Tiến sĩ Judith Bishop, Giám đốc cấp cao của các chuyên gia AI tại Appen – Loạt phỏng vấn

Tiến sĩ Judith Bishop là Giám đốc cấp cao của các chuyên gia AI tại Appen, phụ trách khu vực APAC/US. Cô đang dẫn dắt và phát triển một đội ngũ các chuyên gia ngôn ngữ học, ngôn ngữ học tính toán và chuyên gia trong tất cả các hình thức giao tiếp của con người (nói, viết và cử chỉ) để cung cấp dữ liệu đào tạo AI với sự kết hợp chưa từng có về chất lượng và tốc độ.

Điều gì đã thu hút bạn đến với ngôn ngữ học?

Tôi lần đầu tiên biết về ngôn ngữ học từ một giáo viên tiếng Anh yêu thích của tôi ở trường trung học. Tôi là một trong những đứa trẻ có khả năng ngôn ngữ và khoa học xã hội, cũng như toán và khoa học. Ngôn ngữ học là khoa học về cách ngôn ngữ hoạt động, vì vậy nó kết hợp các mối quan tâm của tôi. Giống như nhiều người, một khi tôi học về nó, tôi đã hoàn toàn bị thu hút. Điều gì có thể thú vị hơn cách chúng ta giao tiếp suy nghĩ và cảm xúc của mình với nhau? Ngôn ngữ học khám phá các cấu trúc ngôn ngữ mà, mặc dù có sự khác biệt về âm thanh và hệ thống chữ viết, thường tương tự dưới bề mặt, vì tất cả đều là sản phẩm của sự tồn tại của con người.

Bạn có thể chia sẻ câu chuyện về cách bạn tìm thấy mình đang làm việc trong AI?

Tôi đã làm việc tại Appen từ năm 2004 để hỗ trợ phát triển các sản phẩm và dịch vụ công nghệ ngôn ngữ. Trong thời gian này, AI đã xuất hiện như một khuôn khổ, sứ mệnh và tầm nhìn toàn diện cho công nghệ để bắt chước và mở rộng khả năng giao tiếp, lý luận và nhận thức của con người. Vào năm 2019, đội của tôi đã đổi thương hiệu thành Chuyên gia AI, nhận ra rằng kiến thức ngôn ngữ học và ngôn ngữ của chúng tôi là rất quan trọng đối với doanh nghiệp AI. Dữ liệu được chú thích của chúng tôi cung cấp hỗ trợ thiết yếu cho sự thành công của các tương tác của con người với các sản phẩm và dịch vụ AI.

Bạn đã làm việc trong AI trong hơn 16 năm, những thay đổi lớn nhất mà bạn đã thấy là gì?

Sự thay đổi lớn nhất đã là sự đa dạng hóa trọng tâm từ phát triển công nghệ cốt lõi sang các trường hợp sử dụng và ứng dụng dài. Trong hầu hết sự nghiệp của tôi, trọng tâm của AI dựa trên ngôn ngữ đã là phát triển và tinh chỉnh một tập hợp cốt lõi các mô hình bắt chước nhận thức và sản xuất ngôn ngữ của con người, cụ thể là nhận dạng giọng nói, tổng hợp giọng nói và xử lý ngôn ngữ tự nhiên. Các tập dữ liệu thường tuân theo các tiêu chuẩn và quy ước lấy mẫu dữ liệu chung, chẳng hạn như những tiêu chuẩn được phát triển bởi liên minh Speecon (Giao diện được điều khiển bằng giọng nói cho các thiết bị tiêu dùng). Những tiêu chuẩn này đã cho phép các nhà phát triển công nghệ cốt lõi đánh giá hiệu suất của họ trên các cấu trúc dữ liệu chung và hỗ trợ sự tiến hóa nhanh chóng của AI.

Bạn có thể thảo luận về tầm quan trọng của dữ liệu không thiên vị trong học máy?

Các mô hình học máy, cho dù là học có giám sát, không có giám sát hay học tăng cường, sẽ phản ánh các thiên vị hiện diện trong dữ liệu mà chúng được đào tạo. Alyssa Simpson Rochwerger và Wilson Pang cung cấp một số ví dụ tuyệt vời về vấn đề này trong cuốn sách gần đây của họ, AI thế giới thực. Nếu không có đủ dữ liệu đào tạo cho một phân khúc dân số, mô hình AI sẽ kém chính xác hơn cho phân khúc đó.

Appen gần đây đã ra mắt các tập dữ liệu đào tạo đa dạng mới cho các sáng kiến xử lý ngôn ngữ tự nhiên (NLP). Bạn có thể chia sẻ một số chi tiết về cách các tập dữ liệu này sẽ cho phép người dùng nhận được cùng một trải nghiệm bất kể ngôn ngữ, phương ngữ, sắc tộc, âm điệu, chủng tộc hoặc giới tính?

Vì những lý do được đề cập ở trên, các tập dữ liệu cần thiết để sửa chữa các thiên vị hiện có trong các hệ thống sản xuất AI, cũng như các tập dữ liệu bao gồm hơn cho các hệ thống trong tương lai. Các tập dữ liệu Appen bạn đề cập sẽ hỗ trợ việc sửa chữa các thiên vị liên quan đến sắc tộc và các phương ngữ liên quan, chẳng hạn như tiếng Anh phương ngữ châu Phi – Mỹ. Chúng sẽ cung cấp dữ liệu đào tạo bổ sung để tăng cường đại diện của dân số này trong các mô hình ngôn ngữ AI.

Bạn đã có một sự nghiệp đáng kinh ngạc cho đến nay, theo quan điểm của bạn, điều gì đang cản trở nhiều phụ nữ hơn tham gia STEM và cụ thể là AI?

Thiếu các mô hình để noi theo có thể là một yếu tố mạnh mẽ (và một vòng tròn luẩn quẩn). Có một khó khăn thực sự – văn hóa, xã hội và thực tế – trong việc phá vỡ các lĩnh vực mà phụ nữ và những người thuộc các giới tính đa dạng khác chưa có sự hiện diện sâu sắc, và nơi sự tôn trọng những gì chúng tôi có thể đóng góp thường thiếu. Kinh nghiệm lãnh đạo của tôi đã chỉ cho tôi một lần nữa rằng các đội ngũ đa dạng và bao gồm có thể rất linh hoạt, sáng tạo và thành công. Các nhà lãnh đạo cần phải dũng cảm trong việc tuyển dụng và tự tin rằng họ có thể xử lý các thách thức đối với cách nghĩ của họ mà các quan điểm đa dạng mang lại, biết rằng sự dũng cảm này cũng đã được chứng minh là có mối liên hệ mạnh mẽ với thành công tài chính và doanh nghiệp.

Có điều gì khác mà bạn muốn chia sẻ về Appen hoặc AI nói chung?

Các nhà cung cấp dữ liệu như Appen có tiềm năng mạnh mẽ để ảnh hưởng đến kết quả AI theo hướng tốt hơn bằng cách cung cấp dữ liệu đào tạo bao gồm.

Tuy nhiên, để đạt được mục tiêu AI bao gồm, mọi người cần tham gia. Người mua dữ liệu cũng phải nhận ra trách nhiệm của mình trong việc yêu cầu và trả tiền cho dữ liệu bao gồm sẽ đảm bảo hiệu suất tối ưu của hệ thống của họ cho tất cả người dùng trong thế giới thực. Và những người từ các cộng đồng đa dạng cung cấp dữ liệu của họ cho phát triển AI phải có thể tin tưởng vào việc sử dụng dữ liệu đó. Xây dựng niềm tin này sẽ đòi hỏi sự minh bạch và thực hành đạo đức mạnh mẽ từ tất cả những người xử lý dữ liệu nhạy cảm.

Cảm ơn bạn vì cuộc phỏng vấn tuyệt vời, tôi đã học được nhiều hơn về quan điểm của bạn về AI và ngôn ngữ học. Những người đọc muốn tìm hiểu thêm nên truy cập Appen.