Cómo se conectan e innovan nuestros científicos en la Conferencia de Amazon Machine Learning

“Se siente como una verdadera conferencia académica”, comenta Neeti Narayan, científica aplicada sénior en Amazon Ads. “Tienes los artículos, los pósters, las ponencias principales, pero lo que hace que AMLC sea diferente son las personas que están en la sala. No hay solo científicos: hay ingenieros, gerentes de producto, científicos de datos de todos los sectores. Es un entorno realmente colaborativo”.

Para Martin Radfar, científico investigador sénior, AMLC es igual de emocionante. Martin ha trabajado en Amazon durante seis años, inicialmente en el área de IA para Alexa, antes de cambiar a Amazon Ads para explorar el procesamiento de imágenes y video. Su producción académica es prolífica, con 16 publicaciones externas en las principales conferencias de IA, pero aún encuentra valor en la conferencia interna de Amazon.

El atractivo de AMLC es tanto intelectual como social. Para Neeti, el artículo que más le llamó la atención fue uno sobre reseñas de productos. “Lo revisé antes de que el modelo entrara en producción, sobre cómo generar resúmenes de miles de reseñas utilizando modelos grandes de lenguaje”, recuerda. “Posteriormente, usamos su conjunto de datos en uno de nuestros propios proyectos. Esa colaboración solo fue posible gracias a AMLC”.

Martin tiene una historia similar. Un modelo que su equipo desarrolló con el objetivo de detectar áreas seguras en una imagen para superponer texto llamó la atención de otro grupo de científicos, quienes luego lo incorporaron a su propio flujo de trabajo. “Te abre puertas”, comenta. “No siempre te das cuenta de que tu trabajo tiene aplicaciones más amplias hasta que alguien más lo nota”.

Amazon organiza AMLC desde 2013. En 2024, se recibieron 918 trabajos, 89 fueron seleccionados para su presentación oral y 190 para su presentación en póster. Son cifras grandes, pero el impacto tiene más que ver con la conexión que con la magnitud. Según encuestas posteriores a la conferencia, el 89% de los asistentes se fueron sintiéndose más conectados con la comunidad científica de Amazon, y esto es una señal de la próspera cultura científica que AMLC ha fomentado durante más de una década.

Este sentido de pertenencia es importante, sobre todo en una empresa de la talla de Amazon. “En el día a día, te centras en tu propio equipo, tus propios plazos”, explica Neeti. “Pero AMLC te recuerda que formas parte de algo mucho más grande. De repente, estás sentada junto a alguien del área de Alexa o AWS y te das cuenta de que estás abordando problemas similares desde diferentes ángulos”.

Las comparaciones con conferencias externas son inevitables y deliberadas. “He asistido a las grandes conferencias externas de aprendizaje automático”, continúa Neeti. “Honestamente, la calidad de los artículos que se presentan en AMLC está a la misma altura. La diferencia es que aquí también se ven las aplicaciones inmediatas de las ideas presentadas. Y conoces a personas que pueden ayudarte a implementar estas ideas en tu propio trabajo”.

Martin lo confirma, aunque aclara que el ritmo de la disciplina está modificando la manera en que se comparte la investigación. “En estos días, muchas compañías tecnológicas de renombre publican menos fuera de la empresa. La privacidad de los datos, la propiedad intelectual, todo esto ralentiza las cosas. Pero en AMLC, puedes compartir tu trabajo rápidamente y tener un impacto positivo en tu comunidad”.

AMLC también es un indicador de hacia dónde se encamina el campo. Las ponencias principales del año pasado incluyeron a Andrew Ng, profesor de Stanford y pionero en IA, quien habló sobre sistemas multiagente, un tema que Martin tuvo la oportunidad de presentar. “Acababa de hablar de la IA multiagente”, se ríe, “y de repente Andrew Ng estaba en el escenario afirmando que es el futuro de la investigación en IA. Fue un momento memorable”.

Para Neeti, la motivación proviene principalmente de la rapidez con la que se producen los descubrimientos. “La IA generativa avanza tan rápido que es difícil estar al día”, dice. “Los equipos lanzan nuevas herramientas cada semana. Eso nos lleva a pensar en grande sobre los anuncios, cómo se crean las campañas y cómo aparecen los productos en Rufus, el asistente de compras de Amazon con tecnología de IA generativa. Ves estas ideas en AMLC y empiezas a imaginar el futuro”.

Ambos científicos destacan que entrenar modelos grandes, ajustar parámetros e iterar hasta que todo funcione puede ser laborioso, pero AMLC ayuda a situar este trabajo en un contexto más amplio. “Pasas meses trabajando en un proyecto”, dice Neeti. “Para luego presentarlo a miles de compañeros, responder sus preguntas, escuchar sus ideas; es energizante”.

Martin coincide: “Como científicos, siempre tratamos de equilibrar la curiosidad con el impacto. AMLC es donde confluyen estos dos aspectos”.