สุจาธา ซากิราจู, Chief Product Officer ที่ Appen – ซีรีส์สัมภาษณ์

สุจาธา ซากิราจู เป็น Chief Product Officer ที่ Appen เธอเข้าร่วม Appen ในเดือนกันยายน 2021 ในตำแหน่ง SVP of Product และเธอรับผิดชอบในการวางกลยุทธ์ผลิตภัณฑ์ เธอเป็นนักพัฒนาด้านเทคโนโลยีที่มีประสบการณ์กว่า 20 ปี ในการสร้างบริการออนไลน์ที่มีขนาดใหญ่และระบบ AI/ML และแพลตฟอร์มข้อมูล เธอเข้าร่วม Appen จาก Microsoft (MSFT ) โดยที่เธอเคยดำรงตำแหน่งผู้นำในหลายกลุ่ม รวมถึง Bing และ Azure AI Platform

Appen เป็นผู้นำระดับโลกในด้านข้อมูลสำหรับชีวิตการทำงานของ AI โดยมีประสบการณ์มากกว่า 25 ปี ในการหาข้อมูล การทำเครื่องหมายข้อมูล และการประเมินแบบจำลองโดยมนุษย์ ทำให้องค์กรต่างๆ สามารถเปิดตัวระบบ AI ที่มีความก้าวหน้ามากที่สุดในโลก

สิ่งใดที่ดึงดูดคุณเข้าสู่ AI ในตอนแรก?

เมื่อฉันอยู่ที่ Microsoft ฉันทำงานในองค์กร Azure AI ฉันคุ้นเคยกับภูมิทัศน์ทางอุตสาหกรรม ลูกค้า และการเปลี่ยนแปลงของ AI ที่เกิดขึ้นทั่วหลายอุตสาหกรรม ฉันเห็นจากมุมมองของลูกค้าว่าข้อมูลที่ใช้ในการฝึกอบรมเป็นอุปสรรคในการสร้างแบบจำลองการเรียนรู้ของเครื่อง และฉันเห็นว่า Appen เป็นโอกาสในการแก้ปัญหานั้น – สิ่งเชื่อมโยงที่สามารถเชื่อมต่อทุกขั้นตอนของชีวิตการทำงานของ AI

คุณเป็น Chief Product Officer ที่ Appen ในปัจจุบัน คุณสามารถอธิบายถึงตำแหน่งนี้ได้อย่างไร?

ในระดับสูงสุด ทีมของฉันสร้างวิสัยทัศน์ กลยุทธ์ และสอดคล้องกับผู้มีส่วนได้ส่วนเสียหลายคนภายในองค์กรในการดำเนินการตามกลยุทธ์นั้น ในระดับส่วนบุคคล ฉันใช้เวลาส่วนใหญ่ในการทำความเข้าใจอุตสาหกรรมและลูกค้า ด้วยลูกค้าขนาดใหญ่หลายราย เช่น Amazon (AMZN ), Google (GOOGL ), Microsoft, Salesforce (CRM ), Boeing เป็นสิ่งสำคัญสำหรับทีมของฉันที่จะเข้าใจสถานการณ์ของลูกค้าและจุดอ่อนของพวกเขา และสร้างกลยุทธ์ผลิตภัณฑ์ที่ให้แผนการเติบโต การสร้างวัฒนธรรมที่ปลอดภัยและครอบคลุม也是ส่วนสำคัญของบทบาทของฉัน เนื่องจากฉันเน้นการสร้างพื้นที่ให้พนักงานสามารถแบ่งปันความคิดเห็น ร่วมมือ และเติบโตในอาชีพการงานของพวกเขา

การสร้างทีมที่มีความหลากหลายมีความสำคัญเพียงใดในการพัฒนา AI?

การมีทีมที่มีความหลากหลายมีความสำคัญอย่างมากในการพัฒนา AI มีหลายวิธีในการพิจารณาความหลากหลาย – เพศ อายุ เชื้อชาติ มุมมอง ความหลากหลายของมุมมองอาจเป็นสิ่งสำคัญที่สุดในการรับประกันว่าคุณมีภูมิหลังและประสบการณ์ที่หลากหลายในทีม ความหลากหลายนี้นำความคิดใหม่ๆ และแตกต่างมาสู่การสร้างผลิตภัณฑ์ที่ดีที่สุดสำหรับลูกค้าที่มีความหลากหลาย

คุณสร้างวัฒนธรรมการทำงานที่ส่งเสริมความหลากหลายได้อย่างไร?

วัฒนธรรมที่ส่งเสริมความหลากหลายเชิญชวนพนักงานให้แบ่งปันความคิดเห็นและมุมมองของพวกเขา ฉันชอบพิจารณาวิธีการสื่อสารที่แตกต่างกันเมื่อทำการประชุมทีม เมื่อขอความคิดเห็นในระหว่างการประชุมทีม ฉันขอให้พนักงานพูดโดยตรงหรือส่งข้อความหลังการประชุม ฉันรับรู้ว่าไม่ใช่ทุกคนที่ต้องการพูดหรือแบ่งปันความคิดเห็นทันที และฉันต้องการสร้างวัฒนธรรมที่เป็นมิตรและปลอดภัยสำหรับทุกคน เพื่อให้พวกเขาสามารถแสดงความคิดเห็นและแบ่งปันความคิดเห็นได้อย่างสะดวกสบาย ไอเดียที่ดีมาจากทีมต่างๆ ภายในองค์กร ฉันพบปะกับทีมขาย ทีมการตลาด และทีมที่เผชิญหน้ากับลูกค้าเพื่อทำความเข้าใจความต้องการของผลิตภัณฑ์และมุมมองในการทำงานใกล้ชิดกับลูกค้า บางไอเดียที่ดีที่สุดมาจากการฟังอย่างตั้งใจถึงจุดอ่อนของลูกค้า – ไม่ว่าจะโดยตรงจากลูกค้าหรือทีมที่สื่อสารกับลูกค้าทุกวัน

นอกเหนือจากการมีทีมที่มีความหลากหลายแล้ว มีวิธีอื่นๆ ในการต่อสู้กับความลำเอียงในอัลกอริทึมการเรียนรู้ของเครื่องอย่างไร?

การหาข้อมูลที่ครอบคลุม การเตรียมข้อมูล และการประเมินแบบจำลองมีความสำคัญในการต่อสู้กับความลำเอียง ข้อมูลที่ใช้ในการฝึกอบรมอัลกอริทึมจะต้องครอบคลุมผู้ใช้ปลายทางที่เป็นไปได้ทั้งหมดหรือผลลัพธ์ ในระหว่างขั้นตอนต่างๆ ของชีวิตการทำงานของ AI แต่ละขั้นตอนจะต้องถูกตรวจสอบสำหรับความลำเอียง AI ที่มีความรับผิดชอบถูกสร้างขึ้นด้วยชุดข้อมูลที่มีความรับผิดชอบ โดยที่ผู้ร่วมให้ข้อมูลถูกปฏิบัติด้วยความยุติธรรม Appen สร้าง Crowd Code of Ethics เพื่อแสดงความมุ่งมั่นของเราในการดูแลความเป็นอยู่ที่ดีของพนักงาน

คุณได้เขียนบทความเกี่ยวกับวิชาการใหม่ๆ ที่เรียกว่า Data for AI Lifecycle คุณสามารถอธิบายสิ่งนี้ได้อย่างไร?

ข้อมูลสำหรับชีวิตการทำงานของ AI ประกอบด้วยสี่ขั้นตอนในวงจรที่ต่อเนื่องกัน: การหาข้อมูล การเตรียมข้อมูล การสร้างและใช้แบบจำลอง และการประเมินแบบจำลองโดยมนุษย์ ขั้นตอนเหล่านี้จำเป็นต่อการนำข้อมูลที่มีคุณภาพสูงมาใช้ในการสร้างโครงการ AI การหาข้อมูล การเตรียมข้อมูล และการประเมินแบบจำลองเป็นขั้นตอนที่ใช้แรงงานมากที่สุดและต้องใช้ข้อมูลมากที่สุด หากไม่ทำได้ดี อาจนำไปสู่ปัญหาในการเปิดตัวโครงการและความล่าช้า Appen มีความเชี่ยวชาญในสามขั้นตอนแรกและร่วมมือกับผู้ให้บริการที่เชี่ยวชาญในการฝึกอบรมและใช้แบบจำลอง

สังเคราะห์ข้อมูลมีบทบาทอย่างไรในชีวิตการทำงานของ AI?

การหาข้อมูลรวมถึงข้อมูลที่มีการทำเครื่องหมายโดยมนุษย์ ชุดข้อมูลที่มีการทำเครื่องหมายล่วงหน้า และข้อมูลสังเคราะห์ ข้อมูลสังเคราะห์ถูกนำมาใช้ในกรณีที่ข้อมูลยากที่จะหาข้อมูลและกรณีการใช้งานที่เฉพาะเจาะจง ชุดข้อมูลที่ครอบคลุมทั้งหมดครอบคลุมกรณีการใช้งานและผู้ใช้ปลายทางที่เป็นไปได้ทั้งหมดของแบบจำลอง AI และบางกรณีต้องใช้ข้อมูลสังเคราะห์เพื่อบรรลุเป้าหมายนั้น การรวมกันของข้อมูลที่มีการทำเครื่องหมายโดยมนุษย์และข้อมูลสังเคราะห์จะกลายเป็นสิ่งสำคัญสำหรับความสำเร็จของแบบจำลอง

ปัญหาเรื่องการเปลี่ยนแปลงแบบจำลองหรือการปรับให้เหมาะสมมากเกินไปมีขนาดใหญ่แค่ไหนในชีวิตการทำงานของ AI?

การเปลี่ยนแปลงแบบจำลองอาจเป็นปัญหาใหญ่และต้องได้รับการแก้ไขในขั้นตอนที่สี่ของชีวิตการทำงานของ AI ซึ่งก็คือการประเมินแบบจำลองโดยมนุษย์ มันสำคัญที่แบบจำลองจะยังคงทำงานในโลกแห่งความเป็นจริงและต้องผ่านการทดสอบโดยมนุษย์ เมื่อสภาพแวดล้อมเปลี่ยนแปลงและเติบโต แบบจำลองจะต้องเปลี่ยนแปลงด้วย มันสำคัญที่ผู้ปฏิบัติงานจะต้องประเมินแบบจำลองของตนอย่างต่อเนื่องเพื่อป้องกันไม่ให้แบบจำลองนั้นล้าสมัยหรือมีความลำเอียง ลูกค้าของ Microsoft เช่น Bing ใช้การประเมินแบบจำลองเพื่อให้แน่ใจว่าผลลัพธ์การค้นหาทำงานตามมาตรฐานและแบบจำลองถูกประเมินอย่างต่อเนื่อง

มีสิ่งอื่นใดที่คุณต้องการแบ่งปันเกี่ยวกับการทำงานของคุณที่ Appen?

งานที่มีค่าที่สุดที่ Appen คือการทำงานของพนักงานและความเชี่ยวชาญของพวกเขา ด้วยประสบการณ์ 25 ปี Appen ได้สร้างรากฐานที่แข็งแกร่งกับพนักงานของเรา ลูกค้าของเราทรัสต์ความเชี่ยวชาญของเราในการส่งมอบผลลัพธ์ที่มีคุณภาพสูงอย่างรวดเร็วและในขนาดใหญ่ Appen กำลังช่วยให้อุตสาหกรรม AI เปลี่ยนแปลงโดยการให้บริการจัดการข้อมูลสำหรับชีวิตการทำงานของ AI

ขอขอบคุณสำหรับการสัมภาษณ์ที่ดี ผู้อ่านสามารถเยี่ยมชม Appen เพื่อเรียนรู้เพิ่มเติม