Porträttbild på Maria Movin som arbetar på Spotify och är industridoktorand på DSV, SU
Maria Movin arbetar på Spotify och är industridoktorand på DSV. Foto: Åse Karlén.


Maria Movin är en av tre industridoktorander från Spotify som får sin forskarutbildning på Institutionen för data- och systemvetenskap (DSV) vid Stockholms universitet. Hon har arbetat med maskininlärning i tre år på Spotify. Sedan ett år tillbaka delar hon sin tid mellan sin vanliga anställning och doktorandarbetet.

– På Spotify tillhör jag sökteamet. Vi arbetar med musiktjänstens sökfunktion, till exempel hur den ska hantera stavfel som användare skriver in, eller hur sökresultat ska rangordnas för olika användare.

– En person som bor i Sverige och skriver in ett par bokstäver i sökfältet får inte upp samma förslag på artister som en användare i USA skulle ha fått. Sökfunktionen ska vara personlig, förklarar Maria Movin.

Som industridoktorand på DSV fortsätter hon att arbeta med samma typ av frågor, men på ett annat sätt. Hon studerar både befintliga och nya maskininlärningsmodeller, hur de kan användas i söksystem och hur de kan förklaras.

Forskarbanan testade hon på redan innan Spotifyjobbet, men inom ett annat område. Maria Movin har läst sju terminer på läkarlinjen och forskat inom epidemiologi. Men när hon på allvar upptäckte matematiken bytte hon spår och läste i stället till ingenjör. Nu trivs hon med att ha en fot i näringslivet, och en i akademin.

– Jag har länge tänkt att jag vill doktorera. Det lockar att gå in på djupet och verkligen förstå ett ämne. Forskning är häftigt! När jag fick erbjudandet om att bli industridoktorand kändes det som en perfekt kombination. Jag får vara med i den snabba utvecklingen inom industrin, och samtidigt utforska olika möjligheter i mina egna forskningsprojekt.

– DSV:s öppenhet och flexibilitet gjorde att vi industridoktorander kunde komma igång snabbt. Vi har fått ett riktigt bra mottagande, säger Maria Movin.

Mer kunskap om ”svarta lådan”

Inom forskningsfältet maskininlärning handlar det just nu ganska mycket om att hitta förklaringar så att modellerna blir mer transparenta, berättar hon. Om vi vet varför vi får en viss rekommendation är det lättare att acceptera den. Som användare kan vi få en förklaring i stil med: ”Eftersom du har lyssnat på Veronica Maggio föreslår vi Laleh och Miss Li”.

Men även de som utvecklar algoritmer är i behov av förklaringar. Ibland beskrivs maskininlärning som en ”svart låda”. Data matas in och resultat kommer ut, men vad som händer däremellan är det ingen som riktigt vet. Maria Movin vill bidra till att utveckla kunskapen om det som kallas för ”explainable AI”.

– De tidiga maskininlärningsmodellerna var ganska enkla, men sedan dess har vi gått mot allt djupare, neurala nätverk med lager på lager av multiplikationer. Då tappar man förståelsen för vad som händer, även om man är med och bygger modellen. Vi måste förstå rekommendationen för att kunna lita på den, till exempel när maskininlärning används inom sjukvården, säger Maria Movin.

Just nu läser hon en kurs i avancerad djupinlärning.

– Det är så kul, och vi har en jättebra föreläsare. Som doktorand har man tid att tänka, och kan ventilera problem med likasinnade. Det uppskattar jag verkligen.

– När jag började som doktorand hade jag redan ett bra nätverk på Spotify och förståelse för hur företaget fungerar. Det tror jag underlättar. Men visst finns det en viss utmaning i de dubbla rollerna. Som doktorand ska jag driva mina egna projekt för att nå det stora målet om åtta år. Samtidigt ska jag som ingenjör jobba mot mindre mål varje kvartal. Det är viktigt att jag integrerar det jag gör i båda världarna, säger Maria Movin.

Fruktbar samverkan

Panagiotis Papapetrou är professor på DSV och akademisk handledare för Spotifys tre industridoktorander. Maria Movin och Guilherme Dinis Chaliane började i augusti 2020, och Jonathan Piller anslöt under sommaren 2021. Panagiotis Papapetrou är positiv till den här typen av utbyten med näringslivet.

– Det är jätteroligt att Spotify har valt att samarbeta med oss på DSV. Industridoktoranderna kommer hit med spännande case och data, och tillsammans utformar vi forskningsfrågorna. Metoderna som de utvecklar kan sedan användas i andra sammanhang. Viktig kunskap genereras för båda parter, konstaterar han.

Även Jussi Karlgren, forskare på Spotify och doktorandernas industrihandledare, är förväntansfull.

– Vi är mycket glada över samarbetet med DSV, och möjligheten för våra forskare att delta i och bidra till akademisk forskning. Vi ser också fram emot att fler forskare får arbeta med frågor inom Spotifys tillämpningsområden. Vår plattform ger stora möjligheter att testa och tillämpa maskininlärningsmetoder på oerhört stora mängder strömmande data med potentiella effekter för lyssnare runt hela världen, säger Jussi Karlgren.

Kontakta maria.movin@dsv.su.se
panagiotis@dsv.su.se

A shorter version of this article is available in English

 

Industridoktorand – så funkar det

Spotify finansierar de tre industridoktoranderna, och Institutionen för data- och systemvetenskap (DSV) ansvarar för deras forskarutbildning.

Doktoranderna har tilldelats både akademiska handledare och industrihandledare.

En ”vanlig” doktorandperiod löper över fyra år. Industridoktoranderna har åtta år på sig att bli klara i och med att de utbildas på halvtid.

Spotifydoktoranderna ingår i DSV:s Data Science Research Group. Läs mer om gruppens forskning.