¿Quién es Timnit Gebru? - MBA de cuatro semanas


Timnit Gebru es un científico informático con raíces etíopes apasionado por la diversidad tecnológica, la minería de datos y el sesgo algorítmico. Gebru también pasó una temporada notable en Google AI, investigando cuestiones éticas y sociales relacionadas con la inteligencia artificial.

carrera temprana

Gebru llegó a los Estados Unidos a la edad de 15 años después de huir de la guerra entre Eritrea y Etiopía. Inicialmente, trabajó como pasante de hardware en Apple, trabajando en proyectos relacionados con la calidad de audio de las computadoras.

En 2005, Gebru se convirtió en ingeniero de sistemas de audio de la empresa y diseñó los circuitos de audio para MacBook, MacBook Pro, iMac y Apple TV. Durante sus seis años en la empresa, se interesó en el software de visión artificial que podía reconocer figuras humanas.

Gebru también fundó MotionThink en 2011, una empresa que utilizó el pensamiento de diseño para crear soluciones para pequeñas empresas. Más tarde se convirtió en estudiante en el Recurse Center en Nueva York, trabajando en iniciativas de código abierto, así como sus habilidades de programación.

Universidad de Stanford

Gebru recibió una Maestría en Ciencias en Ingeniería Eléctrica de la Universidad de Stanford en 2010 y luego completó su doctorado bajo la supervisión del renombrado investigador e informático Fei Fei Li.

En el Laboratorio de Inteligencia Artificial de Stanford, Gebru fue autor de un trabajo innovador que expuso los prejuicios raciales y de género en el software de reconocimiento facial impulsado por IA. También utilizó algoritmos de visión por computadora para reconocer y luego clasificar los vehículos en función de 50 millones de imágenes de Google Street View.

Las características de estos vehículos se utilizaron para determinar la educación, la raza, el nivel de ingresos, los hábitos de votación y el grado de segregación de ingresos de un ciudadano. En última instancia, la tecnología de IA permitió a los investigadores detectar cambios demográficos y económicos en las comunidades en tiempo real.

Negro en IA

Junto con el científico informático etíope Rediet Abebe, Gebru fundó la organización de investigación tecnológica y el grupo afín Black in AI en mayo de 2017.

La organización se formó para aumentar la representación de personas negras en roles relacionados con la IA y, según su página de GitHub, es “la falta de visibilidad y apoyo para los que ya están sobre el terreno, lo que hace que se vayan o no alcancen todo su potencial.

IA de Google

Gebru se unió a Google AI en septiembre de 2018 como codirector del equipo de investigación de IA ética. Junto con la científica informática Margaret Mitchell, investigó el impacto de la inteligencia artificial y su capacidad para ayudar a la sociedad.

El trabajo de doctorado de Gebru en Stanford y la creciente popularidad del aprendizaje profundo la prepararon para una lucrativa carrera en Silicon Valley. Sin embargo, pronto se hizo evidente que había una contradicción entre los valores personales de Gebru y su trabajo técnico sobre algoritmos y automatización: "No me preocupa que las máquinas se apoderen del mundo,', escribió una vez. "Me preocupa el pensamiento grupal, el aislamiento y la arrogancia en la comunidad de IA.

Al recordar el consejo de Li sobre encontrar una manera de casar la justicia social con la tecnología, Gebru decidió que escribir artículos de investigación era una mejor manera de impulsar el cambio en la ética de la IA que plantear estos problemas a sus jefes en Google.

Como resultado, dejó la empresa en diciembre de 2020.

DAIR

Después de Google, Gebru fundó el Instituto de Investigación de IA Distribuida (DAIR) en agosto de 2021. DAIR es un proyecto de IA global e interdisciplinario con la creencia central de que las desventajas de la IA son evitables si su producción y entrega adoptan diferentes perspectivas.

Gebru dijo que DAIR se convertiría en parte de un ecosistema existente de institutos más pequeños como Data for Black Lives, Algorithmic Justice League y Data & Society.

Las tesis centrales:

  • Timnit Gebru es un científico informático de origen etíope apasionado por la diversidad tecnológica, la minería de datos y el sesgo algorítmico. Gebru también pasó una temporada notable en Google investigando cuestiones éticas y sociales relacionadas con la IA.
  • Gebru recibió su doctorado de Stanford bajo la supervisión del renombrado investigador y científico informático Fei Fei Li. En el laboratorio de inteligencia artificial de la universidad, escribió un artículo fundamental que expuso los prejuicios raciales y de género en el software de reconocimiento facial impulsado por IA.
  • Gebru se unió a Google AI en septiembre de 2018 como codirector del equipo de investigación de IA ética, pero dejó la empresa dos años después después de decidir que escribir artículos académicos era una mejor manera de impulsar el cambio ético en IA.

Leer más: Historia de OpenAI, modelos de negocio de IA, economía de IA.

Análisis del modelo de negocio en red

Paradigma de IA

Paradigma actual de IA

Pre-entrenamiento

Pre-entrenamiento

Modelos de lenguaje grande

Modelos de lenguaje grande LLMS
Los modelos de lenguaje grande (LLM) son herramientas de IA que pueden leer, resumir y traducir texto. Esto les permite predecir palabras y formar oraciones que reflejan la forma en que las personas escriben y hablan.

Modelos Generativos

modelos generativos

Ingeniería rápida

pronta ingenieria
La ingeniería rápida es un concepto de procesamiento del lenguaje natural (NLP) que implica identificar entradas que producen resultados deseables o útiles. Como ocurre con la mayoría de los procesos, la calidad de las entradas también determina la calidad de las salidas en la ingeniería rápida. El diseño de avisos efectivos aumenta la probabilidad de que el modelo devuelva una respuesta tanto afirmativa como contextual. El modelo de preentrenamiento de imágenes y lenguaje contrastivo (CLIP) desarrollado por OpenAI es un ejemplo de un modelo que utiliza indicaciones para clasificar imágenes y leyendas de más de 400 millones de pares de leyendas e imágenes.

Estructura organizativa de OpenAI

estructura organizativa openai
OpenAI es un laboratorio de investigación de inteligencia artificial que se transformó en una organización con fines de lucro en 2019. Su estructura corporativa consta de dos entidades: OpenAI, Inc., una LLC de Delaware de un solo miembro controlada por la organización sin fines de lucro OpenAI, y OpenAI LP, una organización de responsabilidad limitada con fines de lucro. OpenAI LP está gobernado por la Junta Directiva de OpenAI, Inc (la Fundación), que actúa como Socio General. Al mismo tiempo, los socios limitados incluyen empleados de LP, algunos miembros de la junta y otros inversionistas como la organización benéfica de Reid Hoffman, Khosla Ventures y Microsoft, el principal inversionista de LP.

Modelo de negocio de IA abierta

¿Cómo gana dinero Openai?
OpenAI ha construido la capa base de la industria de la IA. Con grandes modelos generativos como GPT-3 y DALL-E, OpenAI proporciona acceso a la API para las empresas que desean desarrollar aplicaciones basadas en sus modelos básicos mientras pueden integrar esos modelos en sus productos y utilizar esos modelos con datos patentados e IA adicional. personalizar características. Por otro lado, OpenAI también lanzó ChatGPT, que se basa en un modelo freemium. Microsoft también comercializa productos Opener como parte de su asociación comercial.

OpenAI/Microsoft

openai-microsoft
Desde un punto de vista comercial, OpenAI y Microsoft se asociaron. La historia de la asociación comenzó en 2016 y se solidificó en 2019 cuando Microsoft invirtió mil millones de dólares en la asociación. Ahora está dando un gran paso adelante: Microsoft está negociando para invertir $10 mil millones en esta asociación. Microsoft está desarrollando su supercomputadora Azure AI a través de OpenAI mientras mejora su plataforma empresarial Azure e integra los modelos OpenAI en sus productos comerciales y de consumo (GitHub, Office, Bing).

Modelo de negocio de IA de estabilidad

Cómo-Estabilidad-AI-Dinero
Stability AI es el motor detrás de Stable Diffusion. Stability gana dinero con nuestros productos de IA y proporciona servicios de consultoría de IA a las empresas. Stability AI monetiza Stable Diffusion a través de las API de DreamStudio. Al mismo tiempo, también se lanza como una versión de código abierto para que cualquiera pueda descargarla y usarla. Stability AI también gana dinero con los servicios empresariales, donde su equipo de desarrollo central brinda a los clientes empresariales la capacidad de mantener, escalar y personalizar Stable Diffusion u otros modelos generativos grandes para satisfacer sus necesidades.

Estabilidad del ecosistema de IA

Estabilidad del ecosistema de IA


Si quieres conocer otros artículos parecidos a ¿Quién es Timnit Gebru? - MBA de cuatro semanas puedes visitar la categoría Negocios Online.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Subir