Уилсон Панг, технический директор Appen – Интервью

Уилсон Панг – технический директор Appen, где он возглавляет группу мировых классов данных, инженеров и менеджеров продукта, чтобы объединить силу технологий и людей для решения проблем с данными ИИ.

В этом интервью мы обсуждаем этику ИИ, Отчет Appen о состоянии ИИ и машинного обучения за 2020 год и текущие проблемы отрасли.

Что именно привлекло вас лично к программной инженерии и науке о данных?

Мне была предоставлена возможность работать с данными и ИИ 10 лет назад. В мире ИИ разработчики больше не контролируют логику в коде, вместо этого данные решают логику модели ИИ, что fascinates. Я начал свою карьеру как разработчик в IBM, создавая крупные системы для банков, операторов связи и компаний биржи ценных бумаг. Меня вдохновила сила программного обеспечения и ИИ.

Я также счастлив видеть, как данные и машинное обучение помогают расти бизнесу в первую очередь. Моя команда в eBay использовала ИИ для увеличения покупок покупателей, тем самым увеличивая десятки миллионов долларов дохода. Мы использовали ИИ для увеличения внутренней эффективности и значительного сокращения операционных затрат для Trip.com. Теперь в Appen мы помогаем компаниям из всех видов отраслей использовать ИИ для достижения успеха в их бизнесе.

Можете ли вы описать некоторые предложения Appen по ИИ и маркировке данных?

Мы являемся поставщиком обучающих данных, работающим с более чем 1 миллионом подрядчиков для сбора и маркировки изображений, текста, речи, аудио, видео и других данных. Эти подрядчики проживают в более чем 130 странах и говорят на 180 языках и диалектах, что дает нам возможность предоставлять высококачественные данные для проектов ИИ. У нас также есть профессиональные команды, которые работали с данными ИИ более 20 лет и имеют много знаний о том, как правильно подготовить обучающие данные. Наконец, у нас есть ведущая платформа маркировки данных с помощью ИИ, которая имеет встроенные функции для обеспечения качества и производительности. Наши клиенты могут выбрать между нашим управляемым сервисом, где мы сотрудничаем с их командой, или самослужебной платформой. Наша платформа маркировки данных с помощью ИИ дает клиентам возможность управлять проектами вместе с инструментами машинного обучения для улучшения качества, точности и скорости маркировки.

С более чем 20-летним опытом, наши услуги предлагают мировые классы обучающих данных, наиболее передовую платформу маркировки данных с помощью ИИ и разнообразную, глобальную толпу для обеспечения высококачественных данных.

Какие открытые наборы данных доступны?

Appen имеет несколько открытых наборов данных, доступных в Интернете, от маркировки изображений до распознавания рукописного текста. Эти наборы данных можно бесплатно скачать и использовать для построения и обучения вашей модели ИИ. Одним из наиболее интересных наборов является ядерная сегментация медицинских изображений. Данные содержат более 21000 ядер, помеченных и проверенных медицинскими экспертами.

Каково было ваше главное личное впечатление от Отчета Appen о состоянии ИИ и машинного обучения за 2020 год?

Наиболее интересным результатом отчета было увеличение участия руководства. Я слышал об этом, но увидеть увеличение на 31% по сравнению с прошлым годом было большим сюрпризом. ИИ становится частью основного бизнеса и не только для технологических лидеров.

Одной из причин для беспокойства в отчете является то, что только 25% компаний заявили, что без偏ностного ИИ является миссионно-kritическим. Считаете ли вы, что это связано с отсутствием образования об важности удаления предвзятости ИИ? Что необходимо сделать, чтобы улучшить эти статистические данные?

Да, образование – это первый шаг к улучшению этой статистики. Модель ИИ, построенная на предвзятых данных, никогда не будет полностью успешной. Бизнес-лидеры должны понять важность наличия без предвзятости данных и того, как это приводит к успешному развертыванию.

Какие этические принципы ИИ компаниям следует учитывать при работе с ИИ и большими наборами данных?

Важно посмотреть, откуда взялись данные. Эти данные получены этично и без предвзятости? Когда вы смотрите, откуда они были получены, вы хотите знать, были ли люди, предоставившие данные, оплачены справедливой зарплатой и получены ли данные из разнообразной группы. Мы недавно выпустили наш Кодекс этики толпы в поддержку инклюзивности, разнообразия, справедливой оплаты и общения для наших участников.

Какую проблему вы считаете самой большой в отрасли в настоящее время?

Отсутствие данных и управления данными является самой большой проблемой для отрасли. Команды должны принимать много решений о данных и многие сталкиваются с проблемами признания того, что им нужно. Им необходимо понять, какие данные у них есть, откуда они взялись и какие данные им еще нужны. Все это управление данными важно для построения и обучения модели ИИ. Отсутствие данных может привести к предвзятой модели, которая не будет успешной.

Appen выпускает отчеты о состоянии ИИ и машинного обучения уже много лет. Когда был выпущен первый отчет, и какие самые большие изменения вы видели с момента выпуска этого первоначального отчета?

Первый отчет был выпущен в 2015 году, и самым большим изменением, которое мы видели, является изменение в собственности проектов ИИ. Первый отчет в основном был ответом от ученых-данных, которые управляли ИИ для своих компаний. Сегодня 71% заявляют о собственности руководства, что указывает на огромный сдвиг в перспективе ИИ, становящегося более критическим для бизнеса. Ученые-данные также сталкивались с многими проблемами, от отсутствия ресурсов для построения ценных выводов из данных до неясных целей и нереалистичных ожиданий. Однако одной из ключевых проблем, которая остается прежней, является проблема вокруг данных и управления данными.

Есть ли что-то еще, что вы хотели бы поделиться об Appen?

16 июля мы с радостью будем проводить первый виртуальный раунд-тейбл на запуске ИИ в реальном мире на Appen.com. Четырехчастная серия представляет собой ведущих практиков отрасли, которые делятся личным опытом и идеями о своих собственных путях ИИ, проливая свет, чтобы другие могли ускорить прогресс в сторону своих инициатив ИИ. Чтобы добиться успеха, компании должны быть готовы преодолеть несколько общих проблем вокруг данных, этики, людей и жизненных циклов. В первом выпуске мы собрали вместе ведущих экспертов, чтобы поделиться тем, что значит для них и их организации участвовать в создании ответственного ИИ.

Спасибо за интервью. Читателям может быть интересно прочитать Отчет Appen о состоянии ИИ и машинного обучения за 2020 год или посетить сайт Appen.