Yashar Behzadi, die uitvoerende hoof van Synthesis AI – Interview Series

Yashar Behzadi PhD is die uitvoerende hoof en stigter van Sintese AI. Hy is 'n ervare entrepreneur wat transformerende besighede in KI, mediese tegnologie en IoT-markte gebou het. Hy het die afgelope 14 jaar in Silicon Valley deurgebring om datasentriese tegnologiemaatskappye te bou en te skaal. Yashar het meer as 30 patente en patente hangende en 'n Ph.D. van UCSD met 'n fokus op ruimtelike-temporele modellering van funksionele breinbeelding.

Sintese AI is 'n begin by die kruising van diep leer en CGI, wat 'n nuwe paradigma vir rekenaarvisie model ontwikkeling skep. Dit stel kliënte in staat om beter modelle te ontwikkel teen 'n fraksie van die tyd en koste van tradisionele mens-aantekeninggebaseerde benaderings.

Hoe het jy aanvanklik by rekenaarwetenskap en KI betrokke geraak?

Ek het 'n Ph.D. van UCSD in 2006 gefokus op rekenaarvisie en ruimtelike en tydelike modellering van breinbeelddata. Ek het toe vir die volgende 16 jaar in Silicon Valley gewerk by die kruising van sensors, data en masjienleer oor nywerhede. Ek voel baie gelukkig om die geleentheid te hê om aan 'n paar merkwaardige tegnologieë te werk, en ek het meer as 30 patente uitgereik of ingedien wat gefokus is op seinverwerking, masjienleer en datawetenskap.

Kan jy die ontstaansverhaal van Synthesis AI deel?

Voordat ek Synthesis AI in 2019 gestig het, het ek 'n wêreldwye KI-dienstemaatskappy gelei wat gefokus was op die ontwikkeling van rekenaarvisiemodelle vir toonaangewende tegnologie-ondernemings. Ongeag die maatskappy se grootte, ek het gevind dat ons uiters beperk is deur die kwaliteit en hoeveelheid gemerkte opleidingsdata. Namate maatskappye geografies uitgebrei het, hul kliëntebasis uitgebrei het, of nuwe modelle en nuwe hardeware ontwikkel het, was nuwe opleidingsdata nodig om te verseker dat modelle voldoende presteer. Dit het ook duidelik geword dat die toekoms van rekenaarvisie nie suksesvol sou wees met vandag se mens-in-die-lus-annotasieparadigma nie. Opkomende rekenaarvisie-toepassings in outonomie, robotika en AR/VR/metaverse toepassings vereis 'n ryk stel 3D-etikette, diepte-inligting, materiaaleienskappe, gedetailleerde segmentering, ens., wat mense nie kan etiketteer nie. 'n Nuwe paradigma was nodig om die nodige ryk stel etikette te verskaf om hierdie nuwe modelle op te lei. Benewens tegniese dryfvere, het ons toenemende verbruikers- en regulatoriese ondersoek gesien rondom etiese kwessies wat verband hou met modelvooroordeel en verbruikersprivaatheid.

Ek het Synthesis AI gevestig met die bedoeling om die rekenaarvisie-paradigma te transformeer. Die maatskappy se sintetiese data-generering platform maak op-aanvraag generering van fotorealistiese beelddata moontlik met 'n uitgebreide stel 3D-pixel-perfekte etikette. Ons missie is om sintetiese datategnologieë te baanbreker om die etiese ontwikkeling van meer bekwame modelle moontlik te maak.

Vir lesers wat nie met hierdie term vertroud is nie, kan jy definieer wat sintetiese data is?

Sintetiese data is rekenaargegenereerde data wat as 'n alternatief vir werklike data dien. Sintetiese data word in gesimuleerde digitale wêrelde geskep eerder as om uit die werklike wêreld versamel of gemeet word. Deur instrumente uit die wêreld van visuele effekte en CGI te kombineer met generatiewe KI-modelle, stel Synthesis AI maatskappye in staat om groot hoeveelhede fotorealistiese, diverse data op aanvraag te skep om rekenaarvisiemodelle op te lei. Die maatskappy se datagenereringsplatform het die koste en spoed verminder om beelddata van hoë gehalte te bekom in ordes van grootte, terwyl privaatheid behoue ​​bly.

Kan jy bespreek hoe sintetiese data gegenereer word?

'n Sintetiese datastel word kunsmatig geskep eerder as deur werklike data. Tegnologieë van die visuele effekte-industrie word gepaard met generatiewe neurale netwerke om groot, diverse en fotorealistiese gemerkte beelddata te skep. Sintetiese data maak voorsiening vir die skep van opleidingsdata teen 'n fraksie van die koste en tyd van huidige benaderings.

Hoe skep die gebruik van sintetiese data 'n mededingende voordeel?

Tans maak die meeste KI-stelsels gebruik van 'toesighoudende leer' waar mense sleutels wat in beelde toegeskryf word etiketteer en dan KI-algoritmes oplei om beelde te interpreteer. Dit is 'n hulpbron en tyd-intensiewe proses en word beperk deur wat mense akkuraat kan etiketteer. Daarbenewens het kommer oor KI-demografiese vooroordeel en verbruikersprivaatheid toegeneem, wat dit al hoe moeiliker maak om verteenwoordigende menslike data te bekom.

Ons benadering is om fotorealistiese digitale wêrelde te skep wat komplekse beelddata sintetiseer. Aangesien ons die data genereer, weet ons alles van die tonele, insluitend nooit tevore beskikbare inligting oor die 3D-ligging van voorwerpe en hul komplekse interaksies met mekaar en die omgewing nie. Die verkryging en etikettering van hierdie hoeveelheid data deur gebruik te maak van huidige benaderings sal maande neem, indien nie jare nie. Hierdie nuwe paradigma sal 'n 100x verbetering in doeltreffendheid en koste moontlik maak en 'n nuwe klas meer bekwame modelle aandryf.

Aangesien sintetiese data kunsmatig gegenereer word, skakel dit baie vooroordele en privaatheidskwessies uit met die tradisioneel versameling van datastelle uit die werklike wêreld.

Hoe maak op-aanvraag-datagenerering versnelde skaal moontlik?

Die vaslegging en voorbereiding van werklike data vir modelopleiding is 'n lang en vervelige proses. Die implementering van die nodige hardeware kan buitensporig duur wees vir ingewikkelde rekenaarvisiestelsels soos outonome voertuie, robotika of satellietbeelde. Sodra die data vasgelê is, etiketteer en annoteer mense noodsaaklike kenmerke. Hierdie proses is geneig tot foute, en mense is beperk in hul vermoë om sleutelinligting te benoem soos die 3D-posisie wat vir baie toepassings vereis word.

Sintetiese data is ordes van grootte vinniger en goedkoper as tradisionele mens-geannoteerde werklike data-benaderings en sal die ontplooiing van nuwe en meer bekwame modelle oor nywerhede kom versnel.

Hoe maak sintetiese data 'n vermindering of voorkoming van KI-vooroordeel moontlik?

KI-stelsels is alomteenwoordig, maar kan inherente vooroordele bevat wat groepe mense kan beïnvloed. Datastelle kan ongebalanseerd wees met sekere klasse data en óf oor- óf onderverteenwoordigde groepe mense. Die bou van mensgesentreerde stelsels kan dikwels lei tot geslags-, etnisiteit- en ouderdomsvooroordeel. Daarteenoor is ontwerp-gegenereerde opleidingsdata behoorlik gebalanseerd en het nie menslike vooroordele nie.

Sintetiese data kan 'n robuuste oplossing word om KI se vooroordeelprobleem op te los. Sintetiese data word gedeeltelik of heeltemal kunsmatig gegenereer eerder as gemeet of onttrek uit werklike gebeure of verskynsels. As die datastel nie divers of groot genoeg is nie, kan KI-gegenereerde data die gate invul en 'n onbevooroordeelde datastel vorm. Die beste deel? Die handmatige skep van hierdie datastelle kan spanne etlike maande of jare neem om te voltooi. Wanneer dit ontwerp is met sintetiese data, kan dit oornag gedoen word.

Buiten rekenaarvisie, wat is 'n paar toekomstige ander potensiële gebruiksgevalle vir sintetiese data?

Benewens die menigte rekenaarvisiegebruiksgevalle wat verband hou met verbruikersprodukte, outonomie, robotika, AR/VR/metaverse, en meer, sal sintetiese data ook ander datamodaliteite beïnvloed. Ons sien reeds dat maatskappye sintetiese databenaderings gebruik vir gestruktureerde tabeldata, stem en natuurlike taalverwerking. Die onderliggende tegnologieë en generasiepyplyne verskil vir elke modaliteit, en in die nabye toekoms verwag ons om multi-modale stelsels te sien (bv. video + stem).

Is daar enigiets anders wat jy oor Synthesis AI wil deel?

Laat verlede jaar het ons vrygestel Menslike API, 'n beduidende uitbreiding van Synthesis AI se sintetiese data-vermoëns wat die programmatiese generering van miljoene unieke, hoë-gehalte 3D digitale mense moontlik maak. Hierdie aankondiging kom maande na die bekendstelling van die FaceAPI sintetiese data-as-'n-diens-produk, wat meer as 10M benoemde gesigsbeelde vir toonaangewende slimfoon-, telekonferensies-, motor- en tegnologiemaatskappye gelewer het. HumanAPI is die volgende stap in die maatskappy se reis om gevorderde rekenaarvisie Kunsmatige Intelligensie (KI) toepassings te ondersteun.

HumanAPI maak ook 'n magdom nuwe geleenthede vir ons kliënte moontlik, insluitend slim KI-assistente, virtuele fiksheidsafrigters, en natuurlik die wêreld van metaverse toepassings.

Deur 'n digitale dubbel van die werklike wêreld te skep, sal die metaverse nuwe toepassings moontlik maak wat wissel van herverbeelde sosiale netwerke, vermaaklikheidservarings, telekonferensies, speletjies en meer. Rekenaarvisie KI sal fundamenteel wees vir hoe die regte wêreld vasgevang en herskep word met hoëtrouheid in die digitale realm. Fotorealistiese, ekspressiewe en gedragsakkurate mense sal 'n noodsaaklike komponent van die toekoms van rekenaarvisie-toepassings wees. HumanAPI is die eerste produk wat maatskappye in staat stel om groot hoeveelhede perfek benoemde heelliggaamdata op aanvraag te skep om meer bekwame KI-modelle te bou, insluitend poseskatting, emosieherkenning, aktiwiteit- en gedragkarakterisering, gesigrekonstruksie, en meer.

Dankie vir die puik onderhoud, lesers wat meer wil leer moet besoek aflê Sintese AI.