In de Author Spotlight-serie chatten TDS Editors met leden van onze community over hun data science- en AI-carrièrepaden, hun schrijven en hun inspiratiebronnen. Vandaag delen we graag ons gesprek met Stephanie Kirmer.
Stephanie is een Staff Machine Learning Engineer met bijna 10 jaar ervaring in data science en ML. Voorheen was ze beheerder van het hoger onderwijs en doceerde ze sociologie en gezondheidswetenschappen aan studenten. Ze schrijft maandelijks een post op TDS over sociale thema’s en AI/ML, en geeft presentaties door het hele land over ML-gerelateerde onderwerpen. Ze zal in april 2026 spreken over strategieën voor het aanpassen van de LLM-beoordeling bij ODSC East in Boston.
Je hebt sociologie en de sociale en culturele grondslagen van het onderwijs gestudeerd. Hoe heeft uw achtergrond uw kijk op de sociale implicaties van AI gevormd?
Ik denk dat mijn academische achtergrond mijn kijk op alles heeft gevormd, inclusief AI. Ik heb tijdens mijn academische carrière sociologisch leren denken, en dat betekent dat ik naar gebeurtenissen en verschijnselen moet kijken en mezelf dingen moet afvragen als “wat zijn de sociale ongelijkheden die hier spelen?”, “hoe ervaren verschillende soorten mensen dit anders?”, en “hoe beïnvloeden instituties en groepen mensen hoe dit gebeurt?”. Dit zijn het soort dingen die een socioloog wil 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 aan de hand is en waarom, en zoek vervolgens vurig naar bewijs om mijn hypothese te bewijzen of te weerleggen, en dat is in wezen de sociologische methode.
Je werkt ruim twee jaar als ML engineer bij DataGrail. Hoe is uw dagelijkse werk veranderd met de komst van LLM’s?
Ik ben momenteel bezig met het schrijven van een nieuw stuk hierover. Ik denk dat de vooruitgang van codeassistenten die LLM’s gebruiken echt fascinerend is en verandert hoeveel mensen er in ML en in softwareontwikkeling werken. Ik gebruik deze hulpmiddelen om ideeën uit te wisselen, om kritiek te krijgen op mijn benadering van problemen, of om alternatieve ideeën voor mijn aanpak en werk te krijgen (bijvoorbeeld door unit-tests of boilerplate-code te schrijven). Ik denk echter dat er nog veel te doen is voor mensen in ML, vooral door onze opgedane ervaring toe te passen op ongebruikelijke of unieke problemen. En dit alles is niet bedoeld om de nadelen en gevaren van LLM’s in onze samenleving, waarvan er veel zijn, te minimaliseren.
Je hebt gevraagd of we kunnen “red de AI-economie.” Denkt u dat de AI-hype een zeepbel heeft gecreëerd die lijkt op het dotcom-tijdperk, of is het onderliggende nut van de technologie sterk genoeg om deze in stand te houden?
Ik denk dat het een zeepbel is, maar dat de onderliggende technologie niet echt de schuld is. Mensen hebben de zeepbel gecreëerd, en zoals ik in dat artikel heb beschreven, is er een onvoorstelbare hoeveelheid geld geïnvesteerd in de veronderstelling dat de LLM-technologie resultaten zal opleveren die daarmee een winst zullen opleveren. Ik denk dat het dwaas is, niet omdat de LLM-technologie op een aantal belangrijke manieren niet nuttig is, maar omdat er geen $200 miljard+ nuttig aan is. Als Silicon Valley en de durfkapitaalwereld bereid zouden zijn een goed rendement op een bescheiden investering te accepteren, in plaats van enorme rendementen op een gigantische investering te eisen, denk ik dat dit een duurzame ruimte zou kunnen zijn. Maar zo is het niet gegaan, en ik zie gewoon geen uitweg die er niet toe leidt dat er uiteindelijk een zeepbel barst.
Een jaar geleden schreef je over “Cultureel verzet tegen generatieve AI.” Wat kunnen AI-bedrijven doen om het vertrouwen van een sceptisch publiek te herstellen?
Dit is moeilijk omdat ik denk dat de hype de toon heeft gezet voor een terugslag. AI-bedrijven doen bizarre beloftes omdat de cijfers van het volgende kwartaal altijd iets spectaculairs moeten laten zien om de wielen draaiende te houden. Mensen die ernaar kijken en voelen dat er tegen hen wordt gelogen, hebben uiteraard een zure smaak in de hele onderneming. Dat zal niet gebeuren, maar als AI-bedrijven de onrealistische beloften zouden intrekken en zich in plaats daarvan hard zouden concentreren op het vinden van redelijke, effectieve manieren om hun technologie toe te passen op de werkelijke problemen van mensen, zou het veel helpen. Het zou ook helpen als we een brede publieke voorlichtingscampagne zouden voeren over wat LLM’s en ‘AI’ werkelijk zijn en de technologie zo veel mogelijk zouden demystificeren. Maar hoe meer mensen over de technologie leren, hoe realistischer ze zullen zijn over wat de technologie wel en niet kan doen, dus ik verwacht dat de grote spelers op dit gebied ook niet geneigd zullen zijn dat te doen.
De afgelopen jaren heb je veel verschillende onderwerpen behandeld. Hoe beslis je waar je verder over gaat schrijven?
Ik heb de neiging om de maand tussen de artikelen door te denken over hoe LLM’s en AI in mijn leven verschijnen, de levens van mensen om me heen en het nieuws, en ik praat met mensen over wat ze zien en ervaren. Soms heb ik een bepaalde invalshoek die voortkomt uit de sociologie (macht, ras, klasse, geslacht, instituties, etc.) die ik wil gebruiken als raamwerk om naar de ruimte te kijken, of soms geeft een bepaalde gebeurtenis of fenomeen mij een idee om mee te werken. Ik maak de hele maand door aantekeningen en als ik ergens op beland waar ik echt in geïnteresseerd ben en waar ik onderzoek naar wil doen of over na wil denken, kies ik het voor de volgende maand en duik er diep in.
Zijn er onderwerpen waar je nog niet over hebt geschreven en die je graag in 2026 wilt aanpakken?
Ik plan eerlijk gezegd niet zo ver vooruit! Toen ik een paar jaar geleden begon met schrijven, schreef ik een grote lijst met ideeën en onderwerpen op, en die heb ik helemaal uitgeput, dus tegenwoordig loop ik hooguit een maand of twee voor op de pagina. Ik zou het leuk vinden om ideeën van lezers te krijgen over maatschappelijke kwesties of thema’s die botsen met kunstmatige intelligentie en waar ze mij graag in willen verdiepen.
Volg haar op TDS of LinkedIn voor meer informatie over Stephanie’s werk en om op de hoogte te blijven van haar nieuwste artikelen.
