मारा काहिरो, एडवांस्ड टेक्नोलॉजी के प्रोडक्ट ओनर अमी – साक्षात्कार श्रृंखला

मारा काहिरो एआई के लिए उत्साही हैं। उन्होंने अल्बर्टा विश्वविद्यालय से इलेक्ट्रिकल इंजीनियरिंग में स्नातक की डिग्री प्राप्त की है और पी.इंजी। और पीएमपी पदनाम रखती हैं। अमी में शामिल होने से पहले, उन्होंने हार्डवेयर विकास स्थान में काम किया, जहां उन्होंने ग्राहकों को उनके उत्पादों को बाजार में लाने में मदद की, जिसमें माइक्रो और नैनो-फैब्रिकेशन पर ध्यान केंद्रित किया गया था।

अमी में एडवांस्ड टेक्नोलॉजी के प्रोडक्ट ओनर के रूप में, मारा एक तकनीकी टीम का नेतृत्व करती है जो उद्योग भागीदारों को मशीन लर्निंग क्षमता विकसित करने में मदद करती है और उन्हें भविष्यवाणी मॉडल विकसित करने के लिए मार्गदर्शन और विशेषज्ञता प्रदान करती है। उनकी टीम उन ग्राहकों के साथ काम करती है जो एआई अपनाने के स्पेक्ट्रम के साथ आगे बढ़ने के लिए प्रतिबद्ध हैं और अपने सबसे चुनौतीपूर्ण व्यवसायिक समस्याओं के लिए मशीन लर्निंग को लागू करने के लिए प्रतिबद्ध हैं।

अमी (अल्बर्टा मशीन इंटेलिजेंस इंस्टीट्यूट) कनाडा के प्रमुख एआई केंद्रों में से एक है, जो सभी आकारों की कंपनियों के साथ उद्योगों में भागीदारी करता है, नवाचार रणनीति को बढ़ावा देने और व्यावहारिक मार्गदर्शन और सलाह, कॉर्पोरेट प्रशिक्षण और प्रतिभा भर्ती सेवाएं प्रदान करता है।

हमने अमी द्वारा आयोजित वार्षिक 2023 अपर बाउंड एआई सम्मेलन में एक साक्षात्कार के लिए बैठे, जो एडमॉन्टन, एबी में आयोजित किया गया था।

आपको इलेक्ट्रिकल इंजीनियरिंग में क्या आकर्षित किया?

एक बच्चे के रूप में, मुझे बस चीजें बनाना पसंद था। मेरी माँ गर्मियों में जब यह गर्म होता था, तो वह एक पंखा लेकर आती थी, और मैं उसे बनाना चाहता था। मुझे याद है कि एक किशोर के रूप में, मेरे पास एक नोकिया फोन था, जिसे आप अलग कर सकते थे और मैं उसे अलग कर देता था और उसके अंदर और एंटेना पर गहने लगा देता था। लेकिन जब मैंने इसे खोला, तो यह जैसे कि “होली क्रैप, यहाँ क्या हो रहा है?” यह मुझे बहुत दिलचस्प लगा।

मैंने हमेशा गणित में उत्कृष्टता प्राप्त की। इसलिए, इन सभी चीजों को एक साथ रखें, मेरे माता-पिता ने भी मुझे इंजीनियरिंग की दिशा में धक्का दिया क्योंकि मैं गणित में अच्छा था, मेरी इलेक्ट्रॉनिक्स में रुचि थी और मुझे इसके बारे में अधिक जानना चाहता था, यही मुझे शुरू में आकर्षित किया।

इसके अलावा, इंजीनियरिंग में, मुझे गणित को वास्तविक दुनिया की समस्याओं पर लागू करने का विचार बहुत पसंद आया। हाँ, ठीक है, गणित महान और रोमांचक और मेरे लिए मजेदार है, लेकिन इंजीनियरिंग के साथ आप इसे कठिन समस्याओं को हल करने के लिए लागू कर सकते हैं। यह जैसे कि चीजों का एक आदर्श मिश्रण था जो एक दिलचस्प करियर की ओर ले जाएगा।

आपके माता-पिता ने आपके हितों का समर्थन करने में बहुत सक्रिय भूमिका निभाई।

हाँ। मेरे पिता विशेष रूप से। वह कहते हैं कि उन्होंने मुझमें यह देखा जब मैं एक छोटी उम्र का था, और उन्होंने मुझे हमेशा उस दिशा में धक्का दिया। मैं एक महिला एआई इवेंट में भी थी और हमने बाधाओं को दूर करने और महिलाओं के लिए इस क्षेत्र को अधिक सुलभ बनाने के बारे में बात की। और मैंने इसे एक बाधा के रूप में नहीं देखा क्योंकि, फिर से, मेरे माता-पिता ने कहा, “यह वह है जो आपको करना चाहिए। यह आपके लिंग या किसी और चीज़ का सवाल नहीं है। यह只是 एक कौशल है जो आपके पास है। आपको इसे अपनाना चाहिए और इसका पोषण करना चाहिए।” मुझे कभी ऐसा नहीं लगा कि यह मेरे लिए नहीं है, जो स्पष्ट रूप से मददगार था।

अमी में शामिल होने से पहले आप हार्डवेयर विकास स्थान में काम करते थे, जिसमें माइक्रो और नैनो-फैब्रिकेशन पर ध्यान केंद्रित किया गया था। आप इन शब्दों को परिभाषित कर सकते हैं?

निश्चित रूप से। इसलिए, इलेक्ट्रिकल इंजीनियरिंग में, मैंने नैनोइंजीनियरिंग विकल्प लिया। यह माइक्रो और नैनोस्केल पर डिज़ाइन और निर्माण के बारे में था। जब हम एक नैनोमीटर की बात करते हैं, तो हम एक मिलीमीटर को एक मिलियन में विभाजित करते हैं जो एक नैनोमीटर है। एक बहुत ही छोटा पैमाना। और यह ठीक है। ये चीजें इतनी छोटी हैं कि आप उन्हें नंगी आंखों से नहीं देख सकते। लेकिन मैं इस विशेषज्ञता को ले सकता था और इस पैमाने पर डिज़ाइन और निर्माण करना सीख सकता था।

हम एक जुड़े हुए दुनिया में रहते हैं। हमारे चारों ओर इलेक्ट्रॉनिक्स है, और हमें उन्हें डिज़ाइन करने में सक्षम होने की आवश्यकता है जो पैकेजिंग और स्थान सीमाओं के लिए उपयुक्त हो। हम लगातार चीजों को छोटा और छोटा बनाने की कोशिश कर रहे हैं। आप कुछ भारी चीज लेते हैं, एक प्रोटोटाइप, और आपको इसे पुन: उत्पादित और मापनीय बनाने में सक्षम होने की आवश्यकता है। नैनोफैब्रिकेशन वास्तव में उन उपकरणों और तकनीकों के बारे में है जिनका उपयोग आप उस स्तर पर डिज़ाइन और निर्माण करने के लिए करते हैं।

यह माइक्रोचिप्स के निर्माण से लेकर दो अलग-अलग चिप्स को बिजली से जोड़ने और अंतिम पैकेजिंग तक है। इस सभी को माइक्रोस्केल पर करने के लिए आपको मानव स्तर पर चीजों को बनाने की तुलना में एक अलग तकनीक की आवश्यकता होती है। माइक्रो और नैनोफैब्रिकेशन रासायनिक प्रक्रियाओं, इलेक्ट्रिकल प्रक्रियाओं, पैकेजिंग के बारे में है जिसे आपको सुनिश्चित करने की आवश्यकता है कि वे हेर्मेटिक रूप से सील हैं और उनके पर्यावरण से सुरक्षित हैं।

माइक्रोचिप्स के अलावा क्या अन्य अनुप्रयोग या उपयोग के मामले हैं?

हमने फाइबर ऑप्टिक्स जैसी कई परियोजनाओं पर काम किया। फिर से, यह सभी अंततः कुछ प्रकार के प्रोसेसिंग यूनिट में जाता है जो संकेतों को लेता है या संकेतों को उत्पन्न करता है। हमने दूरसंचार उद्योग, ऑप्टिक्स, कैमरों में काम किया, लेकिन सभी के पीछे दिमाग एक माइक्रोचिप होती है। लेकिन सेंसर भी होते हैं जो संकेतों को प्रोसेसिंग यूनिट में डालते हैं। इसलिए, जो कुछ भी हमें चाहिए, उसके लिए विविध निर्माण तकनीकों का निर्माण करना।

इस प्रकार के नैनोस्केल पर काम करने के पीछे कुछ चुनौतियां क्या हैं?

एक टुकड़ा धूल आपका पूरा दिन बर्बाद कर सकता है। जिन चीजों पर आप काम कर रहे हैं वे हवा में धूल के आकार के ही हैं। इसलिए, आप एक साफ कमरे में निर्माण करते हैं। साफ कमरा वास्तव में एक ऐसा वातावरण है जो आपकी रक्षा करता है जो आप पर काम कर रहे हैं आपसे एक मानव के रूप में। क्योंकि हम मानव बहुत गंदे हैं, हम लगातार कणों को बाहर निकाल रहे हैं, हमारे कपड़े कणों को बाहर निकाल रहे हैं, हम जो मेकअप पहनते हैं वह हवा को गंदा कर रहा है। हमें इस प्रकार के दूषित पदार्थों को यथासंभव समाप्त करने की आवश्यकता है।

एक और चुनौती, साफ कमरों को बनाने के लिए बहुत अच्छे तरीके हैं, और साफ कमरों के पीछे एक पूरा विज्ञान है, लेकिन एक और चुनौती यह है कि इसे प्रयोगशाला से बाहर निकालना। अंततः, ये चीजें हमारे बहुत ही गंदे दुनिया में उपयोग की जाने वाली हैं। यह तब पैकेजिंग महत्वपूर्ण हो जाती है। हमें अभी भी इन उपकरणों तक पहुंच की आवश्यकता है, लेकिन हमें ऐसा करने की आवश्यकता है कि हम पैकेजिंग को दूषित न करें। इसलिए, चीजों को हेर्मेटिक रूप से सील करना, सुनिश्चित करना कि कुछ भी अंदर या बाहर नहीं जा रहा है। यह एक और सेट है चुनौतियों कि मैंने देखी। हमारे पास एक चीज थी जो एक प्रयोगशाला बेंच पर बहुत अच्छा काम करती थी, लेकिन आम तौर पर ज्यादातर चीजें जो हम बना रहे थे वे हमारे गंदे दुनिया में ले जाने के लिए थीं।

फिर से, निर्माण से लेकर इसे अपने अंतिम गंतव्य तक ले जाने तक, यह बहुत विशेष प्रकार के विचार और पर्यावरण संबंधी चिंताएं हैं जब आप इतनी छोटी चीजों से निपट रहे हैं। चीजें हमेशा अपेक्षित तरीके से काम नहीं करती हैं। हमारे भौतिक दुनिया में, हम अपेक्षा करते हैं कि चीजें एक निश्चित तरीके से काम करेंगी, लेकिन जब आप माइक्रो और नैनोस्केल पर जाते हैं, तो भौतिक दुनिया थोड़ी अलग हो जाती है, और आप हमेशा परिणामों की भविष्यवाणी नहीं कर सकते। यह एक और क्षेत्र है अध्ययन।

नियमित भौतिक दुनिया से अलग होने के कुछ उदाहरण क्या हैं?

एक तार में करंट पास करना। हमारे पास हमारे चार्जर और हमारे फोन हैं और हम तार में करंट पास कर रहे हैं। जब आप एक तार में करंट पास करते हैं जो एक बाल के आकार का है, तो गर्मी की考虑 होती है और चीजें अलग तरह से व्यवहार करती हैं क्योंकि, फिर से, स्थान और आकार सीमाएं हैं।

आपकी वर्तमान भूमिका अमी में क्या है, और आपकी टीम उद्योग भागीदारों की मदद कैसे करती है?

मेरी वर्तमान भूमिका अमी में माइक्रो और नैनोटेक्नोलॉजी की दुनिया से बहुत अलग है।

मैं अमी में एडवांस्ड टेक्नोलॉजी टीम का प्रोडक्ट ओनर हूं। मैं एक टीम का नेतृत्व करता हूं जिसमें मुख्य रूप से मशीन लर्निंग वैज्ञानिक और परियोजना प्रबंधक हैं जो हमारे विभिन्न उद्योग भागीदारों के साथ काम कर रहे हैं ताकि वे मशीन लर्निंग के आवेदन के माध्यम से अपनी व्यवसायिक समस्याओं का समाधान कर सकें।

हम उद्योग-केंद्रित हैं, सभी के बारे में उद्योग भागीदारों के साथ काम करने के लिए ताकि वे अपनी सबसे बड़ी व्यावसायिक समस्याओं को हल कर सकें। हम अपने ग्राहकों को यह खोजने में मदद करते हैं कि उन्हें आगे बढ़ने के लिए जिन कौशल और विशेषज्ञता की आवश्यकता है।

हम एडवांस्ड टेक्नोलॉजी टीम के माध्यम से इंटर्नशिप और रेसिडेंसी प्रोग्राम चलाते हैं। इसलिए, मैं बहुत किराए पर लेता हूं। भर्ती मेरी पृष्ठभूमि नहीं है, लेकिन यह अब मैं जो बहुत कुछ करता हूं। और यह मैचमेकिंग के बारे में है, सही एमएल प्रतिभा को खोजने के लिए जिसे हम अपने ग्राहक के परियोजना पर रखने जा रहे हैं। हम इन लोगों को अमी के कर्मचारी के रूप में एक निश्चित अवधि के लिए नियुक्त करते हैं और उन्हें बहुत सारा समर्थन और मार्गदर्शन प्रदान करते हैं, लेकिन वास्तव में वे हमारे ग्राहक की परियोजना पर काम करने के लिए समर्पित हैं। यह हमारे ग्राहकों के लिए प्रतिभा तक पहुंच प्राप्त करने का एक तरीका है बिना खुद भर्ती किए। अमी की कुछ बहुत अच्छी ब्रांड मान्यता है, हम वास्तव में अच्छी प्रतिभा ला सकते हैं और फिर इसे उद्योग परियोजनाओं पर रख सकते हैं।

सिस्टम का एक संभावित लाभ यह है कि ग्राहक को हमारे साथ कार्यकाल के बाद इन लोगों को नियुक्त करने का अवसर मिलता है। हम चाहते हैं कि यह प्रतिभा यहाँ रहे। हम मस्तिष्क निर्वासन नहीं चाहते हैं। हम ग्राहक को एक प्रकार का पैर दे रहे हैं ताकि वे प्रतिभा को आजमा सकें, परियोजना को आजमा सकें, और यह देख सकें कि मशीन लर्निंग वास्तव में क्या है, इसके लिए उन्हें क्या चाहिए, और फिर आदर्श रूप से प्रतिभा को इन कंपनियों में लंबी अवधि में रखने के लिए ताकि वे वास्तव में एआई कंपनियां बन सकें और अपनी पहल को आगे बढ़ाने में सक्षम हों।

वे आमतौर पर कितने समय के लिए साइन अप करते हैं?

आम तौर पर, चार से बारह महीने।

यह कुछ ऐसा है जिसे हम शुरू में तय करते हैं, परियोजना की जटिलता और हम कितनी समस्याओं का समाधान करने की कोशिश कर रहे हैं, इसके आधार पर। हम पाते हैं कि जितना लंबा समय होगा, उतना ही बेहतर होगा। मशीन लर्निंग परियोजनाओं को चार महीनों में करना चुनौतीपूर्ण हो सकता है। इसमें बहुत कुछ है जो केवल एमएल मॉडल बनाने से परे है। यह ग्राहक द्वारा एकत्र किए गए डेटा पर बहुत अधिक निर्भर करता है जो हमें सौंपा जाता है जो हमें मॉडल बनाने में मदद करता है। जितना अधिक समय हमें मिलता है, उतना ही बेहतर है यह पुनरावृत्ति और चक्र के माध्यम से जाने के लिए।

काम प्रयोगात्मक और अन्वेषणात्मक प्रकृति का है। अमी एक अनुसंधान संस्थान है; हम हमेशा परिणाम की गारंटी नहीं दे सकते। एक लंबी दौड़ बस हमें अधिक समय देती है अनुसंधान करने के लिए और सुनिश्चित करने के लिए कि हमने अपने विकल्पों को समाप्त कर दिया है और जितना संभव हो उतनी चीजों का पीछा किया है क्योंकि यह हमारे लिए कहना मुश्किल है कि यह विधि सबसे अच्छा काम करेगी। आपको यह आजमाना होगा और देखना होगा।

आपकी टीम ने इन कंपनियों के साथ काम करते हुए कुछ चुनौतीपूर्ण व्यावसायिक समस्याओं के उदाहरण क्या हैं?

मैंने इसका उल्लेख किया, निश्चित रूप से डेटा तैयारी एक बड़ी चुनौती है। उद्योग की धारणा डेटा तैयारी के बारे में अलग है जो एक मशीन लर्निंग वैज्ञानिक सोचेगा कि मॉडल के लिए तैयार है। और पहुंच। यह हमारे लिए कितना आसान है कि ग्राहक हमें डेटा सौंपे जो हमारे एमएल मॉडल के लिए खपत करने योग्य है। यही कारण है कि हम लंबी परियोजनाओं को पसंद करते हैं क्योंकि यह हमारी टीम को ग्राहक के साथ काम करने के लिए समय देता है इन प्रकार की डेटा तैयारी चुनौतियों के माध्यम से और उन्हें सफलता के लिए तैयार करता है।

कचरा में कचरा है, यदि आप हमें कचरा डेटा देते हैं, तो हम एक कचरा मॉडल बनाएंगे। हमें गुणवत्ता वाले डेटा की आवश्यकता है। और ग्राहकों के लिए एक छोटी सी सीखने की वक्र है। उद्योग की धारणा, फिर से, यह जो डेटा हमें चाहिए, उसके उदाहरण, जो हम भविष्य में की भविष्यवाणी करने में सक्षम होना चाहते हैं। यह सिर्फ एक साक्षरता चीज है, सुनिश्चित कर रहा है कि हम एक ही भाषा बोल रहे हैं, वे सीमाओं को समझते हैं जो वे अपने डेटा तक पहुंच के आधार पर हैं।

आपको भविष्यवाणी करने के लिए जो कुछ भी आप करना चाहते हैं उसके उदाहरणों की आवश्यकता है। यदि एक घटना वास्तव में दुर्लभ है, तो यह हमारे लिए इसे होने की भविष्यवाणी करना मुश्किल होगा। हम एक मॉडल बना सकते हैं जो 99% समय सटीक है क्योंकि यह कभी भी 1% समय की भविष्यवाणी नहीं कर रहा है जब कुछ होता है। फिर से, सुनिश्चित करना कि ग्राहक समझता है कि हमें सटीक मॉडल बनाने के लिए क्या चाहिए।

हमने देखा है कि यहां तक कि स्पष्ट रूप से सरल समस्याएं भी उनके डेटासेट के आधार पर बहुत जटिल हो सकती हैं। एक ग्राहक के साथ एक प्रारंभिक खोज कॉल के दौरान, हमें यह अनुमान लगाना होगा कि हमें कितना समय चाहिए। लेकिन कभी-कभी जब हम प्याज की परतों को खोलते हैं, तो हम महसूस करते हैं, नहीं, यह जटिल है जितना हमने सोचा था क्योंकि डेटा जटिलताओं के कारण।

अन्य चुनौतियां, विषय विशेषज्ञों की कमी जो आवश्यक है। जब हम अपने उद्योग भागीदारों के साथ भागीदारी करते हैं, तो हमें वास्तव में उन्हें आगे आने की आवश्यकता है क्योंकि वे डोमेन विशेषज्ञ हैं और आमतौर पर डेटा विशेषज्ञ भी हैं। हम एक डेव शॉप नहीं हैं जहां हम डेटा ले सकते हैं, मॉडल बना सकते हैं और इसे उन्हें अंत में सौंप सकते हैं। यह बहुत सहयोगी है। और जितना अधिक हमारे उद्योग भागीदार इसमें डालते हैं, उतना ही अधिक वे प्राप्त करेंगे क्योंकि वे हमें सही दिशा में मार्गदर्शन करने में सक्षम होंगे, सुनिश्चित करेंगे कि हम जो भविष्यवाणी कर रहे हैं वह उनके लिए व्यवसायिक दृष्टिकोण से समझ में आता है, कि हम सही मेट्रिक्स पर निशाना लगा रहे हैं, हम जानते हैं कि उनके लिए सफलता क्या है।

हमें परियोजनाओं का समर्थन करने के लिए हमारे चारों ओर एक बहु-विषयक टीम की आवश्यकता है। इसमें एक मशीन लर्निंग वैज्ञानिक से अधिक लगता है जो एक सफल मॉडल बनाने जा रहा है जो व्यवसाय पर सकारात्मक प्रभाव डालेगा। कई चुनौतियां हैं। वे मुझे याद आते हैं।

आप व्यक्तिगत रूप से मानते हैं कि एआई को एक अच्छा बल होना चाहिए। एआई भविष्य को सकारात्मक रूप से बदलने के कुछ तरीके क्या हैं?

मुझे जो सबसे ज्यादा पसंद है मेरी नौकरी में यह है कि हम विभिन्न उद्योगों से ग्राहकों के साथ काम करते हैं, विभिन्न समस्याओं का समाधान करते हैं, लेकिन वे सभी वास्तव में कुछ प्रकार के सकारात्मक परिवर्तन के लिए उपयोग किए जा रहे हैं। और अमी के पास हमारे सिद्धांत एआई फ्रेमवर्क है जो सुनिश्चित करता है कि हम ऐसा ही कर रहे हैं। अनुबंध चरण से, हम सुनिश्चित कर रहे हैं कि हम जिन परियोजनाओं पर हमारे उद्योग भागीदारों के साथ काम कर रहे हैं, वे नैतिक तरीके से सकारात्मक परिवर्तन के लिए उपयोग की जा रही हैं। मुझे जो परियोजनाएं मिलती हैं वे सभी अच्छे के लिए उपयोग की जा रही हैं और भविष्य को सकारात्मक रूप से बदल रही हैं।

एक बात जो दिमाग में आती है, अल्बर्टा में अब अधिक बार नहीं, हम गर्मियों में वाइल्डफायर स्थितियों से निपटते हैं। इस साल विशेष रूप से, यहां तक कि अप्रैल में भी यह बहुत खराब था। हमने हाल ही में कनाडा वाइल्डफायर के साथ भागीदारी की है। यह एक शोध समूह है अल्बर्टा विश्वविद्यालय से। 40 साल का मौसम डेटा जो गंभीर वाइल्डफायर घटनाओं से जुड़ा है। हम उनके साथ मिलकर भविष्य में इन घटनाओं की बेहतर भविष्यवाणी करने के लिए काम कर रहे हैं ताकि हम संसाधनों की तैयारी कर सकें जो आवश्यक हो सकते हैं, टीमों को भेज सकें और पर्यावरण को पहले से ही शांत कर सकें ताकि यह उस चरण तक न पहुंचे जहां वाइल्डफायर तेजी से फैल रहे हों। मुझे लगता है कि यह सिर्फ इसलिए है क्योंकि मैं एडमॉन्टन में हूं, मुझे नहीं पता कि क्या आप यहां थे पिछले हफ्ते, लेकिन यह बहुत धूमिल था।

जब मैं रविवार की रात (21 मई, 2023) पहुंचा, तो यह बहुत धूमिल था।

यह विनाशकारी है। यह समुदायों को बर्बाद कर देता है। यह लोगों के घरों को छीन लेता है। हवा में कणों को सांस लेना अच्छा नहीं है, लेकिन विनाश बहुत बड़ा है। यह एक ऐसी परियोजना है जो हम सभी के दिल के करीब है।

एक और क्षेत्र जिसमें हम काम कर रहे हैं वह कृषि स्थान है। हम अपनी बढ़ती आबादी को कैसे खिलाएंगे? हम राष्ट्रीय अनुसंधान परिषद के साथ प्रोटीन बहुतायत समस्या पर काम कर रहे हैं। सुनिश्चित करने के लिए कि पौधों में जो हम उगा रहे हैं उनमें अधिक प्रोटीन सामग्री है ताकि हम अपनी बढ़ती आबादी को खिला सकें और मशीन लर्निंग का उपयोग करके इन भविष्यवाणियों को करने में सक्षम हो सकें।

उत्सर्जन को कम करना एक और बहुत लोकप्रिय है। तेल और गैस क्षेत्र में कंपनियों के साथ काम करना ताकि सुनिश्चित किया जा सके कि प्रक्रियाएं और प्रणालियां और उपकरण जो उपयोग किए जाते हैं वे यथासंभव कुशल हैं। हम ड्रेटन वैली से एक जल उपचार संयंत्र के साथ काम कर रहे हैं, जो अल्बर्टा में एक छोटा सा शहर है, ताकि यह सुनिश्चित किया जा सके कि जल उपचार संयंत्र यथासंभव कुशलता से चल रहा है और हम समुदाय के लिए साफ पानी बना रहे हैं। सटीक चिकित्सा भी।

सूची चलती रहती है। वास्तव में, प्रत्येक कंपनी जिसके साथ हम काम करते हैं वे सभी इस प्रकार की परियोजनाओं, इस प्रकार के कारणों पर काम कर रहे हैं। यह मुझे एक पसंदीदा चुनना मुश्किल बनाता है क्योंकि जब आप इसके बारे में सोचते हैं, तो वे सभी एक अविश्वसनीय रूप से सकारात्मक प्रभाव डालने की संभावना रखते हैं भविष्य पर।

एआई या रोबोटिक्स के भविष्य के लिए आपकी दृष्टि क्या है?

मेरा रोबोटिक्स के साथ अनुभव वास्तव में आपूर्ति श्रृंखला में है। यह वह जगह है जहां रोबोटिक्स पहले से ही उपयोग की जा रही है, लेकिन यह भी कैसे हम मौजूदा प्रणालियों और स्वचालन पर एआई के साथ निर्माण कर सकते हैं, अधिक कुशल प्रक्रियाओं के माध्यम से। आपूर्ति श्रृंखला निश्चित रूप से अधिक कारोबार बढ़ाने में रुचि रखती है, अधिक ऑर्डर जल्दी से पूरा करने में और अधिक कुशल निर्णय लेने में। रोबोटिक्स के पक्ष में, फिर से, मेरा अनुभव मौजूदा रोबोटों को स्मार्ट और बेहतर बनाने के लिए उन पर निर्माण करने के बारे में है।

मुझे लगता है कि अधिक सामान्य रूप से, भविष्य जो मैं उद्योग को देखता हूं वह अभी भी बहुत मानव-केंद्रित है। रोबोटिक्स का उपयोग एक उपकरण के रूप में किया जाता है, मानवों के लिए एक पूरक। शायद रोबोटिक्स को खतरनाक परिस्थितियों में तैनात किया जा रहा है जहां हमें नहीं होना चाहिए जोखिम में होना चाहिए। रोबोटिक्स हमारे लिए एक अच्छा प्रतिस्थापन है ताकि हमें सुरक्षित रखा जा सके। वहां भी बायोनिक अंगों पर वास्तव में अच्छा शोध किया जा रहा है हमारे साथीों द्वारा, जो लोगों के लिए समर्थन और आंदोलन को आसान बनाने के लिए आसान नियंत्रण और आंदोलन प्रदान करते हैं। सभी अभी भी मानवों और उनके द्वारा इन उपकरणों के उपयोग से जुड़े हुए हैं, लेकिन यह उनके लिए इसका उपयोग करना और अपने जीवन को इन नई प्रणालियों के माध्यम से आसान बनाना आसान बनाता है।

एआई के भविष्य के बारे में, यह एआई और एमएल के क्षेत्र में होने के लिए एक दिलचस्प समय है। उद्योग cuốimente यह समझ रहा है कि एआई यहाँ है और यह सब कुछ बदल देगा और आप या तो अग्रणी हो सकते हैं या आपका पीछा किया जा सकता है। मुझे लगता है कि अमी की दृष्टि यह है कि हर कंपनी को तकनीक के साथ सहज महसूस करना चाहिए, इसके बारे में जागरूक होना चाहिए कि यह क्या कर सकता है और क्या नहीं कर सकता है, और वास्तव में प्रयोग करने और अपने व्यवसाय में इसे लागू करने के लिए तैयार होना चाहिए अपनी सबसे कठिन समस्याओं का समाधान करने के लिए।

अब तक, मुझे लगता है कि शायद ऐसा लगता था कि यह केवल तकनीक कंपनियां ही हैं जो एआई और एमएल का उपयोग कर रही हैं, लेकिन अब यह अधिक स्पष्ट हो रहा है कि एमएल को लगभग हर संगठन में तैनात किया जा सकता है। यह हमेशा सही उत्तर नहीं है, लेकिन आमतौर पर इसका उपयोग करने का एक मामला है। मुझे उम्मीद है कि भविष्य में कंपनियां स्वाभाविक रूप से एआई कंपनियां बन जाएंगी खुद को तकनीक के साथ अधिक साक्षर और परिचित बनाने के द्वारा और जागरूक होने के द्वारा कि वे अपने व्यवसाय के लिए इसका उपयोग कैसे कर सकते हैं।

धन्यवाद इस अद्भुत साक्षात्कार के लिए, पाठक जो अधिक जानना चाहते हैं उन्हें निम्नलिखित संसाधनों पर जाना चाहिए:

• अपर बाउंड एआई सम्मेलन।
• अमी (अल्बर्टा मशीन इंटेलिजेंस इंस्टीट्यूट)