Facebookの人工知能（AI）の研究者であるアンジェラファンは、ほとんどの人がAIが何であるかを理解していないことを知っています。 この現実に伴う不満にもかかわらず、ファンは彼女が選んだ分野に本当に満足しています。
「これらの驚くべき潜在的な用途がある研究問題に取り組むことは非常にエキサイティングです」と彼女は言います。
ファンが大学に入学したとき、彼女はAIになってしまうとは思いもしませんでした。 まず、彼女は医者か看護師になると思った。 その後、公衆衛生と疫学に興味を持ち、彼女は統計学を専攻として選んだ。 彼女はすぐに、コーディングの方法を学ぶことが「データをより効率的に操作および分析する」のに役立つことに気づき、コンピューターサイエンスにも飛び込みました。 この道が彼女をデータサイエンスインターンシップへと導きました。 そのため、彼女はFacebookのデータサイエンティストに応募し、その役割を取得しました。
Facebookに参加してまもなく、彼女はAI研究チームについて学びました。 彼らが行っていた仕事に興奮して、彼女は移籍を申し込んだ。
「私は自分の申請にあまり自信がありませんでしたが、とにかく試すべきだと思いました」と彼女は共有します。 「やったことはとてもうれしい。」
Fanの経験とAIの詳細については、読み続けてください。
チームを移管するのはどうですか？
Facebookでは、人々はさまざまなチームで働くことが奨励されています。 実際、Facebookに参加したい主な理由は「ブートキャンプ」プロセスでした。多くの人が一般的な役割に雇われ、フルタイムで参加するグループを決定する前に、さまざまなチームと話し、さまざまな小さなタスクを試すことができます。
チームの移動に関しては、チームで1年間働いた後、従業員は別のチームを「ハッキングして」、それがどのようなものか、参加するのが楽しいかどうかを確認できます。スムーズ。
内部移行を検討している人への私のアドバイスは次のとおりです。チームを選択できることは大きな特権です。 チームのマネージャーと話をするだけでなく、他の人々と知り合いになって、彼らの仕事、チームのダイナミックさ、利用できるプロジェクトの機会について尋ねることによって、機会を本当に最大化します。 何を学びたいか、そしてチームの目標があなたが取り組みたい分野と一致しているかどうかを検討してください。
あなたの言葉で は、 人工知能と は 何ですか？
AIは、人間のように考え、決定を下すようにコンピューターに教えることを試みる科学分野です。 Facebookの例としては、自動言語翻訳、写真へのインタラクティブな効果の追加、フィード内の投稿のランキング、不快なコンテンツのブロックなどがあります。
AIについての1つの神話は、AIは自給自足で、完全に単独で実行できるということです。 それは真実ではありません。今日のAIは猫や犬と同じくらいスマートです。 これはこれまでの進歩を減らすことではありませんが、まだ先は長いです。 また、人間の仕事を置き換える準備ができているという誤解もあります。 しかし、一般的に、AIは人々とその仕事を補完します。 たとえば、AIを使用すると、医師は医療画像内のがん細胞をより迅速に検出できるため、医師は治療計画と回復に役立つ時間を確保できます。
あなたにとって典型的な仕事の日とは？
午前中、私はよく研究トークまたは「読書会」に出席します。そこでは、さまざまな人が自分がやっている、または読んでいる仕事を発表します。 その後、電子メールに返信し、科学論文を読み、アルゴリズムのさまざまなアイデアである「実験」をチェックインして、それらがどれほど成功しているかを確認します。
私のチームとの昼食後、私は頭を下げてコーディングし、さらに実験をセットアップしています。 木曜日の午後は、インターンとのミーティング、アドバイスするプロジェクトの監督、進行中の結果について話し合い、次にやってみたいことのアイデアを共有するプロジェクトミーティングに出席することに専念しています。 議論を続けるとどうなるかわからないので、これらのブレーンストーミングセッションに多くの時間を費やすのが好きです。
あなたが今取り組んでいる特定のプロジェクトにあなたは興奮していますか？
私は広くテキスト生成に取り組んでいます。これは、テキストを記述するモデルを改善する方法に焦点を当てています。 これの1つの用途は翻訳です。 たとえば、モデルはフランス語の文を読み、フランス語の単語を読みながら、対応する英語の翻訳を書きます。
私が現在取り組んでいるプロジェクトは、翻訳モデルを強化するアルゴリズムを使用して、短編小説の作成などの創造的なタスクにそれらを適用することです。 目標は、前提（スーパーヒーローに関する物語など）を取り、それについて1つか2つの段落を書くことができるモデルを作成することです。 ほとんどのテキスト生成タスクは段落ではなく文に焦点を当てているため、これは非常に興味深い研究問題です。 実際に意味のある複数の文を書くことができるアルゴリズムを作成することは困難です！
