Rachel Thomas est une informaticienne, enseignante et entrepreneuse connue pour avoir cofondé fast.ai, une organisation dédiée à rendre l'apprentissage profond accessible à un large public. Son travail vise à abaisser les barrières techniques à l'entrée dans le domaine de l'intelligence artificielle et à promouvoir des considérations éthiques dans ce secteur. Avant de se lancer dans l'entrepreneuriat, elle a acquis une expérience industrielle en tant qu'ingénieure en apprentissage automatique chez Uber, où elle a travaillé sur des problèmes d'apprentissage automatique appliqué.
Les contributions de Thomas vont au-delà du développement technique ; elle milite activement pour la diversité et l'équité dans l'IA. Critique virulente des biais algorithmiques, elle s'efforce de créer des ressources éducatives qui permettent aux personnes issues de groupes sous-représentés de participer à la communauté de l'IA. Son approche pédagogique privilégie l'apprentissage pratique et concret, s'appuyant souvent sur des réseaux de neurones pour enseigner des concepts complexes.
Début de carrière et formation
Thomas a poursuivi des études supérieures en mathématiques, obtenant un doctorat dans cette discipline. Cette formation académique lui a fourni une base solide dans les aspects théoriques du calcul et des statistiques, qu'elle a ensuite appliqués à son travail en apprentissage automatique. Avant de rejoindre Uber, elle a occupé des postes dans le monde universitaire et l'industrie technologique, où elle a développé une expertise en analyse de données et en génie logiciel.
Chez Uber, en tant qu'ingénieure en apprentissage automatique, elle a contribué à des projets impliquant la construction et le déploiement de modèles pour divers besoins opérationnels. Ce rôle lui a donné une expérience directe des défis liés à l'application de techniques d'apprentissage profond dans un environnement de production à grande échelle, notamment en ce qui concerne la qualité des données, l'évaluation des modèles et la fiabilité des systèmes.
Fondation de fast.ai
En 2016, Thomas a cofondé fast.ai avec Jeremy Howard, ancien président de Kaggle. La mission de l'organisation était de créer un cours pratique et gratuit qui permettrait à toute personne possédant des compétences de base en programmation d'apprendre à construire et à entraîner des réseaux de neurones. Le premier cours, « Practical Deep Learning for Coders », lancé en 2017, a rapidement gagné en popularité grâce à son approche pédagogique descendante, qui met l'accent sur l'obtention de résultats rapides avant d'aborder la théorie sous-jacente.
La méthodologie de fast.ai a eu une influence notable dans la communauté de l'apprentissage profond. La plateforme a introduit des techniques telles que l'apprentissage par transfert et l'optimisation du taux d'apprentissage, permettant aux étudiants d'atteindre des résultats de pointe sur des tâches comme la classification d'images avec des ressources de calcul limitées. La bibliothèque logicielle fastai, construite sur PyTorch, a fourni une interface de haut niveau qui a simplifié le processus de construction et d'entraînement des modèles, devenant ainsi un outil largement utilisé dans l'éducation et la recherche.
Plaidoyer et éthique de l'IA
Thomas est une voix importante dans les discussions sur les implications sociales de l'intelligence artificielle. Elle a écrit et parlé abondamment des dangers des biais algorithmiques, en particulier dans les systèmes qui affectent les communautés marginalisées. Ses critiques soulignent souvent comment les modèles d'apprentissage automatique peuvent perpétuer les inégalités existantes s'ils ne sont pas conçus et audités avec soin.
Elle est également une défenseure de l'augmentation de la diversité dans le domaine de l'IA. Thomas a coorganisé des ateliers et des initiatives visant à soutenir les femmes et d'autres groupes sous-représentés dans la technologie. Elle a fait valoir que le manque de perspectives diverses dans le développement de l'IA conduit à des systèmes qui ne servent pas équitablement tous les utilisateurs. Son travail dans ce domaine a été reconnu par des invitations à prendre la parole lors de grandes conférences et dans des universités prestigieuses, notamment le Stanford AI Lab et le Berkeley AI Research Lab.
Enseignement et engagement public
Au-delà de fast.ai, Thomas a contribué à l'éducation en IA par divers canaux publics. Elle a écrit des articles pour des publications de premier plan, expliquant des concepts complexes de l'IA à un public général. Ses écrits visent à démystifier le jargon technique et à fournir des explications claires sur le fonctionnement des grands modèles de langage et d'autres systèmes d'IA modernes.
Elle a également participé à la création de ressources destinées aux journalistes et aux décideurs politiques, les aidant à comprendre les capacités et les limites des technologies d'IA actuelles. Cette activité de sensibilisation s'inscrit dans son objectif plus large de favoriser un débat public plus informé sur l'IA, allant au-delà du battage médiatique pour parvenir à une compréhension réaliste de son potentiel et de ses risques.
Héritage et impact
Les cours de fast.ai ont été utilisés par des centaines de milliers d'étudiants dans le monde, dont beaucoup ont poursuivi des carrières dans la recherche et l'ingénierie en IA. L'accent mis par la plateforme sur l'accessibilité a été crédité d'avoir démocratisé l'éducation à l'apprentissage profond, permettant à des personnes sans diplômes avancés en informatique d'entrer dans le domaine.
Le travail de Thomas a influencé la manière dont l'IA est enseignée, de nombreuses autres initiatives éducatives adoptant des approches pratiques similaires. Son plaidoyer pour une IA éthique a également contribué à une prise de conscience croissante de la nécessité de pratiques de développement responsables. Au début des années 2020, elle continue de participer activement à la recherche et à l'éducation en IA, en se concentrant sur la garantie que les bénéfices de l'IA soient partagés largement dans la société.