Przedstawiamy kolejnego uczestnika naszego cyklu „Geek Out” – Shaya Stronga, dyrektora ds. analizy danych i uczenia maszynowego w firmie EagleView.
Shay dołączył do zespołu EagleView w związku z przejęciem przez nas firmy zajmującej się uczeniem maszynowym,
OmniEarth, w kwietniu 2017 roku. Od momentu dołączenia do firmy Shay pomaga EagleView torować drogę w rozwoju uczenia maszynowego, kierując wyspecjalizowanymi zespołami, które rozwijają nasze możliwości w zakresie sztucznej inteligencji w branżach, w których działamy.
Czytaj dalej, aby dowiedzieć się więcej o Shayu, lub
obejrzyj film.
Co cię teraz najbardziej kręci z tego, nad czym właśnie pracujesz?
Jestem naprawdę podekscytowany naszą ogólnokrajową
baza danych do analizy nieruchomości. Wykorzystujemy uczenie maszynowe nauka oraz wykorzystujemy sztuczną inteligencję w połączeniu z obrazami o wysokiej rozdzielczości firmy EagleView, aby wyodrębnić istotne informacje z każdego piksela, i to kilka razy w roku. Jesteśmy w stanie określić, co dzieje się z poszczególnymi domami (czy są uszkodzenia? w jakim są stanie? czy mają basen lub trampolinę?…). Rozszerzamy tę działalność na cały kraj, a potencjalnie nawet na cały świat. Możemy zacząć identyfikować zmiany na poziomie poszczególnych nieruchomości, co z kolei może prowadzić do wielu ciekawych analiz predykcyjnych.
Która z obecnych technologii naprawdę Cię teraz fascynuje?
Mam mieszane uczucia co do tworzenia aplikacji na iOS. Stworzyłem kilka aplikacji, wykorzystując iPhone’a jako czujnik naukowy. Moją pierwszą aplikacją był monitor jakości powietrza, który wykorzystywał aparat iPhone’a, filtr słoneczny i Słońce do oceny jakości powietrza. Ostatnio interesuje mnie technologia uczenia maszynowego, którą można wdrożyć na iPhone’ie i która wykorzystuje wszystkie techniki widzenia komputerowego. Poza tym jest mnóstwo możliwości związanych z funkcjami 3D iPhone’a i uczeniem maszynowym! Ponadto bardzo interesuje mnie zgłębienie tematu łańcucha bloków i badanie alternatywnych zastosowań tej technologii. Chodzi mi o wyjście poza kryptowaluty i wykorzystanie jej raczej w kontekście obrazowania.
Jak wygląda przyszłość uczenia maszynowego i sztucznej inteligencji?
Wydaje się, że sztuczna inteligencja coraz mniej opiera się na nadzorowaniu, a coraz bardziej na rozwiązaniach i odpowiedziach generowanych na bieżąco (natychmiastowych!). Dzięki nowemu sprzętowi obliczeniowemu i technologiom wdrażanie modeli uczenia maszynowego w lekkich formatach, które można zainstalować na urządzeniach mobilnych, dronach itp., staje się niezwykle łatwe — co być może sprawia, że potrzeba korzystania z rozbudowanych chmurowych potoków przetwarzania staje się mniej istotna. Z punktu widzenia nadzoru obecnie potrzebujemy dużej ilości danych, aby wyszkolić sieci neuronowe w zakresie rozumienia i interpretacji przestrzeni problemowej dla konkretnych przypadków użycia. Może to być świetne rozwiązanie dla firm (takich jak nasza!), które dysponują dużą ilością danych (obrazów) do przetwarzania i z których mogą pobierać próbki: dysponujemy zgromadzonymi informacjami, które pozwalają na przeprowadzanie analiz o wysokiej dokładności. Może to jednak tracić na znaczeniu, ponieważ algorytmy zmierzają w kierunku większej „samokontroli” i są w stanie osiągać więcej, dysponując na początku mniejszą ilością informacji.
Jaką wiadomość chcesz przekazać młodym dziewczętom, które chcą rozpocząć karierę w dziedzinie STEM?
NAUKA JEST NIESAMOWITA!! Miałam okazję odwiedzić tak wiele niesamowitych miejsc i dowiedzieć się niesamowitych rzeczy – najpierw jako astronomka, potem jako naukowiec zajmująca się statkami kosmicznymi, a obecnie jako analityk danych. Podróżowałam w odległe góry, by obserwować obszary formowania się gwiazd i skład chemiczny planet. Badałam warunki atmosferyczne za pomocą gigantycznych laserów umieszczonych na zboczach klifów na Hawajach, obserwując jednocześnie migrację wielorybów u wybrzeży. Brałam udział (czasami jako jedyna kobieta) w tajnych rządowych panelach z udziałem wysokich rangą generałów i/lub admirałów, podczas których omawiano projekty statków kosmicznych i ich zastosowania. Ilość informacji, podróży i dynamicznie zmieniających się projektów jest niezwykle ekscytująca i bardzo kreatywna. Wszystko, co robiłam, kochałam na różne sposoby i czerpałam z tego ogromną satysfakcję.
Bonus
„Gwiezdne wojny” czy „Star Trek”?
„Gwiezdne wojny”, ale tak naprawdę „Battlestar Galactica” albo „Firefly”, jeśli mam być szczery.
Co teraz masz na swojej playliście?
Obecnie mamy tu mieszankę wszystkiego. Dużo najnowszych utworów z nurtu indie i międzynarodowych artystów, takich jak Tase Sultana, Superorganism czy Luisa Maita
Shay, który uzyskał tytuł doktora astronomii na Uniwersytecie Teksańskim w Austin, zajmował się modelowaniem transferu promieniowania w atmosferach gazowych planet olbrzymów w naszym Układzie Słonecznym. Pracował również w Laboratorium Fizyki Stosowanej im. Johna Hopkinsa, gdzie zajmował się zarówno projektami z sektora obronnego, jak i cywilnego, opracowując różne instrumenty i technologie podczerwieni dla szerokiej gamy statków kosmicznych. W 2014 roku Shay dołączył do firmy OmniEarth (obecnie EagleView) i od tego czasu pełni rolę lidera w dziedzinie rozwoju rozwiązań opartych na uczeniu maszynowym.