采访博士菲利普·巴里在混合人工智能和教育

卡梅伦Boozarjomehri博士(左)面试菲利普·巴里(右)。照片:李布朗

面试官:卡梅伦Boozarjomehri

欢迎来到知识播客的最新一期。在本系列中,软件系统工程师卡梅隆Boozarjomehri面试技术领导人横切了知识共享和协作不可或缺的一部分他们的实践。

菲利普·巴里博士的技术总监建模、仿真、实验和分析在主教法冠。当他不领先的模拟工作,他是在乔治梅森教授风险管理。曾经关注带来了新的工具和方法进教室,巴里医生乔治梅森和合作乔·加纳和阿里。扎伊迪从斜接的一代人工智能(AI)一代团队关系,创建一个首开先河的教训混合人工智能(AI)的风险管理。在这次采访,我们将讨论巴里博士的旅程,不仅在建筑的教训,但也扩大这项工作更大的乔治梅森系统工程和运筹学的程序。都是他所认为的关键步骤训练未来的技术领导人。

点击下面听播客:

事件记录
卡梅隆:	今日	(介绍音乐就是)大家好,欢迎来到横切的知识播客。我是你的主人,卡梅伦Boozarjomehri,今天我加入了一个非常特殊的客人,横切技术总监的建模、仿真、实验和分析,菲尔博士巴里。你好,菲尔。
菲利普:	00:30	嗨,你好吗?
卡梅隆:	00:31	好。所以如何工作…你喜欢你斜接的时间吗?
菲利普:	00:36	横切是伟大的。我是个长期斜接的人,所以我们做一些令人兴奋的事情。这是一个相对新的工作对我来说,和建模仿真、实验和分析将改变你的生活,卡梅伦。
卡梅隆:	00:47	我相信它。我认为就是一个很好的方式开始,像往常一样,我们喜欢有点背景我们跟谁说话。你…旅行在斜方进入这个职位或什么…将你带入这个领域的专业知识吗?
菲利普:	01:00	所以我来到斜接长,很久以前,在20年前,作为一名软件工程师,那时我可以代码。从那时起,我已经介绍了建模和模拟,在政府办公室工作了许多年。逃离它,然后最近这个,去年有一个机会去做一份工作交换旋转,如果你愿意,这个职位的人,我把它,
卡梅隆:	01:33	我很欣赏谦逊。是的,这是我应得的,因为听说除了好事的仿真工作。SIMEX是你们部门的一部分,对吧?
菲利普:	01:40	它确实是,是的。我们支持simex。
卡梅隆:	01:42	仿真实验,
菲利普:	01:44	正确的。
卡梅隆:	01:44	我们试图采取各种不同的任务对我们的赞助商和确保当他们面临这些任务在现实世界中,这是尽可能接近真实的东西。所以,我很兴奋你最近因为我有机会采访你的一位同事,阿里。扎伊我,他告诉我们他的工作代AI连结,你是他的主要合作者。我觉得这么做很有趣听到的另一边是什么样子周围创建一个课程将人工智能引入…一个实际的学术背景。
菲利普:	02:15	阿里告诉过你,我这边的工作之一是在乔治梅森工作作为兼职教授系统工程和运筹学。我开始和阿里和说话迈克尔Balazs,创AI的努力在主教法冠。我们开始思考我们可以把AI,不是像计算机科学课程的核心,但实际上也许部分嵌入课程。所以我继续说,是的,我想这样做。然后我根本不知道我们要做什么。所以我们开始课程,我们开始考虑风险管理。
菲利普:	02:55	现在我要有点爱唠叨的。就与我合作。风险,正如你可能知道的,基本上是三件事。其中一个是一个事件或一个动作。第二,这是一个结果。第三个是一个概率的发生。现在,经常在系统工程方面,我们估计风险的方法是在肯塔基州偏差。你听说过肯塔基偏差?
卡梅隆:	03:17	我从来没有听说过的表情。
菲利普:	03:18	当你把你的拇指在云端去:“那是,今天的风”。换句话说,我们猜测。
卡梅隆:	03:23	嗯。
菲利普:	03:24	我们所谓的启发式方法,我们使用专家意见但不是数据驱动。的挑战和信贷阿里和他的合作者乔·加纳——,我说,“有什么我们可以做在危险区域也许将在数据分析和机器学习开关我们做风险评估的路吗?“现在,只是背景,在这门课中我们做的事情之一乔治梅森是我给他们一个项目在学期的开始和每个星期,我们有一个讲座,然后他们有一个任务是基于讲座。其中一个是风险。这个项目是想出一个自治公交系统为乔治梅森从费尔法克斯校园马纳萨斯校园。
卡梅隆:	04:11	这不是一个简单的任务。
菲利普:	04:12	这不是一个简单的任务。如果你仔细想想,都有丰富的风险,但你的估计吗?这种风险发生的可能性有多少?你想出的影响呢?
卡梅隆:	04:25	特别是当它不存在。
菲利普:	04:28	完全正确。完全正确。所以我们说,让我们看看如果我们可以环顾四周,发现一堆数据,事情失败了,也许做一些类比推理说,这个项目是有几分像这样。所以我把我的老板在乔治梅森,我们这样做,我想,今年12月,1月。他说,当然。我们实际上并没有球场他们的主意,因为那个时候我们不知道我们在做什么。然后在接下来的几周,阿里和乔不仅想出了课程但想出了一个办法数据驱动的风险评估。这就是我们给学生们改变他们的思考方式的风险。
卡梅隆:	05:07	这是你设置的方式,这是我真的想跳进因为你提到你想要结合课程,而不仅仅是一块中心的课程。你说你不想花就像一个模块或两个专注于人工智能。你想说这事,这项技术是将变得如何的一部分,至少,我们的行业也没有什么进步,我们需要弄清楚,这不仅仅是你可能遇到的东西。这将会成为你日常生活的经验做这项工作的一部分风险管理。
菲利普:	05:40	我认为,我认为它有机会。我会给你一个例子。我老了还记得电脑第一次打击街头。我的女儿现年14岁,从来没有生活在一个世界里,她没有回答每一个问题在她的手。这是她的方式方法。我是一个数字移民。她是一个数字,这是非常不同的。这就是我们要做创AI-pushing这个想法的机器学习和数据分析方法分成偶数,到小学,改变人们的思维方式。所以我们开始在大学水平。我们开始,我教一个研究生课程,但这个想法是,这是嵌入到人们的思维方式。 So it would be embedded in risk management; it might be embedded in scheduling; it might be embedded in other things just within the project domain. And, of course, within systems engineering writ large, there’s many opportunities for machine learning, AI, and that sort of thing.
卡梅隆:	06:36	我认为这实际上深入非常重要的一部分,这数字原生代和数字移民之间的区别,因为很多的人,我认为现在运行的行业,他们是,他们的职业是技术主管什么的。万博manbetx.app安卓当技术本身的未来是什么,我们理解今天。它并不总是电脑和我们现在的软件和工具。这是随着时间的推移,已建成和学习的东西。但也有很多人出生的现在,我不确定如果我足够年轻被包括。
菲利普:	07:10	你可能会对卡梅伦边缘,摇摇欲坠。嗯,那就这样吧。
卡梅隆:	07:14	但他们一直成长在一个世界,在那里他们有触摸屏,他们有这样的访问信息。真正的好处是理解如何包裹信息,如何缝合在一起来创建新的想法或识别忽略模式和旧的。
菲利普:	07:29	我会给你一个例子。我做一点与弗吉尼亚大学(国家冠军企业今年我可能指出的),我去上学,当我在工程学院早在80年代,是的,我们去工程学院在1980年代所做的那样。我们在很大程度上数学的猴子。我去流体力学课程,他们会说的一件事是,这里有一群方程和我去图书馆和英镑桌上我的头或数小时,直到我终于可以理解它。没有人了。数学实验室,你为什么要这样做呢?所以你可以做工程。这是一个改变我们做事的方式。
菲利普:	08:03	我认为我们一直与创AI认为这是一个转变的方式我们可以提供教育,不仅对工程企业。甚至一些文科的。我们开始思考,这是一个应用程序我们可以开始思考:如何使其数字化驱动,数据驱动的,而且你几乎能想到有探究的能力,建立一个模型,探索这是如何工作的。解释。
卡梅隆:	塔利班)	我认为这确实走到一种区域我们保持回到我们讨论不仅创人工智能,但人工智能作为一个整体,这是一个威胁因素,所有这一切。理解是一回事,AI将会帮助我们做得更好,更好,但这是另一件升值,人们担心它。他们不一定理解这项技术。很多人当他们了解人工智能,他们正在学习的螺母和螺栓水平,这是如何实现这个算法,不是在被交付的数据作为一个人,我怎么切它,分析它,把它放回一起使用这个新工具。我认为这是一个至关重要的领带回到你的课程因为你走近它,尤其是这个总线的例子,说这是,这是一个方式,这些工具只是在那里。这些工具如何造福我的学生或者利益他们的目标?
菲利普:	09:25	我认为这是一个伟大的观点。的一件事,当我把人工智能,我在研究生院的时候,他们会给我们一些c++代码,我们就会继续
卡梅隆:	09:34	哦,不。
菲利普:	09:35	是的,我必须学习c++的顺便说一下,我们做事情要遗传算法和分类器系统,等。类,我们的项目管理课程,阿里创建了一个Python笔记本和所有的代码,必要性和大型的代码隐藏。我给你另一个例子。你可能有一个iPhone之类的,你可以使用Siri, Siri并不吓人。每个人都使用Siri或Alexa的谷歌版本,的一件事是这不是恐吓,如果它不是一个巨大的新技能,你必须学习。
菲利普:	可惜	如果你看看阿里做了什么,它看起来有点像一个Excel电子表格。人很舒服。当我们开始把这个课程,你说的很对。如果我们说我们要让你学习人工智能,所以你必须学习一种TensorFlow包。噢,我的天哪,没有人愿意这样做。尤其是那些不是计算机科学家。但是如果我们- - - - - -
卡梅隆:	北京时间	这个词TensorFlow只是让我畏缩。
菲利普:	38	是的,对的。这是很酷的。
卡梅隆:	晚	它是。
菲利普:	41	但是如果你说,你知道,我们将给你一个Python页面或一个木星的笔记本,这是阿里做了什么,这里有一些事情你可以做的数据和所有你要做的就是改变这些变量和看看它显示。有一些数据分析,你不是真正的学习数据分析下阴谋,你使用它作为一个工具。
菲利普:	11:03	给你另一个简单的例子。你真的理解你的车是如何工作的吗?
卡梅隆:	还剩11分08秒	我知道气体和轮胎旋转。
菲利普:	十一10	对的,气体和轮胎旋转。从前,如果是你,长,长时间,甚至在当我有了车,人们理解引擎。有很多电子产品,很少有人真正了解发生了什么,但是你害怕与你的车吗?不,当然不是。你每天开车去上班,你去看你的朋友,等等。使这个工具就像一个电子表格,这样人们得到舒适,但你说的完全正确。你看,你说人工智能,人们认为《终结者》之类的东西,它会接管。公平地说,世界就会改变。绝对的。
卡梅隆:	11:44	这个,我觉得这是一个重要的转变,因为我们的目标并不是说人工智能是一个替代的人。人工智能是一个插件,一个协作工具。我认为很多人,当他们想到人工智能,他们认为,这个算法是我要做的工作比我可以,现在我完成了。在现实中,当你仍然是推动任何努力的人。你将制定法律的人,你将规划城市的人,等等。和机器并不会为你这样做,但是他们能给你当人们在城市,你要的方式,这是通常发生的事情,是你想要的结果吗?我认为这可以追溯到你的课程,因为你可以在不同的尺度。
卡梅隆:	32	有,我们可能不需要每个人都成为城市规划者,但你正试图整合,我猜我应该退一步,因为它是一件事我明白了这是一个研究生课程,当我在研究生院,我不得不做。但是我觉得当人们,当你把这个在所有水平的学术界,这种工作,这取决于激动的人们走动或者是多么容易的抓住更大的想法,真正影响人们是否自然把那项工作。我,我想我说的是什么,我好奇的想看看你面临什么样的挑战而言,这不仅仅是一个研究生课程,但people-going-through-academia-at-all-levels-of-systems工程课程。
菲利普:	13:16	我是沉默的说我可以回答这个问题。我一定会给你我的意见。出来的这样的一件事是有趣的是当我们看着学生的反馈,他们说,“你为什么要这么做?你为什么把这个课程吗?“我们正在做项目管理的课程。我的猜测是,尤其是当你开始离开STEM-related课程,和你开始也许更文科…。我和杰Crossler,这里的总工程师,他在谈论他们是如何做的一个艺术历史上阶级,艺术史的机器学习,我发现令人着迷。
菲利普:	13:54	现在的公会,如果你愿意,一个专业知识,没有使用很多机器学习和人工智能。我认为你会得到一点数字移民的抵制。现在,比如我的女儿,她14岁,她教自己如何代码。她的三个朋友,他们在做协作编码和他们协同工作,它们坐落在北弗吉尼亚。
卡梅隆:	第14章22节	这绝对是惊人的。很高兴听到。我认为我们特别是生活在一个时代,当你指出的那样,我们有这么多的数据在我们的指尖。如果我真的想学什么,我只是去学习它。我不需要等待许可或去上学。
菲利普:	14:33	这就是我认为我很乐观,我不需要说服人们的这一代。另一件事,顺便说一下,这是让你彻夜的事实,中国这样做是在规模,这几乎是一个国家安全问题。中国正在推动人工智能和计算机科学到小学,在规模,他们比我们多三倍多的人,实际上四倍。这是一个国家安全问题,我们应该做的事情,并不仅仅因为它很酷,它,但它实际上是对美国人这样做。想象一下,如果你会,而不是计算机科学家和人工智能专家的工作,你有艺术家的思考。这就是当你开始思考如何设计iPhone之类的东西。这不仅仅是一群人,认为线性。这是一个不同的观点在intersection-type Frans约翰森进入讨论。
卡梅隆:	15:31	实际上,我觉得这是一个更广泛的讨论观点的多样性。是一回事,有很多人知道如何构建一个应用程序或系统,或如何构建一个应用程序为您的系统。这是另一件事给人使用那些工具与无论你正在构建的系统,真正说话的语言和知识的工作,没有什么,他们知道他们可以与你分享,这样你都可以在相同的页面上更快。
菲利普:	15:56	所以我要给现在模拟的无耻的插头。
卡梅隆:	15:59	就去做吧。
菲利普:	16:01	如果你听说过术语反设事实,“如果”。如果我们改变这一状况,它看起来如何?这是模拟能做什么。这也是一些AI系统能做什么。如果你有一个推荐系统,你知道,你去餐馆在一个城市,你没有看Yelp不熟悉?我不喜欢。现在有一个推荐系统。这是一个众包。现在假设有一个算法,它说卡梅隆看餐馆你已经过去一年,我们建议,我们有,在哪里?哦,亚马逊。
卡梅隆:	下午	是的。
菲利普:	下午	正确的。
卡梅隆:	16:31	我要诚实。有时我发现这些算法很烦人,因为我买了一块手表,然后花剩下的月试图卖给我另一个。
菲利普:	十六	另一个手表。
卡梅隆:	十六	(相声),就像我已经看的原因。不过谢谢你。
菲利普:	发表	但是想想这个。想想如果你能故意这样做。想想如果你有别人在你可以问一个算法,这是我们现在的地方。这是一个可怕的事情吗?这可能有点怪异。我是家得宝(Home Depot)试图得到一些信息。我意识到我说的是聊天机器人。
卡梅隆:	16:58	好吧。我觉得我有点,我想这将是这个词如果我发现我说的是聊天机器人,而不是人。(相声)
菲利普:	17:05	当我意识到“对话”,我在报价中使用这个词,前途,是正确的。但是我想问题是,回到创AI,发生了两件事,其中之一是我们有一个即将到来的一代,一直都这样。第二件事是,技术的发展突飞猛进,所以我的女儿进入职场的时候,想一想。思考,技术是12年前相比,现在的地方。很有趣,如果你看电影,它是一部电影从2000年代初你看手机。
卡梅隆:	十七33	是的,他们是
菲利普:	十七34	翻盖手机。
卡梅隆:	十七34	或砖。
菲利普:	17:35	或砖,现在这一代人工智能的事情,这个想法是为了让人们满意,不是每个人都是写算法,但是也许每个人的舒适的使用功能和工具和思考的可能性空间。这就是我兴奋。
卡梅隆:	记上17:52	我认为一个重要的区别是,我不认为人们害怕AI被它吓倒。成长在这样一个世界的人只知道技术和人工智能。这感觉就像自然的东西或者他们最终只是会相互作用。但那些花了所有的时间在一个世界,他们使用打字机,他们使用固定电话,突然你这个东西在你的口袋里,给你所有这些访问。
卡梅隆:	18:21	是的,一方面,这是很容易看到的所有好处。另一方面,它可以恐吓当你发现这是你将如何工作的未来也不是伟大的推人,说,这是你现在的生活,接受它。这就是这个程序,我觉得这就是为什么我们总是谈论它。这种持续的努力,横切显示,像我们在这里和你一起工作,来教你。你不是刚刚扔在水里,将成败。我们给你,而不是一条救生索,我们给你一个木筏,教你如何使用它。
菲利普:	18:54	是的。我认为,差异之一是它可以追溯到这个反设事实的想法。我们开始思考,如果,如果我可以这样做吗?如果我能做什么呢?那就不那么令人生畏。当我们开始思考你知道,更多的在人工智能领域,我们的目标我认为在创人工智能是这融入课程,当然在干细胞领域也在其他的事情,这是一种可能性,这是一个工具,这是你的画笔,如果你愿意,你可以使用。它不是,“你现在是一个系统工程师,你现在要用这个,你现在一个行动研究分析师。你现在要用这个数据分析”。
菲利普:	7:30	然后随着技术的成熟,人们一般都很好奇,我的意思是有些人会继续,屹耳,不想跳,但我认为它将出现,出现然后又不继续猛击桌子,你告诉我不要磅表。当你开始思考数字原生代,当然你后面那一代,这是他们所知道的一切。
卡梅隆:	19:50	我认为最后一个重要的事情是这个数字原生代的划分和数字移民的,你得买甚至从别人这是一个你的课程的一部分。我很好奇,如果你能说这些对话是什么喜欢显示人们这就是我们正在做的事来帮助我们。
菲利普:	20:07	当我开始与我的老板在乔治梅森,我说,你知道,这是字段的位置移动,不仅仅是横切。我们开始思考课程,都是机会提高我们所做的系统工程以及想想我们的系统工程方法需要改变系统人工智能密集型领域。他说,当然,请便。当我们向他大约一个月前,原来它真的走了出去。的一个试点,希望我们会有机会,你提到也许跟课程委员会。只考虑一个更广泛的应用。
卡梅隆:	20:43	我认为一个好的最后一点是如果人们想了解更多关于创人工智能或明确你的工作,将这个引入系统工程和风险管理。什么样的资源可以他们寻找或接触吗?
菲利普·巴里:	20:54	在横切,Michael Balazs领导创AI努力和他可以说话,在更广泛的意义上,你可以叫我说话在横切的事情我做了专门风险管理和试图影响系统工程课程在乔治梅森。在更广泛的世界里,我相信,看到我对外。还有一个我意识到通过努力史蒂文斯理工学院SIRC系统工程研究财团,想出了一个研究议程如何集成人工智能和系统工程,这可能是一个很好的起点。
菲利普:	21:34	这是我的挑战任何人听这个。不要看。发生了什么。如果你在横切,当然了解创AI。这并不意味着你必须参与。开始思考,你知道吗?什么是可能性空间。如果我想做什么在我的工作,也许我的研究兴趣,甚至在我的个人生活,很好的是什么?它的迷人的这是我在这里待一段时间。我想大约10年前的事情,现在东西在哪里。 This is happening and I have what I call the WTOP challenge. If you don’t believe me, next time you’re going into work, turn on WTOP here in Washington and if you don’t hear AI and machine learning five times before you get to work, I’ll buy you a cup of coffee.
卡梅隆:	海啸	菲利普·巴里博士的真实的承诺。
菲利普:	二二	完全正确。
卡梅隆:	二二	非常感谢您的光临,与我们交谈。我想给一个快速感谢斜方和知识企业做这个节目。再一次,感谢你你的令人难以置信的工作构建这个课程,我想我们都很兴奋听到接下来会发生什么,那些对话的未来人工智能系统工程内的样子。
菲利普:	22:47	嗯,这是有趣的。我很感谢你邀请我,我会期待着听我说。
卡梅隆:	22:51	太棒了。
菲利普:	22:52	谢谢。