Devi Parikh, frühere Senior Director für generative KI bei Meta und Mit-CEO eines KI-Startups, hat sich über ihre Karriere im KI-Sektor geäußert. Obwohl sie einen Doktortitel besitzt, betont sie, dass dieser nicht zwingend notwendig ist, um in der hochmodernen KI-Arbeit tätig zu sein. Ihrer Meinung nach ist die Fähigkeit, Ideen bis zum Ende zu verfolgen, entscheidend für ihren Erfolg in der Branche.
Frühe Inspiration und akademischer Hintergrund
Der Grundstein für ihre Leidenschaft für KI wurde in den frühen 2000er Jahren gelegt, als sie Elektrotechnik und Computertechnik studierte. Zu diesem Zeitpunkt kam sie mit einer Form des maschinellen Lernens in Kontakt, die als Mustererkennung bekannt ist.
Im Jahr 2009 schloss sie ihre Promotion in Computer Vision an der Carnegie Mellon University ab, lange bevor die derzeitige Begeisterung für große Sprachmodelle und generative KI aufkam. Dennoch verfolgten sie und ihre Kollegen das gleiche Ziel: Maschinen intelligenter zu machen.
Danach war sie in Forschungs- und Lehrpositionen tätig und verbrachte 2016 ein Jahr als Forschungswissenschaftlerin bei Facebook AI Research (FAIR). In den darauffolgenden Jahren arbeitete sie im Frühling und Sommer bei FAIR in Menlo Park, Kalifornien, und unterrichtete im Herbst Computer Vision an der Georgia Tech.
Mit der Zeit wuchs ihr Interesse an Meta gegenüber ihrer Professur, was sie dazu führte, 2021 in eine Vollzeitstelle zu wechseln und schließlich Senior Director für generative KI zu werden. Im Jahr 2024 verließ sie Meta, um ein KI-Unternehmen namens Yutori zu gründen, zusammen mit ihrem Ehemann und einem gemeinsamen Freund.
Wichtige Lektionen aus über 15 Jahren KI-Industrie
1) Ein Doktortitel ist nicht unbedingt erforderlich
Obwohl Professoren- und Forschungspositionen im Bereich KI oft einen Doktortitel als Voraussetzung auflisten, gibt es auch andere zukunftsweisende Stellen in diesem Bereich. Ein Doktortitel kann für akademische Laufbahnen oder die Erkundung bestimmter Ideen nützlich sein, aber wenn das Ziel darin besteht, interessante KI-Arbeit zu leisten, könnte man die fünf bis sechs Jahre besser bei Startups oder großen Labors verbringen.
Es besteht auch die Möglichkeit, an Nebenprojekten zu arbeiten und Open-Source-Code sowie Online-Communities zu nutzen, um praktische Erfahrungen zu sammeln. Durch kontinuierliches Engagement wird man in der Lage sein, aufzufallen und zahlreiche Fähigkeiten zu erlernen.
Parikh stellt fest, dass die Wahrnehmung, ein Doktortitel sei in dieser Branche notwendig, sich im Laufe der Zeit verändert hat. Bei Yutori berücksichtigt man diesen nicht stark, denn hier wird nach relevanter Erfahrung, etwa im Modelltraining, und der Leistung der Bewerber in technischen Interviews gesucht.
2) Halten Sie Ihre berufliche Identität flexibel
Zwischen 2011 und 2013 erlebte die KI-Community einen „Deep-Learning-Boom“, als die Effektivität tiefen neuronaler Netzwerke erkannt wurde. Einige Forscher verbanden ihre Identität stark mit den Tools, mit denen sie gearbeitet hatten, und waren zögerlich, auf tiefe Modelle umzusteigen. Diese Branche entwickelt sich jedoch schnell weiter, und wenn neue Tools bessere Ergebnisse liefern, sollte man sich von überholten Ansätzen lösen.
Parikh lernte auch, sich nicht an bestimmte Forschungsbereiche zu klammern. Sie arbeitete während ihrer Promotion an Computer Vision, wandte sich dann multimodalen Problemen und später generativen Modellen für Bilder und Videos zu. Hätte sie sich nur als Computer Vision-Forscherin betrachtet, wären ihr zahlreiche Chancen entgangen.
3) Verfolgen Sie Ihre echten Interessen
Auf dem Papier war ihre Position bei Meta beeindruckend, und strategisch betrachtet würde man nicht einfach einen Job aufgeben, um ein Unternehmen zu gründen, angesichts der Erfolgsquote von Startups. Es mag unklar sein, ob eine Gelegenheit der richtige strategische Schritt ist, aber sie findet es einfach, Zeit und Mühe in Dinge zu investieren, die sie für unterhaltsam hält, was zu einer höheren Qualität ihrer Arbeit führt.
4) Ideen konsequent umsetzen
Das Durchziehen von Ideen bis zum Ende – also 100% und nicht 95% – könnte das Entscheidende sein, das ihr geholfen hat, herauszustechen. Während der COVID-19-Pandemie begann sie beispielsweise eine YouTube-Serie mit dem Titel „Humans of AI“, in der sie etwa 20 KI-Forscher aus ihrem Netzwerk über ihre täglichen Gewohnheiten und Unsicherheiten interviewte. Ihr Ziel war es, den Menschen die menschlichen Seiten der fest etablierten KI-Forscher näherzubringen.
Diese Serie fand großen Anklang und erhöhte ihre Sichtbarkeit. Bei Konferenzen traf sie Menschen, die möglicherweise nichts über ihre Forschung wussten, aber die Serie gesehen hatten. Viele Menschen verlieren das Interesse, wenn sie 20 oder 30% mit der Umsetzung ihrer Ideen arbeiten und hinterlassen eine Menge unfertiger Projekte. Wenn man etwas nicht bis zum Ende sieht, kann es auch nicht die gewünschte Wirkung erzielen.
Wenn es etwas gibt, das man tun möchte, sollte man es einfach angehen, anstatt zu überanalysieren und nicht voranzukommen.
Haben Sie eine Geschichte über den Karriereaufbau im Bereich KI zu teilen? Kontaktieren Sie diesen Reporter unter [email protected].
