Pour donner aux femmes universitaires et autres axées sur l'IA le temps qu'elles méritent - et qui leur est dû - TechCrunch lance une série d'entretiens mettant en lumière des femmes remarquables qui ont contribué à la révolution de l'IA. Nous publierons des articles tout au long de l'année alors que le boom de l'IA se poursuit, mettant en lumière des travaux clés souvent méconnus. Lisez d'autres profils ici.
Emilia Gómez est chercheuse principale au Centre commun de recherche de la Commission européenne et coordinatrice scientifique d'AI Watch, l'initiative de la CE visant à surveiller les avancées, l'adoption et l'impact de l'IA en Europe. Son équipe contribue avec des connaissances scientifiques et techniques aux politiques en matière d'IA de la CE, notamment la récente proposition de la loi sur l'IA.
La recherche de Gómez est ancrée dans le domaine de la musique computationnelle, où elle contribue à la compréhension de la manière dont les humains décrivent la musique et des méthodes de modélisation numérique. Partant du domaine de la musique, Gómez étudie l'impact de l'IA sur le comportement humain, en particulier les effets sur l'emploi, les décisions et le développement cognitif et socio-émotionnel des enfants.
Q&A
En quoi avez-vous commencé en IA? Qu'est-ce qui vous a attiré dans ce domaine?
J'ai commencé mes recherches en IA, en particulier en apprentissage automatique, en tant que développeuse d'algorithmes pour la description automatique des signaux audio musicaux en termes de mélodie, de tonalité, de similarité, de style ou d'émotion, exploités dans différentes applications, des plateformes musicales à l'éducation. J'ai commencé à rechercher comment concevoir de nouvelles approches en matière d'apprentissage automatique pour traiter différentes tâches computationnelles dans le domaine de la musique, et sur la pertinence du pipeline de données, y compris la création et l'annotation de jeux de données. Ce que j'aimais à l'époque dans l'apprentissage automatique, c'était ses capacités de modélisation et le passage de la conception d'algorithmes basés sur nos connaissances en acoustique et en musique à une conception basée sur les données - par exemple, au lieu de concevoir des descripteurs basés sur notre connaissance de l'acoustique et de la musique, nous utilisions maintenant notre savoir-faire pour concevoir des jeux de données, des architectures et des procédures d'entraînement et d'évaluation.
...
