Mara Cairo, Product Owner of Advanced Technology at Amii – Rozhovorová série

Mara Cairo je vášnivá uživatelka umělé inteligence pro dobro. Má bakalářský titul v oboru elektrotechniky z University of Alberta a drží své označení P.Eng. a PMP. Předtím, než se připojila k Amii, pracovala v oblasti vývoje hardwaru, kde pomáhala klientům uvést jejich produkty na trh, se zaměřením na mikro a nano-výrobu.

Jako Product Owner of Advanced Technology at Amii vede Mara technický tým, který pomáhá průmyslovým partnerům budovat kapacitu strojového učení v rámci své organizace poskytováním vedení a odborných znalostí pro vývoj prediktivních modelů. Její tým spolupracuje s klienty, kteří jsou odhodláni pokročit v oblasti adopce umělé inteligence aplikováním strojového učení na své nejvýznamnější obchodní problémy.

Amii (Alberta Machine Intelligence Institute) je jedním z předních center pro umělou inteligenci v Kanadě, partneruje se společnostmi všech velikostí, napříč odvětvími, aby poháněla inovační strategii a poskytla praktické rady, firemní školení a služby náboru talentů.

Usadili jsme se k rozhovoru na roční konferenci Upper Bound o umělých inteligencích, která se konala v Edmontonu, AB a byla hostována Amii.

Co vás původně přitáhlo k elektrotechnice?

Jako dítě jsem prostě ráda stavěla věci. Moje matka přinesla domů ventilátor, když bylo v létě horko, a já jsem chtěla postavit jej. Pamatuji si, že jako teenager jsem měla mobilní telefon, jeden z těch Nokia, které můžete rozebrat, a já jsem ho rozebrala a dala mu na vnitřní stranu drahokamy a anténu. Ale když jsem ho otevřela, bylo to jako: “Holy crap, co je to? Co se děje?” Bylo to pro mě opravdu zajímavé.

Vždy jsem vynikala v matematice. Takže, když jsem spojila všechny tyto věci, moji rodiče mě také vedli směrem k inženýrství, protože jsem byla dobrá v matematice, měla jsem obecný zájem o elektroniku a chtěla vědět více o ní, to mě přitáhlo k elektrotechnice.

Také v inženýrství jsem opravdu ráda aplikovala matematiku na reálné problémy. Ano, matematika je skvělé a vzrušující a zábavné pro mě, ale s inženýrstvím můžete matematiku aplikovat na řešení složitých problémů. Zdálo se, že to je dokonalá kombinace věcí, které by mohly vést k zajímavé kariéře.

Vaši rodiče znějí velmi proaktivně, když jde o podporu vašich zájmů.

Ano. Můj otec especialmente. Říká, že to viděl ve mně už v mladém věku a vždy mě vedl tímto směrem. Včera jsem byla na akci Women in AI a mluvili jsme o odstranění některých bariér a o tom, jak učinit toto odvětví přístupnějším pro ženy. A já jsem si nevšimla, že by to byla bariéra, protože moji rodiče mi vždy říkali: “To je to, co byste měli dělat. Není to otázka vašeho pohlaví nebo čehokoli jiného. Je to dovednost, kterou máte. Měli byste ji prostě sledovat a pěstovat.” Nikdy jsem si nemyslela, že by to nebylo pro mě, což mi samozřejmě pomohlo.

Předtím, než jste se připojila k Amii, pracovala jste v oblasti vývoje hardwaru se zaměřením na mikro a nano-výrobu. Můžete vysvětlit tyto termíny?

Určitě. V elektrotechnice jsem absolvovala specializaci na nano-inženýrství. Byla to specializace na návrh a výrobu na mikro a nano-měřítku. Když mluvíme o nanometru, mluvíme o milimetrové délce rozdělené na milion, což je velmi, velmi malá délka. A to je cool. Tyto věci jsou tak malé, že je nelze vidět pouhým okem. Ale já jsem mohla absolvovat tuto specializaci, abych se naučila, jak vyrábět na tomto měřítku a navrhnout věci na tomto měřítku.

Žijeme ve velmi propojeném světě. Existuje spousta elektroniky kolem nás a potřebujeme být schopni navrhnout elektroniku pro balení a prostorové omezení. Stále se snažíme udělat věci menší a menší. Berete něco objemného, prototyp, a potřebujete být schopni jej reprodukovat a škálovat. Nano-výroba je opravdu o nástrojích a technikách, které používáte k návrhu a výrobě na tomto měřítku.

Toto se týká výroby mikročipů, spojení dvou různých čipů a elektrického připojení k finálnímu balení. Provádění všech těchto kroků na mikro-měřítku vyžaduje jinou techniku než stavba něčeho na naší lidské škále. Mikro a nano-výroba jsou prostě kolem chemických procesů, které používáte, a elektrických procesů, balení, které potřebujete k zajištění, aby tyto věci byly hermeticky uzavřeny a chráněny před svým okolím.

Mimo mikročipů, jaký je jiný příklad použití nebo případ?

Pracovali jsme na mnoha projektech, jako jsou optické vlákna. Opět, všechno nakonec musí vést k nějakému zpracování jednotky, která přijímá signály nebo generuje signály. Pracovali jsme v telekomunikačním průmyslu, optice, kamerech, všech těchto věcech. Ale mozek toho je obvykle nějaký mikročip uprostřed. Ale existují také senzory, které poskytují signály do zpracování jednotky, kterou používáte. Takže různé výrobní techniky pro stavbu jakýchkoli senzorů nebo vstupních nebo výstupních zařízení, které potřebujeme.

Jaké jsou některé výzvy spojené s prací na tomto typu nano-měřítku?

Jedna částice prachu může zkazit celý váš den. Věci, na kterých pracujete, jsou stejné velikosti jako prach ve vzduchu. Takže vyrábíte v čistém prostoru. Čistý prostor je opravdu prostředí, které chrání to, na čem pracujete, před vámi jako lidskou bytostí, protože jsme jako lidé velmi špinaví, neustále vydechujeme částice, naše oblečení je částicové, make-up, který nosíme, znečišťuje vzduch. Potřebujeme eliminovat co nejvíce z toho, aby věci, které stavíme, byly čisté a bez tohoto druhu kontaminace.

Jinou výzvou je, že existují skvělé způsoby, jak postavit tyto čisté prostory, a existuje celá věda a studie za tím, ale další výzvou je vyvést to z laboratoře, protože nakonec tyto věci budou použity v našem velmi špinavém světě. To je okamžik, kdy se balení stává důležitým. Potřebujeme být schopni přístup k těmto zařízením, ale potřebujeme to udělat tak, aby jsme nekontaminovali prostředí, balení. Takže hermeticky uzavřené věci, zajištění, aby nic nešlo ven nebo dovnitř. To je další sada výzev, se kterými jsem se setkala. Měli jsme něco, co fungovalo skvěle na laboratorní lavici v kontrolovaném prostředí, ale obecně většina věcí, které stavíme, je určena k tomu, aby byla přenesena do našeho špinavého světa. To bylo výzvou také.

Opět, od výroby až po přenos do konečného místa určení, je to velmi speciální druh úvah a environmentálních problémů, se kterými se setkáváme, když pracujeme s věcmi tak malými. Věci také nemusí vždy fungovat tak, jak se očekává. V našem fyzickém světě očekáváme, že věci budou fungovat určitým způsobem, ale když se dostanete na mikro a nano-měřítko, fyzický svět se stává trochu jiným, a nemůžete vždy předpovědět výsledky. To je celý jiný obor studia.

Jaké jsou některé příklady rozdílů od běžného fyzického světa?

Proudění proudu skrz drát. Máme naše nabíječky a naše telefony a proudíme proud skrz ně. Když proudíte proud skrz drát, který je velký jako vlásenka, existují zřejmé tepelné úvahy a věci začnou fungovat jinak, protože, opět, prostor a velikostní omezení.

Jaký je váš současný role v Amii a jak váš tým pomáhá průmyslovým partnerům?

Můj současný role v Amii je výrazně odlišný od světa mikro a nano-technologie.

Jsem Product Owner of Advanced Technology Team at Amii. Vedu tým většinou strojových učenců a projektových manažerů, kteří všichni pracují s našimi různými průmyslovými partnery na řešení jejich obchodních problémů aplikací strojového učení.

Jsme velmi zaměřeni na průmysl, všechna naše činnost je zaměřena na most mezi tím, co se děje v akademii, všemi skvělými průlomy ve strojovém učení a umělou inteligencí, a aplikací těchto věcí na největší potřeby našich průmyslových partnerů. Odpovídáme na tyto potřeby tím, že našim klientům pomáháme najít dovednosti a odborné znalosti, které potřebují k tomu, aby mohli své práci posunout vpřed.

Běžíme naše stáže a rezidenční programy prostřednictvím pokročilého technologického týmu. Takže, najímám spoustu lidí. Nábor není můj původní obor, ale je to něco, co dělám teď. A je to všechno o tom, najít správný talent pro umístění na projektu klienta. Najímáme tyto lidi jako zaměstnance Amii na určitou dobu a poskytujeme jim spoustu podpory a mentorství, ale opravdu, jsou věnováni práci na projektu klienta a posunu toho vpřed. Je to způsob, jak naši klienti mohou získat přístup k talentu, aniž by museli dělat nábor sami. Amii má docela dobré uznání značky, jsme schopni přinést opravdu skvělé talenty a umístit je na tyto průmyslové projekty.

Potenciální výhodou tohoto systému je, že klient má příležitost najmout tyto lidi po skončení jejich působení u nás. Chceme, aby tento talent zůstal zde. Nechceme mozkovou dráhu. Dáváme klientovi trochu výhody, aby mohli vyzkoušet talent, vyzkoušet projekt, získat pocit, co je strojové učení, co je potřeba k tomu, aby to bylo úspěšné, a poté ideálně umístit talent do těchto společností na delší dobu, aby tyto společnosti opravdu стали společnostmi umělých inteligencí a byly schopny posunout své vlastní iniciativy vpřed v budoucnosti.

Jak dlouho je obvykle doba, na kterou se tito lidé zavazují?

Obecně čtyři až dvanáct měsíců.

To je něco, co vyřešíme na začátku, v závislosti na složitosti projektu a na počtu problémů, které se snažíme vyřešit. Najdeme, že čím déle, tím lépe. Projekty strojového učení, které je možné udělat za čtyři měsíce, mohou být náročné. Existuje mnoho věcí, než jen postavení modelů ML. Velmi závisí na datech, která jsou shromážděna od klienta a předána nám, což nám pomáhá postavit modely. Čím déle máme, tím lépe je to pro iteraci a cyklus všech možností.

Práce je experimentální a průzkumná povahy. Amii je výzkumný ústav; nemůžeme vždy zaručit výsledek. Delší doba nám dává více času na výzkum a zajištění, že jsme vyčerpali všechny možnosti a sledovali všechny věci, které je možné. Je těžké pro nás říci: “Tato metoda bude fungovat nejlépe.” Musíte to zkusit a vidět.

Jaké jsou některé příklady náročných obchodních problémů, se kterými váš tým pracoval s těmito společnostmi?

Naznačila jsem to, určitě je jednou z velkých výzev připravenost dat. Trvalý průmyslový názor na připravenost dat je jiný než to, co by strojový učenec považoval za připravené pro model strojového učení. A přístup. Jak snadno může klient předat data nám tak, aby byla spotřebitelná pro naše modely ML. To je důvod, proč rádi děláme delší projekty, protože to našemu týmu dává čas pracovat s našimi klienty na těchto typech výzev připravenosti dat a nastavit je na úspěch.

Špatná data jsou špatná data, pokud nám předáte špatná data, budeme vytvářet špatný model. Potřebujeme kvalitní data. A existuje určitá křivka učení pro klienty. Průmyslový názor, opět, na to, co jsou kvalitní data, jaké jsou příklady, které potřebujeme vidět, abychom mohli předpovídat věci v budoucnosti. Je to prostě otázka gramotnosti, zajištění, že mluvíme stejným jazykem, že oni rozumí omezením na základě dat, ke kterým mají přístup, když rozumí, co je potřeba k úspěchu.

Potřebujete příklady toho, co se snažíte předpovědět ve vašem datasetu. Pokud je událost opravdu vzácná, bude těžké pro nás předpovědět, že se stane. Můžeme postavit velmi přesný model něčeho, co je 99% přesné, protože nikdy nepředpovídá 1% času, kdy něco nastane. Opět, zajištění, že klient rozumí, co potřebujeme k postavení přesných modelů.

Viděli jsme, že i zdánlivě jednoduché problémy mohou být velmi komplexní v závislosti na jejich datasetu. Na začátku, při počátečním objevném hovoru s klientem, musíme předpovědět délku času, kterou budeme potřebovat. Ale někdy, když začneme odhalovat vrstvy cibule, uvědomíme si, že ne, toto je mnohem složitější, než jsme si mysleli, kvůli komplexitě dat.

Další výzvy, nedostatek závazku od odborníků z oboru, kteří jsou potřeba. Když spolupracujeme s našimi průmyslovými partnery, opravdu potřebujeme, aby oni pokračovali v příchodu ke stolu, protože oni jsou odborníci z oboru a obvykle také odborníci na data. Není to jako vývojářská dílna, kde můžeme vzít data, postavit model a předat ho jim na konci. Je to velmi, velmi spolupracující. A čím více naši průmysloví partneři investují, tím více dostanou, protože budou moci nás vést správným směrem, zajistit, že předpovědi, které děláme, mají smysl pro ně z obchodního hlediska, že cílíme na správné metriky, rozumíme, co je úspěch pro ně.

Potřebujeme multidisciplinární tým kolem nás, aby podpořil projekty, a to vyžaduje více než jen jednoho strojového učence, aby postavil úspěšný model, který bude mít pozitivní dopad na podnik. Existuje spousta výzev. Ty, které mě napadly.

Osobně věříte, že umělá inteligence by měla být silou pro dobro. Jaké jsou některé způsoby, kterými si myslíte, že umělá inteligence může pozitivně změnit budoucnost?

Co mi na mé práci nejvíc vyhovuje, je, že pracujeme s klienty z celého spektra odvětví, řešíme velmi rozdílné problémy, ale všechny jsou opravdu používány pro nějakou pozitivní změnu. A Amii má svůj rámcový princip pro umělou inteligenci, který zajišťuje, že děláme právě to. Od fáze smlouvy zajišťujeme, že projekty, na kterých pracujeme s našimi průmyslovými partnery, jsou používány pro pozitivní změnu etickým způsobem. Všechny projekty, na kterých pracuji, jsou používány pro dobro a pozitivně mění budoucnost.

Jedna věc, která mi přijde na mysl, je, že v Albertě se častěji setkáváme s lesními požáry v létě. Letos especially, už v dubnu to bylo špatné. Nedávno jsme spolupracovali s Canada Wildfire, výzkumnou skupinou z University of Alberta. 40 let počasí spojených s vážnými lesními požáry. Pracovali jsme s nimi na lepší předpovědi těchto událostí v budoucnosti, abychom mohli lépe připravit zdroje, které by mohly být potřebné, a mít týmy, které by mohly jít a temperovat prostředí, než se dostanou do fáze, kdy lesní požáry zuří. Myslím, že to je prostě proto, že jsem v Edmontonu, nevím, zda jste zde minulý týden, ale bylo to velmi kouřové.

Když jsem přijel v neděli večer (21. května 2023), bylo to khá kouřové.

To je devastující. Ničí komunity. Bere lidem domovy. Muset dýchat částice ve vzduchu není skvělé, ale devastace je velmi velká. To je jeden zajímavý projekt, který je blízký našim srdcím.

Jinou oblastí, na které pracujeme, je zemědělský prostor. Jak budeme krmit naší rostoucí populaci? Pracujeme s National Research (NRC ) Council na problému bohatství bílkovin. Snažíme se zajistit, aby rostliny, které pěstujeme, měly vyšší obsah bílkovin, aby mohly krmit naší rostoucí populaci, a používáme strojové učení, abychom mohli dělat tyto předpovědi.

Snižování emisí je další velmi populární oblast. Pracujeme se společnostmi v ropném a plynárenském sektoru, abychom zajistili, že procesy a systémy a nástroje, které se používají, jsou co nejefektivnější. Pracujeme s vodárenskou stanicí v Drayton Valley, malé město v Albertě, abychom zajistili, že tato vodárenská stanice funguje co nejefektivněji a že vytváříme co nejvíce čisté vody pro komunitu. Přesná medicína je také další oblast.

Seznam pokračuje. Doslova, každá společnost, se kterou pracujeme, pracuje na těchto typech projektů, těchto typů příčin. Je těžké pro mě vybrat oblíbenou, protože když se nad tím zamyslíte, všechny mají možnost mít obrovský pozitivní dopad na budoucnost.

Jaký je váš výhled do budoucnosti umělé inteligence nebo robotiky?

Můj přístup k robotice byl opravdu v dodavatelském řetězci. Je to místo, kde se robotika již používá, ale je to také to, jak můžeme vylepšit stávající systémy a automatizaci pomocí umělé inteligence. Dodavatelský řetězec je samozřejměinterested v aumento průtoku, splnění více objednávek rychleji a efektivnější rozhodování. Na straně robotiky, opět, můj přístup byl stavět na stávajících robotech, aby je udělal chytřejšími a lepšími.

Myslím, že obecně, budoucnost, jak ji vidím, je stále velmi zaměřená na člověka. Robotika je používána jako nástroj, jako doplněk k lidem. Možná je robotika nasazena v podmínkách, které jsou nebezpečné pro lidi, kde by neměli být vystaveni prostředí. Robotika je skvělá náhrada za nás v tomto případě, aby nás uchránila. Existuje také opravdu cool výzkum, který dělají naši fellow a bionické končetiny, aby usnadnily pohyb a kontrolu lidí, kteří potřebují tuto podporu. Všechno je stále spojeno s lidmi a jejich používáním těchto nástrojů, ale dělá jejich životy snazšími prostřednictvím těchto nových systémů.

V budoucnu, co se týče umělé inteligence, je tohle opravdu zajímavý čas, aby se člověk nacházel v tomto prostoru. Průmysl konečně chápe, že umělá inteligence je tady a že změní všechno, a můžete buď vést, nebo být vedeni. Myslím, že jedna z vizí Amii je, aby každá společnost byla pohodlná s touto technologií, aby byla vědomá toho, co může a nemůže udělat, a aby byla opravdu ochotná experimentovat a iterovat na implementaci v svém podniku, aby vyřešila některé ze svých nejtěžších problémů.

Až dosud, myslím, že možná existoval názor, že je to pouze technické společnosti, které jsou uživateli umělé inteligence a strojového učení, ale teď je to čím dál více zřejmé, že ML může být nasazeno prakticky ve každé organizaci. Není to vždy správná odpověď, ale obvykle existuje nějaký případ použití. Jsem nadějný, že budoucnost je společnostmi, které se stanou přírodními společnostmi umělé inteligence samy o sobě, stávají se více gramotnými a obeznámenými s touto technologií a vědomými toho, jak ji mohou použít pro svůj podnik.

Děkuji za úžasný rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit následující zdroje:

• Upper Bound AI Conference.
• Amii (Alberta Machine Intelligence Institute)