Angela Fan - en konstnärlig intelligens (AI) -forskare på Facebook - är medveten om att de flesta inte riktigt förstår vad AI är, än mindre vad hon gör på jobbet varje dag. Trots frustrationerna med den här verkligheten är Fan verkligen nöjd med det fält hon valde.
"Det är väldigt spännande att arbeta med forskningsproblem som har dessa fantastiska potentiella tillämpningar, " säger hon.
När Fan gick in i college hade hon ingen aning om att hon hamnade i AI. Först trodde hon att hon skulle vara läkare eller sjuksköterska. Sedan, fascinerad av folkhälsa och epidemiologi, valde hon statistik som sin huvudsak. Hon insåg snabbt att att lära sig att koda skulle hjälpa henne att "manipulera och analysera data mer effektivt", så att hon också drog sig in i datavetenskap. Denna väg ledde henne till en praktik inom datavetenskap, som hon älskade. Så hon ansökte om att vara datavetare på Facebook och fick rollen.
Strax efter att ha gått med på Facebook fick hon veta om deras AI-forskarteam. Upphetsad av det arbete de gjorde, ansökte hon om att överföra.
"Jag var inte så säker på min ansökan, men tänkte att jag skulle försöka ändå, " delar hon. "Jag är så glad att jag gjorde det."
För att lära dig mer om Fan's upplevelse och AI, fortsätt att läsa.
Hur är det att överföra lag?
På Facebook uppmuntras människor att arbeta i olika team. Egentligen var det främsta skälet till att jag ville gå med på Facebook "boot camp" -processen - många är anställda för en allmän roll och kan prata med olika team och pröva olika små uppgifter innan de bestämmer sig för vilken grupp som ska gå med på heltid.
När det gäller överföring av team, efter att ha arbetat på ditt team i ett år, kan anställda "hacka en månad" på ett annat team för att se hur det är och se om det skulle vara kul att gå med, så processen är ganska slät.
Mitt råd för alla som vill göra en intern överföring skulle vara: Det är ett stort privilegium att kunna välja ditt team. Maximera verkligen möjligheten genom att inte bara prata med cheferna i teamet utan också lära känna de andra och fråga dem om deras arbete, teamdynamiken och vilka projektmöjligheter som finns tillgängliga. Tänk på vad du vill lära dig och om teamets mål överensstämmer med de områden du vill arbeta med.
Vad är konstgjord intelligens i dina ord?
AI är det vetenskapliga området för att försöka lära datorer att tänka och fatta beslut som människor. Några exempel på Facebook är automatisk språköversättning, lägger till interaktiva effekter på foton, rangordnar inlägg i ditt flöde och blockerar stötande innehåll.
En myt om AI är att den är självförsörjande och kan köras helt på egen hand. Det är bara inte sant - AI idag är ungefär lika smart som en katt eller en hund. Detta är inte för att minska framstegen hittills, men vi har fortfarande en lång väg att gå. Det finns också den missuppfattningen att den är redo att ersätta mänskliga jobb. Men i allmänhet kompletterar AI människor och deras arbete. Till exempel kan AI hjälpa läkare att upptäcka cancerceller i medicinska bilder snabbare, vilket ger läkare mer tid att hjälpa dig med behandlingsplanen och återhämtningen.
Vad är en typisk arbetsdag för dig?
På morgonen deltar jag ofta i ett forskningsföredrag eller ”läsmöte”, där olika människor presenterar arbete de har gjort eller läst om. Efteråt svarar jag på e-postmeddelanden, läser ett vetenskapligt dokument och checkar in på mina "experiment" - olika idéer för algoritmer - för att se hur framgångsrika de är.
Efter lunch med mitt team är jag kodad och startar fler experiment. Jag ägnar mig åt torsdag eftermiddagar till mötet med praktikanter, övervakar projekt jag rekommenderar och deltar i mina egna projektmöten där vi diskuterar pågående resultat och delar idéer om vad vi kanske vill prova nästa. Jag gillar att lämna mycket tid för dessa brainstorming-sessioner eftersom du aldrig vet vad du kan tänka på om du fortsätter att diskutera.
Några specifika projekt som du arbetar med just nu som lockar dig?
Jag arbetar i stort med textgenerering, som fokuserar på hur vi kan förbättra modeller som skriver text. En användning av detta är översättning. Till exempel kommer modellen att läsa en fransk mening och, medan du läser de franska orden, skriver motsvarande engelska översättning.
Ett projekt jag arbetar med just nu är att använda algoritmerna som driver översättningsmodeller och tillämpa dem på kreativa uppgifter som att skriva noveller. Målet är att skapa modeller som kan ha en premiss (t.ex. en berättelse om en superhjälte) och skriva ett stycke eller två om det. Det är ett mycket intressant forskningsproblem eftersom de flesta textgenereringsuppgifter fokuserar på meningar, inte stycken. Att skapa algoritmer som kan skriva flera meningar som verkligen är vettiga tillsammans är utmanande!
