Devi Parikh war zuvor Senior Director für generative KI bei Meta und ist Mit-Geschäftsführerin eines KI-Startups.

Obwohl sie über einen Doktortitel verfügt, erläutert sie, dass dieser für die Arbeit im Bereich der fortschrittlichen KI nicht zwingend erforderlich ist.

Laut Parikh war es entscheidend für ihren Erfolg in der Branche, Ideen bis zum Ende zu verfolgen.

Dieser Artikel basiert auf einem Gespräch mit der 41-jährigen Devi Parikh, die in San Francisco lebt. Der Text wurde hinsichtlich Länge und Klarheit bearbeitet.

Anfänge und Ausbildung

Meine Leidenschaft für künstliche Intelligenz wurde in den frühen 2000er Jahren geweckt, als ich Elektrotechnik und Informatik studierte. Zu diesem Zeitpunkt wurde ich mit einer Form des maschinellen Lernens, dem sogenannten Mustererkennen, vertraut.

Im Jahr 2009 schloss ich meine Promotion in Computer Vision an der Carnegie Mellon University ab – lange bevor die heutige Begeisterung für großen Sprachmodellen (LLMs) und generative KI aufkam. Doch wir hatten das gleiche Ziel: Maschinen intelligenter zu machen.

Im Anschluss übernahm ich Forschungs- und Lehrpositionen und verbrachte 2016 ein Jahr als Forschungswissenschaftlerin am Facebook AI Research (FAIR). In den folgenden Jahren verbrachte ich meine Frühjahrs- und Sommermonate bei FAIR in Menlo Park, Kalifornien, und unterrichtete im Herbst Computer Vision am Georgia Institute of Technology.

Im Laufe der Zeit empfand ich meine Tätigkeit bei Meta als erfüllender als meine Professur und wechselte 2021 in eine Vollzeitstelle. Schließlich wurde ich Senior Director für generative KI.

Im Jahr 2024 verließ ich Meta, um zusammen mit meinem Ehemann und einem Freund ein KI-Unternehmen namens Yutori zu gründen.

Wichtige Lektionen für den Einstieg und Erfolg in der KI

1. Doktortitel sind nicht zwingend erforderlich

Professoren- und Forschungswissenschaftlerpositionen im Bereich KI geben zwar oft einen Doktortitel als Voraussetzung an, es gibt jedoch auch andere spannende Stellen in diesem Bereich.

Es gibt triftige Gründe, einen Doktortitel zu erwerben, insbesondere wenn man in der Academia arbeiten oder bestimmte Ideen vertiefen möchte. Wenn das Hauptziel jedoch darin besteht, interessante KI-Arbeiten zu leisten und zu lernen, wie der Prozess abläuft, könnte man die fünf bis sechs Jahre stattdessen in Startups oder großen Labors investieren.

Man kann auch eigene Projekte verfolgen und Open-Source-Code sowie Online-Communities nutzen, um praktische Erfahrungen zu sammeln.

Durch konsequente Zeit- und Arbeitsaufwendung wird man sich hervorheben und gleichzeitig neue Fähigkeiten erlernen.

Ich glaube, dass sich die Wahrnehmung, ein Doktortitel sei in dieser Branche notwendig, im Laufe der Zeit verändert hat. Bei Yutori berücksichtigen wir diese Qualifikation nicht stark bei der Einstellung. Hier suchen wir statt dessen nach relevanter Erfahrung, insbesondere in der Modellierung, und bewerten, wie die Kandidaten in technischen Interviews abschneiden, die Programmierprobleme und Systementwurfsfragen beinhalten.

2. Halten Sie Ihre berufliche Identität flexibel

Zwischen 2011 und 2013 erlebte die KI-Community eine „Deep Learning-Welle“, als die Effektivität tiefer neuronaler Netze zunehmend erkannt wurde.

Einige meiner Kollegen verknüpften ihre Identität eng mit den Werkzeugen, mit denen sie gearbeitet hatten, und zögerten, auf tiefe Modelle umzusteigen, obwohl klar war, dass sie die Probleme, mit denen wir uns beschäftigten, wesentlich besser lösten.

Dieses Feld entwickelt sich schnell weiter, und wenn sich zeigt, dass neue Werkzeuge besser funktionieren, sollte man an der Vergangenheit festhalten.

Ich habe auch gelernt, nicht an bestimmten Forschungsbereichen festzuhalten. Während meiner Promotion arbeitete ich an Computer Vision, später beschäftigte ich mich mit multimodalen Problemen und später mit generativen Modellen für Bilder und Videos. Zu diesem Zeitpunkt wusste ich nicht, dass ChatGPT bevorstand und dass generative KI plötzlich zur Priorität in der Technologie werden würde. Hätte ich meine Identität als Forscherin für Computer Vision behalten, hätte ich Chancen verpasst.

3. Verfolgen Sie Ihre echten Interessen

Auf dem Papier war meine Stelle bei Meta außerordentlich. Strategisch betrachtet würde man wahrscheinlich nicht ein Unternehmen gründen wollen, wenn man den Erfolg von Startups kennt und wüsste, dass man so nicht weiter in seiner Karriere aufsteigen kann.

Es mag unklar sein, ob eine Gelegenheit der richtige Schritt ist, aber es gelingt mir leicht, Zeit und Mühe in Dinge zu stecken, von denen ich denke, dass sie Spaß machen, und dadurch qualitativ hochwertigere Arbeit zu produzieren, die Beachtung findet.

4. Ideen konsequent umsetzen

Das Verfolgen von Ideen bis zum Ende – 100 %, nicht 95 % – war vielleicht das Wichtigste, was mir geholfen hat, mich abzuheben und das zu erreichen, was ich habe.

Beispielsweise startete ich während der COVID-19-Pandemie eine YouTube-Serie namens „Humans of AI“, in der ich etwa 20 KI-Forscher in meinem Netzwerk über ihre täglichen Gewohnheiten, Stärken und Unsicherheiten interviewte. Ich glaubte, dass das Sichtbarmachen der menschlichen Seite der KI-Forscher, die wir auf ein Podest stellen, anderen in der Community zeigt, dass auch sie eine ähnliche Wirkung erzielen können.

Die Resonanz war groß, und es erhöhte meine Sichtbarkeit. Ich traf Leute auf Konferenzen, die möglicherweise nichts über meine Forschung wussten, aber die Serie sahen.

Viele Menschen sind begeistert, wenn sie 20 oder 30 % ihrer Ideen umgesetzt haben, doch oft lässt das Interesse schnell nach, und sie lassen viele unvollendete Projekte zurück. Wenn man eine Idee nicht bis zum Ende verfolgt, kann sie ihren Einfluss nicht entfalten oder einen zu den nächsten Schritten führen.

Wenn du etwas tun möchtest, dann tu es einfach, anstatt zu viel zu analysieren und keine Fortschritte zu machen.

Haben Sie eine Geschichte über den Aufbau einer Karriere in der KI zu erzählen? Kontaktieren Sie diesen Reporter unter [email protected].