Imogen Low, Co-Fundadora y CTO en NWO.ai – Serie de Entrevistas

Imogen Low es la Co-Fundadora y directora técnica (CTO) de NWO.ai, una plataforma predictiva que rastrea más de 20 millones de microtendencias y notifica a los clientes sobre tendencias antes de que se vuelvan exponenciales.

¿Qué te interesó inicialmente en el Aprendizaje Automático?

Me interesé por primera vez en el aprendizaje automático cuando estaba en la escuela secundaria. En mi tiempo libre, estaba desarrollando mapas interactivos 3D de instalaciones de campus complejas y de varios niveles, como centros comerciales, aeropuertos, hospitales y escuelas. Estos mapas se podían utilizar para ayudar en la navegación y orientación interior para los visitantes. También estaba interesada en recopilar puntos de datos de comportamiento sobre los usuarios individuales mientras se mueven por los edificios. Esta información se podía utilizar para anticipar el flujo de tráfico a pie con el tiempo y optimizar las rutas de navegación.

Pero no fue hasta que tenía 17 años, cuando conseguí mi primer trabajo como ingeniera de aprendizaje automático en SAP, que me emocioné realmente con la IA. Mientras trabajaba en SAP, trabajé en una variedad de problemas diferentes. Por ejemplo, analicé datos de satélite de la NASA para predecir la calidad de la cosecha; utilicé tecnología de visión por computadora para analizar imágenes de drones para monitorear el ganado; utilicé datos transaccionales empresariales para predecir el fraude fiscal; y combiné tecnología de visión por computadora con procesamiento de lenguaje natural para construir asistentes virtuales de realidad aumentada y conversacional.

Tomaste un camino inusual desde Australia, pasando por Singapur y finalmente llegaste a América, ¿podrías hablar sobre este viaje?

La aplicación de navegación interior que desarrollé en la escuela secundaria me llevó a Taiwán, donde la presenté en la conferencia de premios de la Alianza de Tecnologías de la Información y la Comunicación de Asia-Pacífico (APICTA). La experiencia me dio una nueva perspectiva sobre el ritmo del cambio tecnológico y la innovación que ocurre en Asia, especialmente en la adopción de tecnologías de inteligencia artificial. Quería sumergirme en un país asiático y ser parte de esos avances. Así que acepté un puesto de aprendizaje automático en la oficina central de SAP en Singapur.

Mientras trabajaba en Singapur, desarrollé un asistente virtual que se convirtió en un ejemplo líder de innovación en SAP. Así que fui invitada a presentarlo en una cumbre de innovación en toda Asia. En la cumbre, escuché una presentación de keynote fascinante de Pulkit Jaiswal, un emprendedor de drones exitoso. Explicó cómo podía predecir la tensión geopolítica entre países analizando datos en línea. Me intrigó tanto la idea que decidí renunciar a mi trabajo ese día y asociarme con él como co-fundadora en su última empresa, NWO. Aunque la empresa tiene su sede en Nueva York, me baso en Sydney.

¿Podrías describir cómo NWO.ai ayuda a identificar tendencias antes de que se vuelvan exponenciales?

En NWO.ai, modelamos cómo se difunden las ideas a través de redes globales. El objetivo es predecir aumentos significativos en la participación mental. Para lograr esto, diseñamos un motor de correlación cruzada que identifica qué fuentes de datos y voces de consumidores son los predictores más fuertes de la adopción de una tendencia. También podemos identificar los factores principales que influyen en el crecimiento. Luego, aprovechamos nuestro sistema de ponderación dinámica para amplificar el punto de datos más predictivo y amortiguar los que están retrasados.

¿Cuáles son algunas de las tecnologías de aprendizaje automático que se utilizan?

Aprovechamos un conjunto de modelos de aprendizaje automático de procesamiento de lenguaje natural (NLP) de última generación, como codificadores de documentos, modelos de reconocimiento de entidades nombradas (NER) y traducción automática. Combinamos estos con técnicas que hemos adoptado de la minería de reglas de asociación y la teoría de grafos para modelar nuestros conjuntos de datos textuales no estructurados en un gráfico de conocimiento semántico consciente del tiempo y multilingüe. Luego podemos representar cuán fuertemente asociadas están las diferentes ideas en diferentes momentos y construir asociaciones dinámicas entre nuevos puntos de datos en tiempo real.

¿Qué tipo de fuentes de datos públicas o privadas se utilizan?

Nos basamos principalmente en fuentes de datos no estructuradas y públicamente disponibles para construir nuestros modelos de predicción. Estos incluyen publicaciones en redes sociales, artículos de noticias, blogs, foros, comentarios y historias de búsqueda. También combinamos estos con datos transaccionales empresariales propietarios, como datos históricos de ventas, demanda e inventario.

¿Qué consejo tienes para las emprendedoras?

¡Es un gran momento para ser fundadora! No te desanimes por la idea de que el emprendimiento es predominantemente masculino. Ha habido un mayor llamado a la diversidad de género en el emprendimiento recientemente. Las mujeres tienen mucho que ofrecer en términos de perspectivas diferentes sobre el mundo y diferentes formas de pensar sobre la resolución de problemas. Debido a esto, estamos viendo nuevas redes de apoyo que alientan a las mujeres a iniciar negocios y ofrecen orientación, mentoría y oportunidades de inversión.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar NWO.ai.