De bijdrage van vrouwelijke wetenschappers aan onderzoek en onderwijs is van groot belang voor de UvA FNWI. In 2010 lanceerde de faculteit het zogenaamde MacGillavry-programma met als doel het aantal vrouwelijke wetenschappers in vaste dienst gedurende een aantal jaren te vergroten. Het MacGillavry Fellowship-programma, vernoemd naar professor Carolina MacGillavry, is bedoeld voor vrouwelijke onderzoekers met een sterke track record en de ambitie om een ​​leidinggevende positie binnen de UvA te verwerven.

Vorig jaar zijn meerdere wetenschappers aangenomen voor het onderzoeksthema Informatica en AI binnen ons Instituut voor Informatica (IvI) en het Institute for Logic, Language and Computation (ILLC). We spraken met Siân Brooke, Ana Lucic, Martha Lewis en Lise Stork over hun onderzoek en ervaringen.

Siân Brooke

Universitair docent aan het Digital Interactions Lab, IvI

Programmeeromgevingen worden vaak gezien als plekken waar mensen nuttige tools creëren, in plaats van als interfaces en tools op zichzelf. Daarom wordt er weinig gedaan aan het verbeteren van hun bruikbaarheid. Siân Brooke wil AI gebruiken om programmeeromgevingen toegankelijker te maken, met name voor neurodiverse vrouwen.

Volgens Brooke is een van de grootste obstakels voor vrouwen in de softwareontwikkeling dat deze omgevingen vaak gebaseerd zijn op een masculiene benadering van probleemoplossing. 'Oudere denkwijzen suggereren dat technologie aantrekkelijk maken voor vrouwen betekent dat je het 'meisjesachtig' maakt door het roze te kleuren', legt ze uit. 'Maar we kunnen deze ruimtes echt inclusief maken door te ontwerpen met vrouwen, queer personen en neurodiverse individuen in gedachten. Het gaat erom omgevingen te creëren die empowerment bieden in plaats van betutteling, en die meer mensen uitnodigen om deel te nemen.'

Onlangs was Brooke een van de elf onderzoekers van de FNWI die een NWO Veni-subsidie ontvingen om hun ideeën verder te ontwikkelen. Het afgelopen jaar, dat ze omschrijft als 'veel proberen alles gaandeweg uit te zoeken', heeft duidelijk zijn vruchten afgeworpen. Als eerste coördinator van het User Interaction Lab (UIL) is Brooke verantwoordelijk voor het toezicht op de middelen en technologieën van het lab die zowel onderwijs als onderzoek ondersteunen. 'We hebben dit jaar een heel vriendelijke MacGillavry-groep en mijn onderzoeksgroep is super gastvrij', voegde ze eraan toe. Brooke waardeert ook de flexibiliteit die ze heeft bij het vormgeven van haar vakken. 'Je kunt er echt je eigen stempel op drukken, en dat is erg leuk.'

Ana Lucic

Universitair docent AI, gezamenlijke positie IvI en ILLC

Hoewel AI-modellen wereldwijd worden gebruikt, weten we niet precies hoe ze tot hun antwoorden komen. Daarom worden de interne werking van deze modellen vaak "black boxes" genoemd. Ana Lucic, universitair docent AI, pakt dit probleem aan door interpreteerbaarheidsmethoden te ontwikkelen. Deze methoden openen de black box en proberen de interne werking van een machine learning-model te begrijpen.

Lucic werkt ook aan machine learning-technieken voor weersvoorspelling. Onlangs publiceerden zij en haar collega's hierover een artikel in Nature. Traditionele weersvoorspelling is gebaseerd op het uitvoeren van kostbare en trage numerieke weermodellen. Lucic: 'Bij een machine learning-aanpak trainen we ons model op data die door deze traditionele modellen worden gegenereerd. Dit stelt ons in staat een machine learning-model te creëren dat de traditionele modellen nabootst. Machine learning-modellen zijn sneller uit te voeren, waardoor we voorspellingen van ordegrootte sneller kunnen doen.'

Drie jaar geleden verliet Lucic de UvA om bij Microsoft Research te gaan werken. Vorig jaar moest ze zich weer aanpassen aan het werken in de academische wereld. ‘Het is best even wennen om de academische wereld te verlaten, naar het bedrijfsleven te gaan en dan weer terug te keren naar de universiteit. Er zijn veel ballen in de lucht te houden, maar tot nu toe is het erg leuk.’ Een groot voordeel van werken aan de universiteit, aldus Lucic, is dat je omringd bent door mensen die aan een breed scala aan onderwerpen werken. ‘Vooral omdat je deel uitmaakt van twee instituten, hoor je vaak veel interessante ideeën.’

Martha Lewis

Universitair docent Neurosymbolic AI, ILLC

Hoewel mensen heel goed zijn in zich aanpassen aan nieuwe situaties, worstelen AI-modellen zoals ChatGPT met zelfs kleine aanpassingen in veel logische redeneerproblemen. Martha Lewis probeert dit te verbeteren door menselijke logica en structuren te integreren in AI, een vakgebied dat bekendstaat als symbolische AI. Lewis: 'We willen symbolische AI ​​en machine learning AI combineren en modellen creëren met verklaarbare interne processen die theoretisch onderbouwd zijn. Dit stelt ons in staat om precies te begrijpen hoe het model intern werkt en maakt het menselijker.'

Volgens Lewis is het erg belangrijk om te weten hoe de modellen werken om te begrijpen waarom ze een bepaald antwoord geven. Lewis en haar collega's ontwikkelen methoden om deze AI-modellen te doorgronden. De uitdagingen in dit onderzoek komen vooral voort uit het feit dat deze methoden zich nog in een vroeg stadium bevinden en dat de AI-modellen zelf erg groot zijn, met complexe en wijdverspreide structuren. Deze complexiteit is enigszins vergelijkbaar met die van het menselijk brein.

Voor haar onderzoek werkt Lewis samen met wetenschappers uit verschillende disciplines. ‘Ik heb samengewerkt met onderzoekers van het ILLC en de afdeling psychologie. Daarnaast heb ik contact gelegd met onderzoekers in Edinburgh, wat heeft geleid tot een ACL-artikel. Het is ook geweldig dat het ILLC zo dicht bij het Informatics Institute hier in Lab42 ligt.’

Lise Stork

Universitair docent aan het INtelligent Data Engineering Lab (INDElab), IvI

Onderzoekers werken met steeds complexere datasets. Hoe kunnen ze de data optimaal benutten en effectief delen? Dit is een van de vragen waar Lise Stork zich mee bezighoudt. Stork legt uit: 'Mijn onderzoek bevindt zich op het snijvlak van drie onderzoeksgebieden. FAIR data, wat staat voor vindbaarheid, toegankelijkheid, interoperabiliteit en herbruikbaarheid. Hybride intelligentie, gericht op het creëren van AI-systemen die de menselijke capaciteiten vergroten. En e-Science, gericht op het ondersteunen van wetenschappers in hun werk.'

Stork begeleidt meerdere promovendi die werken aan wetenschappelijke datasets in verschillende domeinen. 'Een nieuwe promovendus zal workflows ontwikkelen met mensen en conversationele AI, waardoor ze kunnen samenwerken aan de beste manier om de context van een dataset te beschrijven, zodat hergebruik eenvoudiger wordt.' Een andere promovendus werkt aan multimodale wetenschappelijke data. Stork: 'Wetenschappelijke data zijn inherent multimodaal. Een promovendus onderzoekt daarom hoe hij verschillende soorten data kan inzetten voor diverse taken, zoals data-integratie of kwaliteitscontrole, ter ondersteuning van wetenschappers.

Stork vond het afgelopen jaar de overstap van postdoc naar universitair docent aan de UvA erg leuk. Voor de toekomst vindt ze het belangrijk om een ​​duidelijke focus te ontwikkelen. 'Mijn grootste doel, voortbouwend op de studenten die ik al begeleid binnen mijn onderzoeksthema, is om een ​​onderzoekslijn op te zetten op het snijvlak van hybride intelligentie, FAIR data en e-science.'