Mara Cairo, Propriétaire de produit de technologie avancée chez Amii – Série d’entretiens

Mara Cairo est passionnée par l’utilisation de l’IA pour le bien. Elle est titulaire d’un baccalauréat en sciences en génie électrique de l’Université de l’Alberta et détient les désignations P.Eng. et PMP. Avant de rejoindre Amii, elle a travaillé dans le domaine du développement de matériel, où elle a aidé les clients à mettre leurs produits sur le marché, avec un accent sur la micro et la nanofabrication.

En tant que propriétaire de produit de technologie avancée chez Amii, Mara dirige une équipe technique qui aide les partenaires industriels à développer des capacités d’apprentissage automatique au sein de leur organisation en fournissant des conseils et une expertise pour développer des modèles prédictifs. Son équipe travaille avec des clients qui sont déterminés à progresser le long du spectre d’adoption de l’IA en appliquant l’apprentissage automatique à leurs problèmes commerciaux les plus complexes.

Amii (Alberta Machine Intelligence Institute) est l’un des principaux centres canadiens pour l’IA, il s’associe avec des entreprises de toutes tailles, dans tous les secteurs, pour stimuler la stratégie d’innovation et fournir des conseils pratiques et des conseils, des services de formation et de recrutement de talents.

Nous nous sommes assis pour un entretien lors de la conférence annuelle 2023 Upper Bound sur l’IA qui se tient à Edmonton, AB et est organisée par Amii.

Qu’est-ce qui vous a initialement attirée vers le génie électrique ?

En tant qu’enfant, j’aimais vraiment construire des choses. Ma mère ramenait un ventilateur lorsque c’était chaud en été, et je voulais le construire. Je me souviens d’avoir grandi en tant qu’adolescente, j’avais un téléphone portable, l’un de ces Nokia que vous pouviez démonter et je le démontais et mettais des bijoux partout à l’intérieur et sur l’antenne. Mais lorsque je l’ai ouvert, c’était comme : « Mon dieu, qu’est-ce qui se passe ici ? » C’était vraiment intéressant pour moi.

Je me suis toujours démarquée en mathématiques. Donc, en mettant tout cela ensemble, mes parents m’ont également poussée dans la direction de l’ingénierie parce que j’étais bonne en mathématiques, j’avais juste un intérêt général pour l’électronique et voulais en savoir plus sur cela, c’est ce qui m’a attirée vers le génie électrique.

De plus, en ingénierie, j’aimais vraiment l’idée d’appliquer les mathématiques à des problèmes du monde réel. Oui, okay, les mathématiques sont grandes et excitantes et amusantes pour moi, mais avec l’ingénierie, vous pouvez les appliquer pour résoudre des problèmes difficiles. Cela semblait être un mélange parfait de choses qui pourraient conduire à une carrière intéressante.

Vos parents semblaient très proactifs pour soutenir vos intérêts.

Oui. Mon père surtout. Il dit qu’il l’a vu en moi depuis très jeune et m’a toujours poussée dans cette direction. J’étais à un événement Women in AI la nuit dernière et nous avons parlé de l’élimination de certaines barrières et de la rendre un domaine plus accessible aux femmes. Et je n’ai pas vraiment vu cela comme une barrière parce que, encore une fois, mes parents étaient comme : « C’est ce que vous devriez faire. Ce n’est pas une question de votre sexe ou quoi que ce soit. C’est juste une compétence que vous avez. Vous devriez naturellement la suivre et la cultiver. » Je n’ai jamais senti que ce n’était pas pour moi, ce qui m’a évidemment aidée.

Avant de rejoindre Amii, vous avez travaillé dans le domaine du développement de matériel pour vous concentrer sur la micro et la nanofabrication. Pouvez-vous définir ces termes ?

Definitivement. Donc, en génie électrique, j’ai choisi l’option nano-ingénierie. C’était la spécialité autour de la conception et de la fabrication à l’échelle micro et nanométrique. Lorsque nous parlons d’un nanomètre, nous parlons d’un millimètre divisé en un million, c’est un nanomètre. Une échelle très, très petite. Et c’est cool. Ces choses sont si petites que vous ne pouvez même pas les voir à l’œil nu. Mais j’ai pu prendre cette spécialisation pour apprendre à concevoir et à fabriquer à cette échelle.

Nous vivons dans un monde très connecté. Il y a de l’électronique partout autour de nous et nous devons être en mesure de concevoir de l’électronique pour les contraintes de packaging et d’espace. Nous essayons constamment de rendre les choses plus petites et plus petites. Vous prenez quelque chose de volumineux, un prototype, et vous devez être en mesure de le rendre reproductible et évolutif. La nanofabrication est vraiment à propos des outils et des techniques que vous utilisez pour concevoir et fabriquer à ce niveau.

Ceci va de la fabrication de microprocesseurs à la connexion de deux puces différentes pour les relier électriquement au packaging final. Faire tout cela à l’échelle microscopique nécessite des techniques différentes de celles utilisées pour construire quelque chose à notre échelle humaine. La micro et la nanofabrication sont juste autour des processus chimiques que vous utilisez et des processus électriques, du packaging que vous devez faire pour vous assurer que ces éléments sont hermétiquement scellés et protégés de leur environnement.

Hors des microprocesseurs, quels seraient d’autres applications ou cas d’utilisation ?

Nous avons travaillé sur de nombreux projets tels que la fibre optique. Encore une fois, tout cela doit finalement aboutir à une sorte d’unité de traitement qui prend en charge des signaux ou génère des signaux. Nous avons travaillé dans l’industrie des télécommunications, de l’optique, des caméras, etc. Mais le cerveau de tout cela est généralement une sorte de microprocesseur au milieu. Mais il y a aussi les capteurs qui alimentent leurs signaux dans l’unité de traitement que vous utilisez. Donc, des techniques de fabrication diversifiées pour construire n’importe quel type de capteur ou de dispositif d’entrée ou de sortie dont nous avons besoin.

Quels sont certains des défis derrière le travail sur cette échelle nanométrique ?

Un morceau de poussière peut gâcher toute votre journée. Les choses sur lesquelles vous travaillez sont de la même taille que la poussière dans l’air. Donc, vous fabriquez dans une salle blanche. La salle blanche est vraiment un environnement qui protège ce sur quoi vous travaillez de vous en tant qu’humain, car nous sommes très sales en tant qu’humains, nous sommes constamment en train de cracher des particules, nos vêtements sont en train de se décomposer, le maquillage que nous portons rend l’air sale. Nous devons éliminer autant que possible de ces contaminants.

Un autre défi, il y a de grandes façons de construire ces salles blanches et il y a une sorte d’étude et de science derrière cela, mais l’autre défi est de sortir du laboratoire, car éventuellement ces choses seront utilisées dans notre monde très sale. C’est là que le packaging devient important. Nous devons toujours être en mesure d’accéder à ces appareils, mais nous devons le faire d’une manière qui ne contamine pas l’environnement, le packaging. Donc, hermétiquement sceller les choses, nous assurer qu’elles sont complètement scellées, rien n’entre ou ne sort. Ce sont encore un ensemble de défis que j’ai vus. Nous avions quelque chose qui fonctionnait très bien sur un banc de laboratoire dans un environnement contrôlé, mais généralement, la plupart des choses que nous construisons sont destinées à être sorties dans notre monde sale. C’était un défi également.

Encore une fois, de la fabrication à la prise en charge finale, c’est juste des considérations et des préoccupations environnementales très spéciales lorsque vous travaillez avec des choses si petites. Et les choses ne se comportent pas toujours comme prévu à cette échelle. Dans notre monde physique, nous nous attendons à ce que les choses fonctionnent d’une certaine manière, mais lorsque vous descendez à l’échelle micro et nanométrique, le monde physique devient un peu différent, et vous ne pouvez pas toujours anticiper les résultats. C’est un tout autre domaine d’étude.

Quels seraient certains exemples de choses qui se comportent différemment de la physique normale ?

Faire passer un courant électrique dans un fil. Nous avons nos chargeurs et nos téléphones et nous faisons passer un courant à travers. Lorsque vous faites passer un courant à travers un fil de la taille d’un cheveu, il y a évidemment des considérations de chaleur et les choses commencent à se comporter différemment parce que, encore une fois, l’espace et les contraintes de taille.

Quel est votre rôle actuel chez Amii et comment votre équipe aide les partenaires industriels ?

Mon rôle actuel chez Amii est très différent du monde de la micro et la nanotechnologie.

Je suis propriétaire de produit de l’équipe de technologie avancée chez Amii. Je dirige une équipe de scientifiques en apprentissage automatique et de chefs de projet qui travaillent tous avec nos différents partenaires industriels pour résoudre leurs problèmes commerciaux grâce à l’application de l’apprentissage automatique.

Nous sommes très axés sur l’industrie, tout sur le pont entre ce qui se passe dans l’académie, toutes les grandes avancées en matière d’apprentissage automatique et d’IA, mais en les appliquant aux plus grands besoins de nos partenaires industriels. Nous répondons à ces besoins en aidant essentiellement nos clients à trouver les compétences et l’expertise dont ils ont besoin pour être en mesure de faire progresser les travaux.

Nous exécutons nos programmes de stages et de résidences via l’équipe de technologie avancée. Donc, je fais beaucoup d’embauches. Le recrutement n’est pas mon domaine d’expertise, mais c’est quelque chose que je fais beaucoup maintenant. Et c’est tout sur le jeu de matchmaking, trouver le bon talent en apprentissage automatique pour placer sur le projet du client. Nous embauchons ces personnes comme employés d’Amii pour une période déterminée et leur offrons beaucoup de soutien et de mentorat, mais vraiment, ils sont dédiés à travailler sur le projet du client et à le faire progresser. C’est une façon pour nos clients d’accéder au talent sans avoir à faire le recrutement eux-mêmes. Amii a une certaine reconnaissance de marque, nous sommes en mesure d’attirer de très grands talents et de les placer sur ces projets industriels.

Un avantage potentiel du système est que le client a la possibilité d’embaucher ces personnes après la fin de leur contrat avec nous. Nous voulons que ce talent reste ici. Nous ne voulons pas de fuite des cerveaux. Nous donnons au client un peu d’avance pour qu’il puisse essayer le talent, essayer le projet, avoir une idée de ce que l’apprentissage automatique est vraiment, ce dont nous avons besoin pour le rendre réussi, et idéalement placer le talent au sein de ces entreprises pour une période plus longue afin que ces entreprises deviennent vraiment des entreprises d’IA et soient en mesure de faire progresser leurs propres initiatives à l’avenir.

Combien de temps dure généralement le contrat qu’ils signent ?

Généralement, quatre à douze mois.

C’est quelque chose que nous déterminons au début, en fonction de la complexité du projet et des problèmes que nous essayons de résoudre. Nous constatons que plus longtemps, mieux c’est. Les projets d’apprentissage automatique à réaliser en quatre mois peuvent être difficiles. Il y a beaucoup plus que de simplement construire des modèles d’apprentissage automatique. Nous sommes fortement tributaires des données collectées par le client qui nous sont remises, ce qui nous aide à construire les modèles. Plus longtemps nous avons, mieux c’est pour itérer et parcourir toutes les opportunités.

Le travail est expérimental et exploratoire par nature. Amii est un institut de recherche ; nous ne pouvons pas toujours garantir le résultat. Un temps de vol plus long nous donne plus de temps pour effectuer cette recherche et nous assurer que nous avons épuisé toutes les options et poursuivi autant de choses que possible, car il est difficile pour nous de dire : « C’est la méthode qui fonctionnera le mieux. » Vous devez essayer et voir.

Quels sont certains exemples de problèmes commerciaux difficiles sur lesquels votre équipe a travaillé avec ces entreprises ?

Je l’ai mentionné, la préparation des données est certainement un grand défi. La perception de l’industrie de la préparation des données est différente de ce que pense un scientifique en apprentissage automatique. Et l’accès. À quel point il est facile pour le client de nous remettre les données d’une manière qui est consommable pour nos modèles d’apprentissage automatique. C’est pourquoi nous aimons les projets plus longs, car cela donne à notre équipe le temps de travailler avec nos clients pour surmonter ces défis de préparation des données et les mettre en place pour le succès.

Les ordures entrantes sont des ordures sortantes, si vous nous donnez des données de mauvaise qualité, nous allons créer un modèle de mauvaise qualité. Nous avons vraiment besoin de données de qualité. Et il y a un peu de courbe d’apprentissage pour les clients. La perception de l’industrie, encore une fois, de ce que sont les données de qualité, quels sont les exemples dont nous avons besoin pour être en mesure de prédire les choses à l’avenir. C’est juste une question de littératie, nous assurer que nous parlons le même langage, qu’ils comprennent les limites basées sur les données auxquelles ils ont accès, qu’ils comprennent ce qui va nous mettre en place pour le succès.

Vous avez besoin d’exemples de ce que vous essayez de prédire dans votre ensemble de données. Si un événement est très rare, il sera difficile pour nous de l’anticiper. Nous pourrions construire un modèle très précis de quelque chose qui est juste 99 % précis parce qu’il ne prédit jamais l’événement qui se produit 1 % du temps. Encore une fois, nous nous assurer que le client comprend ce dont nous avons besoin pour construire des modèles précis.

Nous avons vu même des problèmes apparemment simples qui peuvent être très complexes en fonction de leur ensemble de données. Au début, avoir un appel de découverte initial avec un client, nous devons anticiper la durée du temps dont nous aurons besoin. Mais parfois, lorsque nous commençons à éplucher les couches de l’oignon, nous réalisons, non, c’est beaucoup plus complexe que nous le pensions, en raison de ces complexités de données.

D’autres défis, le manque d’engagement des experts en la matière nécessaires. Lorsque nous nous associons à nos partenaires industriels, nous avons vraiment besoin qu’ils continuent à venir à la table, car ils sont les experts en la matière et généralement les experts en données également. Nous ne sommes pas comme une boutique de développement où nous pouvons simplement prendre les données, construire le modèle et le remettre à la fin. C’est très, très collaboratif. Et plus nos partenaires industriels y mettent, plus ils en tireront, car ils seront en mesure de nous guider dans la bonne direction, de s’assurer que les prédictions que nous faisons ont du sens pour eux d’un point de vue commercial, que nous visons les bonnes métriques, que nous comprenons ce qu’est le succès pour eux.

Nous avons besoin d’une équipe multidisciplinaire autour de nous pour soutenir les projets et cela nécessite plus qu’un seul scientifique en apprentissage automatique pour construire un modèle réussi qui aura un impact positif sur l’entreprise. Il y a beaucoup de défis. Ceux-ci me viennent à l’esprit.

Vous croyez personnellement que l’IA devrait être une force pour le bien. Quels sont certains moyens par lesquels vous pensez que l’IA peut changer positivement l’avenir ?

La chose que j’aime le plus dans mon travail est que nous travaillons avec des clients de tous les secteurs, en résolvant des problèmes très différents, mais tous sont vraiment utilisés pour un changement positif. Et Amii a son cadre d’IA principiel qui nous assure que nous faisons juste cela. Depuis la phase de contractualisation, nous nous assurons que les projets sur lesquels nous travaillons avec nos partenaires industriels sont utilisés pour ce changement positif d’une manière éthique. Tous les projets que je vois sont utilisés pour le bien et changent positivement l’avenir.

Une chose qui me vient à l’esprit, en Alberta, plus souvent qu’autrement, nous sommes confrontés à des situations d’incendies de forêt en été. Cette année, en particulier, même en avril, c’était mauvais. Nous avons récemment collaboré avec Canada Wildfire. C’est un groupe de recherche de l’Université de l’Alberta. 40 ans de données météorologiques liées à des événements d’incendies de forêt graves. Nous travaillons avec eux pour mieux prédire ces événements à l’avenir afin que nous puissions mieux préparer les ressources qui pourraient être nécessaires, avoir les équipes aller et tempérer l’environnement avant qu’il n’atteigne un stade où les incendies de forêt font rage. Je pense que c’est juste parce que je suis à Edmonton, je ne sais pas si vous étiez ici la semaine dernière, mais c’était très enfumé.

Lorsque je suis arrivé dimanche soir (21 mai 2023), c’était très enfumé.

C’est dévastateur. Cela ruine les communautés. Cela prend les maisons des gens. Devoir respirer des particules dans l’air n’est pas bien, mais la dévastation est très grande. C’est un projet intéressant qui est proche du cœur de tous.

Un autre domaine dans lequel nous travaillons est l’espace agricole. Comment allons-nous nourrir notre population croissante ? Nous travaillons avec le Conseil national de recherche sur un problème d’abondance de protéines. Nous essayons de nous assurer que les plantes que nous cultivons ont un contenu protéique plus élevé pour nourrir notre population croissante et en utilisant l’apprentissage automatique pour être en mesure de faire ces prédictions.

La réduction des émissions est un autre domaine très populaire. Nous travaillons avec des entreprises du secteur pétrolier et gazier pour nous assurer que les processus et les outils utilisés sont les plus efficaces possible. Nous travaillons avec une usine de traitement de l’eau à Drayton Valley, qui est une petite ville de l’Alberta, pour nous assurer que cette usine de traitement de l’eau fonctionne de manière aussi efficace que possible et que nous créons autant d’eau propre que possible pour la communauté. La médecine de précision également.

La liste est longue. Littéralement, chaque entreprise avec laquelle nous travaillons sur ces types de projets, ces types de causes. Il est difficile pour moi de choisir un favori, car lorsque vous y pensez, ils ont tous la possibilité d’avoir un impact incroyablement positif sur l’avenir.

Quelle est votre vision pour l’avenir de l’IA ou de la robotique ?

Mon exposition à la robotique a vraiment été dans la chaîne d’approvisionnement. C’est où la robotique est déjà utilisée, mais c’est également comment nous pouvons l’améliorer avec l’IA pour construire sur les systèmes existants et l’automatisation, encore une fois, à travers des processus plus efficaces ? La chaîne d’approvisionnement est évidemment intéressée à augmenter le débit, à remplir plus de commandes plus rapidement et à prendre des décisions plus efficaces. Sur le côté de la robotique, encore une fois, mon exposition a été de construire sur les robots existants pour les rendre plus intelligents et meilleurs.

Je pense que plus généralement, l’avenir, tel que je le vois, est toujours très centré sur l’humain. La robotique est utilisée comme un outil, comme une extension de l’humain. Peut-être que la robotique est déployée dans des conditions dangereuses pour les humains où nous ne devrions pas être exposés à l’environnement. La robotique est un excellent remplacement pour nous dans ce cas pour nous garder en sécurité. Il y a également des recherches très intéressantes menées par nos boursiers sur les membres bioniques, donc un contrôle et un mouvement plus faciles pour les personnes qui ont besoin de ce soutien. Tout cela est toujours lié aux humains et à leur utilisation de ces outils, mais en les rendant plus faciles à utiliser et en améliorant leur vie grâce à ces nouveaux systèmes.

En termes d’avenir de l’IA en général, c’est juste un moment très intéressant pour être dans cet espace. L’industrie comprend enfin que l’IA est là et qu’elle va tout changer et que vous pouvez soit mener, soit être conduit. Je pense que l’une des visions d’Amii est d’avoir chaque entreprise à l’aise avec la technologie, consciente de ce qu’elle peut et ne peut pas faire, et vraiment prête à expérimenter et à itérer sur sa mise en œuvre dans son entreprise pour résoudre certains de ses problèmes les plus difficiles.

Jusqu’à présent, je pense que peut-être il y avait une perception que seules les entreprises technologiques étaient des utilisatrices d’IA et d’apprentissage automatique, mais maintenant, il devient plus évident que l’apprentissage automatique peut être déployé dans pratiquement toutes les organisations. Ce n’est pas toujours la bonne réponse, mais il y a généralement un cas d’utilisation pour cela. J’espère que l’avenir est que les entreprises deviennent des entreprises d’IA naturelles elles-mêmes en devenant plus lettrées et familières avec la technologie et conscientes de la façon dont elles peuvent l’utiliser pour leur entreprise.

Merci pour cette incroyable interview, les lecteurs qui souhaitent en savoir plus peuvent visiter les ressources suivantes:

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