In onze Author Spotlight-serie chatten TDS Editors met leden van onze community over hun carrièrepaden in data science en AI, hun schrijven en hun inspiratiebronnen. Vandaag delen we graag ons gesprek Stephanie Kirmer.
Stephanie is een Staff Machine Learning Engineer, met bijna 10 jaar ervaring in data science en ML. Voorheen was hij beheerder van het hoger onderwijs en doceerde hij sociologie en gezondheidswetenschappen aan studenten. Hij schrijft maandelijkse berichten op TDS over sociale en AI/ML-thema’s, en geeft lezingen door het hele land over ML-gerelateerde onderwerpen. Hij zal in april 2026 spreken over strategieën voor het aanpassen van LLM-evaluaties bij ODSC East in Boston.
Je studeert sociologie en de sociale en culturele grondslagen van het onderwijs. Hoe bepaalt jouw achtergrond jouw perspectief op de maatschappelijke impact van AI?
Ik denk dat mijn academische achtergrond mijn kijk op alles heeft gevormd, inclusief AI. Tijdens mijn academische carrière heb ik sociologisch leren denken, en dat betekent dat ik naar gebeurtenissen en verschijnselen kijk en mezelf dingen afvraag als “welke sociale ongelijkheid gebeurt hier?”, “hoe ervaren mensen dit anders?”, en “hoe beïnvloeden instituties en groepen mensen hoe dit gebeurt?”. Dit zijn de dingen die sociologen willen weten, en we gebruiken de antwoorden om inzicht te krijgen in wat er om ons heen gebeurt. Ik bouw een hypothese op over wat er is gebeurd en waarom, en zoek dan serieus naar bewijs om mijn hypothese te bewijzen of te weerleggen, en dat is eigenlijk wat de sociologische methode is.
Je werkt ruim twee jaar als ML Engineer bij DataGrail. Hoe is uw dagelijkse werk veranderd met de komst van de LLM?
Ik ben momenteel bezig met het schrijven van een nieuw artikel hierover. Ik denk dat de vooruitgang van code-assistenten die LLM gebruiken erg spannend is en de manier verandert waarop veel mensen in ML en software-engineering werken. Ik gebruik deze hulpmiddelen om ideeën uit te wisselen, om kritiek te krijgen op mijn benadering van een probleem of om alternatieve ideeën voor mijn aanpak te krijgen, en voor snel werk (bijvoorbeeld het schrijven van unit-tests of boilerplate-code). Ik denk dat er nog veel te doen is voor mensen in ML, vooral het toepassen van de vaardigheden die we uit ervaring opdoen op ongebruikelijke of unieke problemen. En dit alles is niet bedoeld om de schade en schade aan LLM’s in onze samenleving, waarvan er veel zijn, te minimaliseren.
Je vroeg of we konden”het redden van de AI-economie.” Gelooft u dat AI een zeepbel heeft gecreëerd die lijkt op het dotcom-tijdperk, of is het nut van de technologie sterk genoeg om deze in stand te houden?
Ik denk dat dit een zeepbel is, maar de onderliggende technologie is niet de schuldige. Mensen hebben de zeepbel gecreëerd, en zoals ik in dat artikel uitleg, zijn enorme hoeveelheden geld geïnvesteerd in de veronderstelling dat de LLM-technologie resultaten zal opleveren die een evenredig rendement zullen opleveren. Ik denk dat dit belachelijk is, niet omdat de LLM-technologie in zekere zin nutteloos is, maar omdat het $200 miljard+ nutteloos is. Als Silicon Valley en de durfkapitaalwereld bereid zouden zijn goede rendementen uit gematigde investeringen te accepteren, in plaats van enorme rendementen uit zeer grote investeringen te eisen, denk ik dat dit een duurzame ruimte zou kunnen zijn. Maar dat is niet wat er is gebeurd, en ik zie geen uitweg waarbij de zeepbel uiteindelijk niet barst.
Een jaar geleden schreef je over “Culturele reacties op generatieve AI.” Wat kunnen AI-bedrijven doen om het vertrouwen van een sceptisch publiek te herstellen?
Het is moeilijk, omdat ik denk dat de hype de richting van de terugslag heeft bepaald. AI-bedrijven doen bizarre beloftes omdat de cijfers in het volgende kwartaal altijd iets spectaculairs moeten laten zien om de wielen draaiende te houden. Mensen die dat zien en het gevoel hebben dat er tegen hen wordt gelogen, hebben uiteraard een slecht gevoel over de hele onderneming. Dit gaat niet gebeuren, maar als AI-bedrijven deze onrealistische beloften zouden laten vallen en zich in plaats daarvan zouden concentreren op het vinden van verstandige en effectieve manieren om hun technologie toe te passen op de echte problemen waarmee de samenleving wordt geconfronteerd, zou dit een grote hulp zijn. Het zou ook helpen als we een wijdverbreide publieke voorlichtingscampagne zouden voeren over wat een LLM en ‘AI’ eigenlijk zijn en de technologie zo veel mogelijk zouden demystificeren. Hoe meer mensen echter over deze technologie leren, hoe realistischer ze zullen worden over wat deze wel en niet kan doen, dus ik verwacht dat de grote spelers op dit gebied dit ook minder snel zullen doen.
Je hebt de afgelopen jaren veel verschillende onderwerpen behandeld. Hoe beslis je wat je vervolgens gaat schrijven?
Ik heb de neiging om een maand tussen de artikelen door te denken over hoe de LLM en AI in mijn leven verschijnen, de levens van de mensen om me heen en het nieuws, en ik praat met mensen over wat ze ermee zien en ervaren. Soms heb ik een bepaald standpunt dat voortkomt uit de sociologie (macht, ras, klasse, geslacht, instellingen, enz.) dat ik wil gebruiken als kader voor het bekijken van de ruimte, of soms geven bepaalde gebeurtenissen of fenomenen mij ideeën om mee te werken. Ik maak de hele maand door aantekeningen en als ik iets vind waarin ik echt geïnteresseerd ben en dat ik wil onderzoeken of erover wil nadenken, selecteer ik het voor de volgende maand en duik er dieper in.
Is er een onderwerp waar je nog niet over hebt geschreven, maar dat je graag in 2026 aan de orde wilt stellen?
Zo ver vooruit had ik eerlijk gezegd niet gepland! Toen ik een paar jaar geleden begon met schrijven, was ik enorme lijsten met ideeën en onderwerpen aan het opschrijven en ik was totaal uitgeput, dus tegenwoordig loop ik hooguit een maand of twee voor op de pagina. Ik wil ideeën van lezers krijgen over maatschappelijke kwesties of thema’s die botsen met AI waarvan ze willen dat ik ze verder onderzoek.
Om meer te weten te komen over Stephanie’s werk en op de hoogte te blijven van haar nieuwste artikelen, kun je haar volgen op TDS of LinkedIn.
