Noticias

Jun 25, 2023

Mara Cairo, Product Owner de Tecnología Avanzada en Amii

Por Mara Cairo es una apasionada del uso de la IA para el bien. Ella tiene una licenciatura en

Por

A Mara Cairo le apasiona usar la IA para el bien. Tiene una Licenciatura en Ciencias en Ingeniería Eléctrica de la Universidad de Alberta y tiene su P.Eng. y designaciones PMP. Antes de unirse a Amii, trabajó en el espacio de desarrollo de hardware, donde ayudó a los clientes a llevar sus productos al mercado, con un enfoque en micro y nanofabricación.

Como propietaria de producto de tecnología avanzada en Amii, Mara lidera un equipo técnico que ayuda a los socios de la industria a desarrollar la capacidad de aprendizaje automático dentro de su organización al brindar orientación y experiencia para desarrollar modelos predictivos. Su equipo trabaja con clientes que están comprometidos con avanzar en el espectro de adopción de IA al aplicar el aprendizaje automático a sus problemas comerciales más desafiantes.

Amii (Alberta Machine Intelligence Institute) es uno de los centros preeminentes de inteligencia artificial de Canadá, se asocia con empresas de todos los tamaños, en todas las industrias, para impulsar la estrategia de innovación y brindar orientación y asesoramiento prácticos, capacitación corporativa y servicios de reclutamiento de talentos.

Nos sentamos para una entrevista en la conferencia anual Upper Bound 2023 sobre IA que se lleva a cabo en Edmonton, AB y está organizada por Amii.

¿Qué le atrajo inicialmente de la ingeniería eléctrica?

Cuando era niño, me gustaba mucho construir cosas. Mi mamá traía a casa un ventilador cuando hacía calor en verano y yo quería construirlo. Recuerdo que cuando era adolescente, tenía un teléfono celular, uno de esos Nokia que se pueden desmontar y yo lo desmontaba y le ponía joyas por dentro y por la antena. Pero cuando lo abrí, fue como, "Mierda, ¿qué hay aquí? ¿Qué está pasando?" Fue muy interesante para mí.

Siempre sobresalí en matemáticas. Entonces, juntando todo eso, mis padres también me empujaron en la dirección de la ingeniería porque era bueno en matemáticas, solo tenía un interés general en la electrónica y quería saber más al respecto, eso es lo que me atrajo al principio. .

Además, en ingeniería, me gustó mucho la idea de aplicar las matemáticas a problemas del mundo real. Sí, está bien, genial, las matemáticas son geniales, emocionantes y divertidas para mí, pero con la ingeniería puedes aplicarlas para resolver problemas difíciles. Parecía la combinación perfecta de cosas que conducirían a una carrera interesante.

Tus padres parecían muy proactivos al apoyar tus intereses.

Sí. Mi papá especialmente. Dice que lo vio en mí desde una edad temprana y siempre me empujó en esa dirección. Anoche también estuve en un evento de Mujeres en IA y hablamos sobre eliminar algunas barreras y convertirlo en un campo más accesible para las mujeres. Y realmente no lo vi como una barrera porque, de nuevo, mis padres decían: "Esto es lo que debes hacer. No es una cuestión de tu género ni nada. Es solo que esta es una habilidad que tienes. Naturalmente, debes tipo de seguirlo y nutrirlo ". Nunca sentí que no fuera para mí, lo que obviamente ayudó.

Antes de unirse a Amii, trabajó en el espacio de desarrollo de hardware para centrarse en la micro y nanofabricación. ¿Podrías definir esos términos?

Definitivamente. Entonces, en ingeniería eléctrica, tomé la opción de nanoingeniería. Era la especialidad en torno al diseño y la fabricación en micro y nanoescala. Cuando hablamos de un nanómetro, estamos hablando de un milímetro dividido en un millón es un nanómetro. Una escala muy, muy pequeña. Y eso es genial. Estas cosas son tan pequeñas que ni siquiera puedes verlas a simple vista. Pero podría tomar esta especialización para aprender a fabricar a esa escala y diseñar cosas a esa escala.

Vivimos en un mundo muy conectado. Hay productos electrónicos a nuestro alrededor y necesitamos poder diseñar productos electrónicos para las limitaciones de espacio y empaque. Estamos constantemente tratando de hacer las cosas más y más pequeñas. Tomas algo voluminoso, un prototipo, y necesitas poder hacerlo reproducible y escalable. La nanofabricación se trata realmente de las herramientas y las técnicas que usas para diseñar y fabricar en ese tipo de nivel.

Esto va desde la fabricación de microchips hasta tomar esos dos chips diferentes y conectarlos eléctricamente al empaque final. Hacer todo eso a microescala requiere una técnica diferente a la de construir algo a nuestra escala humana. La micro y nanofabricación son solo los procesos químicos que utiliza y los procesos eléctricos, el empaque que necesita para asegurarse de que estén sellados herméticamente y protegidos de su entorno.

Fuera de los microchips, ¿cuál sería otra aplicación o caso de uso?

Trabajamos en muchos proyectos como fibra óptica. Una vez más, todo finalmente debe llegar a algún tipo de unidad de procesamiento que reciba o genere señales. Trabajábamos en la industria de las telecomunicaciones, óptica, cámaras, todo eso. Pero el cerebro es generalmente una especie de microchip en el medio. Pero también están los sensores que envían sus señales a cualquier unidad de procesamiento que estés usando. Tan diversas técnicas de fabricación para construir cualquier tipo de sensor o dispositivo de entrada o salida que necesitemos.

¿Cuáles son algunos de los desafíos detrás de trabajar en este tipo de nanoescala?

Una pieza de polvo puede arruinar todo tu día. Las cosas en las que estás trabajando son del mismo tamaño que el polvo en el aire. Entonces, fabricas en una habitación limpia. La sala limpia es realmente un entorno que protege lo que está trabajando de usted como ser humano, porque estamos muy sucios como humanos, estamos constantemente escupiendo partículas, nuestra ropa está en partículas, el maquillaje que estamos usarlo es ensuciar el aire. Necesitamos eliminar tanto de eso como sea posible para que las cosas que estamos construyendo estén claras y limpias de ese tipo de contaminante.

Otro desafío, hay excelentes maneras de construir estas salas limpias y hay todo un tipo de estudio y ciencia detrás de eso, pero el otro desafío es sacarlo del laboratorio porque eventualmente estas cosas se usarán en nuestro muy sucio mundo. Ahí es cuando el empaque se vuelve importante. Todavía necesitamos poder acceder a estos dispositivos, pero debemos hacerlo de tal manera que no contaminemos el medio ambiente, el empaque. Así que sellar herméticamente las cosas, asegurándose de que esté completamente sellado, que nada entre o salga. Ese es otro conjunto de desafíos que vi. Tendríamos algo que funciona muy bien en una mesa de laboratorio en un entorno controlado, pero generalmente la mayoría de las cosas que estamos construyendo están destinadas a ser llevadas a nuestro sucio mundo. Eso también fue un desafío.

Una vez más, desde la fabricación hasta su transporte a su destino final, se trata de consideraciones muy especiales y preocupaciones medioambientales cuando se trata de cosas tan pequeñas. Además, las cosas no siempre se comportan como se espera en una escala tan pequeña. En nuestro mundo físico, esperamos que las cosas funcionen de cierta manera, pero cuando llegas a la escala micro y nano, el mundo físico se vuelve un poco diferente y no siempre puedes anticipar los resultados. Ese es otro campo de estudio.

¿Cuáles serían algunos ejemplos de ser diferente al mundo físico regular?

Paso de corriente a través de un cable. Tenemos nuestros cargadores y nuestros teléfonos y estamos pasando corriente a través de ellos. Cuando está pasando corriente a través de un cable que tiene el tamaño de un mechón de cabello, obviamente hay consideraciones de calor y las cosas comenzarán a comportarse de manera diferente debido, nuevamente, a las limitaciones de espacio y tamaño.

¿Cuál es su función actual en Amii y cómo su equipo ayuda a los socios de la industria?

Mi rol actual en Amii es muy diferente del mundo de la micro y nanotecnología.

Soy Product Owner del Equipo de Tecnología Avanzada de Amii. Dirijo un equipo compuesto principalmente por científicos de aprendizaje automático y gerentes de proyectos que trabajan con nuestros diferentes socios de la industria para resolver sus problemas comerciales mediante la aplicación del aprendizaje automático.

Estamos muy enfocados en la industria, todo sobre cerrar la brecha entre lo que está sucediendo en la academia, todos los grandes avances con el aprendizaje automático y la IA, pero aplicándolos a las necesidades más importantes de nuestros socios de la industria. Respondemos a esas necesidades esencialmente ayudando a nuestros clientes a encontrar las habilidades y la experiencia que necesitan para poder avanzar en el trabajo.

Llevamos a cabo nuestro programa de pasantías y residencias a través del equipo de tecnología avanzada. Entonces, estoy contratando mucho. El reclutamiento no es mi experiencia, pero es algo que hago mucho ahora. Y se trata de una especie de emparejamiento, encontrar el talento de ML adecuado para colocar en el proyecto de nuestro cliente. Contratamos a estas personas como empleados de Amii por un período determinado y les brindamos mucho apoyo y tutoría, pero en realidad, están dedicados a trabajar en el proyecto del cliente y sacarlo adelante. Es una forma de que nuestros clientes accedan al talento sin tener que contratarlos ellos mismos. Amii tiene un reconocimiento de marca bastante bueno, somos capaces de traer un gran talento y luego colocarlo en estos proyectos de la industria.

Un beneficio potencial del sistema es que el cliente tiene la oportunidad de contratar a estas personas después de que finaliza el período con nosotros. Queremos que este talento se quede aquí. No queremos fuga de cerebros. Le estamos dando un poco de ayuda al cliente para que pueda probar el talento, probar el proyecto, tener una idea de lo que realmente es el aprendizaje automático, qué necesitamos para que tenga éxito y luego, idealmente, colocar el talento dentro de estas empresas a más largo plazo para que estas empresas realmente se conviertan en empresas de inteligencia artificial y puedan impulsar sus propias iniciativas en el futuro.

¿Cuánto es el plazo que se contratan normalmente?

Generalmente, de cuatro a doce meses.

Es algo que averiguamos al principio, dependiendo de la complejidad del proyecto y de la cantidad de problemas que estemos tratando de resolver. Encontramos que cuanto más tiempo, mejor. Los proyectos de aprendizaje automático para hacer en cuatro meses pueden ser un desafío. Hay mucho más que solo construir modelos ML. Depende en gran medida de los datos recopilados del cliente que nos entrega, que nos ayudan a construir los modelos. Cuanto más tiempo tengamos, mejor será iterar y recorrer todas las oportunidades.

El trabajo es de naturaleza experimental y exploratoria. Amii es un instituto de investigación; no siempre podemos garantizar el resultado. Una pista más larga solo nos da más tiempo para hacer esa investigación y asegurarnos de haber agotado nuestras opciones y buscado tantas cosas como sea posible porque es difícil para nosotros decir: "Este es el método que funcionará mejor". Tienes que probarlo y ver.

¿Cuáles son algunos ejemplos de problemas comerciales desafiantes en los que su equipo ha trabajado con estas empresas?

Lo mencioné, definitivamente la preparación de datos es un gran desafío. La percepción actual de la industria sobre la preparación de datos es diferente de lo que un científico de aprendizaje automático pensaría que está listo para un modelo de aprendizaje automático. Y acceso. ¿Qué tan fácil es para el cliente entregarnos los datos de una manera que sea consumible para nuestros modelos ML? Es por eso que nos gustan los proyectos más largos porque le da a nuestro equipo tiempo para trabajar con nuestros clientes a través de ese tipo de desafíos de preparación de datos y prepararlos para el éxito.

La basura que entra es la basura que sale, si nos entrega datos basura, vamos a crear un modelo basura. Realmente necesitamos datos de calidad. Y hay una pequeña curva de aprendizaje para los clientes. Percepción de la industria, nuevamente, de qué son los datos de calidad, cuáles son los ejemplos que necesitamos ver para poder predecir cosas en el futuro. Es solo una cuestión de alfabetización, asegurándose de que hablemos el mismo idioma, que comprendan las limitaciones basadas en cualquier información a la que tengan acceso cuando entiendan lo que nos preparará para el éxito.

Necesita ejemplos de lo que intenta predecir en su conjunto de datos. Si un evento es realmente raro, será difícil para nosotros anticipar que sucederá. Podríamos construir un modelo realmente preciso de algo que solo diga el 99 % de las veces porque nunca predice el 1 % de las veces en que ocurre algo. Nuevamente, solo asegúrese de que el cliente comprenda lo que necesitamos para construir modelos precisos.

Hemos visto que incluso los problemas aparentemente simples pueden ser muy complejos dependiendo de su conjunto de datos. Al principio, al tener una llamada de descubrimiento inicial con un cliente, tenemos que anticipar la cantidad de tiempo que necesitaremos. Pero a veces, cuando comenzamos a pelar las capas de la cebolla, nos damos cuenta de que no, esto es mucho más complejo de lo que pensábamos debido a la complejidad de estos datos.

Otros desafíos, se necesita la falta de compromiso de los expertos en la materia. Cuando nos asociamos con nuestros socios de la industria, realmente necesitamos que continúen sentándose en la mesa porque son los expertos en el dominio y, por lo general, también los expertos en datos. No somos como una tienda de desarrollo en la que simplemente podemos tomar los datos, construir el modelo y entregárselos al final. Es muy, muy colaborativo. Y cuanto más inviertan nuestros socios de la industria, más sacarán porque podrán guiarnos en la dirección correcta, asegurarse de que las predicciones que estamos haciendo tengan sentido para ellos desde una perspectiva comercial. , que estamos apuntando a las métricas correctas, entendemos lo que es el éxito para ellos.

Necesitamos un equipo multidisciplinario a nuestro alrededor para respaldar los proyectos y se necesita más que un científico de aprendizaje automático para construir un modelo exitoso que impacte positivamente en un negocio. Hay muchos desafíos. Esos son los que me vinieron a la mente.

Usted personalmente cree que la IA debería ser una fuerza para el bien. ¿Cuáles son algunas formas en las que cree que la IA puede cambiar positivamente el futuro?

Lo que más me gusta de mi trabajo es que trabajamos con clientes de todas las industrias, resolviendo problemas muy diferentes, pero todos ellos realmente se utilizan para algún tipo de cambio positivo. Y Amii tiene nuestro marco de principios de IA que garantiza que estamos haciendo exactamente eso. Desde la etapa de contratación, nos aseguramos de que los proyectos en los que estamos trabajando con nuestros socios de la industria se utilicen para ese cambio positivo de manera ética. Todos los proyectos que puedo ver están siendo utilizados para el bien y cambiando positivamente el futuro.

Una cosa que me viene a la mente es que, en Alberta, la mayoría de las veces ahora estamos lidiando con situaciones de incendios forestales en el verano. Este año especialmente, incluso en abril, fue malo. Recientemente nos asociamos con Canada Wildfire. Es un grupo de investigación de la Universidad de Alberta. 40 años de datos meteorológicos vinculados a eventos de incendios forestales severos. Trabajando con ellos para predecir mejor estos eventos en el futuro para que podamos preparar mejor los recursos que podrían ser necesarios, hacer que los equipos entren y moderen los entornos antes de que llegue a una etapa en la que los incendios forestales se están descontrolando. Creo que eso es solo estar en Edmonton, no sé si estuviste aquí la semana pasada, pero había mucho humo.

Cuando llegué el domingo por la noche (21 de mayo de 2023) había bastante humo.

es devastador Arruina comunidades. Se lleva los hogares de las personas. Tener que respirar partículas en el aire no es genial, pero la devastación es muy inmensa. Ese es un (proyecto) interesante que está cerca de todos nuestros corazones.

Otra área en la que estamos trabajando es el espacio agrícola. ¿Cómo vamos a alimentar a nuestra creciente población? Estamos trabajando con el Consejo Nacional de Investigación en un problema de abundancia de proteínas. Intentar asegurarnos de que las plantas que estamos cultivando tengan un mayor contenido de proteínas para alimentar a nuestra creciente población y usar el aprendizaje automático para poder hacer esas predicciones.

La reducción de emisiones es otra muy popular. Trabajar con empresas del sector del petróleo y el gas para asegurarse de que los procesos y los sistemas y herramientas que se utilizan son lo más eficientes posible. Estamos trabajando con una planta de tratamiento de agua en Drayton Valley, que es un pequeño pueblo en Alberta, asegurándonos de que la planta de tratamiento de agua funcione de la manera más eficiente posible y que estemos creando la mayor cantidad de agua limpia para la comunidad. . La medicina de precisión también.

La lista continua. Literalmente, cada empresa en la que trabajamos tiene este tipo de proyectos, este tipo de causas. Es difícil para mí elegir un favorito porque, cuando lo piensas, todos tienen la posibilidad de tener un impacto increíblemente positivo en el futuro.

¿Cuál es su visión para el futuro de la IA o la robótica?

Mi exposición a la robótica realmente ha sido en la cadena de suministro. Es donde ya se está utilizando la robótica, pero también es cómo la mejoramos con IA para aprovechar los sistemas y la automatización existentes, nuevamente, a través de procesos más eficientes. La cadena de suministro obviamente está interesada en aumentar el rendimiento, cumplir con más pedidos con mayor rapidez y una toma de decisiones más eficiente. En el lado de la robótica, nuevamente, mi exposición se ha basado en los robots existentes para hacerlos más inteligentes y mejores.

Creo que, de manera más general, el futuro de lo que veo que hace la industria todavía está muy centrado en el ser humano. La robótica se utiliza como una herramienta, como un aumento para los humanos. Tal vez la robótica se implemente en condiciones que son peligrosas para los humanos donde no deberíamos estar expuestos a los entornos. La robótica es un gran reemplazo para nosotros en ese caso para mantenernos más seguros. Nuestros compañeros y extremidades biónicas también están realizando investigaciones realmente geniales, por lo que es más fácil controlar y mover a las personas que necesitan ese apoyo. Todo muy relacionado con los humanos y su uso de estas herramientas, pero haciéndoles más fácil su uso y haciéndoles la vida más fácil a través de estos nuevos sistemas.

En términos del futuro de la IA en general, este es un momento muy interesante para estar en este espacio. La industria finalmente está entendiendo que la IA está aquí y va a cambiar todo y que puedes liderar o ser liderado. Creo que una de las visiones de Amii es que todas las empresas se sientan cómodas con la tecnología, conscientes de lo que pueden y no pueden hacer, y realmente dispuestas a experimentar e iterar sobre su implementación en sus negocios para resolver algunos de sus problemas más difíciles.

Hasta ahora, creo que tal vez había una percepción de que solo las empresas de tecnología eran usuarios de IA y ML, pero ahora se está volviendo más evidente que ML se puede implementar en prácticamente todas las organizaciones. No siempre es la respuesta correcta, pero generalmente hay un caso de uso para ello. Tengo la esperanza de que en el futuro las empresas se conviertan en empresas naturales de inteligencia artificial al aprender más y familiarizarse con la tecnología y ser conscientes de cómo pueden usarla para sus negocios.

Gracias por la increíble entrevista, los lectores que deseen obtener más información deben visitar los siguientes recursos:

Laura Petrich, estudiante de doctorado en robótica y aprendizaje automático - Serie de entrevistas

Socio fundador de unite.AI y miembro del Consejo de Tecnología de Forbes, Antoine es un futurista apasionado por el futuro de la IA y la robótica. También es el fundador de Securities.io, un sitio web de inversión, la plataforma de IA generativa images.ai, y actualmente está trabajando en el lanzamiento de genius.ai, una plataforma que ofrecerá a los usuarios la capacidad de configurar e implementar agentes autónomos dividiendo las indicaciones en subtareas.

Laura Petrich, estudiante de doctorado en robótica y aprendizaje automático - Serie de entrevistas

Patrick M. Pilarski, Ph.D. Canada CIFAR AI Chair (Amii) – Interview Series

Prasad Kawthekar, cofundador y director ejecutivo de Dashworks – Serie de entrevistas

Arjun Narayan, Director de Confianza y Seguridad Global de SmartNews – Serie de entrevistas

Razi Raziuddin, cofundador y director ejecutivo de FeatureByte – Serie de entrevistas

Jordan Noone, cofundador de Embedded Ventures – Serie de entrevistas