Vertel ons over je werk.
Ik ben senior onderzoeksmedewerker bij het Barcelona Supercomputing Center (BSC-CNS)en hoofdonderzoeker van drie projecten in onze groep. Een daarvan - Saint George on a Bike - is een CEF Telecom (Public Open Data) project waar we samen met Europeana Foundation aan werken. Het vertrekt van onze meer typische focus op slimme steden om te onderzoeken hoe technologie, en kunstmatige intelligentie in het bijzonder, onze kennis van cultureel erfgoed kan verbeteren en toegankelijker kan maken voor niet-specialisten. Onze aanpak is gebaseerd op neurale netwerken, taalmodellen en semantische gevolgtrekkingen om automatisch verrijkte metadata en bijschriften te genereren voor iconografische schilderijen uit de 12e tot 18e eeuw.
Wat was je carrièrepad naar je rol?
Mijn onderzoekscarrière heeft verschillende gebieden bestreken, verbonden door het gemeenschappelijke onderwerp programmeertaalontwerp. Mijn achtergrond stelde me in staat om mijn kennis van hardware (automatische systeemsynthese tijdens mijn doctoraat en PostDoc aan het MIT) toe te passen op wijdverspreide systemen, acteursmodellen en software-engineering tijdens mijn werk bij IBM Research, en ingebedde systemen tijdens mijn tijd als gasthoogleraar aan de Universidad Carlos III van Madrid. Ik heb ook Machine Learning-technieken toegepast om expressieve modellen voor operazangers te leren in samenwerking met Universitat Pompeu Fabra, en samen een simulator voor infectieziekten gebouwd, die we nu hebben afgestemd op COVID-19 in samenwerking met Carlos III University en het Carlos III Health Institute in Madrid.
Waar ben je nu mee bezig?
We zijn halverwege Saint George on a Bike en op het punt waar onze focus ligt op het verbinden van de resultaten van de datamining- en deep learning-benadering. We hebben dit ontwikkeld met top-down semantische inferencing om visuele relaties te genereren en de labels van de objecten die we in schilderijen detecteren te verbeteren. Het is een spannende tijd die steeds interessantere onderzoeksvragen opent!
Als groep vinden we cultureel erfgoed een extreem rijk domein met een enorm potentieel voor kunstmatige intelligentie. Hoewel dit een gebied is waar we ons allemaal mee kunnen bezighouden, is niemand van ons een specialist en is gezamenlijk werk met deskundigen op het gebied van cultureel erfgoed van fundamenteel belang. Onze samenwerking met Europeana is in dit opzicht tot nu toe zeer positief geweest. Dit project is een open deur naar een gebied dat we nog niet eerder hadden overwogen, en we zijn erg enthousiast over de mogelijkheden en mogelijke samenwerkingen met verschillende soorten belanghebbenden voor dit werk - van musea tot mensen met een handicap of onderwijs.
Wat is volgens u de grootste kans die AI biedt voor de culturele erfgoedsector?
Datamining wordt meestal gebruikt wanneer er enorme hoeveelheden gegevens beschikbaar zijn en we er kennis uit willen halen. Dit is niet het geval met cultureel erfgoed, dat een beperkt aantal gegevenspunten (artefacten) heeft, van veel verschillende stijlen. Dit creëert zowel een uitdaging als een kans voor gemengde benaderingen die samenwerken om elkaar te verfijnen of inconsistenties op te sporen. Dit is de aanpak die we nu proberen in Saint George on a Bike, met veelbelovende resultaten in termen van het genereren van rijke metadata over de objecten, onderwerpen en acties die in schilderijen worden afgebeeld.
Ik geloof dat de grootste kans die deze rijke metagegevens kunnen bieden aan de sector cultureel erfgoed ligt in de impact ervan op consumenten van cultuur, het nieuw leven inblazen en uitbreiden van de interesse in cultuur, waardoor het beter verteerbaar, herkenbaar en alomtegenwoordig wordt. Dit kan beginnen met schoolonderwijs en zich uitstrekken tot gebieden zoals de creatieve industrie of cultureel toerisme. Op een dieper niveau weerspiegelt cultuur de identiteit van mensen en samenlevingen in de loop van de tijd en een beter begrip van ons verleden, de vooroordelen en ongelijkheden ervan kan ons helpen een inclusievere en tolerantere samenleving te worden.
Wat is de grootste uitdaging?
Ik geloof dat het technisch moeilijkste aspect voor AI in cultureel erfgoed het vastleggen van betekenis, symbolen en gezond verstand is. Dit zijn fundamenteel menselijke inspanningen en vormen moeilijkere problemen dan alleen het leren van correlaties, omdat ze redeneren modelleren op basis van kennis die zelden deel uitmaakt van de invoergegevens.
De lijn van werk die we in Saint George on a Bike volgen, pakt het interessante technische probleem aan om AI cultureel inzicht te geven. De belangrijkste uitdaging is om de context te begrijpen op het moment dat een beeld werd gemaakt, de context buiten welke de symbolen, tradities en regels die het weerspiegelt betekenis verliezen.
Een studie uit 2018 suggereert dat slechts 12% van de machine learning-onderzoekers vrouwen zijn. Wat denk je dat er gedaan kan worden om meer vrouwen in het veld aan te moedigen?
Mijn achtergrond ligt in Computer Systems in plaats van AI en toen ik op de middelbare school zat, waren de meeste vrouwen in ons gebouw in feite in AI en de aantallen waren redelijk hoog. Desalniettemin verwijst het percentage dat u noemt naar machine learning, dat slechts één veld is in AI. Het is waar dat als we naar het enorme aantal papieren kijken, het lijkt alsof het het hele veld heeft overgenomen!
Informatica is altijd door mannen gedomineerd geweest; Ik denk dat gebieden waar de meerderheid van de werknemers man is problemen opleveren, niet alleen voor vrouwen, maar voor iedereen die niet supercompetitief, (lijkt) agressief, assertief of gewoon luid genoeg is. Dat gezegd hebbende, denk ik dat positieve actie met grote zorg moet worden toegepast. Niet iedereen leert of werkt het beste volgens dezelfde processen, noch beschouwen ze noodzakelijkerwijs hetzelfde als een kracht of een zwakte. Ik geloof dat we niet alleen meer kansen moeten geven aan mensen die niet bij de kanunniken passen, maar hen eerder in staat moeten stellen dingen anders te doen en anders te worden beoordeeld op wat ze op tafel kunnen brengen.
In mijn ervaring in de academische wereld en de industrie heb ik herhaaldelijk gezien dat de meeste - niet alle - vrouwen zeer gemotiveerd zijn door hoe hun werk zal worden toegepast en de neiging hebben om zich aan te sluiten bij gebieden die enige verbinding hebben met de samenleving of het individu. In AI kunnen dit herkenning (stem, gezicht), taal, cognitieve processen, redeneren of toepassingen voor onderwijs, gezondheid of cultuur zijn. Ik heb geen recept voor het aantrekken van vrouwen in het veld, maar ik denk dat AI beter is uitgerust dan andere gebieden van computerwetenschappen om dat te doen. Ik denk dat dit niet de meest optimistische visie is, gezien de cijfers.
Met dank aan Maria-Cristina voor het delen van haar ervaringen en inzichten! U kunt meer te weten komen over haar werk aan Saint George on a Bike in een interview op de projectwebsite en onze focus op AI verkennen.