Avishkar Bhoopchand, un ingegnere ricercatore del team Game Theory e Multi-agent, condivide il suo viaggio verso DeepMind e come sta lavorando per aumentare il profilo del deep learning in tutta l’Africa.
Scopri di più su Apprendimento profondo Indaba 2022il raduno annuale della comunità africana di intelligenza artificiale, che si svolgerà in Tunisia questo agosto.
Com’è una giornata tipo al lavoro?
In qualità di ingegnere ricercatore e responsabile tecnico, nessun giorno è lo stesso. Di solito inizio la giornata ascoltando un podcast o un audiolibro mentre vado in ufficio. Dopo colazione, mi concentro sulle e-mail e sull’amministrazione prima di lanciarmi nella mia prima riunione. Questi variano da incontri individuali con i membri del team e aggiornamenti di progetto a gruppi di lavoro su diversità, equità e inclusione (DE&I).
Cerco di ritagliarmi del tempo per la mia lista delle cose da fare nel pomeriggio. Queste attività potrebbero comportare la preparazione di una presentazione, la lettura di documenti 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 all’apprendimento per rinforzo (RL), come il modo in cui addestriamo gli agenti artificiali al lavoro. Quindi, passo molto del mio tempo a pensare al deep learning o al machine learning in un modo o nell’altro.
Come ti sei interessato all’intelligenza artificiale?
Durante un corso sugli agenti intelligenti presso l’Università di Cape Town, il mio docente ha presentato una dimostrazione di un robot a sei zampe che aveva imparato a camminare da zero utilizzando la realtà virtuale. Da quel momento in poi non ho potuto smettere di pensare alla possibilità di utilizzare meccanismi umani e animali per costruire sistemi capaci di apprendere.
All’epoca, l’applicazione e la ricerca sull’apprendimento automatico non erano davvero un’opzione di carriera praticabile in Sud Africa. Come molti dei miei compagni di studio, ho finito per lavorare nel settore finanziario come ingegnere informatico. Ho imparato molto, soprattutto riguardo alla progettazione di sistemi robusti e su larga scala che soddisfino le esigenze degli utenti. Ma dopo sei anni volevo qualcosa di più.
In quel periodo, il deep learning iniziò a decollare. Per prima cosa ho iniziato a seguire corsi online come quello di Andrew Ng lezioni di apprendimento automatico su Coursera. Poco dopo, ho avuto la fortuna di ottenere una borsa di studio presso l’University College di Londra, dove ho conseguito il master in statistica computazionale e apprendimento automatico.
Qual è il tuo coinvolgimento nel Deep Learning Indaba?
Oltre a DeepMind, sono anche un orgoglioso organizzatore e membro del comitato direttivo del Apprendimento profondo Indabaun movimento per rafforzare l’apprendimento automatico e l’intelligenza artificiale in Africa. È iniziata nel 2017 come scuola estiva in Sud Africa. Ci aspettavamo che circa 30 studenti si riunissero per apprendere l’apprendimento automatico, ma con nostra sorpresa abbiamo ricevuto oltre 700 domande! È stato sorprendente da vedere e ha mostrato chiaramente la necessità di connessione tra ricercatori e professionisti in Africa.
Da allora, l’organizzazione è cresciuta fino a diventare una celebrazione annuale dell’intelligenza artificiale africana con oltre 600 partecipanti ed eventi IndabaX locali organizzati in quasi 30 paesi africani. Disponiamo anche di borse di ricerca, premi per tesi e programmi complementari, incluso un programma di tutoraggio, che ho avviato durante la pandemia per mantenere coinvolta la comunità.
Nel 2017, non sono state presentate pubblicazioni con un autore africano, con sede presso un’istituzione africana NeurIPSla principale conferenza sull’apprendimento automatico. I ricercatori sull’intelligenza artificiale in tutto il continente africano lavoravano in silos: alcuni avevano persino colleghi che lavoravano sullo stesso argomento in un’altra istituzione lungo la strada e non lo sapevano. Attraverso l’Indaba, abbiamo costruito una fiorente comunità nel continente e i nostri ex studenti hanno continuato a formare nuove collaborazioni, pubblicando articoli su NeurIPS e tutte le principali conferenze.
Molti membri hanno trovato lavoro presso le migliori aziende tecnologiche, hanno formato nuove startup nel continente e hanno lanciato altri straordinari progetti di intelligenza artificiale di base in Africa. Sebbene organizzare l’Indaba richieda un duro lavoro, ne è valsa la pena vedere i risultati e la crescita della comunità. Lascio sempre il nostro evento annuale sentendomi ispirato e pronto ad affrontare il futuro.
Cosa ti ha portato a DeepMind?
DeepMind era l’azienda dei miei sogni per cui lavorare, ma non pensavo di avere alcuna possibilità. Di tanto in tanto, ho lottato con la sindrome dell’impostore: quando si è circondati da persone intelligenti e capaci, è facile paragonarsi su un unico asse e sentirsi un impostore. Fortunatamente, la mia meravigliosa moglie mi ha detto che non avevo nulla da perdere candidandomi, quindi ho inviato il mio CV e alla fine ho ricevuto un’offerta per un ruolo di ingegnere ricercatore!
La mia precedente esperienza nell’ingegneria del software mi ha davvero aiutato a prepararmi per questo ruolo, poiché ho potuto fare affidamento sulle mie capacità ingegneristiche per il lavoro quotidiano sviluppando al contempo le mie capacità di ricerca. Non ottenere subito il lavoro dei sogni non significa che la porta di quella carriera sarà chiusa per sempre.
Di quali progetti sei più orgoglioso?
Recentemente ho lavorato a un progetto sul dare agli agenti artificiali la capacità di trasmissione culturale in tempo reale. La trasmissione culturale è un’abilità sociale posseduta dagli esseri umani e da alcuni animali, che ci dà la capacità di apprendere informazioni osservando gli altri. È la base per l’evoluzione culturale cumulativa e il processo responsabile dell’espansione delle nostre capacità, strumenti e conoscenze attraverso più generazioni.
In questo progetto, abbiamo addestrato agenti artificiali in un ambiente simulato 3D per osservare un esperto mentre 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 contribuire a generare l’intelligenza generale artificiale (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 ho avuto molto da imparare dal punto di vista della ricerca. A volte anche i progressi verso il nostro obiettivo sono stati lenti, ma alla fine ci siamo riusciti! Ma in realtà sono molto orgoglioso della cultura incredibilmente inclusiva che abbiamo avuto come team di progetto. Anche quando le cose erano difficili, sapevo di poter contare sul supporto dei miei colleghi.
Fai parte di qualche gruppo di pari presso DeepMind?
Sono stato davvero coinvolto in una serie di iniziative su diversità, equità e inclusione (DE&I). Sono fermamente convinto che la DE&I sul posto di lavoro porti a risultati migliori e, per costruire un’intelligenza artificiale per tutti, dobbiamo essere rappresentati da una serie diversificata di voci.
Sono un facilitatore di un workshop interno sul concetto di Allyship, che riguarda l’utilizzo della propria posizione di privilegio e potere per sfidare lo status quo a sostegno di persone provenienti da gruppi emarginati. Sono coinvolto in vari gruppi di lavoro che mirano a migliorare l’inclusione comunitaria tra gli ingegneri ricercatori e la diversità nelle assunzioni. Sono anche mentore in Programma di borse di studio DeepMindche ha partenariati in Africa e in altre parti del mondo.
Che impatto speri che il lavoro di DeepMind possa avere?
Sono particolarmente entusiasta delle possibilità che l’intelligenza artificiale possa avere un impatto positivo sulla medicina, in particolare per una migliore comprensione e trattamento delle malattie. Ad esempio, 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 alla base di ciò e, quindi, opzioni terapeutiche limitate. Spero che in un futuro non troppo lontano i sistemi generali di intelligenza artificiale possano lavorare in collaborazione con esperti umani per svelare i segreti della nostra mente e aiutarci a comprendere e curare queste malattie.
Scopri di più sulla ricerca presso DeepMind e cerca oggi stesso i ruoli aperti
