Pastāstiet mums par savu pašreizējo lomu.
Esmu asistents Delftas Tehnoloģiju universitātes Multimediju skaitļošanas grupā Nīderlandē. Līdzās tam es aktīvi darbojos arī kā koncertpianists, jo īpaši Magma Duo, kopā ar Emmy Storms (vijole).
Kāds bija jūsu karjeras ceļš līdz jūsu pašreizējai lomai?
Vidusskolā man bija ļoti plašs interešu loks, bet galvenokārt es vēlējos uzzināt vairāk par mūziku. Pēc absolvēšanas es plānoju doties uz konservatoriju, un es sāku pētīt iespējas veikt otru lielo darbu blakus mūzikas studijām. Atvērto durvju dienā Delftas Tehnoloģiju universitātē es nejauši iekļuvu datorzinātņu lielā demonstrācijā, kurā bija iekļauts studentu projekts par saskarnes pielāgošanu lietotājam. Šis demo man lika saprast, ka datorzinātne varētu novest pie sabiedrībai noderīgiem lietojumiem, un tas šķita liels, ko es, iespējams, varētu darīt paralēli pētījumiem konservatorijā.
Studiju laikā es pamanīju, ka, veicot repertuāra izpēti tiešsaistē, joprojām bija diezgan grūti atrast nepieciešamos resursus un ierakstus. Tas mani ieinteresēja veikt pētījumus par mūzikas organizāciju, meklētājprogrammām un rekomendāciju sistēmām. Man tika piešķirta Google Eiropas doktorantūras stipendija, kas ļāva man iegūt doktora grādu un turpināt to pētīt, kā arī ieguva dažādas prakses uzņēmumā, kur es strādāju par programmatūras inženieri Google mūzikas pakalpojumos. Beidzot doktorantūras studijas, es debatēju par rūpniecības karjeras turpināšanu Silīcija ielejā vai palikšanu akadēmiskajā vidē. Tomēr pēc tam Magma Duo tika izvēlēts valsts karjeras attīstības trajektorijai Nīderlandē, un Delftā tika atvērts personāla amats. Tāpēc šķiet, ka likteņi vēlējās, lai es paliktu tuvu mājām, un tā es nokļuvu savā pašreizējā lomā.
Ar ko jūs pašlaik strādājat?
Es strādāju pie tehnoloģijām, kas ļauj cilvēkiem paplašināt savu redzesloku, saskaroties ar lielām informācijas kolekcijām. Mani interesē jautājumi par derīgumu: vai mēs patiešām varam izmērīt un optimizēt to, ko mēs plānojam. Savā pētījumā es strādāju pie metodēm, kas mums var sniegt sistemātiskāku ieskatu šajā jautājumā un parādīt, kur mēs joprojām varam uzlaboties.
Visas šīs intereses sakņojas manā mūzikas pieredzē. Taču papildus to izpētei saistībā ar mūzikas kolekcijām es pašlaik strādāju pie plašākiem sabiedriskiem lietojumiem, tostarp kolekciju veidošanas publiskajās bibliotēkās; uz datiem balstītu kandidātu skrīningu darba pieteikumos; un uzticamas mašīnmācīšanās procedūras finanšu tehnoloģiju nozarē. Visos šajos gadījumos atbildīgam un uzticamam MI ir ļoti apzināti jāņem vērā cilvēka veikta interpretācija; Šī ir joma, kurā, strādājot pie mūzikas, es izjutu lielu jutīgumu.
Kāda, jūsuprāt, ir lielākā iespēja, ko mākslīgais intelekts sniedz kultūras mantojuma nozarei?
Mākslīgais intelekts var būt katalizators, lai mūsu kultūras mantojumu vairāk nodotu plašākai auditorijai. Tas var palīdzēt mums vispusīgāk orientēties un piekļūt kolekcijām, kā arī veidot sakarus un atklājumus, ko citādi mēs nebūtu atraduši.
Kāds ir lielākais izaicinājums?
Ilgu laiku skatuves mākslā esmu redzējis, ka nozare nelabprāt izturas pret MI un digitālo inovāciju. Covid-19 krīzes laikā mēs esam bijuši spiesti izmantot daudz digitālāku darba un saziņas veidu, kas ir palielinājis izpratni par to, ka digitālā inovācija var būt noderīga un vajadzīga. Tajā pašā laikā krīzes radītā kaitējuma dēļ nozarei vairāk nekā jebkad agrāk ir grūtības noturēties virs ūdens. Tāpēc tagad mēs esam dīvainā situācijā, ka konceptuāli patiešām ir daudz iespēju, bet praktiski ir grūti strukturālā un stratēģiskā veidā atcelt digitālo inovāciju un MI gatavību šajā nozarē.
Ko jūs cerat, ka piecu gadu laikā mākslīgais intelekts ir ienesis kultūras mantojumā?
Es ceru, ka pēc pieciem gadiem mēs būsim radījuši pietiekamu impulsu, lai mākslīgais intelekts nodrošinātu gan plašāku, gan dziļāku saikni ar kultūras mantojuma resursiem. Es ceru, ka mākslīgais intelekts var palīdzēt lielākam skaitam no mums saprast, ka šie resursi nav tikai putekļaini priekšmeti no pagātnes, ko likt uz pjedestāliem un skatīties no attāluma, bet ka tie joprojām var patiesi runāt ar mums un veidot mūsu perspektīvas šodien. Turklāt kultūras resursiem ir sarežģītas problēmas, ko joprojām ir ļoti grūti izdarīt ar mākslīgo intelektu (piemēram, pieļaujot dažādas paralēlas cilvēku interpretācijas un perspektīvas, kas neietilpst skaidri nošķiramās kategorijās). Tieši šīs ir tās grūtības, kas mums ir labāk jāizprot attiecībā uz plašākiem, atbildīgiem MI lietojumiem. Tāpēc es arī ceru, ka pēc pieciem gadiem MI joma būs kļuvusi niansētāka, pateicoties kultūras nozarē gūtajām atziņām.
2018. gada pētījums liecina, ka tikai 12 % mašīnmācīšanās pētnieku ir sievietes. Ko, jūsuprāt, var darīt, lai mudinātu vairāk sieviešu iesaistīties šajā jomā?
Pirmkārt, es vēlos uzsvērt to, kas parasti tiek ierosināts: veicināt darbaudzināšanu un padarīt sievietes šajā jomā pamanāmas. Izcelt viņu karjeras trajektorijas un personīgos stāstus un pieredzi, lai viņi varētu būt par paraugu jaunajām paaudzēm. Turklāt arī turpmāk izcelsim un cildināsim to tehnisko ieguldījumu un ietekmi.
Papildus tam daudzi pašreizējie MI un mašīnmācīšanās vēstījumi ir par to, kā “būt spēcīgākajam”, iegūstot visprecīzākos modeļus no lielākajiem datiem. Man tas noteikti bija mazliet alfa vīrieša vibrē, ar ko es ne vienmēr esmu bijis tik apmierināts. Salīdzinot 90 % precīzu modeli ar 99 % precīzu modeli, 99% precīza modeļa pieļautās 1 % kļūdas var izrādīties katastrofālākas vai mazāk izskaidrojamas nekā 90 % precīza modeļa pieļautās 10 % kļūdas. Es pašlaik redzu, kā šī joma attīstās, lai patiešām kļūtu niansētāka šajā ziņā, un kopumā es esmu vairāk uzmanīgs attiecībā uz ietekmi paredzētajās lietojumprogrammās; šī attīstība liek man justies apsveicamākam šajā jomā, un es varētu iedomāties, ka tas attieksies uz lielāku skaitu kolēģu sieviešu.
Paldies Cynthia par dalīšanos ar savu pieredzi un ieskatu! Lai uzzinātu vairāk par MI un kultūras mantojumu, izpētiet mūsu koncentrēšanos uz MI vietnē Europeana Pro.
