今年、人工知能と機械学習 (ML) について概念的に学んだことを利用して、グレーター ボストン地域全体の学生は、Break Through Tech を通じて提供される体験学習の機会の一環として、新しいスキルを実際の業界プロジェクトに適用する機会を得ました。 MIT の AI。
MIT Schwarzman College of Computing が主催する Break Through Tech AI は、スキルベースのトレーニング、業界関連のポートフォリオ、学部生への指導を提供することにより、コンピューティング分野における女性と過小評価されているジェンダーの才能ギャップを埋めることを目的としたパイロット プログラムです。データサイエンス、機械学習、人工知能の分野でのキャリアをより競争力のあるものにするために、地域の大都市圏に配置します。
「Break Through Tech AI のようなプログラムは、他の学生や他の機関とつながる機会を与えてくれ、MIT の価値である多様性、公平性、包括性を、私たちが保有するスペースでの学習と応用にもたらすことができます」と Alana 氏は言います。アンダーソン氏は、MIT シュワルツマン カレッジ オブ コンピューティングの多様性、公平性、インクルージョンの副学部長です。
セーラム州立大学、スミス カレッジ、ブランダイス大学を含む 18 のグレーター ボストン地域の学校からの 33 人の学部生の最初のコホートは、昨年の夏、8 週間のオンライン スキルベースのコースを含む無料の 18 か月のプログラムを開始しました。 AIと機械学習の基礎。 その後、学生は秋に小グループに分かれ、MathWorks、MIT-IBM Watson AI Lab、Replicate から提示された 6 つの機械学習課題プロジェクトで協力しました。 学生たちは、通常のアカデミック コースの負荷と他の日常の活動や責任を両立させながら、チーム、ティーチング アシスタント、プロジェクト アドバイザーとのミーティングに毎週 5 時間以上を費やしました。
この課題により、学部生は、業界組織が取り組んでいる実際のプロジェクトに貢献し、機械学習のスキルをテストする機会を得ました。 また、各組織のメンバーがプロジェクト アドバイザーを務め、チーム全体に励ましとガイダンスを提供しました。
MIT シュワルツマン カレッジ オブ コンピューティングの戦略的産業関与担当ディレクターであり、MIT-IBM ワトソン AI ラボの MIT ディレクターでもある Aude Oliva 氏は、次のように述べています。 「これらのプロジェクトは、AI の仕事に応募する準備ができたときに、作業例として共有できる機械学習ポートフォリオへのアドオンになります。」
15 週間にわたって、チームは大規模な実世界のデータセットを掘り下げ、さまざまなコンテキストで機械学習モデルをトレーニング、テスト、評価しました。
12 月に MIT で開催されたショーケース イベントで、学生たちは自分たちの成果を祝い、6 つのチームが AI プロジェクトの最終プレゼンテーションを行いました。 このプロジェクトは、学生が AI と機械学習の経験を積むことを可能にしただけでなく、「技術者と技術者以外の聴衆の両方に自分の作品を提示する際の知識ベースとスキルを向上させる」のにも役立ちました、と Oliva 氏は言います。
交通データ分析のプロジェクトでは、学生は、MathWorks が開発したプログラミングおよび数値計算プラットフォームである MATLAB のトレーニングを受け、将来の車両軌道を予測することで自動運転における意思決定を可能にするモデルを作成しました。 「AI はそれほど知的ではないことを認識することが重要です。 ブランダイス大学の学生である Srishti Nautiyal 氏は、自分のチームのプロジェクトを聴衆に紹介しながら、こう述べました。 飛行機からトラックまでの自動運転車をすでに実現している企業があるため、物理学と数学を専攻する Nautiyal 氏は、彼女のチームは、乗客、ドライバー、歩行者の安全のためのモデルにおいて、技術の倫理的問題を検討することに非常に意欲的であると述べました。 .
国勢調査データを使用してモデルをトレーニングすることは、しばしば厄介で穴だらけであるため、注意が必要です。 MIT-IBM ワトソン AI ラボのアルゴリズムの公平性に関するプロジェクトで、チームにとって最も困難なタスクは、膨大な量の整理されていないデータをクリーンアップして、そこから洞察を得ることができるようにすることでした。 このプロジェクトは、実際のデータセットに適用される公平性のデモンストレーションを作成して、さまざまな公平性介入と公正メトリック学習手法の有効性を評価および比較することを目的としており、最終的には、AI の公平性について学び、それを使用することに関心のあるデータ サイエンティスト向けの教育リソースとして役立つ可能性があります。また、業界における機械学習モデルの倫理的影響を評価する慣行を促進することも目的としています。
その他のチャレンジ プロジェクトには、技術者以外の人が既成の機械学習モデルと対話するための ML 支援ホワイトボードや、障害者が他の人とコミュニケーションをとるのに役立つ手話認識モデルが含まれていました。 視覚言語アプリに取り組んだチームは、モデルに 50 を超える言語を組み込み、世界中の何百万人もの視覚障害者のアクセスを増やすことに着手しました。 チームによると、市場に出回っている同様のアプリは現在、最大 23 の言語しか提供していません。
学期を通して、生徒たちは自分たちのプロジェクトでフィニッシュラインを越えるために粘り強く、気概を示しました。 秋学期の終わりを告げる最終プレゼンテーションで、学生は春に MIT に戻り、Break Through Tech AI の旅を続けて、別のラウンドの AI プロジェクトに取り組みます。 今回、生徒たちは Google と協力して新しい機械学習の課題に取り組み、AI でのキャリアを成功させることを目指して、AI スキルをさらに磨くことを可能にします。
.