Avishkar Bhoopchand, ein Forschungsingenieur im Team für Spieltheorie und Multi-Agenten, erzählt von seiner Reise zu DeepMind und wie er daran arbeitet, das Profil von Deep Learning in ganz Afrika zu schärfen.
Erfahren Sie mehr über Deep Learning Indaba 2022, das jährliche Treffen der afrikanischen KI-Community, das diesen August in Tunesien stattfindet.
Wie sieht ein typischer Arbeitstag aus?
Als Forschungsingenieur und technischer Leiter ist kein Tag wie der andere. Normalerweise beginne ich meinen Tag damit, auf dem Weg ins Büro einen Podcast oder ein Hörbuch zu hören. Nach dem Frühstück konzentriere ich mich auf E-Mails und Verwaltung, bevor ich mich in mein erstes Meeting stürze. Diese reichen von Einzelgesprächen mit Teammitgliedern und Projektaktualisierungen bis hin zu Arbeitsgruppen zu Diversität, Gerechtigkeit und Inklusion (DE&I).
Ich versuche, mir am Nachmittag Zeit für meine To-Do-Liste zu nehmen. Diese Aufgaben können das Vorbereiten einer Präsentation, das Lesen von Forschungsarbeiten, das Schreiben oder Überprüfen von Code, das Entwerfen und Ausführen von Experimenten oder das Analysieren von Ergebnissen umfassen.
Im Homeoffice hält mich mein Hund Finn auf Trab! Ihn zu unterrichten ist sehr ähnlich wie Reinforcement Learning (RL) – so wie wir künstliche Agenten bei der Arbeit trainieren. Daher verbringe ich viel Zeit damit, auf die eine oder andere Weise über Deep Learning oder maschinelles Lernen nachzudenken.
Wie wurde Ihr Interesse an KI geweckt?
Während eines Kurses über intelligente Agenten an der Universität von Kapstadt führte mein Dozent einen sechsbeinigen Roboter vor, der mit RL das Laufen von Grund auf gelernt hatte. Von diesem Moment an konnte ich nicht aufhören, über die Möglichkeit nachzudenken, menschliche und tierische Mechanismen zu nutzen, um lernfähige Systeme zu bauen.
Zu dieser Zeit war die Anwendung und Forschung von maschinellem Lernen in Südafrika keine wirklich praktikable Karriereoption. Wie viele meiner Kommilitonen landete ich als Software Engineer in der Finanzbranche. Ich habe viel gelernt, insbesondere beim Entwerfen großer, robuster Systeme, die die Anforderungen der Benutzer erfüllen. Aber nach sechs Jahren wollte ich etwas mehr.
Ungefähr zu dieser Zeit begann Deep Learning zu starten. Zuerst habe ich angefangen, Online-Kurse wie den von Andrew Ng zu machen Vorlesungen zum maschinellen Lernen auf Coursera. Bald darauf hatte ich das Glück, ein Stipendium am University College London zu bekommen, wo ich meinen Master in Computerstatistik und maschinellem Lernen machte.
Was ist Ihre Beteiligung am Deep Learning Indaba?
Neben DeepMind bin ich auch ein stolzer Organisator und Mitglied des Lenkungsausschusses der Deep-Learning-Indaba, eine Bewegung zur Stärkung des maschinellen Lernens und der KI in Afrika. Es begann 2017 als Sommerschule in Südafrika. Wir haben erwartet, dass etwa 30 Studenten zusammenkommen, um etwas über maschinelles Lernen zu lernen – aber zu unserer Überraschung haben wir über 700 Bewerbungen erhalten! Es war erstaunlich zu sehen, und es zeigte deutlich die Notwendigkeit einer Verbindung zwischen Forschern und Praktikern in Afrika.
Seitdem hat sich die Organisation zu einer jährlichen Feier der afrikanischen KI mit über 600 Teilnehmern und lokalen IndabaX-Veranstaltungen in fast 30 afrikanischen Ländern entwickelt. Wir haben auch Forschungsstipendien, Dissertationspreise und ergänzende Programme, einschließlich eines Mentorenprogramms – das ich während der Pandemie gestartet habe, um die Community zu engagieren.
Im Jahr 2017 wurden null Publikationen mit einem afrikanischen Autor, der an einer afrikanischen Institution ansässig ist, auf präsentiert NeuroIPS, die führende Konferenz zum maschinellen Lernen. KI-Forscher auf dem gesamten afrikanischen Kontinent arbeiteten in Silos – einige hatten sogar Kollegen, die am selben Thema an einer anderen Institution in der Nähe arbeiteten, und wussten es nicht. Durch die Indaba haben wir eine florierende Gemeinschaft auf dem Kontinent aufgebaut und unsere Alumni sind dazu übergegangen, neue Kollaborationen zu bilden und Artikel auf NeurIPS und allen wichtigen Konferenzen zu veröffentlichen.
Viele Mitglieder haben Jobs bei Top-Technologieunternehmen bekommen, neue Startups auf dem Kontinent gegründet und andere erstaunliche Basis-KI-Projekte in Afrika gestartet. Obwohl die Organisation der Indaba eine Menge harter Arbeit ist, lohnt es sich, wenn man die Errungenschaften und das Wachstum der Gemeinschaft sieht. Ich verlasse unsere jährliche Veranstaltung immer mit einem inspirierten und bereiten Gefühl für die Zukunft.
Was hat Sie zu DeepMind geführt?
DeepMind war mein ultimatives Traumunternehmen, für das ich arbeiten wollte, aber ich glaubte nicht, dass ich eine Chance hätte. Von Zeit zu Zeit habe ich mit dem Hochstapler-Syndrom zu kämpfen – wenn man von intelligenten, fähigen Menschen umgeben ist, ist es leicht, sich auf einer einzigen Achse zu vergleichen und sich wie ein Hochstapler zu fühlen. Glücklicherweise sagte mir meine wunderbare Frau, dass ich nichts zu verlieren hätte, wenn ich mich bewerbe, also schickte ich meinen Lebenslauf und bekam schließlich ein Angebot für eine Stelle als Forschungsingenieur!
Meine bisherige Erfahrung im Software-Engineering hat mir sehr geholfen, mich auf diese Rolle vorzubereiten, da ich mich auf meine technischen Fähigkeiten für die tägliche Arbeit stützen und gleichzeitig meine Forschungsfähigkeiten ausbauen konnte. Den Traumjob nicht sofort zu bekommen, bedeutet nicht, dass die Tür für diese Karriere für immer geschlossen ist.
Auf welche Projekte sind Sie besonders stolz?
Ich habe kürzlich an einem Projekt gearbeitet, bei dem es darum ging, künstlichen Agenten die Fähigkeit zu verleihen Kulturübertragung in Echtzeit. Kulturelle Übertragung ist eine soziale Fähigkeit, die Menschen und bestimmte Tiere besitzen, die uns die Fähigkeit gibt, Informationen aus der Beobachtung anderer zu lernen. Es ist die Grundlage für die kumulative kulturelle Evolution und der Prozess, der für die Erweiterung unserer Fähigkeiten, Werkzeuge und unseres Wissens über mehrere Generationen hinweg verantwortlich ist.
In diesem Projekt haben wir künstliche Agenten in einer 3D-simulierten Umgebung trainiert, um einen Experten bei der Durchführung einer neuen Aufgabe zu beobachten, dann dieses Muster zu kopieren und sich daran zu erinnern. Nachdem wir nun gezeigt haben, dass eine kulturelle Übertragung bei künstlichen Agenten möglich ist, könnte es möglich sein, die kulturelle Evolution zu nutzen, um bei der Generierung künstlicher allgemeiner Intelligenz (AGI) zu helfen.
Dies war das erste Mal, dass ich an großangelegtem RL arbeitete. Diese Arbeit kombiniert maschinelles Lernen und Sozialwissenschaften, und auf der Forschungsseite gab es für mich viel zu lernen. Manchmal war der Fortschritt in Richtung unseres Ziels auch langsam, aber am Ende haben wir es geschafft! Aber wirklich, ich bin am meisten stolz auf die unglaublich integrative Kultur, die wir als Projektteam hatten. Auch wenn es schwierig war, wusste ich, dass ich mich auf die Unterstützung meiner Kollegen verlassen konnte.
Sind Sie Teil einer Peer Group bei DeepMind?
Ich war wirklich an einer Reihe von Initiativen für Vielfalt, Gerechtigkeit und Inklusion (DE&I) beteiligt. Ich bin fest davon überzeugt, dass DE&I am Arbeitsplatz zu besseren Ergebnissen führt, und um KI für alle zu entwickeln, müssen wir von einer Vielzahl von Stimmen vertreten werden.
Ich bin Moderatorin eines internen Workshops zum Konzept der Allyship, bei dem es darum geht, die eigene privilegierte und machtvolle Position zu nutzen, um den Status quo zur Unterstützung von Menschen aus marginalisierten Gruppen herauszufordern. Ich bin an verschiedenen Arbeitsgruppen beteiligt, die darauf abzielen, die Einbeziehung von Forschungsingenieuren in die Gemeinschaft und die Vielfalt bei der Einstellung zu verbessern. Ich bin auch ein Mentor in der DeepMind-Stipendienprogramm, das Partnerschaften in Afrika und anderen Teilen der Welt unterhält.
Welche Auswirkungen erhoffen Sie sich von der Arbeit von DeepMind?
Besonders begeistert bin ich von den Möglichkeiten der KI, die Medizin positiv zu beeinflussen, insbesondere zum besseren Verständnis und zur Behandlung von Krankheiten. Psychische Erkrankungen wie Depressionen betreffen beispielsweise Hunderte Millionen Menschen weltweit, aber wir scheinen nur ein begrenztes Verständnis der dahinter stehenden kausalen Mechanismen und daher begrenzte Behandlungsmöglichkeiten zu haben. Ich hoffe, dass allgemeine KI-Systeme in nicht allzu ferner Zukunft mit menschlichen Experten zusammenarbeiten können, um die Geheimnisse unseres Geistes zu entschlüsseln und uns dabei zu helfen, diese Krankheiten zu verstehen und zu heilen.
