistique explore les structures linguistiques qui, malgré les différences de sons et de systèmes d’écriture, sont souvent similaires en surface, car elles sont toutes le produit de notre existence humaine commune.

Pouvez-vous partager l’histoire de la façon dont vous vous êtes retrouvé à travailler dans l’IA ?

J’ai travaillé chez Appen depuis 2004 pour soutenir le développement de produits et services de technologie linguistique. Au cours de cette période, l’IA est émergée comme un cadre, une mission et une vision globale pour la technologie visant à imiter et à étendre les capacités humaines de communication, de raisonnement et de perception. En 2019, mon équipe a réorganisé son identité en tant que spécialistes en IA, en reconnaissant que nos connaissances linguistiques et en langage sont essentielles au succès de l’entreprise IA. Nos données annotées fournissent un soutien essentiel pour le succès des interactions humaines avec les produits et services IA.

Vous avez travaillé dans l’IA pendant plus de 16 ans, quels sont les plus grands changements que vous avez constatés ?

Le changement majeur a été une diversification de l’attention, passant du développement de la technologie de base à la longue traîne des cas d’utilisation et des applications. Pendant la majeure partie de ma carrière, l’attention de l’IA basée sur le langage a été centrée sur le développement et l’affinement d’un ensemble de modèles de base qui imitent la perception et la production du langage humain, notamment la reconnaissance de la parole, la synthèse de la parole et le traitement automatique des langues. Les ensembles de données suivaient généralement les normes et conventions de labellisation et d’échantillonnage de données, telles que celles développées par le consortium Speecon (Interfaces de parole pour les appareils grand public). Ces normes ont permis aux développeurs de technologie de base de mesurer leurs performances sur des structures de données communes et ont soutenu l’évolution rapide de l’IA.

Pouvez-vous discuter de l’importance des données non biaisées dans l’apprentissage automatique ?

Les modèles d’apprentissage automatique, qu’ils soient supervisés, non supervisés ou de renforcement, reflèteront les biais présents dans les données sur lesquelles ils sont formés. Alyssa Simpson Rochwerger et Wilson Pang fournissent plusieurs exemples excellents de ce problème dans leur livre récent, Real World AI. Si les données de formation sont insuffisantes pour un segment de la population, le modèle IA sera moins précis pour ce segment.

Appen a récemment lancé de nouveaux ensembles de données de formation diversifiés pour les initiatives de traitement automatique des langues (TAL). Pouvez-vous partager certains détails sur la façon dont ces ensembles de données permettront aux utilisateurs finals de recevoir la même expérience, quelle que soit la variété de langues, le dialecte, l’ethnolecte, l’accent, la race ou le sexe ?

Pour les raisons mentionnées ci-dessus, les ensembles de données sont nécessaires pour corriger les biais existants dans les systèmes de production IA, ainsi que pour former des systèmes futurs plus inclusifs. Les ensembles de données Appen que vous mentionnez soutiendront la correction des biais liés à l’ethnicité et aux ethnolectes associés, tels que l’anglais vernaculaire afro-américain. Ils fourniront des données de formation supplémentaires pour renforcer la représentation de cette population dans les modèles de langage IA.

En dehors de l’IA, vous êtes également poète et plusieurs de vos poèmes ont remporté différents prix de l’industrie. Quels sont vos points de vue sur l’IA future qui exhibera ce type de créativité, y compris l’écriture de poésie ?

C’est une question fascinante. La poésie et d’autres formes de créativité humaine tirent parti de toutes nos ressources humaines de mémoire, de perception, de sensation et d’émotion, ainsi que des structures et des nuances du langage et de l’image, pour produire des idées qui résonnent avec les préoccupations contemporaines. Emily Dickinson a écrit : « Si je lis un livre et qu’il me rend tout mon corps si froid qu’aucun feu ne peut me réchauffer, je sais que c’est de la poésie. Si je me sens physiquement comme si le haut de ma tête avait été enlevé, je sais que c’est de la poésie. » Il doit y avoir un élément de reconnaissance perceptive, sensorielle ou émotionnelle, mais également de véritable surprise.

Vous avez eu une carrière phénoménale jusqu’à présent, qu’est-ce qui, selon vous, retient plus de femmes de rejoindre les STEM et plus précisément l’IA ?

Le manque de modèles de rôle peut être un facteur puissant (et un cercle vicieux). Il y a une véritable difficulté – culturelle, sociale et pratique – pour pénétrer dans des domaines où les femmes, et les personnes de genres divers, n’ont pas encore une présence profondément établie, et où le respect pour ce que nous pouvons apporter est trop souvent absent. Mon expérience en tant que leader m’a montré à plusieurs reprises à quel point les équipes résilientes, créatives et réussies peuvent l’être lorsqu’elles sont inclusives d’expériences et d’orientations diverses. Les leaders doivent être aventuriers dans leurs embauches et courageux dans leur confiance pour gérer les défis à leur façon de penser que les perspectives diverses apportent, sachant que cette bravoure a également été fortement corrélée avec le succès financier et d’entreprise.

Y a-t-il autre chose que vous aimeriez partager sur Appen ou l’IA en général ?

Les fournisseurs de données tels qu’Appen ont un potentiel puissant pour influencer les résultats de l’IA pour le mieux en fournissant des données de formation inclusives.

Cependant, atteindre l’objectif d’une IA inclusive nécessitera la participation de tous. Les acheteurs de données doivent également reconnaître leur responsabilité pour demander explicitement – et payer – les données inclusives qui garantiront les meilleures performances de leurs systèmes pour tous les utilisateurs du monde réel. Et ceux qui fournissent leurs données pour le développement de l’IA doivent être en mesure de faire confiance aux utilisations qui en seront faites. La construction de cette confiance nécessitera une forte transparence et des pratiques éthiques de la part de tous ceux qui manipulent des données sensibles.

Je vous remercie pour cette grande interview, j’ai apprécié en apprendre davantage sur vos points de vue sur l’IA et la linguistique. Les lecteurs qui souhaitent en apprendre plus doivent visiter Appen.