Imogen Low, mede-oprichter en CTO bij NWO.ai – Interviewreeks

Imogen Low is de mede-oprichter en chief technical officer (CTO) van NWO.ai, een predictief platform dat meer dan 20 miljoen microtrends volgt en klanten op de hoogte brengt van trends voordat ze exponentieel worden.

Wat heeft je aanvankelijk geïnteresseerd in Machine Learning?

Toen ik op de middelbare school zat, begon ik me te interesseren voor machine learning. In mijn vrije tijd ontwikkelde ik interactieve 3D-kaarten van complexe, meerlagige campusfaciliteiten zoals winkelcentra, vliegvelden, ziekenhuizen en scholen. Deze kaarten konden worden gebruikt om bezoekers te helpen bij het navigeren en oriënteren in gebouwen. Ik was ook geïnteresseerd in het verzamelen van gedragsgegevens over individuele gebruikers terwijl ze door gebouwen bewogen. Deze informatie kon worden gebruikt om de stroom van voetgangersverkeer over tijd te voorspellen en navigatieroutes te optimaliseren.

Maar het was pas toen ik 17 jaar oud was en mijn eerste baan als machine learning-engineer bij SAP kreeg, dat ik echt enthousiast werd over AI. Terwijl ik bij SAP werkte, werkte ik aan een reeks verschillende problemen. Bijvoorbeeld analyseerde ik satellietgegevens van NASA om de kwaliteit van de oogst te voorspellen; ik gebruikte computervisietechnologie om dronebeelden te analyseren om vee te monitoren; ik gebruikte transactiegegevens van ondernemingen om belastingfraude te voorspellen; en ik combineerde computervisietechnologie met natuurlijke taalverwerking om conversational en augmented reality-virtuele assistenten te bouwen.

Je hebt een ongebruikelijke route genomen van Australië, via Singapore en uiteindelijk in Amerika, kun je deze reis beschrijven?

De indoor-navigatie-applicatie die ik op de middelbare school had ontwikkeld, bracht me naar Taiwan, waar ik het presenteerde op de Asia Pacific ICT Alliance (APICTA)-awardsconferentie. De ervaring gaf me een nieuwe kijk op de snelheid van technologische verandering en innovatie in Azië – vooral hun adoptie van kunstmatige intelligentietechnologieën. Ik wilde me onderdompelen in een Aziatisch land en deel uitmaken van die vooruitgang. Dus nam ik een machine learning-positie in het SAP APJ-hoofdkantoor in Singapore.

Terwijl ik in Singapore werkte, ontwikkelde ik een virtuele assistent die een voorbeeld van innovatie bij SAP werd. Dus werd ik uitgenodigd om het te presenteren op een innovatiesummit in heel Azië. Op de summit luisterde ik naar een fascinerende keynote-presentatie van Pulkit Jaiswal, een succesvolle ondernemer in drones. Hij legde uit hoe hij geopolitieke spanningen tussen landen kon voorspellen door online gegevens te analyseren. Ik was zo geïnteresseerd in het idee dat ik die dag mijn baan opzegde en partner werd met hem als mede-oprichter in zijn nieuwste onderneming, NWO. Hoewel het bedrijf is gevestigd in New York, ben ik gevestigd in Sydney.

Kun je beschrijven hoe NWO.ai helpt bij het identificeren van trends voordat ze exponentieel worden?

Bij NWO.ai modelleren we hoe de adoptie van verschillende ideeën zich verspreidt door globale netwerken. Het doel is om significante toenames in mentaliteit te voorspellen. Om dit te bereiken, hebben we een cross-correlatie-engine ontworpen die aangeeft welke gegevensbronnen en consumentenstemmen de sterkste voorspellers zijn van de adoptie van een trend. We kunnen ook de belangrijkste factoren identificeren die de groei beïnvloeden. Vervolgens gebruiken we ons dynamische weegsysteem om de meest voorspellende gegevenspunten te versterken en de minder voorspellende te verzwakken.

Welke machine learning-technologieën worden gebruikt?

We gebruiken een reeks state-of-the-art natuurlijke taalverwerking (NLP) machine learning-modellen, zoals documentencoders, named entity recognition (NER)-modellen en machinetaalvertaling. We combineren deze met technieken die we hebben overgenomen van associatieregelmining en grafentheorie om onze ongestructureerde tekstgegevenssets om te zetten in een tijdsafhankelijk, meertalig, semantisch kennisgraf. We kunnen dan weergeven hoe sterk verschillende ideeën op verschillende momenten in de tijd zijn geassocieerd en dynamisch associaties bouwen tussen nieuwe gegevenspunten in real-time.

Welke soorten openbare of particuliere gegevensbronnen worden gebruikt?

We vertrouwen voornamelijk op ongestructureerde, openbaar beschikbare gegevensbronnen om onze voorspellingsmodellen te bouwen. Deze omvatten socialemediaberichten, nieuwsartikelen, blogs, forums, commentaren en zoekgeschiedenissen. We combineren deze ook met propriëtaire ondernemingstransactiegegevens, zoals historische verkoop-, vraag- en voorraadgegevens.

Wat is uw advies voor vrouwelijke ondernemers?

Nu is een geweldige tijd om een vrouwelijke oprichter te zijn! Laat je niet ontmoedigen door het idee dat ondernemerschap overwegend door mannen wordt gedomineerd. Er is een grotere oproep tot genderdiversiteit in ondernemerschap geweest. Vrouwen hebben veel te bieden in termen van concurrerende perspectieven op de wereld en verschillende manieren van denken over het oplossen van problemen. Door dit alles zien we nieuwe ondersteuningsnetwerken die vrouwen aanmoedigen om bedrijven te starten en bieden leiding, mentorship en investeringsmogelijkheden.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten NWO.ai bezoeken.