Інтерв’ю

Суджата Сагіраджу, головний директор з продукції в Appen – Серія інтерв’ю

Antoine Tardif
Додайте Unite.AI до бажаних джерел у Google
Ключові моментиРізноманітні команди є критично важливими для розробки ШІ, щоб запобігти упередженим…
Показати більше
  • Різноманітні команди є критично важливими для розробки ШІ, щоб запобігти упередженим результатам.
  • Життєвий цикл даних для ШІ від Appen включає чотири етапи для забезпечення високоякісних даних.
  • Дрейф моделі потребує постійної оцінки людиною, щоб підтримувати точність і справедливість моделей ШІ.

Суджата Сагіраджу є головним директором з продукції в Appen, вона приєдналася до Appen у вересні 2021 року як старший віце-президент з продукції і відповідає за стратегію продукції. Вона є технологічним піонером з понад 20-річним досвідом у створенні інноваційних великомасштабних онлайн-сервісів та платформ штучного інтелекту, машинного навчання й даних. Вона приєдналася до Appen з Microsoft, де займала керівні посади в кількох групах, включаючи Bing і Azure AI Platform.

Appen є світовим лідером у сфері даних для життєвого циклу штучного інтелекту. З понад 25-річним досвідом у джерелах даних, анотації даних та оцінці моделей людьми, вони дозволяють організаціям запускати найінноваційніші системи штучного інтелекту у світі.

Що спочатку привернуло вашу увагу до штучного інтелекту?

Коли я працювала в Microsoft (MSFT ), я працювала в організації Azure AI. Я була знайома з галузевим середовищем, клієнтами та трансформацією штучного інтелекту, яка відбувається в різних галузях. Я могла побачити з точки зору клієнта, що навчальні дані були перешкодою для створення моделей машинного навчання, і я бачила Appen як можливість вирішити цю проблему – відсутню ланку, яка могла б зв’язати всі стадії життєвого циклу штучного інтелекту.

Ви зараз головний директор з продукції в Appen, можете описати, що це означає?

На вищому рівні, моя команда створює бачення продукції, стратегію та узгоджується з різними зацікавленими сторонами в організації щодо ефективної реалізації цієї стратегії. На більш особистому рівні, я витрачаю значну кількість часу на розуміння індустрії та клієнтів. З деякими з найбільших компаній як наших клієнтів, таких як Amazon (AMZN ), Google (GOOGL ), Microsoft, Salesforce (CRM ), Boeing, важливо для моєї команди розуміти клієнтські сценарії та болі та створювати продуктову стратегію, яка забезпечує план зростання. Створення безпечної, інклюзивної культури також є дуже важливою частиною моєї ролі, оскільки я зосереджуюся на створенні простору для наших працівників, щоб вони могли поділитися ідеями, співпрацювати та розвивати свою кар’єру.

Як важливо для розвитку штучного інтелекту створення різноманітних команд?

Це дуже важливо для розвитку штучного інтелекту мати різноманітні команди. Є кілька різних способів мислити про різноманітність – стать, вік, раса, точки зору. Різноманітність точок зору може бути найважливішою частиною забезпечення того, що у вас є різне походження та досвід у команді. Ці досвіди приносять нові та різні ідеї для створення найкращого продукту для всіх ваших клієнтів, які дуже різноманітні.

Як ви створюєте робочу культуру, яка синергізує цю різноманітність?

Культура, яка сприяє різноманітності, запрошує працівників поділитися своїми ідеями та точками зору. Я хочу розглянути різні методи спілкування під час проведення командних зустрічей. Наприклад, коли я прошу відгуки на командній зустрічі, я прошу працівників висловитися безпосередньо на зустрічі або надіслати мені повідомлення після того, як вони подумали над цим. Я визнаю, що не всі хочуть говорити або поділитися відгуками відразу, і я хочу створити культуру, в якій це прийнятно. Я хочу безпечного середовища для людей, щоб вони могли висловити свої думки та поділитися своїми ідеями будь-яким способом, яким вони хочуть. Великі ідеї приходять з різних команд у організації. Я зустрічаюсь з командами продажів, маркетингу та інших клієнтських команд, щоб зрозуміти їхні потреби у продукції та їхню точку зору щодо роботи з клієнтами. Деякі з найкращих ідей продукції походять від уважного слухання болів клієнтів – або безпосередньо від них, або від команд, які взаємодіють з нашими клієнтами щодня.

Поза створенням різноманітних команд, які інші способи боротьби з упередженнями в алгоритмах машинного навчання?

Інклюзивне джерелування даних, підготовка даних та оцінка моделей є критично важливими для боротьби з упередженнями. Дані, які використовуються для навчання алгоритмів, повинні бути інклюзивними для всіх потенційних кінцевих користувачів або результатів. Коли рухаємося через різні стадії життєвого циклу штучного інтелекту, кожна стадія повинна бути перевірена на упередження. Відповідальний штучний інтелект також будується з відповідальними джерелами даних, що означає, що до учасників ставляться справедливо. Appen створила Кодекс етики спільноти учасників (Crowd Code of Ethics), щоб продемонструвати нашу відданість добробуту нашої спільноти.

Ви недавно опублікували статтю про нову дисципліну, звану Дані для життєвого циклу штучного інтелекту. Чи можете ви коротко описати, що це таке?

Дані для життєвого циклу штучного інтелекту охоплюють чотири стадії в безперервному циклі: джерелування даних, підготовка даних, побудова та розгортання моделі та оцінка моделі людьми. Ці стадії необхідні для надання високоякісних даних для створення проектів штучного інтелекту. Джерелування даних, підготовка даних та оцінка моделі є найбільш трудомісткими та інтенсивними щодо даних, і якщо їх не зробити добре, це може привести до проблем з якістю проєкту та затримок запуску. Appen спеціалізується на цих трьох стадіях і стратегічно співпрацює з постачальниками, які спеціалізуються на навчанні та розгортанні моделей.

Яка роль синтетичних даних у Дані для життєвого циклу штучного інтелекту?

Рішення джерелування даних включають дані, анотовані людьми, попередньо позначені набори даних та синтетичні дані. Синтетичні дані використовуються в випадках, коли дані важко знайти. Інклюзивні набори даних охоплюють всі випадки використання та потенційних кінцевих користувачів моделі штучного інтелекту, і деякі з них вимагають синтетичних даних для досягнення цієї мети. Комбінація даних, анотованих людьми, та синтетичних даних стане критично важливою для успіху моделі.

Як великою проблемою є дрейф моделі або надмірна адаптація у Дані для життєвого циклу штучного інтелекту?

Дрейф моделі може бути великою проблемою і повинен бути вирішений на четвертій стадії життєвого циклу штучного інтелекту, Оцінка моделі людьми. Це критично важливо, щоб модель продовжувала працювати у реальному світі та щоб знати, що вона повинна пройти людську перевірку. Коли середовища змінюються та ростуть, моделі повинні змінюватися також. Це важливо, щоб практики постійно оцінювали свої моделі, щоб запобігти їх застарінню або упередженості. Bing від Microsoft є клієнтом, який використовує оцінку моделі для забезпечення того, що результати пошуку відповідають їхнім стандартам, і модель постійно оцінюється.

Чи є щось інше, чим ви хотіли б поділитися про свою роботу в Appen?

Найціннішою роботою в Appen є робота наших людей та їхнього досвіду. З 25-річним досвідом Appen створила сильну основу з своїми працівниками. Наші клієнти довіряють нашому досвіду для надання високоякісних результатів, швидко та у великому масштабі. Appen дозволяє трансформації індустрії штучного інтелекту, надаючи рішення для безперешкодного управління Даними для життєвого циклу штучного інтелекту.

Дякуємо за велике інтерв’ю, читачам, які хочуть дізнатися більше, повинні відвідати Appen.

Антуан — далекоглядний лідер і партнер-засновник Unite.AI, якого надихає незмінна пристрасть до формування та просування майбутнього штучного інтелекту й робототехніки. Як підприємець, що заснував кілька компаній, він вірить, що ШІ змінить суспільство так само докорінно, як електрика, і часто із захопленням говорить про потенціал проривних технологій та загального штучного інтелекту (AGI).

Як футуролог, він присвячує себе дослідженню того, як ці інновації формуватимуть наш світ. Він також є засновником Securities.io — платформи, зосередженої на інвестиціях у передові технології, що переосмислюють майбутнє та змінюють цілі галузі.