Guidare un movimento per rafforzare l’apprendimento automatico in Africa

Promuovere l'apprendimento automatico in Africa.

Visualizza posizioni aperte: https://www.deepmind.com/careers/jobs?sort=alphabetical

Avishkar Bhoopchand, un ingegnere di ricerca del team di Teoria dei Giochi e Multi-agenti, condivide il suo percorso verso DeepMind e come sta lavorando per aumentare la visibilità del deep learning in tutta l’Africa.

Scopri di più su Deep Learning Indaba 2022, l’incontro annuale della comunità africana di intelligenza artificiale, che si terrà in Tunisia questo agosto.

Com’è una giornata tipica di lavoro?

Come ingegnere di ricerca e responsabile tecnico, ogni giorno è diverso. Di solito inizio la giornata ascoltando un podcast o un audiolibro durante il tragitto per l’ufficio. Dopo la colazione, mi concentro sulle email e l’amministrazione prima di iniziare il primo incontro. Questi possono variare da riunioni individuali con i membri del team e aggiornamenti sui progetti a gruppi di lavoro sulla diversità, l’equità e l’inclusione (DE&I).

Cerco di dedicare del tempo nel pomeriggio per la mia lista delle cose da fare. Questi compiti potrebbero includere la preparazione di una presentazione, la lettura di articoli di ricerca, la scrittura o la revisione del codice, la progettazione e l’esecuzione di esperimenti o l’analisi dei risultati.

Quando lavoro da casa, il mio cane Finn mi tiene occupato! Insegnargli è molto simile al reinforcement learning (RL) – come addestrare gli agenti artificiali al lavoro. Quindi, trascorro molto tempo pensando al deep learning o al machine learning in un modo o nell’altro.

Come hai sviluppato interesse per l’IA?

Durante un corso sugli agenti intelligenti all’Università di Cape Town, il mio docente ha mostrato un robot a sei zampe che aveva imparato a camminare da zero utilizzando il reinforcement learning (RL). Da quel momento in poi, non riuscivo a smettere di pensare alla possibilità di utilizzare meccanismi umani e animali per costruire sistemi capaci di apprendere.

All’epoca, l’applicazione e la ricerca di machine learning non erano davvero una possibilità di carriera sostenibile in Sudafrica. Come molti dei miei compagni di corso, ho finito per lavorare nell’industria finanziaria come ingegnere del software. Ho imparato molto, soprattutto riguardo alla progettazione di sistemi su larga scala e robusti che soddisfano le esigenze degli utenti. Ma dopo sei anni, volevo qualcosa di più.

Poco dopo, il deep learning ha cominciato a decollare. All’inizio ho iniziato a seguire corsi online come le lezioni di machine learning di Andrew Ng su Coursera. Poco dopo, ho avuto la fortuna di ottenere una borsa di studio presso University College London, dove ho conseguito il mio master in statistica computazionale e machine learning.

Qual è il tuo coinvolgimento nel Deep Learning Indaba?

Oltre a DeepMind, sono anche un fiero organizzatore e membro del comitato direttivo del Deep Learning Indaba, un movimento per rafforzare il machine learning e l’IA in Africa. È iniziato nel 2017 come una scuola estiva in Sudafrica. Ci aspettavamo che una trentina di studenti si riunissero per imparare il machine learning, ma con nostra sorpresa abbiamo ricevuto oltre 700 candidature! È stato incredibile da vedere e ha chiaramente dimostrato la necessità di connessione tra ricercatori e professionisti in Africa.

Da allora, l’organizzazione è cresciuta diventando una celebrazione annuale dell’IA africana con oltre 600 partecipanti e eventi locali IndabaX svolti in quasi 30 paesi africani. Abbiamo anche sovvenzioni per la ricerca, premi per tesi e programmi complementari, tra cui un programma di tutoraggio – che ho avviato durante la pandemia per mantenere la comunità coinvolta.

Nel 2017, non c’erano pubblicazioni con un autore africano, lavorando presso un istituto africano, presentate a NeurIPS, la conferenza leader di machine learning. I ricercatori di intelligenza artificiale in tutto il continente africano stavano lavorando in silos: alcuni avevano persino colleghi che lavoravano sullo stesso argomento presso un’altra istituzione sulla stessa strada senza saperlo. Attraverso l’Indaba, abbiamo costruito una comunità vivace nel continente e i nostri ex partecipanti hanno creato nuove collaborazioni, pubblicato articoli a NeurIPS e in tutte le principali conferenze.

Molti membri hanno ottenuto lavoro presso importanti aziende tecnologiche, fondato nuove startup sul continente e avviato altri fantastici progetti di intelligenza artificiale a livello locale in Africa. Sebbene organizzare l’Indaba richieda molto lavoro, il tutto viene ripagato vedendo i successi e la crescita della comunità. Ogni volta che partecipo al nostro evento annuale, mi sento ispirato e pronto ad affrontare il futuro.

Cosa ti ha portato a DeepMind?

DeepMind era l’azienda dei miei sogni in cui lavorare, ma non pensavo di avere una possibilità. Di tanto in tanto, ho lottato con la sindrome dell’impostore: quando circondato da persone intelligenti e capaci, è facile paragonarsi su un singolo asse e sentirsi un impostore. Fortunatamente, la mia meravigliosa moglie mi ha detto che non avevo nulla da perdere nel candidarmi, così ho inviato il mio curriculum e alla fine ho ricevuto un’offerta per un ruolo di ingegnere di ricerca!

La mia precedente esperienza nell’ingegneria del software mi ha davvero aiutato a prepararmi per questo ruolo, poiché potevo fare affidamento sulle mie competenze ingegneristiche per il lavoro quotidiano mentre sviluppavo le mie competenze di ricerca. Non ottenere subito il lavoro dei sogni non significa che la porta sia chiusa per quella carriera per sempre.

Di quali progetti sei più orgoglioso?

Recentemente ho lavorato su un progetto che riguarda la capacità degli agenti artificiali di trasmettere culturalmente in tempo reale. La trasmissione culturale è una competenza sociale che gli esseri umani e alcuni animali possiedono, che ci dà la capacità di apprendere informazioni osservando gli altri. È alla base dell’evoluzione culturale cumulativa e del processo responsabile dell’ampliamento delle nostre competenze, strumenti e conoscenze attraverso più generazioni.

In questo progetto, abbiamo addestrato agenti artificiali in un ambiente simulato 3D per osservare un esperto che esegue un nuovo compito, quindi copiare quel modello e ricordarlo. Ora che abbiamo dimostrato che la trasmissione culturale è possibile negli agenti artificiali, potrebbe essere possibile utilizzare l’evoluzione culturale per generare l’intelligenza artificiale generale (AGI).

Questa è stata la prima volta che ho lavorato su RL su larga scala. Questo lavoro combina l’apprendimento automatico e le scienze sociali, e c’era molto per me da imparare dal lato della ricerca. A volte, il progresso verso il nostro obiettivo era anche lento, ma alla fine ci siamo riusciti! Ma in realtà, sono più orgoglioso dell’incredibilmente inclusiva cultura che avevamo come team del progetto. Anche quando le cose erano difficili, sapevo di poter contare sui miei colleghi per il supporto.

Fai parte di qualche gruppo di pari a DeepMind?

Sono stato molto coinvolto in diverse iniziative di diversità, equità e inclusione (DE&I). Sono un forte sostenitore del fatto che la DE&I sul posto di lavoro porti a risultati migliori e che per creare l’IA per tutti, dobbiamo avere rappresentanza da un insieme diversificato di voci.

Sono un facilitatore per un workshop interno sul concetto di Alleanza, che consiste nell’utilizzare la propria posizione di privilegio e potere per sfidare lo status quo a sostegno delle persone appartenenti a gruppi emarginati. Sono coinvolto in vari gruppi di lavoro che mirano a migliorare l’inclusione della comunità tra gli ingegneri di ricerca e la diversità nelle assunzioni. Sono anche un mentore nel programma di borse di studio di DeepMind, che ha partnership in Africa e in altre parti del mondo.

Quali impatti speri possa avere il lavoro di DeepMind?

Sono particolarmente entusiasta delle possibilità che l’IA possa avere un impatto positivo sulla medicina, soprattutto per una migliore comprensione e cura delle malattie. Ad esempio, le condizioni di salute mentale come la depressione colpiscono centinaia di milioni di persone in tutto il mondo, ma sembra che abbiamo una comprensione limitata dei meccanismi causali dietro di esse e quindi opzioni di trattamento limitate. Spero che nel futuro non troppo lontano, i sistemi AI generici possano lavorare in collaborazione con esperti umani per svelare i segreti delle nostre menti e aiutarci a comprendere e curare queste malattie.

Scopri di più sulla ricerca presso DeepMind e cerca le posizioni aperte oggi stesso

Visualizza le posizioni aperte: https://www.deepmind.com/careers/jobs?sort=alphabetical