Haastattelut
Mara Cairo, Advanced Technology -tuoteomistaja Amiissa – Haastattelusarja
Mara Cairo on intohimoinen käyttämään tekoälyä hyväksi. Hänellä on sähkötekniikan kandidaatin tutkinto Albertan yliopistosta ja hänellä on P.Eng- ja PMP-nimikkeet. Ennen Amiiin liittymistään hän työskenteli laitteiston kehitysalueella, jossa hän auttoi asiakkaita saamaan tuotteensa markkinoille, keskittyen mikro- ja nanovalmistukseen.
Amiin Advanced Technology -tuoteomistajana Mara johtaa teknistä tiimiä, joka auttaa teollisuuspartnerien rakentamaan koneoppimiskykyä organisaatiossaan tarjoamalla ohjausta ja asiantuntemusta ennustemallien kehittämiseksi. Hänen tiiminsä työskentelee asiakkaiden kanssa, jotka ovat sitoutuneet edistymään tekoälyn omaksumisessa soveltamalla koneoppimista haasteellisimpiin liiketoimintaprobleemiin.
Amii (Albertan konetekoälyinstituutti) on yksi Kanadan johtavista tekoälykeskuksista, joka tekee yhteistyötä yritysten kanssa kaikissa koissa ja aloilla edistääkseen innovaatiota, antaakseen käytännön ohjausta ja neuvontaa, yritysten koulutusta ja rekrytointipalveluita.
Haastattelimme häntä vuoden 2023 Upper Bound -konferenssissa tekoälystä, joka järjestetään Edmontonissa, AB, ja järjestäjänä on Amii.
Mikä alun perin kiinnosti sinua sähkötekniikkaan?
Lapsena minusta vain pidettiin rakentamisesta. Äitini toi kotiin venttiiliazion, kun kesäisin oli kuuma, ja minä halusin rakentaa sen. Muistan teini-ikäisenä, minulla oli matkapuhelin, yksi niistä Nokioista, joita voitiin purkaa, ja minä purin sen ja laitoin timantteja sen sisään ja antenniin. Mutta kun avasin sen, se oli kuin “Herranjestas, mitä täällä tapahtuu?” Se oli minulle todella mielenkiintoista.
Minä menestyn aina matematiikassa. Niinpä yhdistämällä kaiken, vanhempani kannustivat minua insinööritieteiden suuntaan, koska olin hyvä matematiikassa, minulla oli yleinen kiinnostus elektroniikkaa kohtaan ja halusin tietää enemmän siitä, se oli alkuun.
Myös insinööritieteessä minusta pidettiin ajatusta soveltaa matematiikkaa todellisiin ongelmiin. Kyllä, ok, matematiikka on hienoa ja jännittävää minulle, mutta insinööritieteessä voitiin soveltaa sitä ratkaisemaan vaikeita ongelmia. Se näytti olevan täydellinen yhdistelmä asioita, jotka johtaisivat mielenkiintoiseen uraan.
Vanhempasi kuulostavat olevan hyvin aktiivisia tukemassa kiinnostuksiasi.
Kyllä. Isäni erityisesti. Hän sanoo nähneensä sen minussa jo nuorena iässä ja aina ohjanneensa minua siihen suuntaan. Olin eilen naisten tekoälytilaisuudessa ja puhuimme esteiden poistamisesta ja tekemisestä alosta helpommin lähestyttäväksi naisille. Ja en kokenut sitä esteenä, koska vanhempani olivat kuin “Tämä on mitä sinun pitäisi tehdä. Se ei ole sukupuolensa kysymys tai mitään. Se on taito, jolla sinulla on. Sinun pitäisi luonnollisesti seurata sitä ja kasvattaa sitä.” En kokenut, että se ei olisi minulle, mikä auttoi ilmeisesti.
Ennen Amiiin liittymistäsi työskentelit laitteiston kehitysalueella, jossa painopistettä oli mikro- ja nanovalmistuksessa. Voitko määritellä nämä termit?
Tietysti. Sähkötekniikassa valitsin nanoinsinööritieteellisen suunnan. Se oli erikoisala suunnittelemiseen ja valmistukseen mikro- ja nanotason mittakaavassa. Kun puhumme nanometrista, puhumme millimetrin miljoonasosasta. Se on hyvin, hyvin pieni mittakaava. Ja se on kiva. Nämä asiat ovat niin pieniä, ettei niitä voi nähdä paljain silmin. Mutta minä voisin ottaa tämän erikoistumisen oppiakseni, miten valmistaa ja suunnitella asioita tässä mittakaavassa.
Elämme hyvin kytketyssä maailmassa. Elektroniikkaa on ympärillämme ja meidän on kyettävä suunnittelemaan elektroniikkaa pakkaus- ja tilanvaatimusten mukaan. Yritämme jatkuvasti tehdä asioita pienemmiksi ja pienemmiksi. Otat jotain kömpelöä, prototyyppiä, ja sinun on kyettävä tekemään siitä uudelleen tuotettava ja skaalautuva. Nanovalmistus on todella työkalujen ja tekniikoiden käyttämistä suunnitella ja valmistaa tässä mittakaavassa.
Tämä on mikropiirien valmistuksesta ottamiseen eri piirejä ja kytkemiseen niitä sähköisesti lopulliseen pakkaamiseen. Tekeminen kaikkea tällä mittakaavalla edellyttää eri tekniikkaa kuin rakentaminen inhimillisen mittakaavan mukaan. Mikro- ja nanovalmistus on vain kemiallisista prosesseista, joita käytetään, sähköprosesseista, pakkaamisesta, jota tarvitaan varmistaa, että nämä ovat hermeettisesti sinettisiä ja suojattu ympäristöltä.
Mikä olisi toinen sovellus tai käyttötapaussääntö mikrochipien ulkopuolella?
Työskentelimme monilla projekteilla, kuten valokuiduilla. Taas, se liittyy lopulta johonkin prosessointiyksikköön, joka ottaa signaaleja vastaan tai luo signaaleja. Työskentelimme telekommunikaatioalalla, optiikassa, kameroissa, kaikessa tämänkaltaisessa. Mutta aivot ovat yleensä jokin mikropiiri keskellä. Mutta siellä on myös anturit, jotka syöttävät signaalejaan prosessointiyksikköön, jonka käytämme. Joten monimuotoinen valmistustekniikka rakentamiseen minkä tahansa anturin, syötteen tai tulostuslaitteen, jota tarvitsemme.
Mitkä ovat haasteita työskentelemisessä tämänkaltaisessa nanomittakaavassa?
Yksi pala pölyä voi pilata koko päivän. asiat, joilla työskentelet, ovat saman kokoisia kuin pöly ilmassa. Joten valmistetaan puhdistus huoneessa. Puhdistus huone on todella ympäristö, joka suojaa sitä, mihin työskentelet, sinua kohtaan, koska olemme hyvin likaisia ihmisinä, jatkuvasti erittäin hienoja hiukkasia, vaatetuksemme hiukkasia, meikki, jota käytämme, se saastuttaa ilmaa. Meidän on poistettava niin paljon kuin mahdollista, jotta asiat, joita rakennamme, ovat puhtaita ja puhdistettuja tämänkaltaisista saastuttajista.
Toinen haaste, on hyviä tapoja rakentaa nämä puhdistushuoneet ja siinä on koko tieteenala, mutta toinen haaste on ottaminen laboratoriosta, koska lopulta nämä tullaan käyttämään hyvin likaisessa maailmassamme. Silloin pakkaaminen tulee tärkeäksi. Meidän on vielä pystyttävä käyttämään näitä laitteita, mutta meidän on tehtävä se tavalla, jolla emme saastuta ympäristöä, pakkaamista. Joten hermeettisesti sinettämällä, varmistamalla, ettei mitään pääse sisään tai ulos. Se on toinen joukko haasteita, joita näin. Meillä oli jotain, mikä toimi hyvin laboratoriotuolilla, hallitussa ympäristössä, mutta yleensä kaikki, mitä rakennamme, on tarkoitettu otettavaksi ulos meidän likaiseen maailmaamme. Se oli haasteellista.
Taas, valmistuksesta lopulliseen määränpäähän, se on erittäin erityinen huomioon otettava ja ympäristöhuolenaihe, kun työskentelet näin pienillä asioilla. Ja asiat eivät aina käyttäydy odotetusti. Fyysinen maailma, jossa elämme, odotetaan toimivan tietyllä tavalla, mutta kun pääset mikro- ja nanotason mittakaavaan, fyysinen maailma tulee hieman erilaiseksi, eikä voi aina ennustaa tuloksia. Se on kokonaan eri tutkimusaluetta.
Mitkä ovat esimerkkejä siitä, että se on erilainen kuin tavallinen fyysinen maailma?
Virtaa kuljettaminen johtimessa. Meillä on laturit ja puhelimet ja me kuljetamme virtaa niiden läpi. Kun kuljetat virtaa johtimessa, joka on kokoisen kuin hiuksen, on lämpöhuomioita ja asiat alkavat käyttäytyä toisin, koska, taas, tilan ja koon rajoitukset.
Mikä on nykyinen roolini Amiissa ja miten tiimisi auttaa teollisuuspartnerien?
Nykyinen roolini Amiissa on täysin erilainen kuin mikro- ja nanoteknologian maailma.
Olen Amiin Advanced Technology -tiimin tuoteomistaja. Johtan tiimiä, joka koostuu pääasiassa koneoppimisen tutkijoista ja projektipäälliköistä, jotka työskentelevät eri teollisuuspartnerien kanssa ratkaisemassa liiketoimintahaasteita soveltamalla koneoppimista.
Olemme erittäin teollisuusorientoituneita, kaikki siitä, mitä tapahtuu akatemiassa, kaikki hyvä tekeminen tekoälystä ja koneoppimisesta, mutta soveltamalla sitä teollisuuspartneriemme suurimpiin tarpeisiin. Vastaamme niihin tarpeisiin etsimällä asiakkaiden tarvitsemat taidot ja asiantuntemus, jotta he voivat edetä eteenpäin.
Meillä on harjoittelija- ja residenssi ohjelma Advanced Technology -tiimissä. Joten, palkkaan paljon. Rekrytointi ei ole taustani, mutta se on jotain, mitä teen nyt. Ja se on kuin parisuhde, etsimällä oikean ML-talenttia asiakkaan projektiin. Palkkaamme nämä henkilöt Amiin työntekijöiksi määräajaksi ja annamme heille paljon tukea ja mentorointia, mutta he ovat omistettu asiakkaan projektiin ja edistämään sitä. Se on tapa asiakkaiden päästä käsiksi talenteen ilman, että heidän tarvitsee itse rekrytoida. Amiilla on hyvä brändituntemus, pystymme tuomaan todella hyvän talentin ja sijoittamaan heidät näihin teollisuusprojekteihin.
Mahdollinen etu järjestelmästä on, että asiakkaalla on mahdollisuus palkata nämä henkilöt Amiin kanssa tehdyn määräajan jälkeen. Haluamme, että tämä talentti pysyy täällä. Emme halua aivovuotoa. Annamme asiakkaalle hieman etulyöntiasemaa, jotta he voivat kokeilla kyseistä talenttia, kokeilla projektia, saada tietää, mitä koneoppimisesta on, mitä tarvitaan, jotta se onnistuu, ja sitten ihanteellisesti sijoittaa talentin näihin yrityksiin pidempiaikaiseen rooliin, jotta nämä yritykset todella tulevat tekoälyyrityksiksi ja pystyvät edistämään omia aloitteitaan tulevaisuudessa.
Kuinka kauan he allekirjoittavat yleensä?
Yleensä neljästä kuuteen kuukauteen.
Se on jotain, mitä me selvitämme alussa, riippuen projektin monimutkaisuudesta ja kuinka monia ongelmia yritämme ratkaista. Löydämme, että pidemmät ovat parempia. Koneoppimisprojektit, joita voidaan tehdä neljässä kuussa, voivat olla haasteellisia. Siinä on paljon enemmän kuin vain ML-mallien rakentaminen. Se riippuu voimakkaasti siitä, mitä dataa asiakas kerää ja toimittaa meille, mikä auttaa meitä rakentamaan mallit. Mitä kauemmin meillä on aikaa, sitä paremmin se on. Koneoppimisprojektien työ on kokeellista ja tutkivaa luonnetta. Amii on tutkimuslaitos; emme voi aina taata lopputulosta. Pidempi ajankohta antaa meille enemmän aikaa tutkia ja varmistaa, että olemme käyttäneet kaikki vaihtoehdomme ja seurannut kaikkia mahdollisuuksia, koska on vaikea meille sanoa, “Tämä on menetelmä, joka toimii parhaiten.” On pakko kokeilla ja nähdä.
Mitkä ovat esimerkkejä haasteellisista liiketoimintahaasteista, joissa tiimisi on työskennellyt näiden yritysten kanssa?
Mainitsin sen aiemmin, tietojen valmius on suuri haaste. Jatkuva teollisuuden käsitys tietojen valmiudesta on erilainen kuin se, mitä koneoppimisen tutkija ajattelee olevan valmis koneoppimismallille. Ja pääsy. Kuinka helppoa on asiakkaalle toimittaa meille data, joka on kuluttava ML-malleille. Siksi me tykkäämme pidemmistä projekteista, koska se antaa tiimilleni aikaa työskennellä asiakkaiden kanssa näiden tietojen valmiuden haasteiden läpi ja asettaa heidät menestykseksi.
Roska sisään on roska ulos, jos toimitatte meille roskaa, luomme roskaa mallin. Meidän on tarve laadukkaita tietoja. Ja siinä on hieman oppimiskäyrää asiakkaille. Teollisuuden käsitys, taas, siitä, mitä laadukkaat tiedot ovat, mitkä esimerkit tarvitsemme nähdä, jotta voimme ennustaa asioita tulevaisuudessa. Se on vain kirjallisuuden asia, varmistaa, että puhumme samaa kieltä, he ymmärtävät rajoitukset, mitä tahansa dataa heillä on käytettävissä, kun he ymmärtävät, mitä tarvitaan menestykseen.
Tarvitsemme esimerkkejä siitä, mitä yritämme ennustaa tietojoukoissamme. Jos tapahtuma on hyvin harvinainen, on vaikea meille koskaan ennustaa sitä. Voimme rakentaa hyvin tarkan mallin jostain, joka on 99% aikaa tarkka, koska se ei koskaan ennusta sitä 1%:a, kun jotain tapahtuu. Taas, varmistaa, että asiakas ymmärtää, mitä tarvitsemme rakentaa tarkat mallit.
Olemme nähneet, että jopa näennäisesti yksinkertaiset ongelmat voivat olla hyvin monimutkaisia riippuen heidän tietojoukoistaan. Alussa, kun meillä on aloittava tutkimuspuhelu asiakkaan kanssa, meidän on arvioitava ajan määrä, jota tarvitsemme. Mutta joskus, kun aloitamme paljastamaan sipulia, me tajusimme, ei, tämä on paljon monimutkaisempaa, mitä ajattelimme, johtuen tietojen monimutkaisuudesta.
Muita haasteita, asiantuntijoiden sitoutumisen puute. Kun teemme yhteistyötä teollisuuspartneriemme kanssa, meidän on todella tarve, että he jatkavat tulemista pöytään, koska he ovat alan asiantuntijoita ja yleensä myös data-asiantuntijoita. Emme ole kuin kehitysliike, jossa voimme ottaa datan, rakentaa mallin ja toimittaa sen heille lopussa. Se on erittäin yhteistyössä. Mitä enemmän teollisuuspartnerimme panee, sitä enemmän he saavat. He voivat ohjata meitä oikeaan suuntaan, varmistaa, että ennustukset, jotka teemme, ovat heille liiketoiminnan kannalta mielekkäitä, että olemme kohdistamassa oikeat mittarit, ymmärrämme, mitä menestys on heille.
Meidän tarvitsee monialainen tiimi tukeakseen projekteja, ja se vaatii enemmän kuin yhden koneoppimisen tutkijan rakentaa onnistunutta mallia, joka vaikuttaa liiketoimintaan myönteisesti. On paljon haasteita. Nämä ovat ne, jotka tulivat mieleeni.
Uskot henkilökohtaisesti, että tekoäly pitäisi olla voima hyväksi. Mitkä ovat joitain tapoja, joilla tekoäly voi muuttaa tulevaisuuden myönteisesti?
Asia, josta pidän eniten työstäni, on, että työskentelemme asiakkaiden kanssa kaikilla aloilla, ratkaisemalla erilaisia ongelmia, mutta kaikki heidät ovat todella käytettyjä johonkin myönteiseen muutokseen. Ja Amiilla on periaatteellinen tekoälykehys, joka varmistaa, että teemme vain sitä. Sopimussopimuksen alusta alkaen, varmistamme, että projektit, joissa työskentelemme teollisuuspartneriemme kanssa, ovat hyväksi ja myönteisesti muuttavat tulevaisuuden.
Yksi asia, joka tulee mieleeni, on, että Albertassa on usein kesäisin tuhoisia metsäpaloja. Tänä vuonna erityisesti, jo huhtikuussa, se oli pahaa. Olemme vastikään yhteistyössä Kanadan metsäpalojen tutkimusryhmän kanssa. 40 vuoden säädataa, joka on sidottu vakaviin metsäpalojen tapahtumiin. Työskentelemme heidän kanssaan paremman ennustamisen kehittämiseksi näille tapahtumille tulevaisuudessa, jotta voimme paremmin valmistautua tarvittaviin resursseihin, saada tiimit menemään ja hillitsemään ympäristöä, ennen kuin se pääsee vaiheeseen, jossa metsäpalot riehuvat. Luulen, että se on vain ollessamme Edmontonissa, en tiedä, oletko sinä täällä viime viikolla, mutta se oli hyvin savista.
Kun saavuin sunnuntai-iltana (21. toukokuuta 2023), se oli hyvin savista.
Se on tuhoisaa. Se tuhoaa yhteisöjä. Se ottaa ihmisten kotit. Hengittäminen hiukkasia ilmassa ei ole hyvää, mutta tuho on erittäin suuri. Tämä on yksi mielenkiintoinen (projekti), joka on lähellä kaikkien sydäntä.
Toinen alue, jossa työskentelemme, on maatalous. Miten ruokkimme kasvavan väestömme? Työskentelemme Kansallisen tutkimusneuvoston kanssa proteiinien runsauden ongelman parissa. Yritämme varmistaa, että kasvit, joita kasvatamme, ovat korkeampaa proteiinipitoisuutta ruokkimaan kasvavaa väestöämme ja käyttämällä koneoppimista tehdäkseen nämä ennustukset.
Päästöjen vähentäminen on toinen hyvin suosittu. Työskentelemme öljy- ja kaasusektorin yritysten kanssa varmistamaan, että prosessit ja järjestelmät ja työkalut, joita käytetään, ovat mahdollisimman tehokkaita. Työskentelemme Drayton Valleyn vesilaitoksen kanssa, joka on pieni kaupunki Albertassa, varmistamaan, että vesilaitos toimii mahdollisimman tehokkaasti ja että luomme mahdollisimman paljon puhdistettua vettä yhteisölle. Tarkkuuslääketiede.
Luettelo jatkuu. Kirjaimellisesti jokainen yritys, jossa työskentelemme, on näistä projekteista, näistä aiheista. On vaikea minulle valita suosikkia, koska kun ajattelet sitä, ne kaikki ovat mahdollisuuksia, joilla voidaan vaikuttaa tulevaisuuteen erittäin myönteisesti.
Mikä on visiosi tekoälyn tulevaisuudesta tai robotiikasta?
Minun kokemukseni robotiikasta on ollut lähinnä toimitusketjussa. Se on siellä, missä robotiikkaa jo käytetään, mutta se on myös, miten voimme parantaa sitä tekoälyllä rakentamalla olemassa oleviin järjestelmiin ja automaatioon, taas, tehokkaampien prosessien kautta. Toimitusketju on ilmeisesti kiinnostunut lisäämään tuotantoa, täyttämään enemmän tilauksia nopeammin ja tehokkaampaa päätöksentekoa. Robotiikan osalla, taas, minun kokemukseni on ollut rakentamassa olemassa olevien robotien päälle, tekemällä niistä älykkäämpää ja parempaa.
Luulen, että yleisemminkin, tulevaisuus, mitä teollisuus tekee, on edelleen hyvin inhimillinen. Robotiikkaa käytetään työkaluna, inhimillisten apuna. Ehkä robotiikkaa käytetään olosuhteissa, jotka ovat vaarallisia ihmisille, joissa meidän ei pitäisi olla alttiina. Robotiikka on hyvä korvaaja meille tapauksissa. On myös erittäin mielenkiintoista tutkimusta tehty tohtoreiden ja bionisten jäsenten toiminnan helpottamiseksi, jotta ihmiset, jotka tarvitsevat sitä, voivat liikkua helpommin. Kaikki tämä on edelleen sidottu inhimilliseen käyttöön, mutta tekee heidän elämästään helpompaa näiden järjestelmien kautta.
Tekoälyn tulevaisuudesta yleensä, tämä on niin mielenkiintoinen aika olla tässä alalla. Teollisuus on viimeinkin ymmärtänyt, että tekoäly on täällä ja se muuttaa kaiken, ja voit joko johtaa tai olla johdettu. Luulen, että yksi Amiin visioista on, että jokainen yritys on mukavassa asemassa teknologian kanssa, tietäen, mitä se voi ja mitä ei, ja olevan valmis kokeilemaan ja iteroida sen soveltamista liiketoimintaansa ratkaisemaan haasteellisimmat ongelmat.
Jopa nyt, luulen, että teollisuus ymmärtää, että tekoälyä voidaan soveltaa lähes jokaisessa organisaatiossa. Se ei aina ole oikea vastaus, mutta siinä on aina jokin sovellus. Toivon, että tulevaisuus on, että yritykset tulevat luonnollisiksi tekoälyyrityksiksi itse, saavuttamalla enemmän kirjallisuutta ja tietoa teknologiasta ja tietämällä, miten he voivat käyttää sitä liiketoimintaansa.
Kiitos tästä upeasta haastattelusta, lukijat, jotka haluavat oppia lisää, kannattaa vierailla seuraavissa resursseissa:
