In der Reihe „Writer Highlight“ unterhalten sich TDS-Redakteure mit Mitgliedern unserer Group über ihren Karriereweg in den Bereichen Datenwissenschaft und KI, ihr Schreiben und ihre Inspirationsquellen. Heute freuen wir uns, unser Gespräch mit Ihnen zu teilen Stephanie Kirmer.
Stephanie ist angestellte Ingenieurin für maschinelles Lernen und verfügt über quick 10 Jahre Erfahrung in Datenwissenschaft und ML. Zuvor struggle sie als Hochschuladministratorin tätig und unterrichtete Studenten im Grundstudium in Soziologie und Gesundheitswissenschaften. Sie schreibt einen monatlichen Beitrag auf TDS über soziale Themen und KI/ML und hält landesweit Vorträge zu ML-bezogenen Themen. Sie wird im April 2026 auf der ODSC East in Boston über Strategien zur individuellen Anpassung der LLM-Bewertung sprechen.
Sie haben Soziologie und die sozialen und kulturellen Grundlagen der Bildung studiert. Wie hat Ihr Hintergrund Ihre Sicht auf die gesellschaftlichen Auswirkungen von KI geprägt?
Ich denke, mein akademischer Hintergrund hat meine Sicht auf alles, einschließlich KI, geprägt. Ich habe im Laufe meiner akademischen Laufbahn gelernt, soziologisch zu denken, und das bedeutet, dass ich Ereignisse und Phänomene betrachte und mir Dinge frage wie „Welche sozialen Ungleichheiten spielen hier eine Rolle?“, „Wie erleben verschiedene Arten von Menschen diese Sache unterschiedlich?“ und „Wie beeinflussen Institutionen und Personengruppen, wie diese Sache geschieht?“ Das sind die Dinge, die ein Soziologe wissen möchte, und wir nutzen die Antworten, um ein Verständnis dafür zu entwickeln, was um uns herum vorgeht. Ich stelle eine Hypothese darüber auf, was vor sich geht und warum, und suche dann ernsthaft nach Beweisen, um meine Hypothese zu beweisen oder zu widerlegen, und das ist im Wesentlichen die soziologische Methode.
Sie arbeiten seit mehr als zwei Jahren als ML-Ingenieur bei DataGrail. Wie hat sich Ihr Arbeitsalltag durch die Verbreitung von LLMs verändert?
Ich bin gerade dabei, einen neuen Artikel darüber zu schreiben. Ich finde den Fortschritt von Code-Assistenten, die LLMs verwenden, wirklich faszinierend und verändert die Artwork und Weise, wie viele Menschen im ML und in der Softwareentwicklung arbeiten. Ich verwende diese Instruments, um Ideen auszutauschen, um Kritik an meinen Herangehensweisen an Probleme oder different Ideen zu meiner Herangehensweise zu erhalten, und für Scut-Arbeiten (zum Beispiel das Schreiben von Unit-Exams oder Boilerplate-Code). Ich denke jedoch, dass es für die Menschen im ML noch viel zu tun gibt, insbesondere die Anwendung unserer durch Erfahrung erworbenen Fähigkeiten auf ungewöhnliche oder einzigartige Probleme. Und das alles nicht, um die Nachteile und Gefahren für LLMs in unserer Gesellschaft zu minimieren, von denen es viele gibt.
Sie haben gefragt, ob wir „Retten Sie die KI-Wirtschaft.“ Glauben Sie, dass der KI-Hype eine Blase ähnlich der Dotcom-Ära geschaffen hat, oder ist der zugrunde liegende Nutzen der Technologie stark genug, um sie aufrechtzuerhalten?
Ich denke, es ist eine Blase, aber die zugrunde liegende Technologie ist wirklich nicht schuld. Menschen haben die Blase geschaffen, und wie ich in diesem Artikel beschrieben habe, wurde eine unvorstellbare Menge Geld investiert, unter der Annahme, dass die LLM-Technologie zu Ergebnissen führen wird, die entsprechende Gewinne einbringen. Ich halte das für albern, nicht weil die LLM-Technologie in einigen wichtigen Punkten nicht nützlich ist, sondern weil sie nicht für mehr als 200 Milliarden US-Greenback nützlich ist. Wenn das Silicon Valley und die VC-Welt bereit wären, gute Renditen für eine average Investition zu akzeptieren, anstatt immense Renditen für eine gigantische Investition zu fordern, könnte dies meiner Meinung nach ein nachhaltiger Raum sein. Aber so ist es nicht gekommen, und ich sehe einfach keinen Ausweg, bei dem nicht irgendwann eine Blase platzt.
Vor einem Jahr haben Sie über „Kulturelle Gegenreaktion gegen generative KI.“ Was können KI-Unternehmen tun, um das Vertrauen einer skeptischen Öffentlichkeit wiederherzustellen?
Das ist hart, denn meiner Meinung nach hat der Hype den Ton für den Rückschlag vorgegeben. KI-Unternehmen machen ausgefallene Versprechungen, weil die Zahlen des nächsten Quartals immer etwas Spektakuläres zeigen müssen, um das Rad am Laufen zu halten. Menschen, die sich das ansehen und das Gefühl haben, dass sie belogen werden, haben von Natur aus einen sauren Geschmack gegenüber dem ganzen Unterfangen. Das wird nicht passieren, aber wenn KI-Unternehmen ihre unrealistischen Versprechungen zurücknehmen und sich stattdessen stark darauf konzentrieren würden, vernünftige und effektive Wege zu finden, ihre Technologie auf die tatsächlichen Probleme der Menschen anzuwenden, würde das sehr helfen. Es wäre auch hilfreich, wenn wir eine breite öffentliche Aufklärungskampagne darüber führen würden, was LLMs und „KI“ wirklich sind, und die Technologie so weit wie möglich entmystifizieren. Aber je mehr die Leute über die Technologie erfahren, desto realistischer werden sie darüber sein, was sie leisten kann und was nicht. Daher gehe ich davon aus, dass auch die großen Participant in diesem Bereich nicht geneigt sein werden, dies zu tun.
Sie haben in den letzten Jahren viele verschiedene Themen behandelt. Wie entscheiden Sie, worüber Sie als nächstes schreiben?
Ich neige dazu, den Monat zwischen den Artikeln damit zu verbringen, darüber nachzudenken, wie sich LLMs und KI in meinem Leben, im Leben der Menschen um mich herum und in den Nachrichten auswirken, und ich spreche mit den Leuten darüber, was sie damit sehen und erleben. Manchmal habe ich einen bestimmten Blickwinkel aus der Soziologie (Macht, Rasse, Klasse, Geschlecht, Institutionen usw.), den ich als Rahmen für einen Blick auf den Raum nutzen möchte, oder manchmal gibt mir ein bestimmtes Ereignis oder Phänomen eine Idee, mit der ich arbeiten kann. Ich mache mir den ganzen Monat über Notizen, und wenn ich auf etwas stoße, das mich wirklich interessiert und das ich recherchieren oder über das ich nachdenken möchte, wähle ich es für den nächsten Monat aus und mache einen tiefen Einblick.
Gibt es Themen, über die Sie noch nicht geschrieben haben und die Sie gerne im Jahr 2026 angehen möchten?
So weit im Voraus aircraft ich ehrlich gesagt nicht! Als ich vor ein paar Jahren mit dem Schreiben begonnen habe, habe ich mir eine große Liste mit Ideen und Themen aufgeschrieben, die ich jedoch völlig ausgeschöpft habe, so dass ich heutzutage höchstens ein oder zwei Monate vor der Seite bin. Ich würde gerne Ideen von Lesern zu sozialen Themen oder Themen erhalten, die mit KI kollidieren und die ich gerne weiter vertiefen möchte.
Um mehr über Stephanies Arbeit zu erfahren und über ihre neuesten Artikel auf dem Laufenden zu bleiben, können Sie ihr folgen TDS oder LinkedIn.