Hoppa till innehåll
Roy Saurabh

Om

Roy Saurabh

Forskare, AI-assurans, datastyrning, människocentrerade system

Jag är forskare och arbetar i gränslandet mellan AI-system och de institutioner som styr hur de används. Mitt arbete ställer en snäv fråga med vida konsekvenser: vad måste gälla, tekniskt och institutionellt, för att ett AI-system ska kunna förtjäna förtroende i sammanhang där det påverkar människors liv?

Frågan har tre delar, och jag har ägnat min bana åt att röra mig mellan dem snarare än att slå mig ned i någon av dem. Det finns vad vi kan veta om ett system: hur det beter sig, på vilkas data, med vilken osäkerhet. Det finns vad institutioner bör kräva innan de förlitar sig på det: vilket underlag som är tillräckligt, för vilket beslut, i vems händer. Och det finns hur dessa krav blir operativa, programvaran, revisionerna och den styrningsapparat som gör en princip till något en tillsynsmyndighet eller ett sjukhus faktiskt kan kontrollera.

Min avhandling, försvarad vid Université Paris Cité i december 2024, låg i den första delen. Jag arbetade med maskininlärning på data från bärbara sensorer för att följa den psykiska hälsan hos vårdpersonal i frontlinjen, ett problem där data är glesa, intima och konsekvensrika, och där det ärliga resultatet lika ofta handlar om vad metoden inte kan bära som om vad den kan.

Innan jag återvände till forskning på heltid arbetade jag sju år vid Unesco, i Paris och dessförinnan vid institutet i New Delhi, med lärandeteknik, lärares kompetensutveckling och datastyrning i utbildningssystem. Den perioden lärde mig något som forskning ensam inte gör: hur underlag faktiskt färdas in i policy, hur mycket av det som går förlorat på vägen, och hur ofta en välgrundad teknisk reservation har försvunnit när rekommendationen väl formuleras.

I dag arbetar jag med AI-assurans, att bygga verktyg som gör underlag om AI-system granskningsbara i stället för enbart påstådda. Det omfattar reproducerbara ramverk för deploymentberoende riskanalys, exekverbart resonemang om regulatoriska skyldigheter, och metoder för att pröva om revisionsunderlag räcker för just det beslut det åberopas för. Jag sitter också i Unicef Innocentis expertrådgivande grupp om styrning av barns data, vilket håller arbetet nära en grupp som bär verkliga kostnader när datastyrningen brister.

Här skriver jag om det arbetet, och om de delar av det som inte får plats i artiklar.

Arbetssätt

Så försöker jag arbeta

Jag försöker hålla fast vid två saker samtidigt. Den första: påståenden om AI-system ska gå att kontrollera, av någon som inte varit inblandad, med underlag som överlever författarens entusiasm. Den andra: de institutioner som ombeds göra kontrollen är verkliga, begränsade och upptagna, så en metod som bara fungerar under ideala förhållanden har inte löst problemet.

Det mesta jag bygger är därför medvetet begränsat i omfattning och ovanligt tydligt med sina egna gränser. Jag publicerar hellre ett ramverk som klart anger vilka beslut dess underlag inte kan bära, än ett som antyder en generell assurans det inte förtjänat.

Utbildning

Utbildning

2021-2024

PhD, Mathematics and Computer Science

Université Paris Cité

Avhandling: Data preprocessing and machine learning in wearable data analysis: assessing efficacy and challenges for mental health monitoring of healthcare professionals

Handledare François Taddei, Harri Ketamo

Försvarad

2020-2021

M2, Learning Sciences (EdTech)

Université Paris Cité

2001-2005

B.E., Electronics and Communications Engineering

Birla Institute of Technology, Mesra

Roller

Datumen är exakta. Titlarna är de som institutionen använde under den aktuella perioden, vilket är skälet till att flera olika Unesco-titlar förekommer.

Tillträdande

från September 2026

Postdoctoral Researcher

Umeå University, Department of Computing Science · Umeå, Sweden

Forskning om adaptiva insatser och system för livslångt lärande vid Institutionen för datavetenskap.

Pågående

2025-

Founder

AffectLog · Paris, France

Forskning och verktyg för AI-assurans: reproducerbara metoder för att göra underlag om AI-system granskningsbart.

Rådgivning

Pågående

Expert advisory group member, Good governance of children's data

UNICEF Innocenti, Office of Strategy and Evidence

En av ett tjugotal medlemmar som rådger den andra fasen av Unicef Innocentis projekt om styrning av barns data, vilket omfattar datastyrning inom utbildningsteknik, en rättvis dataekonomi för barn och innovationer inom datastyrning.

Pågående

Advisor, Research Advisory Council

JA Institute

Ledamot i Research Advisory Council, med inriktning på lärandeekosystem och teknik i allmänhetens tjänst.

Tidigare

2021-2025

Senior Project Officer, Section for Teacher Development

UNESCO · Paris, France

Lärares kompetensutveckling, digitala lärplattformar och datastyrning i utbildningssystem.

2020-2021

Lead Data Scientist

Centre de Recherches Interdisciplinaires (CRI) · Paris, France

Maskininlärning på känsliga mänskliga data, och de integritetsvillkor som formade vad som gick att modellera.

2018-2020

Chief Technology Officer

UNESCO MGIEP, Mahatma Gandhi Institute of Education for Peace and Sustainable Development · New Delhi, India

Arkitektur för lärplattformar, inklusive maskininlärningsstött kunskapsdelande och socioemotionellt lärande.

2014-2018

Founder and technology leadership

Zosher · India Skills · Campus Management · New Delhi, India

Plattformar för kompetensbedömning och utbildning, inklusive teknik för ett nationellt kompetensutvecklingsprogram.

2009-2014

Director

Cedar Consulting / Kyozan · India

2005-2008

Systems Engineer

Tata Consultancy Services · India