Imogen Low, co-fundadora e CTO da NWO.ai – série de entrevistas

Imogen Low, é co-fundadora e diretora técnica (CTO) da NWO.ai, uma plataforma preditiva que rastreia mais de 20 milhões de microtendências e notifica os clientes sobre as tendências antes que elas se tornem exponenciais.

O que inicialmente despertou seu interesse em Machine Learning?

Comecei a me interessar por aprendizado de máquina quando estava no ensino médio. Em meu tempo livre, desenvolvia mapas 3D interativos de instalações complexas e multiníveis do campus, como shoppings, aeroportos, hospitais e escolas. Esses mapas podem ser usados ​​para auxiliar na navegação interna e na localização de visitantes. Eu também estava interessado em coletar pontos de dados comportamentais sobre usuários individuais conforme eles se movem pelos edifícios. Essas informações podem ser usadas para antecipar o fluxo de tráfego de pedestres ao longo do tempo e otimizar as rotas de navegação.

Mas foi só aos 17 anos, quando consegui meu primeiro emprego como engenheiro de aprendizado de máquina na SAP, que fiquei realmente entusiasmado com a IA. Enquanto trabalhava na SAP, trabalhei em diversos problemas diferentes. Por exemplo, analisei dados de satélite da NASA para prever a qualidade do rendimento das colheitas; Usei tecnologia de visão computacional para analisar imagens de drones para monitorar gado; Usei dados transacionais empresariais para prever fraudes fiscais; e combinei tecnologia de visão computacional com processamento de linguagem natural para criar assistentes virtuais de conversação e realidade aumentada.

Você fez um caminho estranho da Austrália, para Cingapura e finalmente na América, você poderia falar sobre essa jornada?

O aplicativo de navegação interna que desenvolvi no ensino médio me levou a Taiwan, onde o apresentei na conferência de premiação Asia Pacific ICT Alliance (APICTA). A experiência me deu uma nova perspectiva sobre o ritmo das mudanças e inovações tecnológicas que estão acontecendo na Ásia — particularmente a adoção de tecnologias de inteligência artificial. Eu queria mergulhar em um país asiático e fazer parte desses avanços. Então, assumi um cargo de aprendizado de máquina na sede da SAP APJ em Cingapura.

Enquanto trabalhava em Singapura, desenvolvi um assistente virtual que se tornou um exemplo de inovação na SAP. Então, fui convidado para apresentá-lo em um encontro de inovação na Ásia. No encontro, assisti a uma fascinante apresentação de Pulkit Jaiswal, um empreendedor de drones de sucesso. Ele explicou como conseguia prever tensões geopolíticas entre países analisando dados online. Fiquei tão intrigado com a ideia que decidi pedir demissão naquele dia e me tornar sócio dele como cofundador de seu mais recente empreendimento, a NWO. Embora a empresa tenha sede em Nova York, eu moro em Sydney.

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

Na NWO.ai, modelamos como a adoção de diferentes ideias se espalha pelas redes globais. O objetivo é prever aumentos significativos no mindshare. Para conseguir isso, projetamos um mecanismo de correlação cruzada que identifica quais fontes de dados e vozes do consumidor são os principais indicadores de adoção de uma tendência. Também podemos identificar os principais fatores que influenciam o crescimento. Em seguida, aproveitamos nosso sistema de ponderação dinâmico para ampliar os pontos de dados mais preditivos e amortecer os atrasados.

Quais são algumas das tecnologias de aprendizado de máquina usadas?

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 entidade nomeada (NER) e tradução automática. Combinamos isso com as técnicas que adotamos da mineração de regras de associação e da teoria dos grafos para modelar nossos conjuntos de dados textuais não estruturados em um gráfico de conhecimento semântico, multilíngue e com reconhecimento de tempo. Podemos então representar quão fortemente associadas ideias diferentes estão em diferentes pontos no tempo e construir dinamicamente associações entre novos pontos de dados em tempo real.

Que tipo de fontes de dados públicas ou privadas são usadas?

Contamos principalmente com fontes de dados não estruturadas e disponíveis publicamente para construir nossos modelos de previsão. Isso inclui postagens de mídia social, artigos de notícias, blogs, fóruns, comentários e históricos de pesquisa. Também os combinamos com dados transacionais corporativos proprietários, como vendas históricas, demanda e dados de estoque.

Que conselho você daria para as mulheres empresárias?

Agora é um ótimo momento para ser uma mulher fundadora! Não se deixe intimidar pela ideia de que o empreendedorismo é predominantemente masculino. Recentemente, tem havido um apelo maior por diversidade de gênero no empreendedorismo. As mulheres têm muito a oferecer em termos de perspectivas conflitantes sobre o mundo e diferentes maneiras de pensar na resolução de problemas. Por isso, estamos vendo novas redes de apoio que incentivam mulheres a abrir negócios e oferecem orientação, mentoria e oportunidades de investimento.

Obrigado pela ótima entrevista, os leitores que desejam saber mais devem visitar NWO.ai.