Imogen Low, Co-Fundadora e CTO da NWO.ai – Série de Entrevistas

Imogen Low é a Co-Fundadora e Diretora Técnica (CTO) da NWO.ai, uma plataforma preditiva que acompanha mais de 20 milhões de microtendências e notifica os clientes sobre tendências antes que elas se tornem exponenciais.

O que inicialmente a interessou em Aprendizado de Máquina?

Eu me interessei pela primeira vez em aprendizado de máquina quando estava no ensino médio. Em meu tempo livre, eu estava desenvolvendo mapas interativos 3D de instalações de campus complexas e de vários níveis, como shoppings, aeroportos, hospitais e escolas. Esses mapas podiam ser usados para ajudar na navegação interna e na orientação para visitantes. Eu também estava interessada em coletar pontos de dados comportamentais sobre os usuários individuais à medida que se moviam pelos prédios. Essas informações podiam ser usadas para antecipar o fluxo de tráfego a pé ao longo do tempo e otimizar as rotas de navegação.

Mas não foi até que eu tinha 17 anos, quando consegui meu primeiro emprego como engenheira de aprendizado de máquina na SAP, que eu realmente me entusiasmei com a IA. Enquanto trabalhava na SAP, eu trabalhei em uma variedade de problemas diferentes. Por exemplo, eu analisei dados de satélite da NASA para prever a qualidade da safra de culturas; eu usei tecnologia de visão computacional para analisar imagens de drones para monitorar o gado; eu usei dados transacionais empresariais para prever fraude fiscal; e eu combinei tecnologia de visão computacional com processamento de linguagem natural para construir assistentes virtuais conversacionais e de realidade aumentada.

Você seguiu um caminho incomum, de Austrália para Singapura e finalmente para os EUA. Pode discutir essa jornada?

O aplicativo de navegação interna que eu desenvolvi no ensino médio me levou a Taiwan, onde o apresentei na conferência do Prêmio APICTA. A experiência me deu uma nova perspectiva sobre o ritmo da mudança tecnológica e da inovação que acontece na Ásia – particularmente a adoção de tecnologias de inteligência artificial. Eu queria me imergir em um país asiático e fazer parte desses avanços. Então, eu assumi uma posição de aprendizado de máquina no escritório da SAP APJ em Singapura.

Enquanto trabalhava em Singapura, eu desenvolvi um assistente virtual que se tornou um exemplo líder de inovação na SAP. Então, eu fui convidado a apresentá-lo em um summit de inovação em toda a Ásia. No summit, eu ouvi uma apresentação de keynote fascinante de Pulkit Jaiswal, um empreendedor de drones de sucesso. Ele explicou como ele podia prever a tensão geopolítica entre os países analisando dados online. Eu fiquei tão intrigado com a ideia que decidi deixar meu emprego naquele dia e me tornar um co-fundador em sua última venture, a NWO. Embora a empresa seja sediada em Nova York, eu estou sediada em Sydney.

Pode descrever como a NWO.ai ajuda a identificar tendências antes que elas se tornem exponenciais?

Na NWO.ai, modelamos como a adoção de diferentes ideias se espalha por redes globais. O objetivo é prever aumentos significativos na participação mental. Para alcançar isso, projetamos um motor de correlação cruzada que identifica quais fontes de dados e vozes do consumidor são os principais preditores da adoção de uma tendência. Também podemos identificar os principais fatores que influenciam o crescimento. Em seguida, aproveitamos nosso sistema de ponderação dinâmica para amplificar o ponto de dados mais preditivo e diminuir os que estão atrasados.

Quais são algumas das tecnologias de aprendizado de máquina usadas?

Nós aproveitamos um conjunto de modelos de aprendizado de máquina de processamento de linguagem natural (NLP) de última geração, como codificadores de documentos, modelos de reconhecimento de entidades nomeadas (NER) e tradução automática. Nós combinamos esses com técnicas que adotamos da mineração de regras de associação e teoria dos grafos para modelar nossos conjuntos de dados textuais não estruturados em um gráfico de conhecimento semântico sensível ao tempo e multilíngue. Nós podemos, então, representar como as ideias diferentes estão fortemente associadas em diferentes pontos no tempo e construir dinamicamente associações entre novos pontos de dados em tempo real.

Quais são os tipos de fontes de dados públicas ou privadas usadas?

Nós dependemos principalmente de fontes de dados públicas não estruturadas para construir nossos modelos de previsão. Essas incluem posts de mídia social, artigos de notícias, blogs, fóruns, comentários e históricos de busca. Nós também combinamos esses com dados transacionais empresariais proprietários, como dados históricos de vendas, demanda e estoque.

Qual é o conselho que você tem para as empreendedoras?

Agora é um ótimo momento para ser uma fundadora! Não se deixe desanimar com a ideia de que o empreendedorismo é predominantemente dominado por homens. Houve um maior apelo à diversidade de gênero no empreendedorismo recentemente. As mulheres têm muito a oferecer em termos de perspectivas concorrentes sobre o mundo e diferentes maneiras de pensar sobre a resolução de problemas. Por causa disso, estamos vendo novas redes de apoio que incentivam as mulheres a iniciar negócios e oferecem orientação, mentorias e oportunidades de investimento.

Obrigada pela grande entrevista, leitores que desejam aprender mais devem visitar NWO.ai.