Así 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 conferencias magistrales, pero lo que hace diferente a AMLC es quién está presente. No son solo científicos; son ingenieros, gerentes de producto, científicos de datos de todas las áreas del negocio. Es un ambiente realmente colaborativo”.

Para Martin Radfar, un científico investigador sénior, AMLC es igual de emocionante. Martin ha formado parte de Amazon durante seis años; al inicio trabajó en IA para Alexa antes de pasarse a Amazon Ads, donde explora el procesamiento de imágenes y video. Su trabajo de publicación es prolífico, 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, fue un artículo sobre reseñas de productos lo que se quedó grabado en su mente. “Lo revisé antes de poner el modelo en producción, sobre cómo generar resúmenes de miles de reseñas usando modelos de lenguaje grandes”, recuerda. “Después usamos su conjunto de datos en uno de nuestros propios proyectos. Esa colaboración solo sucedió gracias a AMLC”.

Martin tiene una historia similar. Un modelo que su equipo desarrolló para 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. “Brinda nuevas oportunidades”, comenta. “No siempre te das cuenta de que tu trabajo tiene aplicaciones más amplias hasta que alguien más lo ve”.

Amazon ha estado operando AMLC desde 2013. En 2024, hubo 918 solicitudes, 89 llegaron a presentarse de manera oral y 190 a presentación de póster. Estas son cifras grandes, pero el impacto tiene menos que ver con la escala que con la conexión. Según las encuestas posteriores a la conferencia, el 89% de los asistentes se sintieron más conectados con la comunidad científica en Amazon, una señal de la próspera cultura científica que AMLC ha fomentado durante más de una década.

Este sentido de pertenencia es importante, especialmente en una empresa del tamaño de Amazon. “Día a día, te enfocas en tu propio equipo, tus propias fechas límite”, dice Neeti. “Pero AMLC te recuerda que eres parte de algo mucho más grande. De repente, estás sentado junto a alguien de Alexa o AWS y te das cuenta de que están abordando problemas similares desde diferentes ángulos”.

Las comparaciones con conferencias externas son inevitables, y deliberadas. “He asistido a las grandes conferencias externas de ML”, continúa Neeti. “En realidad, la calidad de los artículos en AMLC está a la par. 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 está de acuerdo, aunque se apresura a señalar que el ritmo del campo está cambiando la forma en que se comparte la investigación. “En la actualidad, muchas grandes empresas tecnológicas están publicando menos contenido externamente. La privacidad de datos, la propiedad intelectual, todo esto hace más lento el proceso. Pero en AMLC puedes compartir trabajo rápidamente y generar un impacto positivo en tu comunidad”.

AMLC también es un indicador de hacia dónde se dirige el campo. Los discursos principales del año pasado incluyeron a Andrew Ng, el profesor de Stanford y líder en inteligencia artificial, quien habló sobre sistemas multiagente, un tema que Martin presentó. “Acababa de hablar sobre la IA multi-agente”, se ríe, “y luego Andrew Ng está en el escenario diciendo que es el futuro de la investigación en IA. Fue un momento agradable”.

Para Neeti, la inspiración está más en el ritmo puro del descubrimiento. “La IA generativa avanza tan rápido que es difícil mantenerse al día”, comenta. “Los equipos están lanzando nuevas herramientas cada semana. Eso nos impulsa a pensar en grande sobre los anuncios, cómo se crean las campañas, cómo aparecen los productos en Rufus, el asistente de compras impulsado por IA generativa de Amazon. Ves estas ideas en AMLC y comienzas a imaginar el futuro”.

Ambos científicos están dispuestos a explicar que entrenar modelos grandes, ajustar parámetros y repetir el proceso hasta que funcione puede ser agotador, pero AMLC ayuda a dar a este trabajo un contexto más amplio. “Pasas meses trabajando en un proyecto”, dice Neeti. “Para luego presentarlo a miles de colegas y recibir sus preguntas e ideas, es estimulante”.

Martin está de acuerdo, "como científicos, siempre estamos equilibrando la curiosidad con el impacto. AMLC es donde estas dos cosas se encuentran”.