AI-modeller och plattformar
Huma Abidi, Senior Director för AI-programvaruprodukter på Intel – Intervjuserie
Lägg till Unite.AI bland dina föredragna källor på Google
Huma Abidi är Senior Director för AI-programvaruprodukter på Intel (INTC ), ansvarig för strategi, vägkartor, krav, maskinlärnings- och analytisk programvara. Hon leder ett globalt diversifierat team av ingenjörer och teknologer som ansvarar för att leverera världsklassprodukter som möjliggör för kunder att skapa AI-lösningar. Huma gick med i Intel som programvaruingenjör och har sedan arbetat i en mängd olika ingenjörs-, validerings- och ledningsroller inom områdena kompilatorer, binäröversättning och AI och djupinlärning. Hon är passionerad om kvinnors utbildning och stöder flera organisationer runt om i världen för detta ändamål, och var finalist för VentureBeats 2019 Women in AI-utmärkelse i mentorkategori.
Vad var det som initialt väckte ditt intresse för AI?
Jag har alltid funnit det intressant att föreställa mig vad som skulle hända om maskiner kunde tala, se eller interagera intelligent med människor. På grund av några stora tekniska genombrott under det senaste decenniet, inklusive djupinlärning som blivit populär på grund av tillgången på data, beräkningskraft och algoritmer, har AI nu flyttat från science fiction till verkliga världstillämpningar. Lösningar som vi tidigare hade föreställt oss är nu inom räckhåll. Det är verkligen en spännande tid!
I mitt tidigare jobb ledde jag ett team för binäröversättningsingenjörer, fokuserade på att optimera programvara för Intels hårdvaruplattformar. På Intel insåg vi att utvecklingen inom AI skulle leda till enorma branschomvandlingar, vilket krävde enorm tillväxt i beräkningskraft från enheter till Edge till moln och vi skärpte vår fokus för att bli ett datacentrerat företag.
Genom att inse behovet av kraftfull programvara för att göra AI till verklighet, tog jag på mig den första utmaningen att leda teamet i att skapa AI-programvara för att köra effektivt på Intel Xeon-processorer genom att optimera djupinlärningsramverk som Caffe och TensorFlow. Vi kunde demonstrera mer än 200-faldig prestandaförbättring på grund av en kombination av Intels hårdvaru- och programvaruinnovationer.
Vi arbetar för att göra alla våra kundarbetsbelastningar i olika domäner för att köra snabbare och bättre på Intel-teknik.
Vad kan vi göra som samhälle för att locka kvinnor till AI?
Det är en prioritet för mig och för Intel att få fler kvinnor inom STEM och datavetenskap i allmänhet, eftersom diversifierade grupper kommer att bygga bättre produkter för en diversifierad befolkning. Det är särskilt viktigt att få fler kvinnor och underrepresenterade minoriteter inom AI, på grund av de potentiella bias som bristen på representation kan orsaka när man skapar AI-lösningar.
För att locka kvinnor måste vi göra ett bättre jobb med att förklara för flickor och unga kvinnor hur AI är relevant i världen och hur de kan vara en del av att skapa spännande och inflytelserika lösningar. Vi måste visa dem att AI omfattar så många olika områden i livet och att de kan använda AI-teknik inom sitt intresseområde, oavsett om det är konst eller robotik eller datajournalistik eller television. Spännande tillämpningar av AI som de kan se har en tydlig inverkan, t.ex. virtuella assistenter som Alexa, självkörande bilar, sociala medier, hur Netflix (NFLX ) vet vilka filmer de vill se, etc.
En annan viktig del i att locka kvinnor är representation. Lyckligtvis finns det många kvinnor som ledare inom AI som kan fungera som utmärkta förebilder, inklusive Fei-Fei Li, som leder human-centered AI på Stanford, och Meredith Whittaker, som arbetar med sociala implikationer genom AI Now Institute på NYU.
Vi måste arbeta tillsammans för att anta inkluderande affärspraxis och utöka tillgången till tekniska färdigheter för kvinnor och underrepresenterade minoriteter. På Intel är vårt mål för 2030 att öka andelen kvinnor i tekniska roller till 40 % och vi kan bara uppnå det genom att arbeta med andra företag, institut och samhällen.
Hur kan kvinnor bäst bryta in i branschen?
Det finns flera alternativ om du vill bryta in i AI specifikt. Det finns många onlinekurser i AI, inklusive UDACITYs gratis Intel Edge AI Fundamentals-kurs. Eller så kan du gå tillbaka till skolan, till exempel på en av Maricopa Countys community colleges för en AI-associate-examen – och studera för en karriär inom AI, t.ex. data scientist, data engineer, ML/DL-utvecklare, programvaruingenjör etc.
Om du redan arbetar på ett techföretag finns det troligen redan AI-team. Du kan kolla in möjligheten att tillbringa en del av din tid på ett AI-team som du är intresserad av.
Du kan också arbeta med AI om du inte arbetar på ett techföretag. AI är extremt tvärvetenskapligt, så du kan applicera AI på nästan vilket område du är involverad i. När AI-ramverk och verktyg utvecklas och blir mer användarvänliga blir det lättare att använda AI i olika sammanhang. Att delta i onlineevenemang som Kaggle-tävlingar är ett bra sätt att arbeta med verkliga maskinlärningsproblem som involverar datamängder som du tycker är intressanta.
Branschen måste också lägga ner tid, ansträngning och pengar på att nå ut till och stödja kvinnor, inklusive kvinnor som också är underrepresenterade etniska minoriteter. Personligen är jag involverad i organisationer som Girls Who Code och Girl Geek X, som kopplar samman och inspirerar unga kvinnor.
Med djupinlärning och förstärkt inlärning som nyligen har fått mest uppmärksamhet, vilka andra former av maskinlärning bör kvinnor uppmärksamma?
AI och maskinlärning utvecklas fortfarande, och spännande nya forskningsartiklar publiceras regelbundet. Några områden att fokusera på just nu inkluderar:
- Klassiska ML-tekniker som fortfarande är viktiga och används brett.
- Ansvarig/förklarbar AI, som har blivit en kritisk del av AI-livscykeln och från ett deployerbart perspektiv på djupinlärning och förstärkt inlärning.
- Graph Neural Networks och multimodal inlärning som ger insikt genom att lära av rik relationell information bland grafdata.
AI-bias är ett stort samhällsproblem när det gäller bias mot kvinnor och minoriteter. Vilka är några sätt att lösa dessa problem?
När det gäller AI kan bias i träningsprover, mänskliga etiketter och team förstärka diskriminering mot diversifierade individer, med allvarliga konsekvenser.
Det är kritiskt att diversitet prioriteras i varje steg av processen. Om kvinnor och andra minoriteter från samhället är en del av teamen som utvecklar dessa verktyg kommer de att vara mer medvetna om vad som kan gå fel.
Det är också viktigt att säkerställa att ledare från flera discipliner, såsom sociala vetenskapsmän, läkare, filosofer och människorättsexperter, hjälper till att definiera vad som är etiskt och vad som inte är det.
Kan du förklara AI-svart-lådan-problemet och varför AI-förklarbarhet är viktigt?
I AI tränas modeller på enorma mängder data innan de fattar beslut. I de flesta AI-system vet vi inte hur dessa beslut fattas – beslutsprocessen är en svart låda, även för dess skapare. Och det kan inte vara möjligt att verkligen förstå hur ett tränat AI-program kommer till sitt specifika beslut. Ett problem uppstår när vi misstänker att systemet inte fungerar. Om vi misstänker systemet för algoritmisk bias, är det svårt att kontrollera och korrigera för dem om systemet inte kan förklara sitt beslutsfattande.
Det finns för närvarande ett stort forskningsfokus på förklarbar AI (XAI) som avser att utrusta AI-modeller med transparens, förklarbarhet och ansvar, vilket förhoppningsvis kommer att leda till ansvarig AI.
I ditt huvudtal under MITEF Arab Startup Competition finalprisceremoni och konferens diskuterade du Intels AI för socialt gott-initiativ. Vilket av dessa sociala gott-projekt har fångat din uppmärksamhet och varför är det så viktigt?
Jag fortsätter att vara mycket entusiastisk över alla Intels AI för socialt gott-initiativ, eftersom genombrott inom AI kan leda till transformerande förändringar i hur vi hanterar problem.
En som jag särskilt bryr mig om är Wheelie, en AI-styrd rullstol som byggts i samarbete med HOOBOX Robotics. Wheelie låter extrema paraplegiker återfå rörlighet genom att använda ansiktsuttryck för att köra. Ett annat fantastiskt initiativ är TrailGuard AI, som använder Intels AI-teknik för att bekämpa olagligt tjuvskytte och skydda djur från utdöende och artförlust.
Som en del av Intels pandemisvarinitiativ har vi många pågående projekt med våra partner som använder AI. Ett viktigt initiativ är kontaktlös feberdetektering eller COVID-19-detektering via bröst-radiografi med Darwin AI. Vi arbetar också med botar som kan svara på frågor för att öka medvetenheten med hjälp av naturlig språkbehandling på regionala språk.
För kvinnor som är intresserade av att engagera sig, finns det böcker, webbplatser eller andra resurser som du skulle rekommendera?
Det finns många utmärkta resurser online, för alla nivåer och områden. Coursera och Udacity erbjuder utmärkta onlinekurser i maskinlärning och djupinlärning, de flesta av vilka kan granskas gratis. MIT:s OpenCourseWare är ett annat utmärkt, gratis sätt att lära av några av världens bästa professorer.
Företag som Intel har AI-portaler som innehåller mycket information om AI, inklusive erbjudna lösningar. Det finns många bra böcker om AI: grundläggande datavetenskapliga texter som Artificiell intelligens: En modern introduktion av Peter Norvig och Stuart Russell, och moderna, filosofiska böcker som Homo Deus av historikern Yuval Harari. Jag skulle också rekommendera Lex Fridmans AI-podcast för utmärkta samtal från ett brett spektrum av perspektiv och experter från olika fält.
Har du några sista ord för kvinnor som är nyfikna på AI men inte är redo att kliva in ännu?
AI är framtiden och kommer att förändra vårt samhälle – i själva verket har det redan gjort det. Det är avgörande att vi har ärliga, etiska människor som arbetar med det. Oavsett om det är i en teknisk roll eller på en bredare social nivå, nu är en perfekt tid att engagera sig!
Tack för intervjun, du är verkligen en inspiration för kvinnor över hela världen. Läsare som vill lära sig mer om programvarulösningarna på Intel bör besöka AI-programvaruprodukter på Intel.
