Мара Каиро, владелец продукта Advanced Technology в Amii – Интервью

Мара Каиро увлечена использованием ИИ для добра. Она имеет степень бакалавра наук в области электротехники Университета Альберты и обладает дипломами P.Eng. и PMP. До присоединения к Amii она работала в области разработки аппаратного обеспечения, где помогала клиентам выводить их продукты на рынок, с фокусом на микро- и нано-фабрикации.

Как владелец продукта Advanced Technology в Amii, Мара возглавляет техническую команду, которая помогает партнерам промышленности строить возможности машинного обучения внутри своей организации, предоставляя руководство и экспертизу для разработки прогностических моделей. Ее команда работает с клиентами, которые привержены продвижению по спектру принятия ИИ, применяя машинное обучение к их наиболее сложным бизнес-проблемам.

Amii (Альбертский институт машинного интеллекта) является одним из ведущих центров ИИ в Канаде, партнером компаний всех размеров и отраслей для стимулирования инноваций, предоставления практических рекомендаций и советов, корпоративной подготовки и услуг по набору талантов.

Мы провели интервью на ежегодной конференции Upper Bound 2023 по ИИ, которая проходит в Эдмонтоне, Альберта, и организуется Amii.

Что изначально привлекло вас к электротехнике?

В детстве я просто очень любила строить вещи. Моя мама принесла домой вентилятор, когда было жарко летом, и я хотела его собрать. Я помню, что в подростковом возрасте у меня был мобильный телефон Nokia, который можно было разобрать, и я разобрала его и украсила его бусинами внутри и антенной. Но когда я открыла его, было как: “Вау, что тут происходит?” Это было очень интересно для меня.

Я всегда преуспевала в математике. Итак, объединив все это, мои родители также толкали меня в сторону инженерии, потому что я была хороша в математике, у меня был общий интерес к электронике и я хотела узнать больше об этом. Это было то, что изначально привлекло меня к электротехнике.

Кроме того, в инженерии я просто очень любила идею применения математики к реальным проблемам. Да, математика отлична и интересна для меня, но с инженерией вы можете применить ее для решения сложных проблем. Это казалось идеальным сочетанием вещей, которые приведут к интересной карьере.

Ваши родители звучат очень поддерживающе в отношении ваших интересов.

Да. Мой папа особенно. Он говорит, что увидел это во мне с раннего возраста и всегда толкал меня в этом направлении. Я была на мероприятии “Женщины в ИИ” прошлой ночью, и мы говорили о том, чтобы удалить некоторые барьеры и сделать эту область более доступной для женщин. И я не видела это как барьер, потому что мои родители были как: “Это то, что вы должны делать. Это не вопрос вашего пола или чего-то еще. Это просто навык, который у вас есть. Вы должны естественным образом следовать ему и развивать его.” Я никогда не чувствовала, что это не для меня, что, конечно, помогло.

До присоединения к Amii вы работали в области разработки аппаратного обеспечения, с фокусом на микро- и нано-фабрикации. Можете ли вы определить эти термины?

Определенно. В электротехнике я выбрала специализацию в области наноинженерии. Это было связано с проектированием и производством на микро- и нано-уровне. Когда мы говорим о нанометре, мы говорим о миллиметре, разделенном на миллион, это нанометр. Очень, очень маленький масштаб. И это круто. Эти вещи так малы, что вы не можете даже увидеть их невооруженным глазом. Но я могла взять эту специализацию, чтобы узнать, как проектировать и производить на этом уровне.

Мы живем в очень связанном мире. Электроника окружает нас, и нам нужно уметь проектировать электронику для ограничений упаковки и пространства. Мы постоянно пытаемся сделать вещи меньше и меньше. Вы берете что-то громоздкое, прототип, и вам нужно сделать его воспроизводимым и масштабируемым. Нано-фабрикация на самом деле связана с инструментами и техниками, которые вы используете для проектирования и производства на этом уровне.

Это от производства микрочипов до соединения двух разных чипов электрически с окончательной упаковкой. Все это на микро-уровне требует другой техники, чем строительство чего-то на нашем человеческом уровне. Микро- и нано-фабрикация связаны с химическими процессами, которые вы используете, и электрическими процессами, упаковкой, которую вам нужно сделать, чтобы убедиться, что все это герметически запечатано и защищено от окружающей среды.

За пределами микрочипов какое-либо другое применение или случай использования?

Мы работали над многими проектами, такими как волоконная оптика. Опять же, все это в конечном итоге должно привести к какому-то процессору, который принимает сигналы или генерирует сигналы. Мы работали в телеком-индустрии, оптике, камерах, всем этом. Но мозгом всего этого обычно является какой-то микрочип посередине. Но есть также датчики, которые подают сигналы в процессор, который вы используете. Итак, разнообразные методы производства для строительства любого типа датчика или входного/выходного устройства, которое нам нужно.

Какие некоторые из проблем, связанных с работой на этом нано-уровне?

Одна частица пыли может испортить вам весь день. Вещи, над которыми вы работаете, имеют размер с пыль в воздухе. Итак, вы изготавливаете в чистой комнате. Чистая комната на самом деле является средой, которая защищает то, над чем вы работаете, от вас как человека, потому что мы как люди очень грязны, мы постоянно выделяем частицы, наша одежда выделяет частицы, макияж, который мы носим, делает воздух грязным. Нам нужно устранить как можно больше этого, чтобы вещи, которые мы строим, были чистыми и свободными от такого рода загрязнений.

Другой проблемой является то, что вы берете это из лаборатории, потому что в конечном итоге эти вещи будут использоваться в нашем очень грязном мире. Это когда упаковка становится важной. Нам все еще нужно иметь доступ к этим устройствам, но нам нужно делать это так, чтобы мы не загрязняли окружающую среду, упаковку. Итак, герметически запечатывая вещи, убедившись, что все полностью запечатано, ничего не попадает внутрь или наружу. Это другой набор проблем, с которыми я столкнулась. У нас было что-то, что работало отлично на лабораторном столе в контролируемой среде, но обычно большинство вещей, которые мы строим, предназначены для того, чтобы быть выведенными в наш грязный мир. Это было сложно.

Снова, от производства до того, как это попадет в конечную точку, это просто очень специальные виды соображений и экологических проблем, когда вы имеете дело с вещами такого маленького размера. Кроме того, вещи не всегда ведут себя так, как ожидается, на этом маленьком уровне. В нашем физическом мире мы ожидаем, что вещи будут работать определенным образом, но когда вы спускаетесь до микро- и нано-уровня, физический мир становится немного другим, и вы не всегда можете предвидеть результаты. Это целая другая область изучения.

Какие примеры того, что отличается от регулярного физического мира?

Передача тока через провод. У нас есть наши зарядные устройства и наши телефоны, и мы передаем ток через них. Когда вы передаете ток через провод, который имеет размер с волос, есть очевидные соображения тепла, и вещи просто начинают вести себя по-другому, потому что, опять же, пространство и ограничения размера.

Какова ваша текущая роль в Amii, и как ваша команда помогает партнерам промышленности?

Моя текущая роль в Amii сильно отличается от мира микро- и нано-технологий.

Я являюсь владельцем продукта команды Advanced Technology в Amii. Я возглавляю команду в основном из ученых-машинистов и менеджеров проектов, которые все работают с нашими различными партнерами промышленности, чтобы решить их бизнес-проблемы посредством применения машинного обучения.

Мы очень ориентированы на промышленность, все о мостах между тем, что происходит в академии, всеми этими отличными прорывами в области машинного обучения и ИИ, и применением их к самым большим потребностям наших партнеров промышленности. Мы реагируем на эти потребности, по сути, помогая нашим клиентам найти навыки и экспертизу, которые им нужны, чтобы быть в состоянии продвигать работу вперед.

Мы запускаем наши стажировки и резидентуры через команду Advanced Technology. Итак, я нанимаю много. Набор персонала не является моим фоном, но это то, что я делаю сейчас. И все это о сватовстве, нахождении правильного таланта ML, чтобы разместить его на проекте клиента. Мы нанимаем этих людей в качестве сотрудников Amii на определенный срок и предоставляем им много поддержки и наставничества, но по сути они посвящены работе над проектом клиента и продвижению его вперед. Это способ для наших клиентов получить доступ к талантам без необходимости заниматься набором персонала самостоятельно. У Amii есть довольно хорошее признание бренда, мы можем привлечь действительно отличный талант и затем разместить его на этих промышленных проектах.

Потенциальная выгода от этой системы заключается в том, что клиент имеет возможность нанять этих людей после окончания срока с нами. Мы хотим, чтобы этот талант остался здесь. Мы не хотим мозгового оттока. Мы даем клиенту небольшое преимущество, чтобы они могли попробовать талант, попробовать проект, получить представление о том, что такое машинное обучение на самом деле, что нам нужно, чтобы сделать его успешным, и затем идеально разместить талант внутри этих компаний на более длительный срок, чтобы эти компании действительно стали компаниями ИИ и были в состоянии продвигать свои собственные инициативы вперед в будущем.

Как долго обычно длится срок, на который они подписываются?

Обычно четыре-двенадцать месяцев.

Это то, что мы выясняем в начале, в зависимости от сложности проекта и количества проблем, которые мы пытаемся решить. Мы обнаружили, что чем дольше, тем лучше. Проекты машинного обучения, которые можно выполнить за четыре месяца, могут быть сложными. Там многое больше, чем просто построение моделей ML. Это сильно зависит от данных, которые собираются у клиента, которые передаются нам, что помогает нам построить модели. Чем дольше у нас есть, тем лучше это для итерации и цикла через все возможности.

Работа экспериментальна и исследовательского характера. Amii – это исследовательский институт; мы не всегда можем гарантировать результат. Более длительный срок просто дает нам больше времени, чтобы провести это исследование и убедиться, что мы исчерпали все наши возможности и преследовали как можно больше вещей, потому что трудно для нас сказать: “Это метод, который будет работать лучше всего.” Вы должны попробовать и увидеть.

Какие примеры сложных бизнес-проблем, над которыми ваша команда работала с этими компаниями?

Я намекнул на это, определенно готовность данных – это большая проблема. Текущее восприятие промышленности готовности данных отличается от того, что ученый-машинист подумал бы, что готово для модели машинного обучения. И доступ. Насколько легко клиенту передать нам данные таким образом, чтобы они были потребляемыми для наших моделей ML. Это почему мы любим более длинные проекты, потому что они дают нашей команде время работать с нашими клиентами через эти проблемы готовности данных и подготовить их к успеху.

Мусор на входе – мусор на выходе, если вы передадите нам мусорные данные, мы создадим мусорную модель. Нам действительно нужны качественные данные. И есть немного кривой обучения для клиентов. Восприятие промышленности, опять же, того, что такое качественные данные, какие примеры нам нужно увидеть, чтобы быть в состоянии предсказать вещи в будущем. Это просто вопрос грамотности, убедиться, что мы говорим на одном языке, они понимают ограничения, основанные на любых данных, к которым у них есть доступ, когда они понимают, что будет способствовать нашему успеху.

Вам нужны примеры того, что вы пытаетесь предсказать в вашем наборе данных. Если событие очень редкое, будет трудно для нас когда-либо предвидеть, что оно произойдет. Мы могли бы построить очень точную модель чего-то, что просто 99% времени точное, потому что оно никогда не предсказывает 1% времени, когда что-то происходит. Опять же, просто убедиться, что клиент понимает, что нам нужно, чтобы построить точные модели.

Мы видели даже казалось бы простые проблемы, которые могут быть очень сложными в зависимости от их набора данных. В начале, имея первоначальный звонок с клиентом, мы должны были предвидеть длину времени, которое нам понадобится. Но иногда, когда мы начинаем снимать слои лука, мы понимаем, нет, это намного более сложно, чем мы думали, из-за этих сложностей данных.

Другие проблемы – отсутствие приверженности экспертами по предмету, необходимыми. Когда мы сотрудничаем с нашими партнерами промышленности, нам действительно нужно, чтобы они продолжали приходить к столу, потому что они являются экспертами по предмету и обычно экспертами по данным. Мы не как компания разработки, где мы можем просто взять данные, построить модель и передать ее им в конце. Это очень, очень совместно. И чем больше наши партнеры промышленности вкладывают, тем больше они получат, потому что они смогут направлять нас в правильном направлении, убедиться, что прогнозы, которые мы делаем, имеют смысл для них с бизнес-перспективы, что мы нацеливаемся на правильные метрики, мы понимаем, что такое успех для них.

Нам нужно междисциплинарная команда вокруг нас, чтобы поддержать проекты, и это требует больше, чем просто один ученый-машинист, чтобы построить успешную модель, которая окажет положительное влияние на бизнес. Есть много проблем. Те, которые пришли мне на ум.

Лично вы считаете, что ИИ должен быть силой добра. Какие некоторые способы, которыми, по вашему мнению, ИИ может положительно изменить будущее?

Мне больше всего нравится в моей работе то, что мы работаем с клиентами из разных отраслей, решая очень разные проблемы, но все они используются для некоторого положительного изменения. И Amii имеет наш каркас принципиального ИИ, который гарантирует, что мы делаем именно это. С этапа контракта мы гарантируем, что проекты, над которыми мы работаем с нашими партнерами промышленности, используются для положительного изменения в этичном виде. Все проекты, над которыми я работаю, используются для добра и положительно меняют будущее.

Одна вещь, которая приходит на ум, в Альберте теперь чаще, чем нет, мы имеем дело с ситуациями лесных пожаров летом. В этом году, особенно в апреле, было плохо. Мы недавно сотрудничали с группой исследований Canada Wildfire. 40 лет погодных данных, связанных с тяжелыми лесными пожарами. Работая с ними, чтобы лучше предсказать эти события в будущем, чтобы мы могли лучше подготовить ресурсы, которые могут быть необходимы, иметь команды, которые могут войти и смягчить среду, прежде чем она достигнет стадии, когда лесные пожары свирепствуют. Я думаю, что это просто потому, что я в Эдмонтоне, я не знаю, были ли вы здесь на прошлой неделе, но было очень дымно.

Когда я прибыл в воскресенье вечером (21 мая 2023 года), было довольно дымно.

Это разрушительно. Это разрушает сообщества. Это забирает дома людей. Быть вынужденным дышать частицами в воздухе не очень хорошо, но разрушение очень велико. Это один из интересных проектов, который близок всем нашим сердцам.

Другая область, над которой мы работаем, – это сельскохозяйственное пространство. Как мы будем кормить наш растущий население? Мы работаем с Национальным исследовательским советом над проблемой изобилия белка. Мы пытаемся убедиться, что растения, которые мы выращиваем, имеют более высокое содержание белка, чтобы кормить наш растущий население, и используем машинное обучение, чтобы быть в состоянии сделать эти прогнозы.

Снижение выбросов – это еще одна очень популярная тема. Работа с компаниями в нефтяной и газовой промышленности, чтобы убедиться, что процессы и системы и инструменты, которые используются, являются настолько эффективными, насколько это возможно. Мы работаем с очистным сооружением в Дрейтон-Вэлли, который является небольшим городом в Альберте, чтобы убедиться, что это очистное сооружение работает так эффективно, как возможно, и что мы создаем как можно больше чистой воды для сообщества. Точная медицина также.

Список продолжается. Буквально, каждая компания, над которой мы работаем, работает над этими проектами, этими делами. Это трудно для меня выбрать любимый, потому что, когда вы думаете об этом, все они имеют возможность иметь невероятно положительное влияние на будущее.

Каково ваше видение будущего ИИ или робототехники?

Мое знакомство с робототехникой было на самом деле в цепочке поставок. Там уже используются роботы, но это также то, как мы можем улучшить их с помощью ИИ, чтобы построить на существующих системах и автоматизации, снова, через более эффективные процессы? Цепочка поставок, очевидно, заинтересована в увеличении пропускной способности, выполнении большего количества заказов быстрее, и более эффективном принятии решений. На стороне робототехники, опять же, мое знакомство было с построением на основе существующих роботов, чтобы сделать их умнее и лучше.

Я думаю, что в целом будущее, которое я вижу, промышленность делает, все еще очень ориентировано на человека. Роботы используются как инструмент, как дополнение к людям. Может быть, роботы развертываются в условиях, опасных для людей, где нам не следует подвергаться воздействию окружающей среды. Роботы – отличная замена для нас в этом случае, чтобы giữ нас в безопасности. Там также есть очень интересные исследования, проводимые нашими стипендиатами и протезами конечностей, чтобы сделать движение и контроль людей, которые нуждаются в этой поддержке, проще. Все это очень связано с людьми и их использованием этих инструментов, но делает их жизнь проще через эти новые системы.

В целом, будущее ИИ, я думаю, это просто очень интересное время, чтобы быть в этом пространстве. Промышленность наконец понимает, что ИИ здесь и он изменит все, и вы можете либо вести, либо быть ведены. Я думаю, что одно из видений Amii – иметь каждую компанию, комфортную с технологией, осведомленной о том, что она может и не может делать, и действительно готовой экспериментировать и итерировать на ее реализации в своем бизнесе, чтобы решить некоторые из своих самых сложных проблем.

До сих пор я думаю, что, может быть, было восприятие, что это только технологические компании, которые используют ИИ и ML, но теперь становится более очевидным, что ML может быть развернут практически в каждой организации. Это не всегда правильный ответ, но обычно есть случай использования. Я надеюсь, что будущее – компании, которые становятся естественными компаниями ИИ сами по себе, становясь более грамотными и знакомыми с технологией и осведомленными о том, как они могут использовать ее для своего бизнеса.

Спасибо за удивительное интервью, читателям, которые хотят узнать больше, следует посетить следующие ресурсы:

• Конференция Upper Bound AI.
• Amii (Альбертский институт машинного интеллекта)