苏佳塔·萨吉拉朱，Appen 首席产品官 – 采访系列

苏佳塔·萨吉拉朱是Appen的首席产品官，她于2021年9月加入Appen，担任产品高级副总裁，她负责产品战略。她是一位技术先驱，拥有20多年的丰富经验，曾参与建设大规模的在线服务和AI/ML以及数据平台。她加入Appen之前曾在微软工作，担任过Bing和Azure AI平台等多个团队的领导角色。

Appen是AI生命周期数据的全球领导者，拥有超过25年的数据采集、数据注释和模型评估经验，帮助组织推出世界上最具创新性的人工智能系统。

您最初为什么对AI感兴趣？

当我在微软工作时，我在Azure AI组织工作，我熟悉了行业格局、客户和正在发生的AI转型。我可以从客户的角度看到，训练数据是构建机器学习模型的瓶颈，我看到了Appen解决这个问题的机会——连接AI生命周期各个阶段的缺失环节。

您目前是Appen的首席产品官，可以描述一下这个职位的内容吗？

从最高层面上讲，我的团队构建产品愿景、战略，并与组织内的多个利益相关者合作，有效地执行它。在个人层面上，我花费大量时间了解行业和客户。由于我们有像亚马逊、谷歌、微软、Salesforce (CRM ) 、波音等大公司作为我们的客户，因此我的团队需要了解客户场景和痛点，并制定能够带来增长计划的产品战略。同时，打造一个安全、包容的文化也是我的重要职责，我专注于为我们的员工创造一个分享想法、合作和成长职业的空间。

多样化团队对于AI开发的重要性如何？

多样化团队对于AI开发至关重要。多样性可以从多个角度考虑，包括性别、年龄、种族和观点。观点的多样性可能是确保团队拥有多样背景和经验的最重要方面。这些经验带来新的想法，帮助构建最适合所有客户的产品，因为我们的客户非常多样化。

您如何创建一个能够协调多样性的工作文化？

一个促进多样性的文化邀请员工分享他们的想法和观点。我喜欢在团队会议中使用不同的沟通方式。例如，当我在团队会议中请求反馈时，我会要求员工直接在会议上发言或稍后给我发送消息。我认识到，并不是每个人都喜欢马上发言或分享反馈，因此我希望创造一个让他们感到舒适的环境。我希望创造一个安全的环境，让人们能够以他们喜欢的方式表达自己的意见和分享想法。伟大的想法来自组织内的各个团队。我会与销售、营销和其他客户面向团队会面，了解他们的需求和与客户合作的观点。一些最好的产品想法来自仔细倾听客户的痛点——无论是直接来自客户还是与客户日常交互的团队。

除了拥有多样化的团队外，如何在机器学习算法中消除偏见的其他方法是什么？

包容性的数据采集、数据准备和模型评估对于消除偏见至关重要。用于训练算法的数据必须涵盖所有潜在的最终用户或结果。在AI生命周期的各个阶段，每个阶段都必须检查偏见。负责任的AI是使用负责任的数据集构建的，这意味着贡献者被公平对待。Appen制定了《众包道德准则》，以展示我们对众包人员福祉的承诺。

您最近发表了一篇关于新的学科的文章，称为“AI生命周期的数据”。可以简要描述一下这是什么吗？

AI生命周期的数据涵盖了AI项目建设的四个阶段的持续循环：数据采集、数据准备、模型构建和部署以及人类模型评估。这些阶段对于提供高质量的AI项目数据至关重要。数据采集、数据准备和模型评估是最耗时和数据密集的，如果处理不当，可能会导致项目质量问题和延迟发布。Appen专门从事这三个阶段，并与专门从事模型训练和部署的提供商进行战略合作。

合成数据在AI生命周期的数据中的作用是什么？

数据采集解决方案包括人工注释数据、预标记数据集和合成数据。合成数据用于难以找到的数据集和用例。包容性的数据集涵盖所有用例和AI模型的潜在最终用户，一些需要合成数据来实现这一目标。人工注释数据和合成数据的组合将成为模型成功的关键因素。

模型漂移或过拟合对于AI生命周期的数据有多大的问题？

模型漂移可能是一个大问题，需要在AI生命周期的第四阶段——人类模型评估中解决。确保模型在现实世界中继续有效至关重要，并且必须经过人类测试。随着环境的变化和增长，模型需要相应地进行更改。从业者必须不断评估他们的模型，以防止它们变得过时或有偏见。微软的Bing是使用模型评估来确保搜索结果达到其标准的客户，并且模型不断被评估。

您是否还有其他关于在Appen工作的内容想要分享？

Appen最有价值的工作是由我们的员工和他们的专业知识完成的。拥有25年的经验，Appen已经与员工建立了坚实的基础。我们的客户信任我们的专业知识，能够快速、大规模地提供高质量的结果。Appen通过提供无缝管理AI生命周期数据的解决方案来推动AI行业的转型。

感谢这次精彩的采访，希望读者能够通过访问Appen了解更多信息。