Мара Каїро, Продукт Овнер Advanced Technology в Amii – Інтерв’ю Серія

Мара Каїро пристрасна щодо використання штучного інтелекту для добра. Вона має ступінь бакалавра наук з електротехніки в Університеті Альберти та володіє позначеннями P.Eng. та PMP. До того, як приєднатися до Amii, вона працювала в сфері розробки апаратного забезпечення, де допомагала клієнтам виводити свої продукти на ринок, з особливим акцентом на мікро- та нанофабрикації.

Як Продукт Овнер Advanced Technology в Amii, Мара очолює технічну команду, яка допомагає промисловим партнерам розвивати здатність машинного навчання всередині своєї організації, надаючи керівництво та експертизу для розробки прогностичних моделей. Її команда працює з клієнтами, які зобов’язані просуватися вперед по спектру прийняття штучного інтелекту, застосовуючи машинне навчання до своїх найбільш складних бізнес-проблем.

Amii (Альбертський інститут машинної інтелігенції) є одним з провідних центрів штучного інтелекту в Канаді, вони партнерують з компаніями всіх розмірів, у різних галузях, для розвитку інноваційної стратегії та надання практичних порад, корпоративної підготовки та послуг з підбору талантів.

Ми влаштували інтерв’ю на щорічній конференції Upper Bound 2023 з штучним інтелектом, яка проводиться в Едмонтоні, Альберта, і організована Amii.

Що спочатку привернуло вас до електротехніки?

Як дитиною, мені просто дуже подобалося щось будувати. Моя мама привозила додому вентилятор, коли було жарко влітку, і я хотіла б його збудувати. Я пам’ятаю, що в підлітковому віці у мене був мобільний телефон, один із тих Нокій, які можна було розібрати, і я розбирала його, і всередині клали біжутерію. Але коли я відкрила його, то побачила: “Боже мій, що тут відбувається?” Це було дуже цікаво для мене.

Я завжди успішно вивчала математику. Тому, поєднавши все це, мої батьки також штовхали мене в напрямку інженерії, оскільки я була хороша в математиці, мала загальний інтерес до електроніки та хотіла дізнатися більше про це. Це було тим, що спочатку привернуло мене до цього.

Також в інженерії мені дуже подобалося ідея застосування математики до реальних проблем. Так, математика хороша і цікава для мене, але в інженерії ви можете застосовувати її для вирішення складних проблем. Це здавалося ідеальним поєднанням речей, які могли б привести до цікавої кар’єри.

Ваші батьки звучать дуже проактивними у підтримці ваших інтересів.

Так. Мій тато особливо. Він каже, що побачив це в мені з раннього віку і завжди штовхав мене в цьому напрямку. Я була на заході Women in AI минулої ночі, і ми говорили про те, щоб усунути деякі бар’єри та зробити цю галузь більш доступною для жінок. І я не бачила цього як бар’єр, оскільки мої батьки були такими: “Це те, що ти повинна робити. Це не питання про твій гендер чи щось інше. Це просто навичка, яку ти маєш. Ти повинна слідувати їй і розвивати її.” Я ніколи не відчувала, що це не для мене, що, очевидно, допомогло.

До того, як приєднатися до Amii, ви працювали в сфері розробки апаратного забезпечення, з особливим акцентом на мікро- та нанофабрикації. Чи можете ви визначити ці терміни?

Так, звичайно. У сфері електротехніки я вибрала спеціалізацію з наноінженерії. Це була спеціалізація з проектування та виготовлення на мікро- та нанорівні. Коли ми говоримо про нанометр, ми говоримо про міліметр, розділений на мільйон, тобто нанометр. Це дуже маленький масштаб. І це круто. Ці речі настільки малі, що ви не можете їх побачити неозброєним оком. Але я могла взяти цю спеціалізацію, щоб навчитися виготовляти на цьому рівні та проектувати речі на цьому рівні.

Ми живемо у дуже зв’язаному світі. Навколо нас повно електроніки, і нам потрібно бути能够 проектувати електроніку для обмежень упаковки та простору. Ми постійно намагаємося зробити речі меншими та меншими. Ви берете щось громіздке, прототип, і вам потрібно бути能够 зробити його повторюваним та масштабованим. Нанофабрикація насправді про інструменти та техніки, які ви використовуєте для проектування та виготовлення на такому рівні.

Це починається від виготовлення мікрочипів до того, щоб взяти два різних чипи та підключити їх електрично до остаточної упаковки. Все це на мікрорівні вимагає іншої техніки, ніж будівництво чогось на нашому людському рівні. Мікро- та нанофабрикація просто навколо хімічних процесів, які ви використовуєте, та електричних процесів, упаковки, яку вам потрібно зробити, щоб ці речі були герметично запечатані та захищені від свого середовища.

Поза мікрочипами, яке ще одне застосування чи випадок використання?

Ми працювали над багатьма проєктами, такими як волоконна оптика. Знову ж таки, все це в кінцевому підсумку повинно привести до якогось процесорного блоку, який приймає сигнали або генерує сигнали. Ми працювали в галузі телекомунікацій, оптики, камер, всього цього. Але мозком все це є якийсь мікрочип посередині. Але також є сенсори, які подають свої сигнали до процесорного блоку, який ви використовуєте. Тому розмаїття технік виготовлення для будівництва будь-якого типу сенсора чи вхідного чи вихідного пристрою, якого нам потрібно.

Які деякі з викликів, пов’язаних із роботою на цьому рівні нанорозміру?

Одна частинка пилу може зіпсувати весь ваш день. Речі, над якими ви працюєте, мають такий самий розмір, як пил у повітрі. Тому ви виготовляєте у чистій кімнаті. Чиста кімната насправді є середовищем, яке захищає те, над чим ви працюєте, від вас як людини, оскільки ми люди дуже брудні, ми постійно виділяємо частинки, наша одежда частинкова, макіяж, який ми носимо, робить повітря брудним. Нам потрібно усунути якомога більше цього, щоб те, над чим ми працюємо, було чистим та вільним від такого типу забруднювачів.

Інший виклик – це те, що ви берете це з лабораторії, оскільки в кінцевому підсумку ці речі будуть використовуватися у нашому дуже брудному світі. Це коли упаковка стає важливою. Нам все ще потрібно бути能够 доступитися до цих пристроїв, але нам потрібно зробити це таким чином, щоб ми не забруднювали середовище, упаковку. Тому герметично запечатуючи речі, роблячи їх повністю запечатаними, нічого не виходить назовні. Це ще один набір викликів, з якими я стикався. Ми мали щось, що працює чудово на лабораторному верстаті в контрольованому середовищі, але загалом більшість речей, які ми будемо виготовляти, призначені для виведення у наш дуже брудний світ. Це було складно теж.

Знову ж таки, від виготовлення до виведення його до остаточного місця призначення, це просто дуже особливі види уваги та екологічних проблем, коли ви працюєте з такими малими речами. Також речі не завжди поводяться так, як очікується, на такому маленькому рівні. У нашому фізичному світі ми очікуємо, що речі будуть працювати певним чином, але коли ви потрапляєте на мікро- та нанорівень, фізичний світ стає трохи іншим, і ви не можете завжди передбачити результати. Це ще одна галузь вивчення.

Які деякі приклади того, що таке поведінка відрізняється від звичайного фізичного світу?

Просування струму через дріт. У нас є наші зарядні пристрої та наші телефони, і ми просунутий струм через нього. Коли ви просунутий струм через дріт, який має розмір волосини, є теплові питання, і речі просто починають поводитися інакше, оскільки, знову ж таки, простір і обмеження розміру.

Яке ваше поточне становище в Amii, і як ваша команда допомагає промисловим партнерам?

Моя поточна роль в Amii значно відрізняється від світу мікро- та нанотехнологій.

Я Продукт Овнер команди Advanced Technology в Amii. Я очолюю команду в основному з вчених-машинного навчання та проектних менеджерів, які всі працюють з нашими різними промисловими партнерами для вирішення їхніх бізнес-проблем за допомогою застосування машинного навчання.

Ми дуже орієнтовані на галузь, все про будівництво мосту між тим, що відбувається в академії, всіма цими чудовими проривами з машинним навчанням та штучним інтелектом, але застосування їх до найбільших потреб наших промислових партнерів. Ми реагуємо на ці потреби, фактично допомагаючи нашим клієнтам знайти навички та експертизу, яких їм потрібно, щоб бути能够 рухатися роботу вперед.

Ми проводимо нашу програму стажування та резиденцій через команду Advanced Technology. Тому я наймаю багато людей. Підбор талантів не є моїм фоном, але це те, що я роблю зараз. І це все проการจодження, знаходження правильного таланту машинного навчання, щоб розмістити його на проєкті клієнта. Ми приймаємо цих людей як працівників Amii на певний термін і надаємо їм багато підтримки та наставництва, але насправді вони присвячені роботі над проєктом клієнта та просуванню його вперед. Це спосіб для наших клієнтів отримати доступ до талантів без того, щоб їм самим займатися підбором.

Amii має досить хорошу репутацію бренду, ми能够 привабити дуже хороший талант і потім розмістити його на цих промислових проєктах.

Потенційна вигода цієї системи полягає в тому, що клієнт має можливість найняти цих людей після закінчення терміну з нами. Ми хочемо, щоб цей талант залишився тут. Ми не хочемо втратити його. Ми даємо клієнту певну перевагу, щоб вони могли спробувати талант, спробувати проєкт, отримати відчуття того, що таке машинне навчання, що їм потрібно, щоб зробити його успішним, і потім ідеально розмістити талант у цих компаніях на тривалий термін, щоб ці компанії стали справжніми компаніями штучного інтелекту та були能够 рухати свої власні ініціативи вперед у майбутньому.

Як довго триває термін, на який вони підписуються зазвичай?

Звичайно, від чотирьох до дванадцяти місяців.

Це те, що ми вирішуємо на початку, залежно від складності проєкту та кількості проблем, які нам потрібно вирішити. Ми знаходимо, що чим довше, тим краще. Проєкти машинного навчання, які потрібно зробити за чотири місяці, можуть бути складними. Там є багато більше, ніж просто будівництво моделей машинного навчання. Це сильно залежить від даних, які збираються з клієнта та передаються нам, що допомагає нам будувати моделі. Чим довше у нас є час, тим краще це для ітерації та циклу через усі можливості.

Робота є експериментальною та дослідницькою за своєю суттю. Amii є дослідницьким інститутом; ми не завжди能够 гарантувати результат. Більший час просто дає нам більше часу для проведення досліджень та забезпечення того, що ми вичерпали усі варіанти та переслідували усі можливі речі, оскільки це складно для нас сказати: “Це метод, який працюватиме найкраще”. Вам потрібно спробувати і побачити.

Які деякі приклади складних бізнес-проблем, над якими ваша команда працювала з цими компаніями?

Я згадував про це, безумовно, підготування даних є великим викликом. Поточне сприйняття промисловістю підготовки даних відрізняється від того, що вчений-машинного навчання подумає, що готово для моделі машинного навчання. І доступ. Наскільки легко клієнту передати дані нам таким чином, щоб вони були споживані нашими моделями машинного навчання. Тому нам подобаються довші проєкти, оскільки вони дають нашій команді час працювати з нашими клієнтами над цими видами викликів підготовки даних та готувати їх до успіху.

Сміття у вході – сміття на виході, якщо ви передасте нам погані дані, ми створимо погану модель. Нам потрібні якісні дані. І є певна крива навчання для клієнтів. Сприйняття промисловістю, знову ж таки, того, що таке якісні дані, приклади того, що нам потрібно побачити, щоб передбачити речі в майбутньому. Це просто питання грамотності, забезпечення того, що ми говоримо однією мовою, вони розуміють обмеження на основі будь-яких даних, до яких вони мають доступ, коли вони розуміють, що встановить нас для успіху.

Вам потрібно приклади того, що ви намагаєтеся передбачити у вашому наборі даних. Якщо подія дуже рідка, це буде складно для нас передбачити, що це відбудеться. Ми могли б створити дуже точну модель чогось, що 99% часу точна, оскільки вона ніколи не передбачає 1% часу, коли щось відбувається. Знову ж таки, просто забезпечення того, що клієнт розуміє, що нам потрібно, щоб створити точні моделі.

Ми бачили навіть здається простими проблемами, які можуть бути дуже складними залежно від їхнього набору даних. На початку, маючи початковий дзвінок з клієнтом, ми повинні передбачати тривалість часу, який нам потрібно. Але іноді, коли ми починаємо розкривати шари цибулі, ми розуміємо, ні, це значно складніше, ніж ми думали, через ці складності даних.

Інші виклики – відсутність зобов’язань від експертів з предметної області, яких потрібно. Коли ми партнеруємо з нашими промисловими партнерами, нам потрібно, щоб вони продовжували приходити до столу, оскільки вони є експертами з предметної області та зазвичай експертами з даних теж. Ми не такі, як компанія з розробки програмного забезпечення, де ми можемо просто взяти дані, побудувати модель та передати її їм у кінці. Це дуже колаборативно. І чим більше наші промислові партнери вкладають, тим більше вони отримають, оскільки вони зможуть спрямувати нас у правильному напрямку, забезпечити, що передбачення, які ми робимо, мають сенс для них з бізнес-перспективи, що ми націлені на правильні метрики, що ми розуміємо, що таке успіх для них.

Нам потрібно мультидисциплінарна команда навколо нас для підтримки проєктів, і це вимагає більше, ніж просто одного вченого-машинного навчання, щоб побудувати успішну модель, яка позитивно вплине на бізнес. Є багато викликів. Це ті, які прийшли мені на думку.

Ви особисто вважаєте, що штучний інтелект повинен бути силою добра. Які деякі способи, у яких ви думаєте, що штучний інтелект може позитивно змінити майбутнє?

Те, що мені подобається найбільше у моєй роботі, це те, що ми працюємо з клієнтами з усіх галузей, вирішуючи дуже різні проблеми, але всі вони використовуються для певної позитивної зміни. І в Amii є наш каркас принципового штучного інтелекту, який забезпечує те, що ми робимо саме це. Від стадії контрактування ми забезпечуємо, що проєкти, над якими ми працюємо з нашими промисловими партнерами, використовуються для цієї позитивної зміни у спосіб, що відповідає етиці. Усі проєкти, над якими я працюю, використовуються для добра та позитивно змінюють майбутнє.

Одна справа, яка спадає на думку, в Альберті зараз часто ми стикаємося з ситуаціями з лісовими пожежами влітку. Цього року, особливо в квітні, було дуже погано. Ми недавно партнерували з Canada Wildfire, це дослідницька група з Університету Альберти. 40 років даних про погоду, пов’язаних з сильними лісовими пожежами. Ми працюємо з ними, щоб краще передбачити ці події в майбутньому, щоб ми могли краще підготувати ресурси, які можуть бути потрібні, мати команди, які можуть зайти та вплинути на середовище, перш ніж воно дійде до стадії, коли лісові пожежі будуть лютувати. Я думаю, що це просто те, що в Едмонтоні, я не знаю, чи були ви тут минулого тижня, але було дуже димно.

Коли я приїхав у неділю ввечері (21 травня 2023 року), було досить димно.

Це руйнівно. Це руйнує громади. Це забирає людям їхні домівки. Бути能够 дихати частинками в повітрі не дуже добре, але руйнування дуже велике. Це один із цікавих проєктів, який близький до всіх наших сердець.

Інша галузь, у якій ми працюємо, – це сільське господарство. Як ми будемо годувати нашу зростаючу населення? Ми працюємо з Національною дослідницькою радою над проблемою豊ності білка. Ми намагаємося забезпечити, щоб рослини, які ми вирощуємо, мали вищу вміст білка, щоб годувати нашу зростаючу населення, та використовувати машинне навчання, щоб зробити ці передбачення.

Зменшення викидів – це ще одна дуже популярна справа. Ми працюємо з компаніями в галузі нафти та газу, щоб забезпечити, що процеси та системи та інструменти, які використовуються, є настільки ефективними, наскільки це можливо. Ми працюємо з водоочисною станцією в Дрейтон-Валлі, це маленьке містечко в Альберті, щоб забезпечити, що ця водоочисна станція працює настільки ефективно, наскільки це можливо, і що ми створюємо якомога більше чистої води для громади. Точна медицина також.

Список продовжується. Літерально кожна компанія, над якою ми працюємо, працює над такими проєктами, такими справами. Це складно для мене вибрати улюбленого, оскільки, коли ви подумаєте про це, усі вони мають можливість мати величезний позитивний вплив на майбутнє.

Яке ваше бачення майбутнього штучного інтелекту чи робототехніки?

Мій досвід робототехніки був фактично в ланцюжку поставок. Це місце, де робототехніка вже використовується, але це також те, як ми можемо її покращити за допомогою штучного інтелекту, щоб побудувати на існуючих системах та автоматизації, знову ж таки, через більш ефективні процеси? Ланцюжок поставок очевидно зацікавлений у збільшенні продуктивності, виконання більшого числа замовлень швидше та більш ефективному прийнятті рішень. На стороні робототехніки мій досвід був побудований на існуючих роботах, щоб зробити їх розумнішими та кращими.

Я думаю, що загалом майбутнє, яке я бачу, все ще дуже людоцентричне. Робототехніка використовується як інструмент, як доповнення до людей. Можливо, робототехніка буде розгорнута в умовах, небезпечних для людей, де нам не слід бути підданими впливу середовища. Робототехніка є чудовим заміщенням для нас в цьому випадку, щоб тримати нас у безпеці. Є також дуже цікаві дослідження, які проводять наші співробітники, щодо біонічних кінцівок, так що легше контролювати та рухатися людям, яким потрібна ця підтримка. Все це все ще пов’язано з людьми та їхнім використанням цих інструментів, але робить їх легше використовувати та полегшує їм життя через ці нові системи.

У сфері майбутнього штучного інтелекту загалом це просто такий цікавий час для роботи в цій галузі. Промисловість нарешті розуміє, що штучний інтелект тут і він змінить усе, і ви можете або вести, або бути веденими. Я думаю, що одне з бачень Amii полягає в тому, щоб кожна компанія була комфортною з технологією, була осведомлена про те, що вона може і не може робити, і була готовою експериментувати та ітерувати щодо її впровадження в свій бізнес для вирішення деяких із своїх найбільш складних проблем.

До цього, я думаю, можливо, було сприйняття, що це тільки компанії з технологій, які використовують штучний інтелект та машинне навчання, але тепер це стає все більш очевидним, що машинне навчання можна розгорнути практично в кожній організації. Це не завжди правильна відповідь, але зазвичай є випадок використання. Я сподіваюся, що майбутнє – це компанії, які стають природними компаніями штучного інтелекту, стаючи більш грамотними та знайомими з технологією та осведомленими про те, як вони можуть її використовувати для свого бізнесу.

Дякую за чудове інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати наступні ресурси:

• Upper Bound AI Конференція.
• Amii (Альбертський інститут машинної інтелігенції)