アペンのAIスペシャリストシニアディレクター、ジュディス・ビショップ博士 – インタビュー・シリーズ

ジュディス・ビショップ博士は、アペンのAPAC/US地域のAIスペシャリストのシニアディレクターです。彼女は、高度な資格と豊富な経験を持つ言語学者、計算言語学者、人間のコミュニケーションのすべての形態（音声、文章、ジェスチャー）に関する専門家のチームを率いています。彼女は、質とスピードの両方で優れたAIトレーニングデータを提供することを目的としています。

言語学に興味を持ったきっかけは何ですか?

私は高校の英語教師から言語学について聞きました。私は、外国語と人文科学、数学と科学の両方に興味を持っていた子供でした。言語学は、言語がどのように機能するかを研究する科学です。つまり、私の興味を一つにまとめることができました。言語学は、音や文字体系の違いにもかかわらず、言語構造が多くの場合、表面下で似ていることを研究します。なぜなら、すべての言語は、最終的には、私たちの共通の人間の存在の産物だからです。

あなたがAIの分野で働くようになった経緯を教えてください。

私は2004年からアペンで言語技術製品とサービスの開発をサポートしています。この間、AIは、人間のコミュニケーション、推論、認識の能力を模倣し、拡張するための包括的なフレームワーク、使命、ビジョンとして登場しました。2019年、私のチームはAIスペシャリストに改称し、言語学と言語知識がAIエンタープライズに不可欠であることを認識しました。私たちの注釈付きデータは、AI製品とサービスの成功に不可欠な役割を果たします。

あなたは16年以上にわたってAIの分野で働いてきました。どのような大きな変化を見てきましたか?

主な変化は、コア技術開発からさまざまなユースケースとアプリケーションへの焦点の拡大です。私のキャリアの大部分では、言語ベースのAIの焦点は、人間の音声認識、音声合成、自然言語処理を模倣するためのコアモデルを開発し、改良することでした。データセットは、一般的なラベリングとデータサンプリングの規格と規範に従うことが多かったです。ただし、最近のAIユースケースの拡大により、コアの汎用的なAIモデルは、さらにチューニングを行わなければ、特殊なデータタイプでは十分に機能しないことが認識されています。

機械学習におけるバイアスがないデータの重要性についてお話しください。

機械学習モデルは、学習データに含まれるバイアスを反映します。アリッサ・シンプソン・ロッチワーガーとウィルソン・パンは、最近の本「Real World AI」で、この問題についていくつかの優れた例を示しています。人口のセグメントに対するトレーニングデータが不足している場合、AIモデルはそのセグメントに対して精度が低くなります。

また、トレーニングデータに、実際には存在するが、望ましくない条件を反映したデータ間の相関がある場合、AIアプリケーションはこれらの条件を強化し、永続させる可能性があります。言語全体に存在する関連性は、統計的な関係を使用するNLPアプリケーションにバイアスを生み出す可能性があります。たとえば、トレーニングデータで「彼女」と「看護師」が「彼」と「看護師」よりも頻繁に関連している場合、結果として生成されるアプリケーションは、看護師を指す単数代名詞として「彼女」を使用します。

アペンは最近、自然言語処理（NLP）イニシアチブのための多様なトレーニングデータセットを立ち上げました。ユーザーが言語のバリエーション、方言、エスノレクト、発音、アクセント、人種、または性別に関係なく同じ体験を得ることができるように、これらのデータセットはどのように機能するのでしょうか?

アペンのデータセットは、エスノレクトと関連する民族的次元を明示的に表現することで、AI言語モデルの偏りの修正を支援します。AI言語モデルのパフォーマンスを、すべてのユーザーに対して等しく保つためには、データプロバイダーとデータ購入者が協力する必要があります。

あなたは詩人でもあり、複数の詩が業界賞を受賞しています。AIが将来このような創造性を示す可能性について、詩の執筆を含めてどう思いますか?

詩やその他の人間の創造性は、記憶、認識、感覚、感情、言語とイメージの構造とニュアンスを利用して、現代の懸念に共感する洞察を生み出します。AIは、統計的にモデル化された言語を生成できますが、人間の創造性を完全に再現することはできません。ただし、AIは、人間の創造性を補完する新しい洞察を提供する可能性があります。

あなたは、AIと言語学の分野で顕著なキャリアを築いてきました。女性がSTEM分野、特にAI分野に参加することを妨げている要因についてどう思いますか?

ロールモデル不足は大きな要因です。女性や多様な性別の人がまだ十分に定着していない分野に進出することは、文化的、社会的、実際的な面で困難です。私の経験は、多様な経験と視点を包含するチームは、非常に強力で創造的で成功できることを示しています。リーダーは、多様な視点を取り入れることに冒険的で、挑戦を受け入れる勇気を持つ必要があります。

アペンやAIについてさらに共有したいことがありますか?

データプロバイダーであるアペンは、包括的なトレーニングデータを提供することで、AIの結果を改善する強力な潜在能力を持っています。ただし、包括的なAIを達成するには、すべての関係者が参加する必要があります。データ購入者は、システムの最適なパフォーマンスを確保するために、包括的なデータを要求し、支払う責任を認識する必要があります。また、AI開発のためにデータを提供する多様なコミュニティのメンバーは、データが使用される目的を信頼できる必要があります。強力な透明性と倫理的な慣行が、すべての関係者に必要です。

素晴らしいインタビュー、ありがとうございました。アペンについてもっと知りたい方は、アペンを訪れてください。