Amy Steier, Ilmuwan Utama Pembelajaran Mesin di Gretel.ai – Seri Wawancara

Amy Steier adalah Ilmuwan Utama Pembelajaran Mesin di Gretel.ai, platform rekayasa privasi paling canggih di dunia. Gretel membuatnya mudah untuk memasukkan privasi oleh desain ke dalam teknologi yang didorong oleh data. Perpustakaan berbasis AI yang open-sourced dirancang untuk mengubah, menghilangkan identitas, dan mensintesis informasi sensitif.

Amy adalah seorang ilmuwan pembelajaran mesin dan ilmuwan data yang sangat berprestasi dengan lebih dari 20 tahun pengalaman. Minatnya adalah big data dan menyampaikan kecerdasan tersembunyi di dalamnya menggunakan teknik dari pembelajaran mesin, penambangan data, kecerdasan buatan, dan statistik. Ia sangat terampil dalam pemodelan prediktif, klasifikasi, clustering, deteksi anomali, visualisasi data, metode ensemble, pemulihan informasi, analitik keamanan siber, NLP, model rekomendasi, dan analitik perilaku pengguna.

Apa yang awalnya menarik Anda untuk mengejar karir di ilmu komputer dan pembelajaran mesin?

Cinta saya yang tulus, tak terkalahkan, dan abadi untuk data. Kekuatan, misteri, intrik, dan potensi data selalu mempesona saya. Ilmu komputer dan pembelajaran mesin adalah alat untuk memanfaatkan potensi tersebut. Ini juga sangat menyenangkan untuk bekerja di bidang yang perkembangannya sangat cepat. Saya menyukai persimpangan antara penelitian dan produk. Sangat memuaskan untuk mengambil ide-ide paling mutakhir, mendorongnya sedikit lebih jauh, dan kemudian mengubahnya untuk memenuhi kebutuhan produk yang ada.

Bagi pembaca yang tidak familiar, bisa Anda jelaskan apa itu data sintetis?

Data sintetis adalah data yang terlihat dan berperilaku seperti data asli tetapi juga cukup berbeda untuk memenuhi suatu kasus penggunaan. Kasus penggunaan paling umum adalah kebutuhan untuk melindungi privasi informasi dalam data asli. Kasus penggunaan lainnya adalah kebutuhan untuk menciptakan data tambahan untuk meningkatkan ukuran dataset asli. Data sintetis memungkinkan kita untuk terus mengembangkan produk dan solusi inovatif ketika data yang diperlukan untuk melakukannya tidak hadir atau tersedia.

Bagaimana platform Gretel bekerja untuk menciptakan data sintetis melalui API?

API rekayasa privasi Gretel memungkinkan Anda untuk memasukkan data ke Gretel dan menjelajahi data yang dapat diekstrak. Ini adalah API yang sama yang digunakan oleh Konsol kami. Dengan mengekspos API, melalui antarmuka yang intuitif, kami berharap dapat memberdayakan pengembang dan ilmuwan data untuk membangun alur kerja mereka sendiri di sekitar Gretel.

Apakah Anda bisa membahas beberapa alat yang ditawarkan oleh Gretel untuk membantu menilai kualitas data sintetis?

Setelah penciptaan data sintetis, Gretel akan menghasilkan Laporan Sintetis. Dalam laporan ini, Anda dapat melihat Skor Kualitas Data Sintetis (SQS), serta tingkat Perlindungan Privasi (PPL).

Skor SQS adalah perkiraan seberapa baik data sintetis yang dihasilkan mempertahankan sifat statistik yang sama dengan dataset asli. Dalam arti ini, skor SQS dapat dianggap sebagai skor utilitas atau kepercayaan bahwa kesimpulan ilmiah yang ditarik dari dataset sintetis akan sama jika menggunakan dataset asli.

Bagaimana filter privasi Gretel bekerja?

Filter Privasi Gretel adalah hasil dari banyak penelitian tentang sifat serangan adversarial pada data sintetis. Filter Privasi mencegah penciptaan data sintetis dengan kelemahan yang umum dieksploitasi oleh serangan adversarial. Kami memiliki dua Filter Privasi, yang pertama adalah Filter Kesamaan, dan yang kedua adalah Filter Outlier. Filter Kesamaan mencegah penciptaan catatan sintetis yang terlalu mirip dengan catatan pelatihan. Ini adalah target utama serangan adversarial yang mencari untuk mendapatkan wawasan tentang data asli.

Bagaimana data sintetis dapat membantu mengurangi bias AI?

Teknik paling umum adalah untuk mengatasi bias representatif dari data yang masuk ke sistem AI. Misalnya, jika ada ketidakseimbangan kelas yang kuat dalam data Anda, atau mungkin ada bias demografis dalam dataset, Gretel menawarkan alat untuk membantu mengukur ketidakseimbangan dan kemudian memecahkannya dalam data sintetis. Dengan menghilangkan bias dalam data, Anda sering menghilangkan bias dalam sistem AI yang dibangun di atas data tersebut.

Anda jelas menikmati belajar tentang teknologi pembelajaran mesin baru, bagaimana Anda secara pribadi mempertahankan diri dengan semua perubahan?

Membaca, membaca, dan membaca lagi, lol! Saya menikmati memulai hari dengan membaca tentang teknologi pembelajaran mesin baru. Saya menikmati membaca artikel di Towards Data Science, Analytics Vidhya, dan newsletter seperti The Sequence. Facebook (META ) AI, Google (GOOGL ) AI, dan OpenMined semua memiliki blog yang bagus. Ada banyak konferensi yang bagus untuk diikuti seperti NeurIPS, ICML, ICLR, AISTATS.

Apa visi Anda untuk masa depan pembelajaran mesin?

Akses mudah ke data akan memicu era inovasi besar dalam pembelajaran mesin yang kemudian mempercepat inovasi di berbagai bidang seperti kesehatan, keuangan, manufaktur, dan biosains. Sejarah telah menunjukkan bahwa banyak kemajuan pembelajaran mesin yang berpengaruh dapat dikaitkan dengan volume data yang besar. Namun, sejarah juga menunjukkan bahwa banyak penelitian telah terhambat oleh ketidakmampuan untuk mengakses atau berbagi data karena kekhawatiran privasi. Ketika alat seperti Gretel menghilangkan hambatan ini, akses ke data akan didemokratisasi. Seluruh komunitas pembelajaran mesin akan mendapat manfaat dari akses ke dataset yang kaya dan besar, bukan hanya beberapa perusahaan elit.

Apakah ada yang lain yang Anda ingin bagikan tentang Gretel?

Jika Anda mencintai data, Anda akan mencintai Gretel (jelas saya mencintai Gretel!). Akses mudah ke data telah menjadi duri dalam sisi setiap ilmuwan data yang pernah saya kenal. Di Gretel, kami bangga telah menciptakan konsol dan set API yang membuat penciptaan data pribadi yang dapat dibagikan semudah mungkin. Kami sangat percaya bahwa data lebih berharga ketika dibagikan.

Terima kasih atas wawancara yang luar biasa dan untuk berbagi wawasan, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Gretel.ai.