Съвременните технологии могат да бъдат намерени навсякъде. Компютрите ползват знания от минали данни и с помощта на алгоритми правят прогнози за бъдещето. Дотук добре, нали? Разнообразието от данни и тяхната оценка играят важна роля за успеха. Затова 6 дами от А1 Австрия споделят ентусиазма си по темата за разширения анализ на данни и изкуствения интелект (AAA – Advanced Analytics & Artifical Intelligence) в тази А1 история.

Невъзможно е да си представим живота ни без изкуствен интелект (АI). В ежедневието си ползваме роботизирани прахосмукачки, а телефоните ни сортират снимките ни по лицата на хората. В свободнто си време не просто се надпреварваме с времето, а проследяваме маршрута си. Състезаваме се с познати, а някои от нас се надяват да намерят такива в различни платформи за запознанства. Ами в работата ни? Нашият чатбот Кара, например, помага на клиентите ни, като отговаря на въпроси, а ние активно им предлагаме точните продукти. Митът, че разширените анализи и изкуственият интелект не ни засягат, отдавна вече е забравен.

Повече разнообразие!

Изданието »Само за жени«, свързано с »Анализ на данни и изкуствен интелект«, стартира този юли с поразителни примери, в които Микаела Барта-Мюлер и Симон Шолц опитаха да обяснят привидно сложната тема на 20 заинтересовани колеги. Те илюстрираха възможните и изненадващи връзки между изкуствения интелект и работата ни. Важна част от семинара беше значението на изкуствения интелект, когато става въпрос за коригиране на слепи петна или откриване на недостатъци при непредставени групи. В А1 Австрия нашият Data Scientist Донатела отговаря за перспективата на разнообразието и това »съставките«, с които захранваме базата ни данни, да са балансирани. Нашите »AAA модели за подражание« са екип с разнообразен опит, образование и интереси.

Алгоритмите са като рецепта

За да обясни разбираемо, Михаела ще смени компютъра с престилка за готвене и ще даде пример:

„Представете си рецепта – съставките са данните/влияещите фактори, количеството определя отношението на смесване и степента на влияние, а вие готвите по определена формула. Рецептата може да бъде лесна, ако правите бъркани яйца например (лесен анализ и модели като линейна регресия), или сложна като ястие от висшата кухня (от сложни модели до невронни мрежи). Ако използвате висококачествени съставки, тогава резултатът е различен – като при храната – в зависимост от уменията на готвача или специалиста по данни. Понякога обаче лесните модели са също толкова добри, колкото и сложните – точно както с рецептите. В края на краищата много хора предпочитат шницела пред ястието от фюжън кухнята.

Тези, които нищо не знаят, трябва да вярват на всичко.

Списъкът с популярни думи по темата е дълъг, но не много точен. Особено с деликатни теми, които са публично познати. Темата за данните за движението, например, има необходимост от изясняване. Важно е да се пита, да се информираме и по-скоро да стоим настрана от клишетата, отколкото да ги приемаме. Участниците в семинара споделиха своя опит и по отношение на предразсъдъците:

 


»За съжаление, все още се казва на момичетата, че те не са достатъчно компетентни за STEM областите (б.ред. – наука, технологии, инженерство и математика).


Въпреки това малката ми дъщеря (в началното училище) е много любопитна и се радва, че ѝ купих BBC Micro Bit V2, за да научи основите на кодирането.«
– Валтруд


»Дъщеря ми (5-годишна) обича динозаврите, сините и зелените цветове, колите и всички тези други стереотипно »момчешки« неща…


Вече дори се ядосва заради опаковките на играчките си, които показват само момчета, а никога момичета.« – Сандра

Опитът показва, че пътят към откритото мислене все още е дълъг:


»Синът ми е на 3 години и обича кукли, плюшени животни, розовия цвят и е с дълга коса.


Не само, че всеки непознат се обръща към него като момиче, а някои му казват, че трябва да си играе с коли и трактори, да се интересува от технологии и да стане инженер – куклите са за момичета. Ще се промени ли това някога?« – Марлис:

Нашите модели за подражание в A1 имат мисията да не плашат другите с темата за разширения анализ на данните и изкуствения интелект, а да изяснят, да изградят любопитство и ентусиазъм към нея. Повече жени в областта на техническите специалности, като анализа на данни, не само ще насърчават равен баланс между половете в професията, но също така и в нашата компания, като осигуряват положителен принос към нашите ESG цели.