Berätta om ditt arbete.
Jag är Senior Research Staff vid Barcelona Supercomputing Center (BSC-CNS)och huvudforskare för tre projekt i vår grupp. En av dessa - Saint George on a Bike - är ett CEF Telecom-projekt (Public Open Data) som vi arbetar med med Europeana Foundation. Det avviker från vårt mer typiska fokus på smarta städer för att utforska hur teknik, och i synnerhet artificiell intelligens, kan förbättra vår kunskap om kulturarv och göra det mer tillgängligt för icke-specialister. Vårt tillvägagångssätt bygger på neurala nätverk, språkmodeller och semantisk slutledning för att automatiskt generera berikade metadata och bildtexter för ikonografiska målningar från 12 till 18-talen.
Vad var din karriärväg till din roll?
Min forskarkarriär har omfattat flera olika områden, kopplade genom det gemensamma ämnet programmeringsspråkdesign. Min bakgrund tillät mig att tillämpa min kunskap om hårdvara (automatisk systemsyntes under min doktorsexamen och PostDoc vid MIT) till distribuerade system, aktörsmodeller och programvaruteknik medan jag arbetade på IBM Research och inbyggda system under min tid som gästprofessor vid Universidad Carlos III i Madrid. Jag tillämpade också maskininlärningstekniker för att lära mig uttrycksfulla modeller för operasångare i samarbete med Universitat Pompeu Fabra, och byggde gemensamt en simulator för infektionssjukdomar, som vi nu har ställt in för COVID-19 i samarbete med Carlos III-universitetet och Carlos III Health Institute i Madrid.
Vad jobbar du med just nu?
Vi är halvvägs genom Saint George på en cykel, och vid den punkt där vårt fokus vänder sig till att ansluta resultaten av datautvinning och djupinlärning. Vi har utvecklat detta med uppifrån och ner semantisk inferens för att generera visuella relationer och förbättra etiketterna på de objekt vi upptäcker i målningar. Det är en spännande tid som öppnar allt intressantare forskningsfrågor!
Som grupp anser vi att kulturarvet är en extremt rik domän med stor potential för artificiell intelligens. Även om detta är ett område som vi alla kan relatera till, är ingen av oss en specialist och gemensamt arbete med kulturarvsexperter är grundläggande. Vårt samarbete med Europeana har hittills varit mycket positivt i detta avseende. Detta projekt är en öppen dörr till ett område som vi inte hade övervägt tidigare, och vi är mycket glada över möjligheterna och möjliga samarbeten med olika typer av intressenter för detta arbete - från museer till personer med funktionshinder eller utbildning.
Vad anser du är den största möjligheten som AI innebär för kulturarvssektorn?
Data mining används vanligtvis när stora mängder data finns tillgängliga och vi vill extrahera kunskap från den. Detta är inte fallet med kulturarvet, som har ett begränsat antal datapunkter (artefakter) av många olika stilar. Detta skapar både en utmaning och en möjlighet för blandade tillvägagångssätt som arbetar tillsammans för att förfina varandra eller upptäcka inkonsekvenser. Detta är det tillvägagångssätt vi försöker just nu i Saint George på en cykel, med lovande resultat när det gäller att generera rika metadata om de objekt, ämnen och handlingar som avbildas i målningar.
Jag tror att den största möjligheten som denna rika metadata kan ge kulturarvssektorn ligger i dess inverkan på kulturkonsumenter, återuppliva och utöka intresset för kultur, vilket gör den mer smältbar, relatabel och genomgripande. Detta kan börja med skolutbildning och utvidgas till områden som kreativa industrier eller kulturturism. På en djupare nivå återspeglar kulturen människors och samhällens identitet över tid och att ha en bättre förståelse för vårt förflutna, dess fördomar och ojämlikheter kan hjälpa oss att bli ett mer inkluderande och tolerant samhälle.
Vilken är den största utmaningen?
Jag tror att den tekniskt svåraste aspekten för AI i kulturarvet är att fånga mening, symboler och sunt förnuft. Dessa är i grunden mänskliga strävanden och utgör svårare problem än att bara lära sig korrelationer eftersom de modellerar resonemang baserat på kunskap som sällan ingår i indata.
Arbetet vi följer i Saint George on a Bike tar itu med det intressanta tekniska problemet att förse AI med kulturell insikt. Den största utmaningen är att förstå sammanhanget vid den tidpunkt då en bild skapades, det sammanhang utanför vilket symbolerna, traditionerna och reglerna som den speglar förlorar mening.
En studie från 2018 tyder på att bara 12% av maskininlärningsforskare är kvinnor. Vad tror du kan göras för att få in fler kvinnor i branschen?
Min bakgrund är i datorsystem snarare än AI och när jag gick i grundskolan var de flesta kvinnorna i vår byggnad faktiskt i AI och siffrorna var någorlunda höga. Den procentandel du nämner avser dock maskininlärning, som bara är ett område inom AI. Det är sant att om vi tittar på det stora antalet papper kan det tyckas att det har tagit över hela fältet!
Datavetenskapen har alltid varit mansdominerad. Jag tror att områden där majoriteten av arbetstagarna är män ger upphov till problem inte bara för kvinnor, utan för alla som inte är superkonkurrenskraftiga, (verkar) aggressiva, självsäkra eller helt enkelt tillräckligt högljudda. Med detta sagt anser jag att positiv särbehandling måste tillämpas med stor omsorg. Inte alla lär sig eller fungerar bäst efter samma processer, inte heller anser de nödvändigtvis samma sak som en styrka eller en svaghet. Jag tror att vi inte bara behöver ge fler möjligheter till människor som inte passar kanonerna, utan snarare låta dem göra saker annorlunda och utvärderas annorlunda för vad de kan ta med till bordet.
I min erfarenhet inom akademi och industri såg jag upprepade gånger att de flesta - inte alla - kvinnor är mycket motiverade av hur deras arbete kommer att tillämpas och tenderar att ansluta sig till områden som har någon koppling till samhället eller individen. Inom AI kan det handla om igenkänning (röst, ansikte), språk, kognitiva processer, resonemang eller tillämpningar för utbildning, hälsa eller kultur. Jag har inget recept på hur man lockar kvinnor till fältet, men jag tror att AI är bättre utrustad än andra datavetenskapsområden för att göra det. Jag antar att detta inte är den mest optimistiska uppfattningen, med tanke på siffrorna.
Tack Maria-Cristina för att dela med sig av sina erfarenheter och insikter! Du kan läsa mer om hennes arbete med Saint George on a Bike i en intervju på projektets webbplats och utforska vårt fokus på AI.