Prenant ce qu’ils ont appris conceptuellement sur l’IA et l’apprentissage automatique (ML) cette année, les étudiants de toute la région du Grand Boston ont eu l’occasion d’appliquer leurs nouvelles compétences à des projets industriels réels dans le cadre d’une opportunité d’apprentissage par l’expérience offerte par Break Through Tech AI au MIT.
Break Through Tech AI, hébergé par la MIT Schwarzman School of Computing, est un programme expérimental qui vise à combler le manque de talents des femmes et des genres sous-représentés dans les domaines informatiques en offrant une formation basée sur les compétences, des portefeuilles pertinents pour l’industrie et un mentorat aux étudiants de premier cycle en régions métropolitaines régionales afin de les rendre plus compétitives pour des postes en science des données, en apprentissage automatique et en intelligence artificielle.
“Des programmes comme Break Through Tech AI nous donnent la possibilité de nous connecter avec d’autres étudiants et d’autres institutions, et nous permettent d’apporter les valeurs de diversité, d’équité et d’inclusion dans l’apprentissage et l’application du MIT dans les espaces que nous possédons”, déclare Alana Anderson. Doyen associé pour la diversité, l’équité et l’inclusion à la MIT Schwarzman School of Computing.
La première classe de 33 étudiants de premier cycle de 18 écoles de la région du Grand Boston, dont Salem State University, Smith College et Brandeis University, a commencé le programme gratuit de 18 mois l’été dernier avec un cours en ligne de huit semaines basé sur les compétences pour apprendre le bases de l’intelligence artificielle et de l’apprentissage automatique. Ensuite, les étudiants se sont divisés en petits groupes à l’automne pour collaborer sur six projets de défi d’apprentissage automatique qui leur ont été soumis par MathWorks, le MIT-IBM Watson AI Lab et Replicate. Les étudiants réservent cinq heures ou plus chaque semaine pour rencontrer leurs équipes, leurs assistants d’enseignement et leurs conseillers de projet, y compris une fois par mois au MIT, tout en jonglant avec leur charge de cours académique régulière avec d’autres activités et responsabilités quotidiennes.
Les défis ont donné aux étudiants de premier cycle une chance d’aider à contribuer à des projets réels sur lesquels travaillent des organisations industrielles et de mettre à l’épreuve leurs compétences en apprentissage automatique. Des membres de chaque organisation ont également agi en tant que consultants pour le projet, encourageant et guidant les équipes tout au long du projet.
« Les étudiants acquièrent une expérience dans le domaine en travaillant en étroite collaboration avec des conseillers de projet », explique Aude Oliva, directrice de l’engagement industriel stratégique au MIT Schwarzman College of Computing et directrice du MIT-IBM Watson AI Lab. “Ces projets seront un ajout à leur portefeuille d’apprentissage automatique qu’ils pourront partager comme exemple de travail lorsqu’ils seront prêts à postuler pour un emploi en IA.”
Au cours de 15 semaines, les équipes ont passé au crible des ensembles de données à grande échelle du monde réel pour former, tester et évaluer des modèles d’apprentissage automatique dans divers contextes.
En décembre, les étudiants ont célébré les fruits de leur travail lors d’un événement vitrine au MIT où les six équipes ont présenté les présentations finales de leurs projets d’IA. Les projets ont non seulement permis aux étudiants de développer leur expertise en matière d’IA et d’apprentissage automatique, mais ont également contribué à “améliorer leur base de connaissances et leurs compétences en présentant leur travail à des publics techniques et non techniques”, explique Oliva.
Pour le projet d’analyse des données de trafic, les étudiants ont été formés sur MATLAB, une plateforme de programmation et de calcul numérique développée par MathWorks, pour créer un modèle permettant la prise de décision en conduite autonome en prédisant les trajectoires futures des véhicules. “Il est important de réaliser que l’IA n’est pas si intelligente. C’est seulement aussi intelligent que vous le faites et c’est exactement ce que nous avons essayé de faire”, a déclaré Srishti Nautiyal, étudiante à l’Université Brandeis, en présentant le projet de son équipe au public, avec des entreprises qui font déjà Pour faire des camions une réalité, Nutella, physicienne et mathématicienne, a partagé que son équipe était également très enthousiaste à l’idée de prendre en compte les problèmes éthiques de la technologie dans leur modèle pour la sécurité des passagers, des conducteurs et des piétons.
L’utilisation des données de recensement pour former un modèle peut être difficile car il est souvent désordonné et plein de trous. Dans un projet sur l’équité algorithmique pour le MIT-IBM Watson AI Lab, la tâche la plus difficile de l’équipe consistait à nettoyer des montagnes de données non structurées de manière à en tirer des informations. Le projet – qui vise à créer une vision de l’équité appliquée à un ensemble de données réel pour évaluer et comparer l’efficacité de différentes interventions d’équité et de techniques d’apprentissage de métriques équitables – pourrait éventuellement servir de ressource pédagogique pour les scientifiques des données intéressés à en savoir plus sur l’équité dans l’IA et l’utiliser dans leur travail, ainsi que pour promouvoir la pratique de l’évaluation des implications éthiques.Pour les modèles d’apprentissage automatique dans l’industrie.
D’autres projets de défi comprenaient un tableau blanc assisté par ML permettant aux personnes non techniques d’interagir avec des modèles d’apprentissage automatique prêts à l’emploi, et un modèle de reconnaissance de la langue des signes pour aider les personnes handicapées à communiquer avec les autres. Une équipe travaillant sur une application de langage visuel a inclus plus de 50 langues dans son modèle pour augmenter l’accès pour les millions de personnes malvoyantes à travers le monde. Selon l’équipe, des applications similaires sur le marché ne proposent actuellement que jusqu’à 23 langues.
Tout au long du semestre, les étudiants ont persévéré et ont montré leur détermination afin de franchir la ligne d’arrivée sur leurs projets. Avec les présentations finales marquant la fin du semestre d’automne, les étudiants retourneront au MIT au printemps pour poursuivre leur voyage dans la percée technologique pour l’IA afin de s’attaquer à une autre série de projets d’IA. Cette fois, les étudiants travailleront avec Google sur de nouveaux défis d’apprentissage automatique qui leur permettront de perfectionner leurs compétences en IA en vue de démarrer une carrière réussie dans l’IA.