Mara Cairo, Proprietária de Produto de Tecnologia Avançada no Amii – Série de Entrevistas

Mara Cairo é apaixonada por usar IA para o bem. Ela tem um Bacharelado em Ciência em Engenharia Elétrica pela Universidade de Alberta e possui as designações P.Eng. e PMP. Antes de se juntar ao Amii, ela trabalhou no espaço de desenvolvimento de hardware, onde ajudou clientes a levar seus produtos ao mercado, com foco em micro e nano-fabricação.

Como Proprietária de Produto de Tecnologia Avançada no Amii, Mara lidera uma equipe técnica que ajuda parceiros da indústria a construir capacidade de aprendizado de máquina dentro de suas organizações, fornecendo orientação e expertise para desenvolver modelos preditivos. Sua equipe trabalha com clientes que estão comprometidos em avançar ao longo do espectro de adoção de IA, aplicando aprendizado de máquina aos seus problemas de negócios mais desafiadores.

Amii (Instituto de Inteligência de Máquina de Alberta) é um dos principais centros de IA do Canadá, que se associa a empresas de todos os tamanhos, em várias indústrias, para impulsionar a estratégia de inovação e fornecer orientação prática e conselhos, serviços de treinamento corporativo e recrutamento de talentos.

Nós nos sentamos para uma entrevista na conferência anual de 2023 Upper Bound sobre IA, que é realizada em Edmonton, AB, e sediada pelo Amii.

O que inicialmente a atraiu para a engenharia elétrica?

Quando era criança, eu simplesmente gostava de construir coisas. Minha mãe trazia um ventilador para casa quando fazia calor no verão, e eu queria construí-lo. Lembro-me de crescer como adolescente, eu tinha um telefone celular, um daqueles Nokias que você podia desmontar, e eu o desmontava e colocava bijuterias por dentro e na antena. Mas quando o abri, foi como: “Nossa, o que está acontecendo aqui?” Foi muito interessante para mim.

Eu sempre me saí bem em matemática. Então, combinando tudo isso, meus pais também me empurraram na direção da engenharia porque eu era boa em matemática, eu tinha um interesse geral em eletrônica e queria saber mais sobre isso, foi o que me atraiu para começar.

Além disso, na engenharia, eu realmente gostava da ideia de aplicar matemática a problemas do mundo real. Sim, ok, a matemática é ótima e emocionante e divertida para mim, mas com a engenharia, você pode aplicá-la para resolver problemas difíceis. Parecia uma combinação perfeita de coisas que levariam a uma carreira interessante.

Seus pais pareciam muito proativos em apoiar seus interesses.

Sim. Meu pai, especialmente. Ele diz que viu isso em mim desde muito jovem e sempre me empurrou nessa direção. Eu estava em um evento de Mulheres na IA ontem à noite também, e falamos sobre remover algumas barreiras e tornar o campo mais acessível para as mulheres. E eu não vi isso como uma barreira porque, novamente, meus pais foram como: “Isso é o que você deve fazer. Não é uma questão de gênero ou qualquer coisa. É apenas uma habilidade que você tem. Você deve segui-la e nutri-la naturalmente.” Eu nunca senti que não era para mim, o que obviamente ajudou.

Antes de se juntar ao Amii, você trabalhou no espaço de desenvolvimento de hardware, com foco em micro e nano-fabricação. Pode definir esses termos?

Certamente. Na engenharia elétrica, eu fiz a opção de nanoengenharia. Era a especialização em design e fabricação em escala micro e nano. Quando falamos de um nanômetro, estamos falando de um milímetro dividido em um milhão, é um nanômetro. Uma escala muito, muito pequena. E isso é legal. Essas coisas são tão pequenas que você não pode nem vê-las a olho nu. Mas eu podia levar essa especialização para aprender a fabricar nessa escala e projetar coisas nessa escala.

Vivemos em um mundo muito conectado. Há eletrônica por toda parte, e precisamos ser capazes de projetar eletrônica para as restrições de embalagem e espaço. Estamos constantemente tentando tornar as coisas menores e menores. Você pega algo volumoso, um protótipo, e precisa ser capaz de torná-lo reprodutível e escalável. A nano-fabricação é realmente sobre as ferramentas e técnicas que você usa para projetar e fabricar nesse nível.

Isso vai desde a fabricação de microchips até conectar esses dois chips diferentes e conectá-los eletricamente ao embalagem final. Fazer tudo isso em escala micro exige uma técnica diferente de construir algo em nossa escala humana. A micro e nano-fabricação são apenas sobre os processos químicos que você usa e os processos elétricos, o embalagem que você precisa para garantir que essas coisas estejam hermeticamente seladas e protegidas do ambiente.

Fora dos microchips, qual seria outro aplicativo ou caso de uso?

Trabalhamos em muitos projetos, como fibras ópticas. Novamente, tudo eventualmente deve chegar a algum tipo de unidade de processamento que está recebendo sinais ou gerando sinais. Trabalhamos na indústria de telecomunicações, óptica, câmeras, tudo isso. Mas o cérebro disso é geralmente algum tipo de microchip no meio. Mas também há os sensores que estão alimentando seus sinais em qualquer unidade de processamento que você está usando. Então, técnicas de fabricação diversificadas para construir qualquer tipo de sensor ou dispositivo de entrada ou saída que precisamos.

Quais são alguns dos desafios por trás do trabalho nessa escala nanométrica?

Um pedaço de poeira pode arruinar todo o seu dia. As coisas que você está trabalhando são do mesmo tamanho que a poeira no ar. Então, você fabrica em uma sala limpa. A sala limpa é realmente um ambiente que está protegendo o que você está trabalhando de você como um ser humano, porque somos muito sujos como seres humanos, estamos constantemente expelindo partículas, nossas roupas estão expelindo partículas, a maquiagem que estamos usando está tornando o ar sujo. Precisamos eliminar o máximo disso possível para que as coisas que estamos construindo estejam claras e limpas desses tipos de contaminantes.

Outro desafio, há ótimas maneiras de construir essas salas limpas, e há um tipo de estudo e ciência por trás disso, mas o outro desafio é tirá-lo do laboratório, porque eventualmente essas coisas serão usadas em nosso mundo muito sujo. É quando o embalagem se torna importante. Ainda precisamos ser capazes de acessar esses dispositivos, mas precisamos fazer isso de uma maneira que não estejamos contaminando o ambiente, o embalagem. Então, selando hermeticamente as coisas, garantindo que estejam completamente seladas, nada está entrando ou saindo. Isso é outro conjunto de desafios que eu vi. Tínhamos algo que funcionava ótimo em uma bancada de laboratório em um ambiente controlado, mas geralmente a maioria das coisas que estamos construindo são destinadas a serem trazidas para o nosso mundo sujo. Isso foi desafiador também.

Novamente, desde a fabricação até levá-lo ao seu destino final, é apenas uma série de considerações e preocupações ambientais muito especiais quando você lida com coisas tão pequenas. Além disso, as coisas nem sempre se comportam como esperado nessa escala tão pequena. Em nosso mundo físico, esperamos que as coisas funcionem de certa maneira, mas quando você chega à escala micro e nano, o mundo físico se torna um pouco diferente, e você não pode sempre antecipar os resultados. Isso é um campo de estudo completamente diferente.

Quais seriam alguns exemplos de serem diferentes do que o mundo físico regular?

Pasar corrente por um fio. Temos nossos carregadores e nossos telefones, e estamos passando corrente por ele. Quando você está passando corrente por um fio que tem o tamanho de um fio de cabelo, há considerações de calor e as coisas começam a se comportar de maneira diferente porque, novamente, o espaço e as restrições de tamanho.

Qual é o seu papel atual no Amii, e como sua equipe ajuda os parceiros da indústria?

Meu papel atual no Amii é muito diferente do mundo de micro e nano-tecnologia.

Eu sou a Proprietária de Produto da Equipe de Tecnologia Avançada no Amii. Eu lidero uma equipe de cientistas de aprendizado de máquina e gerentes de projeto que estão trabalhando com nossos diferentes parceiros da indústria para resolver seus problemas de negócios por meio da aplicação de aprendizado de máquina.

Nós estamos muito focados na indústria, tudo sobre construir a ponte entre o que está acontecendo na academia, todas as grandes descobertas com aprendizado de máquina e IA, mas aplicando-as às maiores necessidades de nossos parceiros da indústria. Nós respondemos a essas necessidades essencialmente ajudando nossos clientes a encontrar as habilidades e a expertise que eles precisam para ser capazes de avançar no trabalho.

Nós executamos nossos programas de estágio e residência através da equipe de tecnologia avançada. Então, eu contrato muito. Recrutamento não é minha área de especialização, mas é algo que eu faço muito agora. E é tudo sobre fazer um tipo de casamento, encontrar o talento de ML certo para colocar no projeto do cliente. Nós contratamos essas pessoas como funcionários do Amii por um período determinado e damos a elas muito apoio e mentorização, mas basicamente elas estão dedicadas a trabalhar no projeto do cliente e avançar com ele. É uma maneira para nossos clientes terem acesso a talentos sem ter que fazer o recrutamento eles mesmos. O Amii tem algum reconhecimento de marca muito bom, então podemos trazer talentos incríveis e colocá-los nesses projetos da indústria.

Um benefício potencial do sistema é o cliente ter a oportunidade de contratar essas pessoas após o término com a gente. Queremos que esse talento fique aqui. Não queremos perda de cérebros. Estamos dando ao cliente uma vantagem para que eles possam experimentar o talento, experimentar o projeto, ter uma ideia do que o aprendizado de máquina realmente é, o que precisamos para torná-lo bem-sucedido, e então idealmente colocar o talento dentro dessas empresas em longo prazo, para que essas empresas realmente se tornem empresas de IA e sejam capazes de avançar com suas próprias iniciativas no futuro.

Quanto tempo é o período que eles normalmente assinam?

Geralmente, quatro a doze meses.

É algo que determinamos no início, dependendo da complexidade do projeto e quantos problemas estamos tentando resolver. Achamos que quanto mais tempo, melhor. Projetos de aprendizado de máquina para fazer em quatro meses podem ser desafiadores. Há muito mais do que apenas construir modelos de ML. Muito dependente dos dados que o cliente coleta e entrega para nós, o que nos ajuda a construir os modelos. Quanto mais tempo tivermos, melhor será para iterar e ciclar por todas as oportunidades.

O trabalho é experimental e exploratório por natureza. O Amii é um instituto de pesquisa; não podemos sempre garantir o resultado. Um período de tempo mais longo nos dá mais tempo para fazer essa pesquisa e garantir que esgotamos todas as nossas opções e perseguimos tantas coisas quanto possível, porque é difícil para nós dizer: “Este é o método que funcionará melhor.” Você tem que tentar e ver.

Quais são alguns exemplos de problemas de negócios desafiadores que sua equipe trabalhou com essas empresas?

Eu aludi a isso, definitivamente a preparação de dados é um grande desafio. A percepção contínua da indústria sobre a preparação de dados é diferente do que um cientista de aprendizado de máquina pensaria que está pronto para um modelo de aprendizado de máquina. E o acesso. Quão fácil é para o cliente entregar os dados para nós de uma maneira que seja consumível para nossos modelos de ML. É por isso que gostamos de projetos mais longos, porque isso nos dá tempo para trabalhar com nossos clientes por meio desses desafios de preparação de dados e prepará-los para o sucesso.

Lixo dentro é lixo fora, se você nos der dados de lixo, vamos criar um modelo de lixo. Nós realmente precisamos de dados de qualidade. E há um pouco de curva de aprendizado para os clientes. Percepção da indústria, novamente, do que é dados de qualidade, quais são os exemplos que precisamos ver para ser capaz de prever coisas no futuro. É apenas uma questão de alfabetização, garantir que estamos falando a mesma língua, eles entendem as limitações com base em quaisquer dados que eles têm acesso, quando entendem o que vai nos preparar para o sucesso.

Você precisa de exemplos do que está tentando prever em seu conjunto de dados. Se um evento é muito raro, será difícil para nós antecipar que ele acontecerá. Podemos construir um modelo muito preciso de algo que digamos 99% das vezes é preciso, porque nunca está prevendo as 1% das vezes que algo ocorre. Novamente, apenas garantir que o cliente entenda o que precisamos para construir modelos precisos.

Vimos que mesmo problemas aparentemente simples podem ser muito complexos, dependendo do conjunto de dados. No início, tendo uma chamada de descoberta inicial com um cliente, nós realmente precisamos antecipar o comprimento do tempo que vamos precisar. Mas às vezes, quando começamos a descascar as camadas da cebola, percebemos: não, isso é muito mais complexo do que pensamos, devido às complexidades dos dados.

Outros desafios, falta de compromisso de especialistas em assuntos necessários. Quando nos associamos a nossos parceiros da indústria, precisamos que eles continuem a vir à mesa, porque eles são os especialistas em domínio e geralmente os especialistas em dados também. Nós não somos como uma loja de desenvolvimento onde podemos apenas pegar os dados, construir o modelo e entregá-lo a eles no final. É muito colaborativo. E quanto mais nossos parceiros da indústria colocam, mais eles vão obter, porque eles poderão nos guiar na direção certa, garantir que as previsões que estamos fazendo façam sentido para eles do ponto de vista dos negócios, que estamos visando as métricas certas, entendemos o que é o sucesso para eles.

Precisamos de uma equipe multidisciplinar ao nosso redor para apoiar os projetos, e isso requer mais do que apenas um cientista de aprendizado de máquina para construir um modelo de sucesso que vai impactar positivamente os negócios. Há muitos desafios. Esses são os que me vêm à mente.

Você pessoalmente acredita que a IA deve ser uma força para o bem. Quais são algumas maneiras pelas quais você acha que a IA pode mudar positivamente o futuro?

A coisa que eu gosto mais no meu trabalho é que trabalhamos com clientes de todas as indústrias, resolvendo problemas muito diferentes, mas todos eles estão sendo usados para algum tipo de mudança positiva. E o Amii tem nossa estrutura de IA com princípios que garante que estamos fazendo exatamente isso. Desde a fase de contratação, estamos garantindo que os projetos que estamos trabalhando com nossos parceiros da indústria estão sendo usados para essa mudança positiva de uma maneira ética. Todos os projetos que eu vejo estão sendo usados para o bem e mudando positivamente o futuro.

Uma coisa que me vem à mente, em Alberta, mais frequentemente do que não, agora estamos lidando com situações de incêndios florestais no verão. Esse ano, especialmente, mesmo em abril, foi ruim. Recentemente, nos associamos ao Canada Wildfire, um grupo de pesquisa da Universidade de Alberta, 40 anos de dados climáticos vinculados a eventos de incêndios florestais graves. Trabalhamos com eles para prever melhor esses eventos no futuro, para que possamos nos preparar melhor para os recursos que podem ser necessários, ter as equipes entrando e temperando os ambientes antes que chegue a um estágio em que os incêndios florestais estejam se alastrando. Acho que é só estar em Edmonton, não sei se você estava aqui na semana passada, mas estava muito enfumaçado.

Quando cheguei no domingo à noite (21 de maio de 2023), estava muito enfumaçado.

É devastador. Arruína comunidades. Tira as casas das pessoas. Ter que respirar partículas no ar não é ótimo, mas a devastação é imensa. Esse é um projeto interessante que está perto do coração de todos nós.

Outra área em que estamos trabalhando é o espaço agrícola. Como vamos alimentar nossa população em crescimento? Estamos trabalhando com o Conselho Nacional de Pesquisa em um problema de abundância de proteínas. Tentando garantir que as plantas que estamos cultivando tenham um teor de proteína mais alto para alimentar nossa população em crescimento e usando aprendizado de máquina para ser capaz de fazer essas previsões.

Reduzir as emissões é outro muito popular. Trabalhando com empresas no setor de petróleo e gás para garantir que os processos e sistemas e ferramentas usados sejam os mais eficientes possíveis. Estamos trabalhando com uma estação de tratamento de água em Drayton Valley, que é uma pequena cidade em Alberta, garantindo que essa estação de tratamento de água esteja funcionando da maneira mais eficiente possível e que estamos criando a maior quantidade de água limpa para a comunidade possível. Medicina de precisão também.

A lista continua. Literalmente, todas as empresas com as quais trabalhamos estão nesses tipos de projetos, esses tipos de causas. É difícil para mim escolher um favorito, porque quando você pensa sobre isso, todos eles têm a possibilidade de ter um impacto incrivelmente positivo no futuro.

Qual é a sua visão para o futuro da IA ou robótica?

Minha exposição à robótica foi realmente no fornecimento de cadeia. É onde a robótica já está sendo usada, mas também é como podemos melhorá-la com a IA para construir sobre sistemas e automação existentes, novamente, por meio de processos mais eficientes? A cadeia de fornecimento está obviamente interessada em aumentar a produção, atender mais pedidos mais rapidamente e tomar decisões mais eficientes. No lado da robótica, novamente, minha exposição foi construir sobre robôs existentes para torná-los mais inteligentes e melhores.

Acho que, mais geralmente, o futuro, pelo que vejo a indústria fazer, ainda é muito centrado no ser humano. A robótica é usada como uma ferramenta, como uma extensão do ser humano. Talvez a robótica seja implantada em condições que sejam perigosas para os seres humanos, onde não devemos ser expostos aos ambientes. A robótica é um ótimo substituto para nós nesse caso, para nos manter mais seguros. Há também pesquisas muito legais sendo feitas por nossos fellows e membros de braços e pernas biónicas, para um controle e movimento mais fáceis de pessoas que precisam desse apoio. Tudo muito ligado aos seres humanos e ao uso dessas ferramentas, mas tornando mais fácil para eles usá-las e tornando suas vidas mais fáceis por meio desses novos sistemas.

Em termos do futuro da IA em geral, este é um momento muito interessante para estar nesse espaço. A indústria finalmente está entendendo que a IA está aqui e vai mudar tudo, e você pode liderar ou ser liderado. Acho que uma das visões do Amii é ter todas as empresas confortáveis com a tecnologia, cientes do que ela pode e não pode fazer, e realmente dispostas a experimentar e iterar sobre a implementação dela em seus negócios para resolver alguns de seus problemas mais difíceis.

Até agora, acho que talvez houvesse uma percepção de que era apenas as empresas de tecnologia que eram usuárias de IA e ML, mas agora está se tornando mais aparente que o ML pode ser implantado em essencialmente qualquer organização. Não é sempre a resposta certa, mas geralmente há um caso de uso para isso. Estou esperançoso de que o futuro seja empresas se tornando empresas de IA naturais, tornando-se mais alfabetizadas e familiarizadas com a tecnologia e cientes de como podem usá-la para seus negócios.

Obrigado pela incrível entrevista, leitores que desejam aprender mais devem visitar os seguintes recursos:

• Conferência Upper Bound AI.
• Amii (Instituto de Inteligência de Máquina de Alberta)