Mara Cairo, Propietaria de Producto de Tecnología Avanzada en Amii – Serie de Entrevistas

Mara Cairo es apasionada de utilizar la IA para el bien. Tiene una licenciatura en Ciencias en Ingeniería Eléctrica de la Universidad de Alberta y posee las designaciones P.Eng. y 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 nano-fabricación.

Como Propietaria de Producto de Tecnología Avanzada en Amii, Mara lidera un equipo técnico que ayuda a los socios industriales a construir capacidad de aprendizaje automático dentro de su organización, brindando orientación y experiencia para desarrollar modelos predictivos. Su equipo trabaja con clientes que están comprometidos con avanzar en el espectro de adopción de IA, aplicando el aprendizaje automático a sus problemas comerciales más desafiantes.

Amii (Instituto de Inteligencia de Máquina de Alberta) es uno de los centros más destacados de Canadá en IA, que se asocia con empresas de todos los tamaños, en diversas industrias, para impulsar la estrategia de innovación y brindar orientación práctica y asesoramiento, servicios de capacitación corporativa y contratación de talentos.

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

¿Qué te atrajo inicialmente a la ingeniería eléctrica?

De niña, me gustaba construir cosas. Mi madre traía 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 podían desmontar, y yo lo desmontaba y ponía joyas por dentro y en la antena. Pero cuando lo abrí, fue como: “¡Dios mío! ¿Qué hay aquí? ¿Qué está pasando?” Me interesaba mucho.

Siempre me fue bien en matemáticas. Así que, combinando todo eso, mis padres también me empujaron en la dirección de la ingeniería porque era buena en matemáticas, tenía un interés general en la electrónica y quería saber más sobre ella, eso es lo que me atrajo al principio.

También me gustaba la idea de aplicar las matemáticas a problemas del mundo real. Sí, las matemáticas son geniales y emocionantes y divertidas para mí, pero con la ingeniería, puedes aplicarlas para resolver problemas difíciles. Parecía una mezcla perfecta de cosas que conducirían a una carrera interesante.

Parece que tus padres fueron muy proactivos en apoyar tus intereses.

Sí. Mi padre, especialmente. Dice que lo vio en mí desde muy joven y siempre me empujó en esa dirección. Estuve en un evento de Mujeres en IA anoche también, y hablamos sobre eliminar algunas barreras y hacer que el campo sea más accesible para las mujeres. Y no vi eso como una barrera porque, de nuevo, mis padres fueron como: “Esto es lo que debes hacer. No es cuestión de tu género o nada. Es solo una habilidad que tienes. Debes seguirlo y nutrirlo.” Nunca sentí que no era para mí, lo que obviamente me ayudó.

Antes de unirte a Amii, trabajaste en el espacio de desarrollo de hardware, enfocándote en micro y nano-fabricación. ¿Podrías definir esos términos?

Definitivamente. En ingeniería eléctrica, tomé la opción de nanoingeniería. Fue la especialización en diseño y fabricación a escala micro y nano. Cuando hablamos de un nanómetro, hablamos 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 no se pueden ver a simple vista. Pero podía tomar esta especialización para aprender a fabricar a esa escala y diseñar cosas a esa escala.

Vivimos en un mundo muy conectado. Hay electrónica por todas partes, y necesitamos poder diseñar electrónica para las limitaciones de espacio y embalaje. Estamos constantemente tratando de hacer las cosas más pequeñas y más pequeñas. Tienes algo voluminoso, un prototipo, y necesitas poder hacerlo reproducible y escalable. La nano-fabricación es realmente sobre las herramientas y las técnicas que se utilizan para diseñar y fabricar a ese nivel.

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

¿Cuál sería otro ejemplo de aplicación o caso de uso fuera de los microchips?

Trabajamos en muchos proyectos como fibra óptica. De nuevo, todo eventualmente debe llegar a algún tipo de unidad de procesamiento que esté tomando señales o generando señales. Trabajamos en la industria de las telecomunicaciones, óptica, cámaras, todo eso. Pero el cerebro de todo es generalmente algún tipo de microchip en el medio. Pero también hay los sensores que están alimentando sus señales a la unidad de procesamiento que estás utilizando. Así que técnicas de fabricación diversas para construir cualquier tipo de sensor o dispositivo de entrada o salida que necesitemos.

¿Cuáles son algunos de los desafíos detrás de trabajar en esta escala nanométrica?

Un trozo de polvo puede arruinar todo tu día. Las cosas en las que estás trabajando son del mismo tamaño que el polvo en el aire. Así que fabricas en una sala limpia. La sala limpia es realmente un entorno que está protegiendo lo que estás trabajando de ti como ser humano, porque somos muy sucios como humanos, estamos constantemente expulsando partículas, nuestra ropa está expulsando partículas, el maquillaje que estamos usando está haciendo que el aire esté sucio. Necesitamos eliminar tanto como sea posible para que las cosas que estamos construyendo estén claras y limpias de ese tipo de contaminante.

Otro desafío, hay excelentes formas de construir estas salas limpias, y hay un estudio y una ciencia detrás de eso, pero el otro desafío es sacarlo del laboratorio porque eventualmente estas cosas se utilizarán en nuestro mundo muy sucio. Eso es cuando el embalaje se vuelve importante. Todavía necesitamos poder acceder a estos dispositivos, pero necesitamos hacerlo de una manera que no estemos contaminando el entorno, el embalaje. Así que sellar herméticamente las cosas, asegurarse de que estén completamente selladas, nada está entrando o saliendo. Eso es otro conjunto de desafíos que vi. Teníamos algo que funcionaba genial en un banco de laboratorio en un entorno controlado, pero generalmente la mayoría de las cosas que estamos construyendo están destinadas a ser llevadas a nuestro mundo sucio. Eso fue desafiante también.

Nuevamente, desde la fabricación hasta llevarlo a su destino final, es solo una consideración especial y preocupaciones ambientales cuando se trata de cosas tan pequeñas. Las cosas no siempre se comportan como se espera a esa escala tan pequeña. En nuestro mundo físico, esperamos que las cosas funcionen de una 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. Eso es todo un campo de estudio.

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

Pasar corriente a través de un cable. Tenemos nuestros cargadores y nuestros teléfonos, y estamos pasando corriente a través de ellos. Cuando estás pasando corriente a través de un cable que tiene el tamaño de un cabello, hay consideraciones de calor y las cosas comienzan a comportarse de manera diferente porque, de nuevo, la escala y las limitaciones de tamaño.

¿Cuál es tu rol actual en Amii, y cómo ayuda tu equipo a los socios industriales?

Mi rol actual en Amii es muy diferente al mundo de la micro y nano-tecnología.

Soy la Propietaria de Producto del Equipo de Tecnología Avanzada en Amii. Lidero un equipo de científicos de aprendizaje automático y gerentes de proyectos que están trabajando con nuestros diferentes socios industriales para resolver sus problemas comerciales a través de la aplicación de aprendizaje automático.

Estamos muy enfocados en la industria, todo sobre tender un puente 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 grandes de nuestros socios industriales. Respondemos a esas necesidades ayudando a nuestros clientes a encontrar las habilidades y la experiencia que necesitan para poder avanzar en el trabajo.

Ejecutamos nuestros programas de prácticas y residencias a través del equipo de tecnología avanzada. Así que estoy contratando mucho. La contratación no es mi background, pero es algo que hago mucho ahora. Y todo se trata de hacer emparejamientos, encontrar el talento de ML adecuado para colocar en el proyecto del cliente. Contratamos a estas personas como empleados de Amii por un período determinado y les brindamos mucho apoyo y mentoría, pero realmente, están dedicados a trabajar en el proyecto del cliente y avanzar en él. Es una forma para que nuestros clientes accedan a talento sin tener que hacer la contratación ellos mismos. Amii tiene un reconocimiento de marca bastante bueno, podemos atraer talento genial y colocarlo en estos proyectos industriales.

Un beneficio potencial del sistema es que el cliente tiene la oportunidad de contratar a estas personas después de que el período con nosotros haya terminado. Queremos que este talento se quede aquí. No queremos fuga de cerebros. Estamos dando al cliente una ventaja para que puedan probar el talento, probar el proyecto, tener una idea de lo que realmente es el aprendizaje automático, qué se necesita para hacerlo exitoso, y luego idealmente colocar el talento dentro de estas empresas a largo plazo para que estas empresas realmente se conviertan en empresas de IA y puedan avanzar en sus propias iniciativas en el futuro.

¿Cuánto tiempo es el período que normalmente firman?

Generalmente, de cuatro a doce meses.

Es algo que determinamos al principio, dependiendo de la complejidad del proyecto y de cuántos problemas estamos tratando de resolver. Encontramos que cuanto más largo, mejor. Los proyectos de aprendizaje automático que se pueden hacer en cuatro meses pueden ser desafiantes. Hay mucho más que solo construir modelos de ML. Estamos muy dependientes de los datos que se recopilan del cliente que se entregan a nosotros, lo que nos ayuda a construir los modelos. Cuanto más tiempo tengamos, mejor será para iterar y recorrer todas las oportunidades.

El trabajo es experimental y de exploración en naturaleza. Amii es un instituto de investigación; no siempre podemos garantizar el resultado. Un período más largo simplemente nos da más tiempo para hacer esa investigación y asegurarnos de que hemos agotado todas nuestras opciones y perseguido tantas cosas como sea posible porque es difícil para nosotros decir: “Este es el método que funcionará mejor.” Tienes que intentarlo y ver.

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

Me referí a ello, definitivamente la preparación de datos es un gran desafío. La percepción continua de la industria sobre la preparación de datos es diferente a lo que un científico de aprendizaje automático pensaría que está listo para un modelo de aprendizaje automático. Y el acceso. ¿Qué tan fácil es para el cliente entregar los datos a nosotros de una manera que sea consumible para nuestros modelos de ML? Eso es por qué nos gustan los proyectos más largos porque nos da a nuestro equipo tiempo para trabajar con nuestros clientes a través de esos desafíos de preparación de datos y configurarlos para el éxito.

Basura dentro es basura fuera, si nos entregas datos de basura, vamos a crear un modelo de basura. Realmente necesitamos datos de calidad. Y hay un poco de curva de aprendizaje para los clientes. La percepción de la industria, de nuevo, de qué son datos de calidad, qué ejemplos necesitamos ver para poder predecir cosas en el futuro. Es solo una cuestión de alfabetización, asegurarnos de que estemos hablando el mismo idioma, que entiendan las limitaciones basadas en los datos a los que tienen acceso cuando entienden qué los configurará para el éxito.

Necesitas ejemplos de lo que estás tratando de predecir en tu conjunto de datos. Si un evento es muy raro, será difícil para nosotros anticipar que suceda. Podríamos construir un modelo muy preciso de algo que es solo 99% de las veces preciso porque nunca predice el 1% de las veces que algo ocurre. De nuevo, solo asegurarnos de que el cliente entienda qué necesitamos para construir modelos precisos.

Hemos visto incluso problemas aparentemente simples que 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 duración del tiempo que necesitaremos. Pero a veces, cuando empezamos a pelar las capas de la cebolla, nos damos cuenta de que no, esto es mucho más complejo de lo que pensamos porque de las complejidades de los datos.

Otros desafíos, la falta de compromiso de los expertos en la materia necesarios. Cuando nos asociamos con nuestros socios industriales, realmente necesitamos que sigan viniendo a la mesa porque son los expertos en el dominio y generalmente también son los expertos en datos. No somos como una tienda de desarrollo donde podemos tomar los datos, construir el modelo y entregarlo a ellos al final. Es muy, muy colaborativo. Y cuanto más ponen nuestros socios industriales, más obtendrán porque podrán guiarnos en la dirección correcta, asegurarse de que las predicciones que estamos haciendo tengan sentido para ellos desde una perspectiva comercial, que estemos apuntando a las métricas correctas, que entendamos qué es el éxito para ellos.

Necesitamos un equipo multidisciplinario a nuestro alrededor para apoyar los proyectos, y requiere más que solo un científico de aprendizaje automático para construir un modelo exitoso que impacte positivamente a un negocio. Hay muchos desafíos. Esos son los que se me ocurrieron.

Personalmente, crees que la IA debería ser una fuerza para el bien. ¿Cuáles son algunas formas en que crees 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 están siendo utilizados para algún tipo de cambio positivo. Y Amii tiene nuestro marco de IA principled que asegura que estemos haciendo justo eso. Desde la etapa de contratación, estamos asegurándonos de que los proyectos en los que estamos trabajando con nuestros socios industriales estén siendo utilizados para ese cambio positivo de una manera ética. Todos los proyectos que veo están siendo utilizados para el bien y están cambiando positivamente el futuro.

Una cosa que se me ocurre, en Alberta, más a menudo que no, ahora estamos tratando 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 climáticos vinculados a eventos de incendios forestales graves. Estamos trabajando con ellos para predecir mejor estos eventos en el futuro para que podamos preparar mejor los recursos que podrían ser necesarios, tener los equipos que vayan y templen los ambientes antes de que llegue a un punto en el que los incendios forestales estén ardiendo. Creo que eso es solo estar en Edmonton, no sé si estabas aquí la semana pasada, pero estaba muy neblinoso.

Cuando llegué el domingo por la noche (21 de mayo de 2023), estaba bastante neblinoso.

Es devastador. Arruina comunidades. Les quita sus hogares a las personas. Tener que respirar partículas en el aire no es genial, pero la devastación es muy grande. Ese es uno de los proyectos interesantes que está cerca de 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. Tratando de asegurarnos de que las plantas que estamos cultivando tengan un mayor contenido de proteínas para alimentar a nuestra creciente población y utilizando el aprendizaje automático para poder hacer esas predicciones.

La reducción de emisiones es otro muy popular. Trabajando con empresas en el sector de petróleo y gas para asegurarnos de que los procesos y sistemas y herramientas que se utilizan sean 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 esa planta de tratamiento de agua esté funcionando de la manera más eficiente posible y que estemos creando la mayor cantidad de agua limpia para la comunidad posible. Medicina de precisión también.

La lista sigue. Literalmente, cada empresa con la que trabajamos son 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 tu visión para el futuro de la IA o la robótica?

Mi exposición a la robótica ha sido realmente en la cadena de suministro. Es donde la robótica ya se está utilizando, pero también es cómo podemos mejorarla con la IA para construir sobre sistemas y automatización existentes, de nuevo, a través de procesos más eficientes. La cadena de suministro obviamente está interesada en aumentar la producción, cumplir más pedidos más rápidamente y tomar decisiones más eficientes. En el lado de la robótica, de nuevo, mi exposición ha sido construir sobre robots existentes para hacerlos más inteligentes y mejores.

Creo que, en general, el futuro, desde lo que veo que la industria está haciendo, sigue siendo muy centrado en el ser humano. La robótica se utiliza como una herramienta, como una ampliación de los humanos. Tal vez la robótica se despliega 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. También hay investigaciones muy interesantes que están siendo realizadas por nuestros fellows y miembros sobre extremidades biónicas, así que es más fácil controlar y mover a las personas que necesitan ese apoyo. Todo muy vinculado a los humanos y su uso de estas herramientas, pero haciéndolo más fácil para ellos usar y hacer sus vidas más fáciles a través de estos nuevos sistemas.

En cuanto al futuro de la IA en general, este es un momento tan interesante para estar en este espacio. La industria finalmente está entendiendo que la IA está aquí y va a cambiar todo, y puedes liderar o ser liderado. Creo que una de las visiones de Amii es tener cada empresa cómoda con la tecnología, consciente de lo que puede y no puede hacer, y realmente dispuesta a experimentar e iterar sobre la implementación en su negocio 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 las que utilizaban la IA y el ML, pero ahora está volviéndose más aparente que el ML se puede implementar en esencialmente cualquier organización. No siempre es la respuesta correcta, pero generalmente hay un caso de uso para ello. Espero que el futuro sea que las empresas se conviertan en empresas de IA naturales ellas mismas, volviéndose más alfabetizadas y familiarizadas con la tecnología y conscientes de cómo pueden utilizarla para su negocio.

Gracias por la increíble entrevista, los lectores que deseen aprender más pueden visitar los siguientes recursos:

• Conferencia de IA Upper Bound.
• Amii (Instituto de Inteligencia de Máquina de Alberta)