Imogen Low, medgrunnlegger og CTO i NWO.ai – Intervju-serie

Imogen Low er medgrunnlegger og chief technical officer (CTO) i NWO.ai, en prediktiv plattform som sporer over 20 millioner mikrotrender og varsler kunder om trender før de blir eksponentielle.

Hva var det som først interesserte deg for maskinlæring?

Jeg ble først interessert i maskinlæring da jeg gikk på high school. I min fritid utviklet jeg interaktive 3D-kart over komplekse, fleretasjers bygninger som handlesteder, flyplasser, sykehus og skoler. Disse kartene kunne brukes til å hjelpe besøkende med innendørs navigasjon og veibeskrivelse. Jeg var også interessert i å samle inn atferdsdata om enkeltbrukere mens de beveger seg gjennom bygningene. Denne informasjonen kunne brukes til å forutsi strømmen av fotgjengere over tid og optimalisere navigasjonsruter.

Men det var ikke før jeg var 17 år gammel og fikk min første jobb som maskinlæring-ingeniør i SAP, at jeg virkelig ble begeistret for AI. Mens jeg jobbet i SAP, arbeidet jeg med en rekke ulike problemer. For eksempel analyserte jeg satellittdata fra NASA for å forutsi kvaliteten på avling; jeg brukte datavisjonsteknologi til å analysere droner for å overvåke husdyr; jeg brukte bedriftstransaksjonsdata til å forutsi skattebedrageri; og jeg kombinerte datavisjonsteknologi med naturlig språkbehandling til å bygge ut konversasjons- og augmented reality-virtuelle assistenter.

Du tok en uvanlig vei fra Australia, til Singapore og til slutt i Amerika. Kan du diskutere denne reisen?

Den innendørs navigasjonsapplikasjonen jeg utviklet på high school, tok meg til Taiwan hvor jeg viste den frem på Asia Pacific ICT Alliance (APICTA) awards-konferansen. Erfaringen ga meg en ny perspektiv på tempoet i teknologisk endring og innovasjon som skjer i Asia — spesielt deres tilpasning av kunstig intelligens-teknologier. Jeg ønsket å dykke ned i en asiatisk land og være en del av disse fremstegene. Så jeg tok en stilling som maskinlæring-ingeniør i SAP APJ-hovedkontoret i Singapore.

Mens jeg jobbet i Singapore, utviklet jeg en virtuell assistent som ble et ledende eksempel på innovasjon i SAP. Så jeg ble invitert til å vise den frem på en innovasjonskonferanse i Asia. På konferansen, hørte jeg en fascinerende keynote-presentasjon fra Pulkit Jaiswal, en suksessfull drone-entrepreneur. Han forklarte hvordan han kunne forutsi geopolitisk spenning mellom land ved å analysere nettdata. Jeg ble så interessert av ideen at jeg bestemte meg for å slutte i jobben min samme dag og danne et partnerskap med ham som medgrunnlegger i hans siste prosjekt, NWO. Selv om selskapet er basert i New York, er jeg selv basert i Sydney.

Kan du beskrive hvordan NWO.ai hjelper med å identifisere trender før de blir eksponentielle?

Vi i NWO.ai modellerer hvordan adopsjonen av ulike ideer sprer seg gjennom globale nettverk. Målet er å forutsi betydelige økninger i tankegodt. For å oppnå dette, har vi designet en korrelasjonsmotor som peker ut hvilke datakilder og forbrukerstemmer som er de sterkeste ledende prediktorer for adopsjonen av en trend. Vi kan også identifisere de viktigste faktorene som påvirker vekst. Deretter bruker vi vår dynamiske vektingssystem til å forsterke de mest prediktive datapunktene og dempe de svakeste.

Hva er noen av de maskinlærings-teknologiene som brukes?

Vi utnytter en rekke stat-of-the-art naturlig språkbehandling (NLP) maskinlæringsmodeller, som dokumentkodere, navngitte enhetsgjenkjenning (NER) modeller og maskinoversettelse. Vi kombinerer disse med teknikker vi har adoptert fra assosiasjonsregel-gruving og grafteori til å modellere våre ustrukturerte tekstdata til en tidssensitiv, flerspråklig, semantisk kunnskapsgraf. Vi kan deretter representere hvor sterkt ulike ideer er assosiert på ulike tidspunkter og dynamisk bygge assosiasjoner mellom nye datapunkter i sanntid.

Hva slags offentlige eller private datakilder brukes?

Vi bruker hovedsakelig ustrukturerte, offentlig tilgjengelige datakilder for å bygge våre prediksjonsmodeller. Disse inkluderer sosiale medie-innlegg, nyhetsartikler, blogger, forum, kommentarer og søkehistorikk. Vi kombinerer disse også med proprietære bedriftstransaksjonsdata, som historiske salgs-, etterspørsels- og lagerdata.

Hva er din råd til kvinnelige entreprenører?

Nå er en fantastisk tid å være kvinnelig grunnlegger! La deg ikke avskrekke av tanken på at entreprenørskap er overveiende mannlig dominert. Det har vært en økt etterspørsel etter kjønnsdiversitet i entreprenørskap nylig. Kvinner har mye å tilby når det gjelder konkurranseperspektiver på verden og ulike måter å tenke på å løse problemer. På grunn av dette, ser vi nye støttenettverk som oppmuntrer kvinner til å starte bedrifter og tilby veiledning, mentorering og investeringsmuligheter.

Takk for det flotte intervjuet, lesere som ønsker å lære mer kan besøke NWO.ai.