Rachel Thomas (akademicka)

Rachel Thomas
Rachel Thomas przemawia w Linux Foundation w 2018 roku
Alma Mater	Duke University (doktorat) Swarthmore College
Znany z	Etyka danych Sztuczna inteligencja
Kariera naukowa
Instytucje	Uber Uniwersytetu San Francisco

Rachel Thomas jest amerykańskim informatykiem i dyrektorem-założycielem Centrum Etyki Danych Stosowanych na Uniwersytecie w San Francisco . Wraz z Jeremym Howardem jest współzałożycielką fast.ai. Thomas została wybrana przez magazyn Forbes jako jedna z 20 najbardziej niesamowitych kobiet w dziedzinie sztucznej inteligencji .

Wczesne życie i edukacja

Thomas dorastał w Galveston w Teksasie. W liceum zaczęła programować w C++. Thomas uzyskała tytuł licencjata z matematyki w Swarthmore College . W Swarthmore została wybrana do honorowego stowarzyszenia Phi Beta Delta . Przeniosła się na Duke University na studia podyplomowe i ukończyła doktorat z matematyki w 2010 roku. Jej badania doktoranckie obejmowały analizę matematyczną sieci biochemicznych. W trakcie doktoratu odbyła staż w RTI International , gdzie opracowała modele Markowa do oceny leczenia HIV protokoły. Thomas dołączyła do Exelon jako analityk ilościowy, gdzie zbierała dane internetowe i budowała modele w celu dostarczania informacji handlowcom energii.

W 2013 roku Thomas dołączyła do Ubera , gdzie opracowała interfejs kierowcy i algorytmy przepięć przy użyciu uczenia maszynowego . Następnie została nauczycielką w Hackbright Academy, szkole dla kobiet inżynierów oprogramowania.

Badania i kariera

Thomas dołączyła do University of San Francisco w 2016 roku, gdzie założyła i obecnie kieruje Centre for Applied Data Ethics. Tutaj badała wzrost popularności deepfake'ów , uprzedzeń w uczeniu maszynowym i uczeniu głębokim .

Kiedy Thomas zaczął opracowywać sieci neuronowe , zajmowało się tym tylko kilku naukowców i martwiła się, że brakuje praktycznych porad. Chociaż istnieje znaczne zapotrzebowanie na rekrutację naukowców zajmujących się sztuczną inteligencją , Thomas argumentował, że chociaż te kariery tradycyjnie wymagały doktoratu , dostępu do superkomputerów i dużych zbiorów danych, nie są to niezbędne warunki wstępne. Aby przezwyciężyć tę pozorną lukę w umiejętnościach, Thomas założył Practical Deep Learning For Coders , pierwszą akredytowaną uczelnię z otwartym dostępem certyfikat w zakresie głębokiego uczenia, a także stworzenie pierwszej otwartej biblioteki programistycznej uczenia maszynowego. Thomas i Jeremy Howard są współzałożycielami fast.ai, laboratorium badawczego, którego celem jest uczynienie głębokiego uczenia się bardziej dostępnym. Wśród jej uczniów znaleźli się kanadyjski hodowca bydła mlecznego, afrykańscy lekarze i francuski nauczyciel matematyki.

Thomas badał nieświadome uprzedzenia w uczeniu maszynowym i podkreślił, że nawet jeśli rasa i płeć nie są wyraźnymi zmiennymi wejściowymi w określonym zbiorze danych, algorytmy mogą stać się rasistowskie i seksistowskie, gdy informacje te zostaną ukryte w innych zmiennych. Równocześnie z karierą akademicką Thomas wezwała do bardziej zróżnicowanej siły roboczej, aby zapobiec stronniczości w systemach wykorzystujących sztuczną inteligencję. Uważa, że ​​powinno być więcej osób z historycznie niedoreprezentowanych grup pracujących w technologii, aby złagodzić niektóre szkody, jakie mogą powodować niektóre technologie, a także zapewnić, że stworzone systemy przyniosą korzyści całemu społeczeństwu. W szczególności jest zaniepokojona zatrzymaniem kobiet i osób kolorowych na stanowiskach związanych z technologią. Thomas zasiada w Radzie Dyrektorów organizacji Women in Machine Learning (WiML). Pracowała jako doradca w Deep Learning Indaba, organizacji non-profit, która chce szkolić Afrykańczyków uczenie maszynowe . W 2017 roku została wybrana przez magazyn Forbes jako jedna z ponad 20 „wiodących kobiet” w dziedzinie sztucznej inteligencji.

Thomas pisał również o zastosowaniu nauki o danych i uczenia maszynowego w medycynie. W jednym artykule opisuje niektóre z niesamowitych zastosowań maszynowego wspomagania w medycynie i zwraca uwagę na niektóre związane z tym kwestie etyczne. Artykuł został opublikowany w Boston Review, zatytułowany „Medicine's Machine Learning Problem Ponieważ narzędzia Big Data przekształcają opiekę zdrowotną, stronnicze zbiory danych i nieobliczalne algorytmy grożą dalszym osłabieniem pacjentów”.

Sanyam Bhutani przeprowadził wnikliwy wywiad z dr Thomasem. W wywiadzie dzieli się tym, jak zainteresowała się głębokim uczeniem i zakulisowym spojrzeniem na Fast.AI.

Pracuj nad etyką i różnorodnością danych

Thomas jest zaniepokojony brakiem różnorodności w sztucznej inteligencji i wierzy, że jest wielu wykwalifikowanych ludzi, którzy nie są zatrudniani. Szczególnie skupiła się na problemie słabego zatrzymywania kobiet w branży technologicznej, zauważając, że „41% kobiet pracujących w branży technologicznej odchodzi w ciągu 10 lat. To ponad dwa razy więcej niż w przypadku mężczyzn. A ci z wyższym wykształceniem, którzy prawdopodobnie mają więcej opcji , są o 176% bardziej skłonni do odejścia”. Thomas uważa, że ​​„fajną i ekskluzywną aurę” sztucznej inteligencji należy przełamać, aby odblokować ją dla osób z zewnątrz i udostępnić ją osobom o nietradycyjnym i nieelitarnym pochodzeniu.