Sujatha Sagiraju, Chief Product Officer la Appen – Seria de interviuri

Sujatha Sagiraju este Chief Product Officer la Appen, ea s-a alăturat Appen în septembrie 2021 ca SVP de Product și este responsabilă pentru strategia de produs. Ea este o pionieră în tehnologie, cu peste 20 de ani de experiență în construirea de servicii online de mare scară și platforme de inteligență artificială și învățare automată. Ea s-a alăturat Appen de la Microsoft, unde a deținut roluri de conducere în mai multe grupuri, inclusiv Bing și Azure AI Platform.

Appen este liderul global în date pentru ciclul de viață al inteligenței artificiale. Cu peste 25 de ani de experiență în sursa de date, anotarea datelor și evaluarea modelului de către oameni, aceștia permit organizațiilor să lanseze cele mai inovatoare sisteme de inteligență artificială din lume.

Ce v-a atras inițial la inteligența artificială?

Când eram la Microsoft, am lucrat în organizația Azure AI. Eram familiarizată cu peisajul industriei, clienții și transformarea inteligenței artificiale care are loc în diferite industrii. Am putut vedea din perspectiva unui client că datele de antrenament erau un obstacol în calea construirii modelelor de învățare automată și am văzut Appen ca o oportunitate de a rezolva această problemă – legătura lipsă care ar putea conecta toate etapele ciclului de viață al inteligenței artificiale.

Sunteți în prezent Chief Product Officer la Appen, puteți descrie ce implică această poziție?

La nivelul cel mai înalt, echipa mea construiește viziunea de produs, strategia și se aliniază cu diferiți stakeholderi din cadrul organizației pentru a o executa eficient. La un nivel mai personal, petrec o perioadă considerabilă de timp înțelegând industria și clienții. Cu unele dintre cele mai mari companii ca clienți, cum ar fi Amazon, Google, Microsoft, Salesforce, Boeing, este important pentru echipa mea să înțeleagă scenariile clienților și punctele slabe și să construiască o strategie de produs care să ofere un plan de creștere. Construirea unei culturi sigure și incluzive este, de asemenea, o parte foarte importantă a rolului meu, deoarece mă concentrez pe crearea unui spațiu în care angajații noștri să poată împărtăși idei, colabora și-și dezvolta cariera.

Cât de importantă este dezvoltarea diversității în echipe pentru dezvoltarea inteligenței artificiale?

Este extrem de important pentru dezvoltarea inteligenței artificiale să aveți echipe diverse. Există câteva moduri diferite de a gândi diversitatea – gen, vârstă, rasă, perspective. Diversitatea perspectivelor poate fi cea mai importantă parte a asigurării că aveți fundaluri și experiențe diverse în echipa dvs. Aceste experiențe aduc idei noi și diferite pentru a construi cel mai bun produs pentru toți clienții dvs. care sunt foarte diverși.

Cum creați o cultură de muncă care să valorifice această diversitate?

O cultură care promovează diversitatea invită angajații să-și împărtășească ideile și perspectivele. Îmi place să consider diferite metode de comunicare atunci când conduc ședințe de echipă. De exemplu, atunci când cer feedback într-o ședință de echipă, cer angajaților să vorbească direct în ședință sau să-mi trimită un mesaj după ce au avut timp să se gândească. Recunosc că nu toată lumea ar vrea să vorbească sau să ofere feedback imediat, și vreau să creez o cultură în care acest lucru să fie acceptabil. Vreau un mediu sigur în care oamenii să-și poată exprima opinia și să-și împărtășească ideile cum doresc. Idei excelente vin din toate echipele din cadrul organizației. Mă întâlnesc cu echipele de vânzări, marketing și alte echipe care interacționează cu clienții pentru a înțelege nevoile lor cu privire la produs și perspectiva lor de a lucra îndeaproape cu clienții. Unele dintre cele mai bune idei de produs vin din ascultarea atentă a punctelor slabe ale clienților – fie direct de la ei, fie de la echipele care interacționează cu clienții noștri în fiecare zi.

În afara diversității în echipe, ce alte modalități există de a lupta împotriva prejudecăților în algoritmii de învățare automată?

Sursa de date incluzivă, pregătirea datelor și evaluarea modelului sunt critice pentru lupta împotriva prejudecăților. Datele utilizate pentru antrenarea algoritmilor trebuie să fie incluzive pentru toți utilizatorii finali potențiali sau rezultatele posibile. Atunci când se trece prin diferitele etape ale ciclului de viață al inteligenței artificiale, fiecare etapă trebuie să fie verificată pentru prejudecăți. Inteligența artificială responsabilă este, de asemenea, construită cu seturi de date surse responsabile, ceea ce înseamnă că contributorii sunt tratați corect. Appen a creat un Cod de etică pentru mulțime pentru a demonstra angajamentul nostru față de bunăstarea mulțimii noastre.

Ați publicat recent un articol care discută o nouă disciplină, numită Date pentru ciclul de viață al inteligenței artificiale. Puteți descrie pe scurt ce este aceasta?

Datele pentru ciclul de viață al inteligenței artificiale cuprind patru etape într-un ciclu continuu; sursa de date, pregătirea datelor, construirea și implementarea modelului și evaluarea modelului de către oameni. Aceste etape sunt necesare pentru a furniza date de înaltă calitate pentru construirea de proiecte de inteligență artificială. Sursa de date, pregătirea datelor și evaluarea modelului sunt cele mai laborioase și intense din punct de vedere al datelor și, dacă nu sunt făcute bine, pot duce la probleme de calitate a proiectului și la întârzieri de lansare. Appen se specializează în aceste trei etape și parteneriază strategic cu furnizorii care se specializează în antrenarea și implementarea modelului.

Care este rolul datelor sintetice în ciclul de viață al datelor pentru inteligența artificială?

Soluțiile de sursă de date includ date anotate de oameni, seturi de date pre-etichetate și date sintetice. Datele sintetice sunt utilizate în seturi de date greu de găsit și în cazuri de utilizare. Seturile de date incluzive acoperă toate cazurile de utilizare și utilizatorii finali potențiali ai unui model de inteligență artificială, și unele necesită date sintetice pentru a atinge acest obiectiv. Combinația de date anotate de oameni și date sintetice va deveni critică pentru succesul modelului.

Cât de mare este problema derivării modelului sau a suprapunerii în ciclul de viață al datelor pentru inteligența artificială?

Derivarea modelului poate fi o problemă mare și trebuie abordată în a patra etapă a ciclului de viață al inteligenței artificiale, Evaluarea modelului de către oameni. Este critic să se asigure că modelul continuă să funcționeze în lumea reală și să știți că trebuie să treacă prin testarea umană. Pe măsură ce mediile se schimbă și cresc, modelele trebuie să se schimbe, de asemenea. Este important ca practicienii să evalueze continuu modelele lor pentru a preveni ca acestea să devină învechite sau să fie afectate de prejudecăți. Bing de la Microsoft este un client care utilizează evaluarea modelului pentru a se asigura că rezultatele căutării sunt performante la standardele lor și că modelul este evaluat continuu.

Există altceva pe care ați dori să-l împărtășiți despre munca dvs. la Appen?

Cea mai valoroasă muncă la Appen este cea realizată de oamenii noștri și de expertiza lor. Cu 25 de ani de experiență, Appen a construit o bază solidă cu angajații săi. Clienții noștri au încredere în expertiza noastră pentru a furniza rezultate de înaltă calitate, rapid și la scară. Appen permite transformarea industriei inteligenței artificiale, oferind soluții pentru a gestiona în mod eficient datele pentru ciclul de viață al inteligenței artificiale.

Mulțumim pentru interviul excelent, cititorii care doresc să afle mai multe trebuie să viziteze Appen.