Mara Cairo, Amii:n Advanced Technology -tuoteomistaja – Haastattelusarja

Mara Cairo on intohimoinen käyttämään tekoälyä hyväksi. Hänellä on sähkötekniikan kandidaatin tutkinto Albertan yliopistosta ja hänellä on P.Eng- ja PMP-tutkinnot. Ennen Amii:hin tuloaan hän työskenteli laitteiston kehitysalueella, jossa hän auttoi asiakkaita saamaan tuotteensa markkinoille, keskittyen mikro- ja nanovalmistukseen.

Amii:n Advanced Technology -tuoteomistajana Mara johtaa teknistä tiimiä, joka auttaa teollisuuspartnereita kehittämään koneoppimiskykyä organisaatiossaan tarjoamalla ohjausta ja asiantuntemusta ennustemallien kehittämiseksi. Hänen tiiminsä työskentelee asiakkaiden kanssa, jotka ovat sitoutuneet edistämään tekoälyn omaksumista soveltamalla koneoppimista haasteellisimpiin liiketoimintahaasteisiinsa.

Amii (Alberta Machine Intelligence Institute) on yksi Kanadan johtavista tekoälykeskuksista, joka tekee yhteistyötä yritysten kanssa kaikilla aloilla, ajamassa innovaatiota, tarjoamassa käytännön ohjausta ja neuvontaa, yritysten koulutusta ja kykyjen rekrytointipalveluja.

Haastattelimme häntä vuoden 2023 Upper Bound -tekoälykonferenssissa, joka järjestettiin Edmontonissa, AB, ja jota isännöi Amii.

Mikä aluksi kiinnosti sinua sähkötekniikkaan?

Lapsena minusta vain pidettiin rakentamisesta. Äitini toi kotiin venttiiliaition, kun kesäisin oli kuuma, ja minä halusin rakentaa sen. Muistan teini-ikäisenä, kun minulla oli yksi niistä Nokian puhelimista, joita voi purkaa, ja minä purin sen ja laitoin timantteja sen sisään ja antenniin. Mutta kun avasin sen, se oli kuin “Herranjestas, mitä täällä on?” Se oli minulle todella mielenkiintoista.

Olin aina hyvä matematiikassa. Niinpä yhdistäessäni kaiken, vanhempani kannustivat minua insinööritieteiden suuntaan, koska olin hyvä matematiikassa, minulla oli yleinen kiinnostus elektroniikkaa kohtaan ja halusin tietää enemmän siitä, se oli alkuun vedonnut minua.

Myös insinööritieteissä pidin siitä, että matematiikkaa voitiin soveltaa todellisiin ongelmiin. Kyllä, matematiikka on hienoa ja jännittävää ja hauskaa minulle, mutta insinööritieteissä voitiin soveltaa sitä ratkaisemaan vaikeita ongelmia. Se vaikutti täydelliseltä yhdistelmältä, joka johtaisi mielenkiintoiseen uraan.

Vaikuttavatko vanhempienne ollut hyvin aktiivisia tukemassa kiinnostuksiasi?

Kyllä. Erityisesti isäni. Hän sanoo nähneensä sen minussa jo nuorena iässä ja aina ohjanneensa minua tuonne suuntaan. Olin eilen naisten tekoälytilaisuudessa, ja puhuimme esteiden poistamisesta ja tekemisestä kelpoamisesta naisille. En kokenut sitä esteeksi, koska vanhempani olivat kuin “Tämä on sitä, mitä sinun pitäisi tehdä. Se ei ole sukupuolensa kysymys tai mitään. Se on taito, jolla sinulla on. Sinun pitäisi luonnostaan seurata sitä ja kasvattaa sitä.” En kokenut, että se ei olisi minulle, mikä auttoi ilmiselvästi.

Ennen Amii:hin tuloasi työskentelit laitteiston kehitysalueella, jossa panostettiin mikro- ja nanoteknologiaan. Voitko määritellä nämä termit?

Tietysti. Sähkötekniikassa valitsin nano-insinööritieteiden erikoistumisen. Se oli erikoistuminen 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 ja oppia, miten valmistaa ja suunnitella tuotteita tässä mittakaavassa.

Elämme hyvin kytketyssä maailmassa. Elektroniikkaa on ympärillämme, ja meidän on kyettävä suunnittelemaan elektroniikkaa pakkaus- ja tilanrajoituksille. Yritämme jatkuvasti tehdä asioita pienemmiksi ja pienemmiksi. Otat jotain kömpelöä, prototyyppiä, ja sinun on kyettävä tekemään siitä toistettava ja skaalautuva. Nanoteknologia on todella työkalujen ja tekniikoiden ympärillä, joita käytetään suunnittelemiseen ja valmistukseen tässä mittakaavassa.

Tämä on mikropiirien valmistuksesta siihen, että otat kaksi eri piiriä ja kytket ne sähköisesti lopulliseen pakkaamiseen. Tekemällä kaiken tämän mikrotasolla vaatii eri tekniikkaa kuin rakentaminen ihmisten mittakaavassa. Mikro- ja nanoteknologia liittyy lähinnä kemiallisiin prosesseihin, joita käytetään, sähköisiin prosesseihin, pakkaamiseen, jota tarvitaan varmistamaan, että nämä ovat hermeettisesti suljettuja ja suojattuja ympäristöltään.

Mikä on esimerkki soveltamisesta mikropiirien ulkopuolella?

Työskentelimme monilla projekteilla, kuten valokuiduilla. Taas, se liittyy lopulta johonkin prosessointiyksikköön, joka ottaa vastaan signaaleja tai luo signaaleja. Työskentelimme telekommunikaatioalalla, optiikassa, kameroissa, kaikessa siinä. Mutta aivot ovat yleensä jokin mikropiiri keskellä. Mutta siinä on myös anturit, jotka syöttävät signaalejaan mihin tahansa prosessointiyksikköön, jota käytetään. Joten monimuotoinen valmistustekniikka erilaisille antureille tai syöttö- tai tulostelaiteille, joita tarvitaan.

Mitkä ovat haasteita työskenneltäessä tämänkaltaisessa nanotason mittakaavassa?

Yksi pölyhiukkanen voi pilata koko päivän. asiat, joita työskentelet, ovat saman kokoisia kuin pöly ilmassa. Niinpä valmistat puhdistus huoneessa. Puhdistus huone on todella ympäristö, joka suojaa sitä, mihin työskentelet, sinua kohtaan ihmisenä, koska olemme hyvin likaisia ihmisinä, me emme voi lopettaa erittämistä hiukkasia, vaatetuksemme erittää hiukkasia, meikkejä, joita käytämme, se saa ilman likaantumaan. Meidän on poistettava niin paljon kuin mahdollista, jotta asiat, joita rakennamme, ovat puhtaita ja puhdistettuja tästä tyyppisestä saastutuksesta.

Toinen haaste, on hyviä tapoja rakentaa nämä puhdistushuoneet ja on koko tieteenala sen takana, mutta toinen haaste on ottaminen laboratoriosta, koska lopulta nämä asiat tullaan käyttämään likaisessa maailmassamme. Silloin pakkaaminen tulee tärkeäksi. Meidän on edelleen pystyttävä käyttämään näitä laitteita, mutta meidän on tehtävä se tavalla, jolla emme saastuta ympäristöä, pakkaamista. Niinpä hermeettisesti suljetut, varmistamalla, että mitään ei pääse sisään tai ulos. Se on toinen joukko haasteita, joita näin.

Taas, valmistuksesta lopulliseen kohteeseen, se on erittäin erityinen tyyppi huolenaiheita ja ympäristöhuolenaiheita, kun työskentelet näin pienillä asioilla. Ja asiat eivät aina käyttäydy odotetulla tavalla. Fyysinen maailma, jossa elämme, odotetaan toimivan tietyllä tavalla, mutta kun pääset mikro- ja nanotason mittakaavaan, fyysinen maailma tulee hieman erilaiseksi, ja et voi aina ennustaa tuloksia. Se on kokonaan eri tutkimusala.

Mitkä ovat esimerkkejä siitä, että se on erilainen kuin tavallinen fyysinen maailma?

Virtaa johtaminen johtimessa. Meillä on laturit ja puhelimet, ja me johtamme virtaa niiden läpi. Kun johtaat virtaa johtimessa, joka on kokoisen kuin hiussuoni, on lämmitysongelmat ja asiat alkavat käyttäytyä toisin, koska tila ja koko rajoitukset.

Mikä on nykyinen roolisi Amii:ssa, ja miten tiimisi auttaa teollisuuspartnereita?

Nykyinen roolini Amii:ssa on hyvin erilainen kuin mikro- ja nanoteknologian maailma.

Olen Amii:n Advanced Technology -tiimin tuoteomistaja. Johtan tiimiä, joka koostuu pääasiassa koneoppimisen tutkijoista ja projektipäälliköistä, jotka kaikki työskentelevät eri teollisuuspartnereiden kanssa ratkaisemassa liiketoimintahaasteitaan soveltamalla koneoppimista.

Olemme hyvin teollisuuskeskeisiä, kaiken kaikkiaan siltaamassa kuilua siitä, mitä tapahtuu akatemiassa, kaikista hyvistä läpimurroista tekoälyssä ja koneoppimisessa, mutta soveltamalla niitä teollisuuspartnereidemme suurimpiin tarpeisiin. Vastaa heidän tarpeisiinsa etsimällä heille tarvittavia taitoja ja asiantuntemusta, jotta he voivat edetä työssään.

Pyrimme järjestämään harjoittelijoita ja residenssejä Advanced Technology -tiimissä. Niinpä palkkaan paljon. Palkkauksen ei ole ollut taustani, mutta se on jotain, mitä teen nyt paljon. Se on kaiken kaikkiaan treffien järjestämistä, etsimistä oikeaa koneoppimisen kykyä asettamaan asiakkaiden projekteihin. Palkkaamme nämä henkilöt Amii:n työntekijöiksi tietyn ajan, ja annamme heille paljon tukea ja mentorointia, mutta he ovat omistettu työskentelemään asiakkaan projektissa ja edistämään sitä. Se on tapa, jolla asiakkaamme voivat päästä käsiksi kykyihin ilman, että heidän on tehtävä itse rekrytointia. Amii:lla on hyvin hyvä brändituntemus, pystymme tuomaan todella hyvää kykyä ja asettamaan heidät näille teollisuusprojekteille.

Potentiaalinen etu järjestelmässä on, että asiakkaalla on mahdollisuus palkata nämä henkilöt, kun heidän aikansa meillä on päättynyt. Haluamme, että nämä kyvyt pysyvät täällä. Emme halua aivovuotoa. Annamme asiakkaalle hieman etulyöntiasemaa, jotta he voivat kokeilla tätä kykyä, kokeilla projektia, saada tietää, mitä koneoppimisella on tehtävä, ja sitten ideaalisesti asettaa tämän kyvyn näihin yrityksiin pidemmäksi aikaa, jotta nämä yritykset voivat todella tulla tekoälyyrityksiksi ja pystyä edistämään omia aloitteitaan tulevaisuudessa.

Kuinka kauan he allekirjoittavat yleensä?

Yleensä neljästä kuuteen kuukauteen.

Se on jotain, mitä määritellään alussa, riippuen projektin monimutkaisuudesta ja kuinka monta ongelmaa yritetään ratkaista. Löydämme, että mitä pidemmän aikaa, sitä paremmin. Koneoppimisprojektien tekeminen neljässä kuukaudessa voi olla haasteellista. Siinä on paljon enemmän kuin vain koneoppimismallien rakentaminen. Se riippuu voimakkaasti siitä, miten hyvin asiakkaamme pystyvät toimittamaan meille tietoja, joiden avulla voimme rakentaa mallit. Mitä kauemmin meillä on aikaa, sitä paremmin se on.

Työ on kokeellista ja tutkivaa luonnetta. Amii on tutkimuslaitos; emme voi aina taata lopputulosta. Pidempi aika antaa meille enemmän aikaa tutkia ja varmistaa, että olemme käyttäneet kaikki vaihtoehdot ja seuranneet kaikkia mahdollisuuksia, koska on vaikea sanoa, “Tämä on paras tapa.” On pakko kokeilla ja nähdä.

Mitkä ovat esimerkkejä haasteellisista liiketoimintahaasteista, joissa tiimisi on työskennellyt näiden yritysten kanssa?

Viittasin siihen, tietojen valmistelu on suuri haaste. Jatkuva teollisuuden käsitys tietojen valmistelusta on erilainen kuin se, mitä koneoppimisen tutkija ajattelisi olevan valmis koneoppimismallille. Ja pääsy. Kuinka helppo on asiakkaalle toimittaa meille tietoja sellaisessa muodossa, joka on kuluttava meille ML-malleille. Siksi me tykkäämme pidemmistä projekteista, koska se antaa tiimillemme aikaa työskennellä asiakkaiden kanssa näiden tietojen valmistelun haasteiden parissa ja asettaa heidät menestykseksi.

Roska sisään on roska ulos, jos toimitatte meille roskaa tietoja, luomme roskaa mallin. Tarvitsemme laadukkaita tietoja. Ja siinä on hieman oppimiskäyrää asiakkaille. Teollisuuden käsitys siitä, mitä laadukkaat tiedot ovat, esimerkkejä siitä, mitä yritetään ennustaa tulevaisuudessa. Se on vain kirjallisuuden asia, varmistamalla, että puhumme samaa kieltä, he ymmärtävät rajoitukset, joista puhumme, ja ymmärtävät, mitä tarvitaan menestykseksi.

Tarvitsemme esimerkkejä siitä, mitä yritetään ennustaa tietojoukoissamme. Jos tapahtuma on hyvin harvinainen, on vaikea meille koskaan ennustaa, että se tapahtuu. Voimme rakentaa hyvin tarkan mallin jostain, joka on 99% aikaa tarkka, koska se ei koskaan ennusta sitä 1%:a, jolloin jotain tapahtuu. Taas, varmistamalla, että asiakas ymmärtää, mitä tarvitsemme rakentaa tarkoja malleja.

Olemme nähneet, että vaikka näyttävät yksinkertaisilta ongelmilta, ne voivat olla hyvin monimutkaisia riippuen tietojoukoista. Alussa, kun teimme alkuvaiheen löytökeskustelun asiakkaan kanssa, meidän on arvioitava, kuinka kauan aikaa tarvitsemme. Mutta joskus, kun aloimme paljastamaan sipulin kerroksia, tajusimme, että se on paljon monimutkaisempaa, mitä ajattelimme, tietojen monimutkaisuuden vuoksi.

Muita haasteita, puute sitoutumisesta tarvittaviin aihealueen asiantuntijiin. Kun teemme yhteistyötä teollisuuspartnereiden kanssa, meidän on todella tarvis asiakkaiden jatkuva osallistuminen, koska he ovat aihealueen asiantuntijoita ja yleensä myös tietojen asiantuntijoita. Emme ole kehitysliike, jossa voimme ottaa tiedot, rakentaa mallin ja toimittaa sen heille lopussa. Se on erittäin yhteistyössä. Mitä enemmän teollisuuspartneirimme osallistuu, sitä enemmän he saavat.

Meidän on tarvis monialainen tiimi tukena projektejamme. Se vaatii enemmän kuin yhden koneoppimisen tutkijan rakentaa onnistunutta mallia, joka vaikuttaa liiketoimintaan myönteisesti. Niitä on paljon. Nämä tulivat mieleeni.

Uskot henkilökohtaisesti, että tekoäly pitäisi olla hyväksi. Mitkä ovat joitain tapoja, joilla tekoäly voi muuttaa tulevaisuuden myönteisesti?

Asian, josta pidän eniten työstäni, on se, että työskentelemme asiakkaiden kanssa kaikilla aloilla, ratkaisemassa erilaisia ongelmia, mutta kaikki heidän ongelmansa ovat todella käytetty positiiviseen muutokseen. Ja Amii:llä on periaatteellinen tekoälykehys, joka varmistaa, että teemme vain sitä. Sopimussopimuksesta alkaen varmistamme, että projektit, joissa työskentelemme teollisuuspartnereiden kanssa, ovat käytetty positiiviseen muutokseen eettisellä tavalla. Kaikki projektit, joissa pääsen työskentelemään, ovat käytetty hyväksi ja muuttavat tulevaisuuden myönteisesti.

Yksi asia, joka tulee mieleeni, on se, että Albertassa on usein kesäisin tulipaloja. Tämä vuosi oli erityisen paha, jopa huhtikuussa. Olemme vastikään tehneet yhteistyötä Kanadan tulipaloryhmän kanssa. 40 vuoden säädataa on sidottu vakaviin tulipaloihin. Työskentelemme heidän kanssaan tulipalojen paremman ennustamiseksi tulevaisuudessa, jotta voimme paremmin valmistautua tarvittaviin resursseihin, voidaan lähettää tiimit paikalle ja hillitä ympäristöä, ennen kuin se pääsee tulipaloon. Luulen, että se on vain siitä, että olen Edmontonissa, en tiedä, oletko sinä täällä viime viikolla, mutta se oli hyvin savuista.

Kun saavuin sunnuntai-iltana (21. toukokuuta 2023), se oli hyvin savuista.

Se on tuhoisaa. Se tuhoaa yhteisöjä. Se ottaa ihmisten kotien. Hengittäminen hiukkasia ilmassa ei ole hyvä, mutta tuho on hyvin suuri. Se on yksi mielenkiintoinen (projekti), joka on lähellä kaikkien sydäntä.

Toinen alue, jolla työskentelemme, on maatalous. Miten ruokkimme kasvavaa väestöämme? Työskentelemme kansallisen tutkimusneuvoston kanssa proteiinien runsauden ongelman parissa. Yritämme varmistaa, että kasvit, joita kasvatamme, ovat korkeampaa proteiinipitoisuutta ruokkimaan kasvavaa väestöämme ja käyttämällä koneoppimista ennustamaan niitä.

Päästöjen vähentäminen on toinen hyvin suosittu. Työskentelemme öljy- ja kaasualan yritysten kanssa varmistamaan, että prosessit ja järjestelmät ja työkalut, joita käytetään, ovat mahdollisimman tehokkaita. Työskentelemme vedenkäsittelylaitoksen kanssa Drayton Valleysta, joka on pieni kaupunki Albertassa, varmistamaan, että vedenkäsittelylaitos toimii mahdollisimman tehokkaasti ja tuottaa mahdollisimman paljon puhdistettua vettä yhteisölle. Tarkkuuslääketiede on myös.

Luettelo on pitkä. Kaikki yritykset, joilla työskentelemme, ovat näitä projekteja, näitä syitä. Se on vaikea valita suosikkia, koska kun ajattelet sitä, ne kaikki ovat mahdollisuuksia, joilla voidaan vaikuttaa tulevaisuuteen hyvin positiivisesti.

Mikä on visiosi tekoälyn tai robotiikan tulevaisuudesta?

Omani kokemus robotiikasta on ollut lähinnä toimitusketjussa. Se on, miten voimme parantaa olemassa olevia järjestelmiä ja automaatiota tekoälyllä. Toimitusketju on ilmeisesti kiinnostunut lisäämään tuotannon määrää, täyttämään enemmän tilauksia nopeammin ja tehostamaan päätöksentekoa. Robotiikkaa käytetään työkaluna, joka täydentää ihmisiä. Ehkä robotiikkaa voidaan käyttää tilanteissa, joissa on vaarallista ihmisille altistua. Robotiikka on hyvä korvaaja meille, jotta voimme pitää itsellemme turvallisuuden.

On myös mielenkiintoista tutkimusta tehty meidän tutkijoiden toimesta proteesiliikkeistä, jotta liikkuminen olisi helpompaa niille, jotka tarvitsevat tukea. Kaikki tämä on edelleen sidottu ihmisten käyttöön näistä työkaluista, mutta tekee niiden käytön helpommaksi.

Tulevaisuudessa tekoäly on yleensä edelleen ihmiskeskeinen. Robotiikkaa käytetään työkaluna, joka täydentää ihmisiä. On mielenkiintoista aikaa olla tässä tilassa. Teollisuus on vihdoin ymmärtänyt, että tekoäly on täällä ja se muuttaa kaiken, ja voit joko johtaa tai olla johdettu. Luulen, että yksi Amii:n visioista on, että jokainen yritys on mukava tekoälytekniikassa, tietoinen siitä, mitä se voi ja mitä ei voi, ja valmis kokeilemaan ja iteroida sen soveltamista liiketoimintaansa ratkaisemaan haasteellisimmat ongelmat.

Tähän asti luulen, että oli havainto, että vain teknologiayritykset olivat tekoälyn ja koneoppimisen käyttäjiä, mutta nyt se on muuttunut siihen, että koneoppimista voidaan soveltaa käytännössä jokaisessa organisaatiossa. Se ei aina ole oikea vastaus, mutta siinä on aina käyttötapaus. Toivon, että tulevaisuus on, että yritykset tulevat luonnollisiksi tekoälyyrityksiksi itsensä, tulevat tutummaksi tekniikkaan ja tietoisemmaksi siitä, miten he voivat sitä käyttää liiketoiminnassaan. Kiitos tästä upeasta haastattelusta, lukijat, jotka haluavat oppia enemmän, kannattaa vierailla seuraavissa resursseissa: Upper Bound AI -konferenssi. Amii (Alberta Machine Intelligence Institute).

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