Fortæl os om dit arbejde.
Jeg er seniorforsker ved Barcelona Supercomputing Center (BSC-CNS)og leder af tre projekter i vores gruppe. En af disse - Saint George on a Bike - er et CEF Telecom (Public Open Data) projekt, vi arbejder på med Europeana Foundation. Den afviger fra vores mere typiske fokus på intelligente byer for at undersøge, hvordan teknologi og navnlig kunstig intelligens kan forbedre vores viden om kulturarv og gøre den mere tilgængelig for ikkespecialister. Vores tilgang er afhængig af neurale netværk, sprogmodeller og semantisk inferens for automatisk at generere berigede metadata og billedtekster til ikonografiske malerier fra det 12. til 18. århundrede.
Hvad var din karrierevej til din rolle?
Min forskningskarriere har dækket flere forskellige områder, der er forbundet gennem det fælles emne programmeringssprog design. Min baggrund tillod mig at anvende min viden om hardware (automatisk systemsyntese under min ph.d. og PostDoc på MIT) til bredt distribuerede systemer, skuespillermodeller og software engineering, mens jeg arbejdede på IBM Research og indlejrede systemer i min tid som gæsteprofessor ved Universidad Carlos III i Madrid. Jeg anvendte også Machine Learning-teknikker til at lære udtryksfulde modeller for operasangere i samarbejde med Universitat Pompeu Fabra og byggede i fællesskab en simulator for smitsomme sygdomme, som vi nu har tunet til COVID-19 i samarbejde med Carlos III University og Carlos III Health Institute i Madrid.
Hvad arbejder du på lige nu?
Vi er halvvejs gennem Saint George på en cykel, og på det punkt, hvor vores fokus vender sig mod at forbinde resultaterne af data mining og dyb læring tilgang. Vi har udviklet dette med top-down semantisk inferens for at generere visuelle relationer og forbedre etiketterne på de objekter, vi opdager i malerier. Det er en spændende tid, der åbner stadig mere interessante forskningsspørgsmål!
Som gruppe finder vi kulturarven et ekstremt rigt område med et enormt potentiale for kunstig intelligens. Selv om dette er et område, som vi alle kan forholde os til, er ingen af os specialister, og fælles arbejde med kulturarvseksperter er afgørende. Vores samarbejde med Europeana har hidtil været meget positivt i denne henseende. Dette projekt er en åben dør til et felt, vi ikke havde overvejet før, og vi er meget begejstrede for mulighederne og mulige samarbejder med forskellige typer interessenter til dette arbejde - fra museer til personer med handicap eller uddannelse.
Hvad mener du er den største mulighed, AI giver kulturarvssektoren?
Data mining bruges typisk, når store mængder data er tilgængelige, og vi ønsker at udtrække viden fra det. Dette er ikke tilfældet med kulturarv, som har et begrænset antal datapunkter (artefakter) af mange forskellige stilarter. Dette skaber både en udfordring og en mulighed for blandede tilgange, der arbejder sammen for at forfine hinanden eller opdage uoverensstemmelser. Dette er den tilgang, vi forsøger lige nu i Saint George på en cykel, med lovende resultater med hensyn til at generere rige metadata om de objekter, emner og handlinger, der er afbildet i malerier.
Jeg mener, at den største mulighed, som disse rige metadata kan bringe til kulturarvssektoren, ligger i dens indvirkning på forbrugere af kultur, genoplivelse og udvidelse af interessen for kultur, hvilket gør den mere fordøjelig, relaterbar og gennemtrængende. Dette kan starte med skoleuddannelse og udvides til områder som de kreative industrier eller kulturturisme. På et dybere plan afspejler kultur menneskers og samfunds identitet over tid, og en bedre forståelse af vores fortid, dens fordomme og uligheder kan hjælpe os med at blive et mere inklusivt og tolerant samfund.
Hvad er den største udfordring?
Jeg mener, at det teknisk set vanskeligste aspekt for kunstig intelligens i kulturarven er at indfange mening, symboler og sund fornuft. Disse er grundlæggende menneskelige bestræbelser og udgør sværere problemer end blot at lære korrelationer, da de modellerer ræsonnement baseret på viden, der sjældent er en del af inputdataene.
Den linje af arbejde, vi følger i Saint George på en cykel tackler det interessante tekniske problem med at udstyre AI med kulturel indsigt. Den største udfordring er at forstå konteksten på det tidspunkt, hvor et billede blev skabt, den kontekst, uden for hvilken symboler, traditioner og regler, som det afspejler, mister mening.
En undersøgelse fra 2018 tyder på, at kun 12% af machine learning forskere er kvinder. Hvad kan der gøres for at få flere kvinder på banen?
Min baggrund er i computersystemer snarere end AI, og da jeg var i gradskole, var de fleste kvinder i vores bygning faktisk i AI, og tallene var rimeligt høje. Ikke desto mindre henviser den procentdel, du nævner, til maskinlæring, som kun er ét område inden for kunstig intelligens. Det er rigtigt, at hvis vi ser på det store antal papirer, kan det virke som om, det har overtaget hele området!
Datalogi har altid været mandsdomineret. Jeg tror, at områder, hvor flertallet af arbejdere er mænd, skaber problemer, ikke kun for kvinder, men for alle, der ikke er superkonkurrencedygtige, (synes) aggressive, selvhævdende eller simpelthen højt nok. Når det er sagt, mener jeg, at positive foranstaltninger skal anvendes med stor omhu. Ikke alle lærer eller fungerer bedst efter de samme processer, og de betragter heller ikke nødvendigvis det samme som en styrke eller en svaghed. Jeg mener, at vi ikke bare skal give flere muligheder til folk, der ikke passer til kanonerne, men snarere give dem mulighed for at gøre tingene anderledes og blive evalueret anderledes for, hvad de kan bringe til bordet.
I min erfaring i den akademiske verden og industrien så jeg gentagne gange, at de fleste - ikke alle - kvinder er meget motiverede af, hvordan deres arbejde vil blive anvendt, og har tendens til at deltage i områder, der har en vis forbindelse til samfundet eller den enkelte. I AI kan disse være anerkendelse (stemme, ansigt), sprog, kognitive processer, ræsonnement eller applikationer til uddannelse, sundhed eller kultur. Jeg har ikke en opskrift på, hvordan man tiltrækker kvinder til feltet, men jeg tror, at AI er bedre rustet end andre datalogiområder til at gøre det. Det er nok ikke det mest optimistiske synspunkt, når man tager tallene i betragtning.
Tak til Maria-Cristina for at dele hendes erfaringer og indsigt! Du kan læse mere om hendes arbejde med Saint George on a Bike i et interview på projektets websted og udforske vores fokus på kunstig intelligens.