面试

Ravi Kumar S.,Infosys,Infosys,采访Missy Cummings,Duke大学科学院人类和自治实验室主任

玩播客

00:00.
00:00.


成绩单

  • Ravi Kumar S.
    00:13
    Ravi Kumar S.

    大家好,我叫拉维·库马尔,印孚瑟斯总裁。欢迎来到开拓者的下一个版本。这次我们用虚拟的方式来做。今天我有一位非常尊贵的嘉宾,密西·卡明斯——杜克大学人工智能教授。Missy已经在杜克大学工作了几年她也是人类与自主实验室和杜克机器人的主任。她的研究兴趣包括人机交互、人-车交互、人类自主系统、协同系统工程、无人驾驶汽车的公共政策影响以及技术的伦理和社会影响。关于米西,我读过的最有趣的事情之一,也是我听说过很多次的事实是她是一名海军军官和90年代的一名军事飞行员,她是首批海军女战斗机飞行员之一。

    哇,我想说这是一个多么大的转变啊!欢迎来到节目,米西,感谢你今天的加入。

  • Missy Cummings.
    01:26
    Missy Cummings.

    谢谢你邀请我。我一直很喜欢和印孚瑟斯打交道。

  • Ravi Kumar S.
    01:31
    Ravi Kumar S.

    谢谢你,小姐。非常感谢你所做的一切。Missy, you know the most fascinating thing I’ve read about you when, in fact you know I'm a nuclear engineer myself and I thought it was a leap to go to technology, but you beat all standards - from a fighter pilot to a professor in AI. Do you know of anybody else who has done this?

  • Missy Cummings.
    01:58
    Missy Cummings.

    不,实际上我没有。但我会告诉你,我在几年前对大西洋进行了接受采访了,老实说,老实说,我不知道人们是如何成为教授的,而不是首先是战斗机。我发现'杀戮或杀死'态度在这份工作中为我提供了很好的服务。

  • Ravi Kumar S.
    02:30
    Ravi Kumar S.

    什么激励你这样做?

  • Missy Cummings.
    02:35
    Missy Cummings.

    当我在飞行的时候,特别是在驾驶战斗机的时候,我做了3年,据我所知这3年里大约有36人死亡。我一个月就认识一个人。在所有情况下,这都不是战争。这些都是可以避免的事故。这其实是机器与人之间糟糕的互动。人们只是不明白这些飞机在做什么,以及它们是如何超越人类能力的。所以,这真的激励了我,所有那些死去的人。我认为肯定有更好的方法来设计这些系统。难道没人做点什么吗?这就是激励我去拿博士学位的原因,然后,我来到了这里。

  • Ravi Kumar S.
    03:10
    Ravi Kumar S.

    如果我可能会问你最后一个关于你最喜欢的战斗机的战斗机问题?

  • Missy Cummings.
    03:16
    Missy Cummings.

    好吧,这很棘手。是的。所以,我的意思是如果我能在历史上任何时候成为飞行员,我想成为一名第二次世界大战的飞行员,在运营商上飞行A-7条纹。我知道这会听起来很可怕,但他们真的是男子气概的飞机。他们是大引擎,我只是喜欢大引擎。我也非常喜欢A-4,因为它是一个非常粗加工的三角翼飞机。它可以做一个副翼卷。是的,你可以在一秒钟内完成几次。所以,但最终F / A-18是教导我如何去超音速的飞机,这总是有趣的。但是,当我们开始将计算机技术转移到驾驶舱时,那么我的机器互动的重要性,这就是我看到真正的跨利赛。 So, they were all good. But, really I'd rather be a World War II pilot.

    rk:谢谢Missy,为您的个人轶事。我想把齿轮转向AI,你运行的人类自主实验室可能会重新定义人类和机器的相互作用。我想重新定义你可以放大人类的潜力。我们在旅途中在哪里,因为有很多关于无人驾驶汽车的谈话。实际上,AI社区有点痴迷于无人驾驶汽车。我实际上相信与无人驾驶汽车的解决方案有更容易的问题。我想知道为什么我们采取了最复杂的,与其他人类机器相互作用相比,可能会更加成熟,更容易实现。

  • Missy Cummings.
    05:01
    Missy Cummings.

    好吧,你和我在同一页上。实际上,不仅有更容易的问题,而且我认为我们应该看一些更重要的问题,真正在人类和机器,计算机,技术一起工作的交叉点。我认为我们在无人驾驶汽车社区所看到的事情是感知系统可以令人难以置信的脆性,它由AI提供动力。因此,它也不仅仅是在自动驾驶车辆中,但还有许多其他域名真正寻求用启用AI的技术取代人类。我只是想我们正在看错问题。我认为我们真的需要开始思考人类的增强和合作,因为在大多数部门,商业部门,我实际上今年的亚马逊机器人休假。亚马逊永远不会彻底取代人类。我们真正需要做的是开发更好的团队合作策略,使得机器可以进行死记硬背,沉闷,肮脏,危险的工作,人类可以在不确定性下解决问题。

  • Ravi Kumar S.
    06:14
    Ravi Kumar S.

    事实上,我一直在研究的一件事是,在未来,如果我们真的在人和机器之间找到正确的方法,解决问题将是机器的努力,而发现问题将是人类在很多方面的努力。说得很贴切。但如果我回到你刚才说的,你认为哪些行业会更快地适应人工智能,比如制造业、采矿业或农业?我认为与人工智能社区所处理的复杂行业相比,做人工智能执行相对容易得多。

  • Missy Cummings.
    07:00
    Missy Cummings.

    好吧,我觉得你刚刚击中了钉子。我认为制造业,我认为特别是现在我一直在使用亚马逊机器人。AI是必要的,但这并不充分。因此,我们需要AI和人类驱动的系统。采矿,我在西澳大利亚和皮尔巴拉矿山度过了多年。这是我们迫切需要进行技术进入并替换一些人类的另一个领域。但是,所做的是,它将人类从铁矿石坑中移出,例如并进入这些远程运营中心,这需要更高水平的技能和更细微的细微和技术的交互。所以,每当我听到人们开始谈论机器人时,它会替代工作,我告诉别人没有!每个人都需要放松一下。它只会创造更多的工作。 And indeed, in America you can see that Amazon is like one big vacuum cleaner of companies that's vacuuming up every human it can from all levels and walks of society and indeed, you know, Amazon has a lot of technology. So, I think that people need to appreciate that while there is a lot of hype out there, I think that the real job creation and the real value added and we can see it in manufacturing and mining and many other industries will be the combination-collaboration of humans and technology.

  • Ravi Kumar S.
    08:35
    Ravi Kumar S.

    谢谢你。而且你知道健康危机讽刺的一件事是,它增加了数字化,以大的方式加速了数字化。但更重要的是,它将世界变成了一种宣称,我会称之为。所以,在某种程度上,我们知道,我们已经移动了分散的分散加速数字化,因为工作正在分散,工作正在与企业断开连接。工作正在与工作断开连接。所以,你是否认为无人机技术可能是,你知道,它已经存在了一段时间,但这是一个无人机技术的拐点,因为分散的世界我们都会在健康危机之后居住?

  • Missy Cummings.
    09:21
    Missy Cummings.

    好吧,我会说有没有无人机技术,你知道,我们会看到远程交付吗?我认为还有更多的技术。我认为Covid真的陷入了敏锐的重点,为什么我们需要支持的各种元素,我将考虑分发的工作安排。无人机技术,他们正在缓慢但肯定的进步,但我们不打算看到它们只是爆发到现场,也许像我们看到无人驾驶汽车,有一些物理限制。无人机只能带来这么多的技术。作为一个人在城市地区的飞行无人驾驶的人,高风,他们毁了电池寿命 - 你知道只有很多运营问题,使无人机不会随着人们的想法而导致的尖端,除了他们制造业我们看到了越来越多的足迹,并将有其他技术或相关技术。映射,我认为这是一个无人驾驶中的另一个重要领域。但我实际上更广泛地思考,Covid教授我们在能够在分布式工作和本地采购工作之间快速移动时需要更加灵活。所以我想的是,我希望的是人们会拿走这些经验教训并开始学习什么,而当我说敏捷时,我几乎在内部翻身,因为我知道这是一个过度使用的流行语,但你甚至都知道当这种疫苗开始在全球范围内分发时,我认为将有新的和新兴的活动可能需要,这需要使各国和公司需要在这些工作技术之间来回来回。

  • Ravi Kumar S.
    11:20
    Ravi Kumar S.

    谢谢你,小姐。事实上,在过去的几周里,Infosys推出了一个叫做Aia的东西给企业,我恰好和斯坦福大学的教授谈到Erik Brynjolfsson,他也在Ai上工作,我一直在与他一起交谈多年。我们开始相信的一件事是我们有第二个拐点。The first one being on consumer AI for the last decade or so and we think this is an inflection point, where you’re going to see acceleration of AI in businesses, enterprises and that's also because the level of trust, the level of preciseness of machine learning and AI algorithms has kind of started to hit that point that it's better than where humans were. It's, you know, businesses are not as complicated as driving a car on the streets, but we've got to the point where we think that inflection point does come for a better embrace of AI. Do you believe we are at an inflection point for businesses to adapt more AI?

  • Missy Cummings.
    12:39
    Missy Cummings.

    我确实同意我们在适应AI的企业的拐点,我认为那里有很多困惑。作为教授,我在课堂和我与之合作的公司中看到这一点。你知道,AI对不同的人来说意味着不同的东西,它从非常直截了当的地方,我们将呼叫基于古典规则的AI的任何地方,以获得具有神经网络的更多的连接主义方法。而且我认为,前进的公司的真正挑战是如何确保您了解在合适的时间和右侧介绍的正确AI是什么。我认为,至少在美国更广泛地在美国看到了地平线的一个大问题,我的意思是我们甚至不是今天的地平线,我们根本不是训练足够的人与ai的推理,原因关于AI,包括医疗系统等测试和认证和安全关键系统,也适用于商业系统。当然,金融系统需要确保我们了解证券和漏洞。所以,我绝对认为我们处于拐点。但随着拐点的拐点,随着AI的需求越来越大,越来越需要了解各级的人,包括入境级劳动力,但我必须告诉你我的意思是,我不需要讲你因为你对AI非常聪明,但大多数首席执行官我谈到并不真正诚实地,他们没有线索。 And so, I'm very worried about if the C-Suite does not understand what they're asking people to do, that this is where I can see some problems coming from.

    rk:和Missy,你知道,你提出了这一非常重要的技能点。事实上,有一个概念,AI将夺走过去的工作。但是,也有同样受欢迎的概念,我会创造更多未来的工作。但没有人知道如何创建桥梁和重新resking。这也是我们弥合我们在数字技能中创造的包容性和多样性划分的机会吗?

  • Missy Cummings.
    14:59
    Missy Cummings.

    我完全同意需要开始解决,你知道,我们谈论再培训,提高技能,但我认为在很多情况下是新技能。数字风景永远与我们同在。我们将永远不会回到一个我们不需要至少熟悉的人的领域,如果不深入了解人工智能,数字安全,网络物理系统,你知道这些东西都在一起。至少在美国,我一直大力提倡让所有的计算机科学学位和社区大学免费。我们应该向所有人敞开大门,这符合多样性的需要。最近我做了一个演讲,我们欣赏性别多样性和种族多样性,但我也认为有重要的背景多样性包括从农村地区引进人才。地理位置不同,你会发现来自不同背景的人会带来新的想法。如果你继续建立一个同质的劳动力不论你的背景是什么,这不是明智的商业意识。所以,我认为我们需要在这个国家更加努力地工作。我认为其他国家做得更好。 But even there we need to reach further into particularly rural communities to get that strength of diversity in thought.

  • Ravi Kumar S.
    16:40
    Ravi Kumar S.

    谢谢你,米西,说得好。事实上,我想为你们挤出最后一个问题,这是一个很有吸引力的问题。我是从首席执行官那里听到的,他们非常了解人工智能,正在围绕它进行测试和构建假设。让它负责任,你提到了发现更多用例,在企业中扩展人工智能,但让它负责任同样重要,数据有很大的偏见,过去的数据有很大的偏见,没有人知道如何消除这种偏见。这是一门不断发展的科学。有什么想法吗?

  • Missy Cummings.
    十七24
    Missy Cummings.

    我认为试图了解偏见的来源,我已经在这方面写了广泛,在AI中非常重要。偏见来自创建算法的人,那些测试算法的人,然后是解释算法的人。等等,并且除了可能会蠕变到您选择的数据集中的偏差之外。所以,我认为我的最大担忧是我们不是培训,当然,这落在了我和其他教授,我们不是培训人们如何成为追随主体的关键解构者思想家。而且我认为这很难,因为我们作为专业人士我们想说我的数据或建模过程中没有主观性,但答案是存在的,在那里有每个模型。所以,我认为我们需要花更多的时间为团队努力实际识别,而且你知道,你永远不会远离它,但你至少可以减轻它。

  • Ravi Kumar S.
    18:28
    Ravi Kumar S.

    谢谢你,小姐。那太棒了。如此伟大的谈话。我可以继续上几个小时,并感谢你是一个未来主义者,实际上是一个现实主义者。在很多方面,你是AI现实主义者。谢谢你鼓励我们所有人,并谢谢你今天的时间。

  • Missy Cummings.
    09:25
    Missy Cummings.

    谢谢你让我。我总是喜欢与Infosys朋友互动。

    rk:谢谢你。