Imogen Low, Co-Fondatrice e CTO di NWO.ai – Serie di Interviste

Imogen Low è la Co-Fondatrice e il Chief Technical Officer (CTO) di NWO.ai, una piattaforma predittiva che traccia oltre 20 milioni di microtendenze e avvisa i clienti sulle tendenze prima che diventino esponenziali.

Cosa ti ha inizialmente interessato al Machine Learning?

Ho iniziato a interessarmi al machine learning quando ero al liceo. Nel mio tempo libero, stavo sviluppando mappe interattive 3D di strutture complesse a più livelli, come centri commerciali, aeroporti, ospedali e scuole. Queste mappe potevano essere utilizzate per aiutare la navigazione interna e l’orientamento per i visitatori. Ero anche interessato a raccogliere punti di dati comportamentali sugli utenti individuali mentre si muovevano all’interno degli edifici. Queste informazioni potevano essere utilizzate per anticipare il flusso di pedoni nel tempo e ottimizzare le rotte di navigazione.

Ma non è stato fino a quando ho avuto 17 anni, quando ho ottenuto il mio primo lavoro come ingegnere di machine learning presso SAP, che mi sono veramente entusiasmato per l’AI. Mentre lavoravo presso SAP, ho lavorato su una serie di problemi diversi. Ad esempio, ho analizzato i dati satellitari della NASA per prevedere la qualità del raccolto; ho utilizzato la tecnologia di visione artificiale per analizzare le riprese aeree per monitorare il bestiame; ho utilizzato i dati transazionali aziendali per prevedere le frodi fiscali; e ho combinato la tecnologia di visione artificiale con l’elaborazione del linguaggio naturale per creare assistenti virtuali conversazionali e realtà aumentata.

Hai preso un percorso insolito dall’Australia, a Singapore e infine in America, potresti discutere questo viaggio?

L’applicazione di navigazione interna che ho sviluppato al liceo mi ha portato a Taiwan, dove l’ho presentata alla conferenza degli Asia Pacific ICT Alliance (APICTA) Awards. L’esperienza mi ha dato una nuova prospettiva sul ritmo del cambiamento tecnologico e dell’innovazione in Asia – in particolare l’adozione delle tecnologie di intelligenza artificiale. Volevo immergermi in un paese asiatico e far parte di quei progressi. Quindi, ho accettato una posizione di machine learning presso la sede centrale di SAP APJ a Singapore.

Mentre lavoravo a Singapore, ho sviluppato un assistente virtuale che è diventato un esempio di innovazione leader presso SAP. Quindi, sono stato invitato a presentarlo a un summit di innovazione in tutta l’Asia. Al summit, ho ascoltato una presentazione chiave affascinante di Pulkit Jaiswal, un imprenditore di successo nel settore dei droni. Ha spiegato come poteva prevedere la tensione geopolitica tra i paesi analizzando i dati online. Ero così intrigato dall’idea che ho deciso di lasciare il mio lavoro quel giorno e di associarmi a lui come co-fondatore nella sua nuova impresa, NWO. Anche se l’azienda ha sede a New York, io sono basato a Sydney.

Potresti descrivere come NWO.ai aiuta a identificare le tendenze prima che diventino esponenziali?

Presso NWO.ai, modelliamo come l’adozione di diverse idee si diffonda attraverso le reti globali. L’obiettivo è prevedere aumenti significativi nella quota di mercato. Per raggiungere questo, abbiamo progettato un motore di cross-correlazione che individua quali fonti di dati e voci dei consumatori sono i più forti predittori dell’adozione di una tendenza. Possiamo anche identificare i principali fattori che influenzano la crescita. Quindi, utilizziamo il nostro sistema di ponderazione dinamica per amplificare il punto di dati più predittivo e attenuare quelli in ritardo.

Quali sono alcune delle tecnologie di machine learning utilizzate?

Utilizziamo un set di modelli di apprendimento automatico di linguaggio naturale (NLP) all’avanguardia, come encoder di documenti, modelli di riconoscimento di entità nominate (NER) e traduzione automatica. Combiniamo questi con tecniche che abbiamo adottato dalla mineria di regole di associazione e dalla teoria dei grafi per modellare i nostri set di dati testuali non strutturati in un grafo di conoscenza semantico consapevole del tempo e multilingue. Possiamo quindi rappresentare come le diverse idee sono fortemente associate in momenti diversi e costruire dinamicamente associazioni tra nuovi punti di dati in tempo reale.

Quali sono i tipi di fonti di dati pubbliche o private utilizzate?

Ci affidiamo principalmente a fonti di dati non strutturate e pubblicamente disponibili per costruire i nostri modelli di previsione. Queste includono post sui social media, articoli di notizie, blog, forum, commenti e storie di ricerca. Combiniamo anche questi con dati transazionali aziendali proprietari, come dati storici di vendita, domanda e inventario.

Quali consigli hai per le imprenditrici?

È un grande momento per essere una fondatrice! Non lasciarti scoraggiare dall’idea che l’imprenditoria sia prevalentemente dominata dagli uomini. C’è stato un maggiore richiamo per la diversità di genere nell’imprenditoria di recente. Le donne hanno molto da offrire in termini di prospettive diverse sul mondo e modi diversi di pensare alla risoluzione dei problemi. A causa di questo, stiamo vedendo nuove reti di supporto che incoraggiano le donne a fondare aziende e offrono orientamento, mentoraggio e opportunità di investimento.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare NWO.ai.