Nouvelles

Jan 20, 2024

Mara Cairo, Product Owner of Advanced Technology chez Amii

By Mara Cairo est passionnée par l'utilisation de l'IA pour le bien. Elle est titulaire d'un baccalauréat en

Par

Mara Cairo est passionnée par l'utilisation de l'IA pour le bien. Elle est titulaire d'un baccalauréat ès sciences en génie électrique de l'Université de l'Alberta et est titulaire d'un diplôme d'ing. et désignations PMP. Avant de rejoindre Amii, elle a travaillé dans le domaine du développement matériel, où elle a aidé les clients à mettre leurs produits sur le marché, en mettant l'accent sur la micro et la nano-fabrication.

En tant que Product Owner of Advanced Technology chez Amii, Mara dirige une équipe technique qui aide les partenaires de l'industrie à renforcer la capacité d'apprentissage automatique au sein de leur organisation en fournissant des conseils et une expertise pour développer des modèles prédictifs. Son équipe travaille avec des clients qui s'engagent à progresser dans le spectre de l'adoption de l'IA en appliquant l'apprentissage automatique à leurs problèmes commerciaux les plus difficiles.

Amii (Alberta Machine Intelligence Institute) est l'un des principaux centres d'IA au Canada. Ils s'associent à des entreprises de toutes tailles, dans tous les secteurs, pour piloter la stratégie d'innovation et fournir des conseils et des conseils pratiques, des formations en entreprise et des services de recrutement de talents.

Nous nous sommes assis pour une entrevue lors de la conférence annuelle Upper Bound 2023 sur l'IA qui se tient à Edmonton, en Alberta et est organisée par Amii.

Qu'est-ce qui vous a initialement attiré vers l'électrotechnique ?

Enfant, j'aimais vraiment construire des choses. Ma mère ramenait un ventilateur à la maison quand il faisait chaud en été, et je voulais le construire. Je me souviens avoir grandi en tant qu'adolescent, j'avais un téléphone portable, un de ces Nokia que vous pouviez démonter et je le démontais et mettais des bijoux partout à l'intérieur et sur l'antenne. Mais quand je l'ai ouvert, c'était comme, "Putain de merde, qu'est-ce qu'il y a là-dedans ? Qu'est-ce qui se passe ?" C'était vraiment intéressant pour moi.

J'ai toujours excellé en maths. Donc, en mettant tout ça ensemble, mes parents m'ont aussi poussé vers l'ingénierie parce que j'étais bon en maths, j'avais juste un intérêt général pour l'électronique et je voulais en savoir plus, c'est un peu ce qui m'a attiré au départ.

De plus, en ingénierie, j'ai vraiment aimé l'idée d'appliquer les mathématiques à des problèmes du monde réel. Ouais, d'accord, cool, les maths sont géniales et excitantes et amusantes pour moi, mais avec l'ingénierie, vous pouvez les appliquer pour résoudre des problèmes difficiles. Cela semblait un peu le maillage parfait des choses qui mèneraient à une carrière intéressante.

Vos parents semblaient très proactifs dans le soutien de vos intérêts.

Ouais. Mon père surtout. Il dit qu'il l'a vu en moi dès son plus jeune âge et m'a toujours poussé dans cette direction. J'étais également à un événement Women in AI hier soir et nous avons parlé de supprimer certains obstacles et d'en faire un domaine plus accessible aux femmes. Et je ne voyais pas vraiment cela comme un obstacle parce que, encore une fois, mes parents disaient : "C'est ce que tu devrais faire. Ce n'est pas une question de sexe ou quoi que ce soit. C'est juste que c'est une compétence que tu as. Tu devrais naturellement la suivre et la cultiver." Je n'ai jamais eu l'impression que ce n'était pas pour moi, ce qui a évidemment aidé.

Avant de rejoindre Amii, vous avez travaillé dans le domaine du développement matériel pour vous concentrer sur la micro et la nanofabrication. Pourriez-vous définir ces termes ?

Certainement. Alors, en génie électrique, j'ai pris l'option nanotechnique. C'était la spécialité de la conception et de la fabrication à l'échelle micro et nanométrique. Quand on parle d'un nanomètre, on parle d'un millimètre divisé en un million est un nanomètre. Une très, très petite échelle. Et c'est cool. Ces choses sont si petites que vous ne pouvez même pas les voir à l'œil nu. Mais je pourrais profiter de cette spécialisation pour apprendre à fabriquer à cette échelle et à concevoir des choses à cette échelle.

Nous vivons dans un monde très connecté. Il y a de l'électronique tout autour de nous et nous devons être capables de concevoir de l'électronique pour les contraintes d'emballage et d'espace. Nous essayons constamment de rendre les choses de plus en plus petites. Vous prenez quelque chose de volumineux, un prototype, et vous devez pouvoir le rendre reproductible et évolutif. La nanofabrication concerne vraiment les outils et les techniques que vous utilisez pour concevoir et fabriquer à ce niveau.

Cela va de la fabrication des micropuces à la prise de ces deux puces différentes et à leur connexion électrique à l'emballage final. Faire tout cela à l'échelle microscopique nécessite une technique différente de celle de construire quelque chose à notre échelle humaine. La micro et la nanofabrication ne concernent que les procédés chimiques que vous utilisez et les procédés électriques, les emballages dont vous avez besoin pour vous assurer qu'ils sont hermétiquement scellés et protégés de leur environnement.

En dehors des micropuces, quelle serait une autre application ou un autre cas d'utilisation ?

Nous avons travaillé sur beaucoup de projets comme la fibre optique. Encore une fois, tout cela doit éventuellement arriver à une sorte d'unité de traitement qui absorbe les signaux ou génère des signaux. Nous avons travaillé dans l'industrie des télécommunications, l'optique, les caméras, tout ça. Mais le cerveau de celui-ci est généralement une sorte de micropuce au milieu. Mais il y a aussi les capteurs qui transmettent leurs signaux à l'unité de traitement que vous utilisez. Des techniques de fabrication si diverses pour construire n'importe quel type de capteur ou de dispositif d'entrée ou de sortie dont nous avons besoin.

Quels sont certains des défis derrière le travail sur ce type d'échelle nanométrique ?

Un morceau de poussière peut gâcher toute votre journée. Les choses sur lesquelles vous travaillez sont de la même taille que la poussière dans l'air. Donc, vous fabriquez dans une salle blanche. La salle blanche est vraiment un environnement qui protège de vous ce sur quoi vous travaillez en tant qu'humain, parce que nous sommes très sales en tant qu'humains, nous crachons constamment des particules, nos vêtements sont en particules, le maquillage que nous portons rend l'air sale. Nous devons en éliminer le plus possible afin que les choses que nous construisons soient claires et propres de ce type de contaminant.

Un autre défi, il y a d'excellents moyens de construire ces salles blanches et il y a toute une sorte d'étude et de science derrière cela, mais l'autre défi est de le sortir du laboratoire car finalement ces choses vont être utilisées dans notre monde très sale. C'est alors que l'emballage devient important. Nous devons toujours pouvoir accéder à ces appareils, mais nous devons le faire de manière à ne pas contaminer l'environnement, les emballages. Donc, scellez hermétiquement les choses, assurez-vous qu'elles sont complètement scellées, que rien n'entre ou ne sort. C'est une autre série de défis que j'ai vus. Nous aurions quelque chose qui fonctionne très bien sur une paillasse de laboratoire dans un environnement contrôlé, mais généralement la plupart des choses que nous construisons sont destinées à être introduites dans notre monde sale. C'était aussi difficile.

Encore une fois, de la fabrication jusqu'à sa destination finale, il s'agit simplement de considérations très particulières et de préoccupations environnementales lorsque vous avez affaire à des choses aussi petites. De plus, les choses ne se comportent pas toujours comme prévu à cette petite échelle. Dans notre monde physique, nous nous attendons à ce que les choses fonctionnent d'une certaine manière, mais lorsque vous descendez à l'échelle micro et nanométrique, le monde physique devient un peu différent et vous ne pouvez pas toujours anticiper les résultats. C'est un tout autre domaine d'étude.

Quels seraient des exemples d'être différent du monde physique normal ?

Faire passer du courant dans un fil. Nous avons nos chargeurs et nos téléphones et nous y faisons passer du courant. Lorsque vous faites passer du courant à travers un fil de la taille d'une mèche de cheveux, il y a évidemment des considérations de chaleur et les choses commenceront à se comporter différemment à cause, encore une fois, des contraintes d'espace et de taille.

Quel est votre rôle actuel chez Amii et comment votre équipe aide-t-elle les partenaires de l'industrie ?

Mon rôle actuel chez Amii est très différent du monde des micro et nanotechnologies.

Je suis Product Owner de l'équipe Advanced Technology chez Amii. Je dirige une équipe composée principalement de scientifiques et de chefs de projet en apprentissage automatique qui travaillent tous avec nos différents partenaires industriels pour résoudre leurs problèmes commerciaux grâce à l'application de l'apprentissage automatique.

Nous sommes très axés sur l'industrie, tout en comblant le fossé entre ce qui se passe dans le milieu universitaire, toutes les très grandes percées avec l'apprentissage automatique et l'IA, mais en les appliquant aux besoins les plus importants de nos partenaires industriels. Nous répondons à ces besoins en aidant essentiellement nos clients à trouver les compétences et l'expertise dont ils ont besoin pour faire avancer le travail.

Nous gérons notre programme de stages et de résidences par l'intermédiaire de l'équipe de technologie de pointe. Donc, j'embauche beaucoup. Le recrutement n'est pas mon parcours, mais c'est quelque chose que je fais beaucoup maintenant. Et il s'agit d'une sorte de matchmaking, de trouver le bon talent ML à placer sur le projet de notre client. Nous embauchons ces personnes en tant qu'employés d'Amii pour une durée déterminée et leur apportons beaucoup de soutien et de mentorat, mais en réalité, ils se consacrent à travailler sur le projet du client et à le faire avancer. C'est une façon pour nos clients d'avoir accès à des talents sans avoir à faire le recrutement eux-mêmes. Amii a une assez bonne reconnaissance de la marque, nous sommes en mesure d'amener de très grands talents et de les placer ensuite sur ces projets de l'industrie.

Un avantage potentiel du système est que le client a la possibilité d'embaucher ces personnes après la fin du mandat avec nous. Nous voulons que ce talent reste ici. Nous ne voulons pas de fuite des cerveaux. Nous donnons au client un petit coup de pouce pour qu'il puisse essayer le talent, essayer le projet, avoir une idée de ce qu'est réellement l'apprentissage automatique, de quoi avons-nous besoin pour le réussir, puis idéalement placer le talent au sein de ces entreprises à plus long terme afin que ces entreprises deviennent vraiment des entreprises d'IA et soient capables de faire avancer leurs propres initiatives à l'avenir.

Quelle est la durée du mandat pour lequel ils s'inscrivent normalement?

Généralement, quatre à douze mois.

C'est quelque chose que nous calculons au début, en fonction de la complexité du projet et du nombre de problèmes que nous essayons de résoudre. Nous trouvons que plus c'est long, mieux c'est. Les projets d'apprentissage automatique à réaliser en quatre mois peuvent être difficiles. Il y a bien plus à faire que de simplement créer des modèles de ML. Fortement dépendant des données collectées auprès du client qui nous sont transmises, cela nous aide à construire les modèles. Plus nous avons de temps, mieux c'est pour itérer et parcourir toutes les opportunités.

Le travail est de nature expérimentale et exploratoire. Amii est un institut de recherche; nous ne pouvons pas toujours garantir le résultat. Une piste plus longue nous donne simplement plus de temps pour faire ces recherches et nous assurer que nous avons épuisé nos options et poursuivi autant de choses que possible, car il nous est difficile de dire : "C'est la méthode qui fonctionnera le mieux." Il faut essayer et voir.

Quels sont quelques exemples de problèmes commerciaux difficiles sur lesquels votre équipe a travaillé avec ces entreprises ?

J'y ai fait allusion, il est certain que la préparation des données est un grand défi. La perception actuelle de l'industrie de la préparation des données est différente de ce qu'un scientifique en apprentissage automatique penserait être prêt pour un modèle d'apprentissage automatique. Et l'accès. Dans quelle mesure est-il facile pour le client de nous transmettre les données d'une manière consommable pour nos modèles ML ? C'est pourquoi nous aimons les projets plus longs, car cela donne à notre équipe le temps de travailler avec nos clients à travers ces types de défis de préparation des données et de les préparer au succès.

Les ordures entrantes sont des ordures sortantes, si vous nous donnez des données d'ordures, nous allons créer un modèle d'ordures. Nous avons vraiment besoin de données de qualité. Et il y a une petite courbe d'apprentissage pour les clients. La perception de l'industrie, encore une fois, de ce que sont les données de qualité, quels sont les exemples dont nous avons besoin pour être en mesure de prédire les choses à l'avenir. C'est juste une question d'alphabétisation, s'assurer que nous parlons la même langue, qu'ils comprennent les limites basées sur les données auxquelles ils ont accès lorsqu'ils comprennent ce qui va nous préparer au succès.

Vous avez besoin d'exemples de ce que vous essayez de prédire dans votre ensemble de données. Si un événement est vraiment rare, il nous sera difficile d'anticiper qu'il se produise. Nous pourrions construire un modèle vraiment précis de quelque chose qui dit juste 99% du temps parce qu'il ne prédit jamais le 1% de fois où quelque chose se produit. Encore une fois, assurez-vous simplement que le client comprend ce dont nous avons besoin pour créer des modèles précis.

Nous avons vu que même des problèmes apparemment simples peuvent être très complexes en fonction de leur ensemble de données. Au départ, ayant un premier appel de découverte avec un client, nous devons anticiper la durée dont nous aurons besoin. Mais parfois, lorsque nous commençons à éplucher les couches de l'oignon, nous réalisons que non, c'est beaucoup plus complexe que nous le pensions à cause de la complexité de ces données.

Autres défis, manque d'engagement des experts en la matière nécessaires. Lorsque nous nous associons à nos partenaires de l'industrie, nous avons vraiment besoin qu'ils continuent à participer à la table, car ce sont les experts du domaine et généralement aussi les experts des données. Nous ne sommes pas comme un magasin de développement où nous pouvons simplement prendre les données, construire le modèle et le leur remettre à la fin. C'est très, très collaboratif. Et plus nos partenaires de l'industrie investiront, plus ils en sortiront parce qu'ils pourront nous guider dans la bonne direction, s'assurer que les prédictions que nous faisons ont du sens pour eux d'un point de vue commercial, que nous ciblons les bonnes mesures, nous comprenons ce qu'est le succès pour eux.

Nous avons besoin d'une équipe multidisciplinaire autour de nous pour soutenir les projets et il faut plus qu'un seul scientifique en apprentissage automatique pour construire un modèle réussi qui aura un impact positif sur une entreprise. Il y a beaucoup de défis. Ce sont ceux qui me sont venus à l'esprit.

Vous croyez personnellement que l'IA devrait être une force pour le bien. Selon vous, quelles sont les façons dont l'IA peut changer positivement l'avenir ?

Ce que j'aime le plus dans mon travail, c'est que nous travaillons avec des clients de tous les secteurs, résolvant des problèmes très différents, mais tous sont vraiment utilisés pour une sorte de changement positif. Et Amii a notre cadre d'IA basé sur des principes qui garantit que nous faisons exactement cela. Dès l'étape de la passation des marchés, nous nous assurons que les projets sur lesquels nous travaillons avec nos partenaires de l'industrie sont utilisés pour ce changement positif de manière éthique. Tous les projets que je vois sont utilisés pour le bien et changent positivement l'avenir.

Une chose qui me vient à l'esprit, c'est qu'en Alberta, plus souvent qu'autrement, nous sommes aux prises avec des incendies de forêt pendant l'été. Cette année surtout, même en avril, c'était mauvais. Nous nous sommes récemment associés à Canada Wildfire. C'est un groupe de recherche de l'Université de l'Alberta. 40 ans de données météorologiques liées à de graves incendies de forêt. Travailler avec eux pour mieux prévoir ces événements à l'avenir afin que nous puissions mieux préparer les ressources qui pourraient être nécessaires, faire entrer les équipes et tempérer les environnements avant qu'ils n'atteignent un stade où les incendies de forêt font rage. Je pense que c'est juste d'être à Edmonton, je ne sais pas si vous étiez ici la semaine dernière, mais c'était très enfumé.

Quand je suis arrivé dimanche soir (21 mai 2023), c'était assez enfumé.

C'est dévastateur. Cela ruine les communautés. Il enlève les maisons des gens. Avoir à respirer des particules dans l'air n'est pas génial, mais la dévastation est très immense. C'est un (projet) intéressant qui nous tient à cœur.

Un autre domaine dans lequel nous travaillons est l'espace agricole. Comment allons-nous nourrir notre population croissante ? Nous travaillons avec le Conseil national de recherches sur un problème d'abondance de protéines. Essayer de nous assurer que les plantes que nous cultivons ont une teneur en protéines plus élevée pour nourrir notre population croissante et utiliser l'apprentissage automatique pour pouvoir faire ces prédictions.

La réduction des émissions est une autre très populaire. Travailler avec des entreprises du secteur pétrolier et gazier pour s'assurer que les processus, les systèmes et les outils utilisés sont aussi efficaces que possible. Nous travaillons avec une usine de traitement de l'eau à Drayton Valley, qui est une petite ville de l'Alberta, pour nous assurer que cette usine de traitement de l'eau fonctionne aussi efficacement que possible et que nous créons autant d'eau propre que possible pour la communauté. La médecine de précision aussi.

La liste continue. Littéralement, chaque entreprise sur laquelle nous travaillons a ce genre de projets, ce genre de causes. C'est difficile pour moi de choisir un favori car quand on y pense, ils ont tous la possibilité d'avoir un impact incroyablement positif sur l'avenir.

Quelle est votre vision du futur de l'IA ou de la robotique ?

Mon exposition à la robotique a vraiment eu lieu dans la chaîne d'approvisionnement. C'est là où la robotique est déjà utilisée, mais c'est aussi comment les améliorer avec l'IA pour s'appuyer sur les systèmes et l'automatisation existants, encore une fois, grâce à des processus plus efficaces ? La chaîne d'approvisionnement est évidemment intéressée à augmenter le débit, à exécuter plus de commandes plus rapidement et à prendre des décisions plus efficaces. Du côté de la robotique, encore une fois, mon exposition s'est construite sur les robots existants pour les rendre plus intelligents et meilleurs.

Je pense que plus généralement, l'avenir de ce que je vois faire dans l'industrie est encore très centré sur l'humain. La robotique est utilisée comme un outil, comme une augmentation des humains. Peut-être que la robotique est déployée dans des conditions dangereuses pour les humains où nous ne devrions pas être exposés aux environnements. La robotique est un excellent substitut pour nous dans ce cas pour nous garder plus en sécurité. Il y a aussi des recherches vraiment intéressantes faites par nos camarades et des membres bioniques, donc un contrôle et un mouvement plus faciles des personnes qui ont besoin de ce soutien. Tous encore très liés aux humains et à leur utilisation de ces outils, mais leur facilitant l'utilisation et leur facilitant la vie grâce à ces nouveaux systèmes.

En ce qui concerne l'avenir de l'IA en général, c'est une période tellement intéressante pour être dans cet espace. L'industrie comprend enfin que l'IA est là et qu'elle va tout changer et vous pouvez diriger ou être dirigé. Je pense que l'une des visions d'Amii est de faire en sorte que chaque entreprise soit à l'aise avec la technologie, consciente de ce qu'elle peut et ne peut pas faire, et vraiment disposée à expérimenter et à itérer sur sa mise en œuvre dans son entreprise pour résoudre certains de ses problèmes les plus difficiles.

Jusqu'à présent, je pense qu'il y avait peut-être une perception selon laquelle seules les entreprises technologiques étaient des utilisateurs d'IA et de ML, mais maintenant, il devient plus évident que le ML peut être déployé dans pratiquement toutes les organisations. Ce n'est pas toujours la bonne réponse, mais il y a généralement un cas d'utilisation. J'espère que l'avenir est que les entreprises deviennent elles-mêmes des entreprises d'IA naturelles en devenant plus instruites et familiarisées avec la technologie et conscientes de la façon dont elles peuvent l'utiliser pour leur entreprise.

Merci pour cette incroyable interview, les lecteurs qui souhaitent en savoir plus devraient visiter les ressources suivantes :

Laura Petrich, étudiante au doctorat en robotique et apprentissage automatique – Série d'entrevues

Partenaire fondateur d'unite.AI et membre du Forbes Technology Council, Antoine est un futuriste passionné par l'avenir de l'IA et de la robotique. Il est également le fondateur de Securities.io, un site Web d'investissement, la plate-forme d'IA générative images.ai, et travaille actuellement au lancement de la plate-forme Genius.ai qui offrira aux utilisateurs la possibilité de configurer et de déployer des agents autonomes en divisant les invites en sous-tâches.

Laura Petrich, étudiante au doctorat en robotique et apprentissage automatique – Série d'entrevues

Patrick M. Pilarski, Ph.D. Chaire Canada-CIFAR en IA (Amii) – Série d'entrevues

Prasad Kawthekar, co-fondateur et PDG de Dashworks – Série d'interviews

Arjun Narayan, responsable de la confiance et de la sécurité mondiales pour SmartNews - Série d'interviews

Razi Raziuddin, co-fondateur et PDG de FeatureByte - Série d'interviews

Jordan Noone, co-fondateur de Embedded ventures – Série d'interviews