مقابلات
ماكس فيرساتشي ، الرئيس التنفيذي والمؤسس المشارك لشركة Neurala - سلسلة مقابلة
الدكتور ماسيميليانو فيرساتشي هو المؤسس المشارك والرئيس التنفيذي لشركة Neurala، والشركة ذات الرؤية. بعد بحثه الرائد في الحوسبة المستوحاة من الدماغ والشبكات العميقة ، يواصل إلهام وقيادة عالم الروبوتات المستقلة. لقد تحدث في عشرات الأحداث والأماكن ، بما في ذلك TedX و NASA و البنتاغون و GTC و InterDrone و National Labs و Air Force Research Labs و HP و iRobot و Samsung و LG و Qualcomm و Ericsson و BAE Systems و AI World و Mitsubishi و ABB و Accenture ، من بين أشياء أخرى كثيرة.
لقد درست علم النفس في البداية ثم ركزت على علم الأعصاب ، ما هو الأساس المنطقي الذي وضعته في ذلك الوقت؟
كان المحور طبيعيًا. قدم علم النفس جانبا واحدا من "عملة التدريب" - دراسة الظاهرة النفسية. ومع ذلك ، إذا كان المرء مهتمًا بما يتسبب ميكانيكيًا في حدوث الأفكار والسلوك ، فحينئذٍ يهبط المرء حتمًا بدراسة العضو المسؤول عن الأفكار ، وينتهي به الأمر بدراسة علم الأعصاب!
متى أدركت أنك تريد تطبيق فهمك للدماغ البشري نحو محاكاة الدماغ البشري في نظام الذكاء الاصطناعي؟
الخطوة التالية ، علم الأعصاب للذكاء الاصطناعي ، أكثر تعقيدًا. بينما يهتم علم الأعصاب بالدراسة التفصيلية لتشريح ووظائف الجهاز العصبي وكيف تؤدي العقول إلى السلوك ، فإن المسار التكميلي الآخر لتحقيق فهم أكبر هو بناء نسخة تركيبية منها. التشبيه الذي أود تقديمه هو أنه يمكن للمرء أن يكتسب فهمًا جزئيًا لكيفية عمل المحرك من خلال تفكيك الأسطوانة والرادياتير واستنتاج أن الأسطوانات والرادياتير مهمة في عمل المحرك. هناك طريقة أخرى أعمق لفهم المحرك وهي بناء محرك من الصفر - أي من خلال دراسة الذكاء عن طريق بناء نسخة اصطناعية منه.
ما هي بعض مشاريع التعلم العميق المبكرة التي عملت عليها؟
في عام 2009 لصالح DARPA عملنا على بناء "مضاهاة الدماغ كله"لروبوت مستقل باستخدام شريحة متقدمة من تصميم Hewlett Packard. باختصار ، كانت مهمتنا هي محاكاة الدماغ وبعض السلوكيات الاستقلالية والتعليمية الرئيسية لقارض صغير في شكل عامل يجعله مناسبًا للحمل والتنفيذ في أجهزة صغيرة.
هل يمكنك مشاركة قصة نشأة كونك نيورالا؟
بدأت Neurala كشركة في عام 2006 لاحتواء بعض أعمال براءات الاختراع حول استخدام وحدات معالجة الرسومات (GPU) للتعلم العميق. على الرغم من أن هذا قد يُعتقد أنه تافه اليوم ، إلا أنه في ذلك الوقت لم يتم استخدام GPU للذكاء الاصطناعي على الإطلاق ، وقد ابتكرنا هذا المفهوم من خلال تخيل أنه يمكن استخدام كل بكسل في بطاقة الرسوم لمعالجة خلية عصبية (مقابل جزء من مشهد ل عرض على الشاشة). بفضل توازي وحدات معالجة الرسومات ، التي تحاكي دماغنا المتوازي إلى حد (قابل للتطبيق تجاريًا) ، تمكنا من تحقيق سرعة التعلم والتنفيذ لخوارزمياتنا التي جعلت الذكاء الاصطناعي والتعلم العميق فجأة عمليًا. كان علينا أن ننتظر بضع سنوات أخرى لمغادرة الأوساط الأكاديمية بينما كان العالم "محاصرًا" (كنا بالفعل مؤمنين بشدة!) بواقع الذكاء الاصطناعي. في عام 2013 ، أخرجنا الشركة من وضع التخفي (حيث تم تمويلنا بالفعل من قبل وكالة ناسا ومختبرات أبحاث القوات الجوية الأمريكية) ودخلنا في برنامج Boston Tech Stars. من هناك ، بدأنا في تعيين عدد قليل من الموظفين ورفع رأس المال الخاص. ومع ذلك ، لم يكن حتى عام 2017 ، مع ضخ رأس المال الجديد ونضوج الصناعة بشكل أكبر ، تمكنا من تحقيق أولى عمليات النشر المهمة ووضع الذكاء الاصطناعي لدينا في 56 مليون جهاز ، بدءًا من الكاميرات إلى الهواتف الذكية والطائرات بدون طيار والروبوتات.
كان أحد مشاريع Neurala المبكرة هو العمل على مركبة المريخ التابعة لناسا. هل يمكن أن تشاركنا أبرز ما في هذا المشروع؟
كانت لدى وكالة ناسا مشكلة محددة للغاية: فقد أرادوا استكشاف التكنولوجيا لتشغيل المهام المستقبلية غير المأهولة ، حيث لا يعتمد النظام المستقل (على سبيل المثال ، العربة الجوالة) على توجيه التحكم في مهمة الأرض خطوة بخطوة. تجعل التأخيرات في الاتصال من هذا التحكم مستحيلًا - فقط تذكر مدى صعوبة الاتصال بين الأرض ومات ديمون في فيلم "المريخ". الحل الذي نقدمه: منح كل عربة عقلًا خاصًا بها. لجأت ناسا إلينا ، حيث رأينا بالفعل كخبير في بناء هذه "الأدمغة المصغرة" المستقلة مع DARPA ، لتزويد العربة الجوالة بنظام التعلم العميق ذي العوامل الصغيرة القادر ليس فقط على العمل على الروبوت ، ولكن أيضًا على التكيف مع في الوقت الفعلي وتعلم أشياء جديدة أثناء تشغيل الروبوت. وتشمل هذه الأشياء الجديدة (على سبيل المثال ، الصخور ، وعلامة الماء ، وما إلى ذلك) عند مواجهتها وإنشاء خريطة ذات مغزى لكوكب غير مستكشف. كان التحدي هائلاً ، ولكن كان المردود أيضًا: تقنية التعلم العميق التي كانت قادرة على العمل بقوة معالجة صغيرة جدًا والتعلم حتى على جزء واحد من البيانات (على سبيل المثال ، صورة). تجاوز هذا ما كان التعلم العميق قادرًا على تحقيقه في ذلك الوقت (وحتى اليوم!).
صممت Neurala Lifelong-DNN ، هل يمكنك توضيح كيف يختلف هذا عن DNN العادي والمزايا التي يقدمها؟
تم تصميم Lifelong DNN لحالة استخدام NASA أعلاه ، كما يوضح الاسم ، يمكن أن يتعلم خلال دورة حياته بأكملها. هذا على عكس الشبكات العصبية العميقة التقليدية (DNNs) ، والتي يمكن تدريبها أو إجراء "استنتاج" (أي التصنيف). في L-DNN ، كما هو الحال في البشر ، لا يوجد فرق بين التعلم والتصنيف. في كل مرة ننظر فيها إلى شيء ما ، "نصنفه" (هذا كرسي) ونتعلم عنه (هذا الكرسي جديد ، لم أره من قبل ، أعرف الآن المزيد عنه). بشكل مختلف عن DNNs ، تتعلم L-DNN دائمًا وتواجه ما تعرفه عن العالم ، وما هي المعلومات الجديدة التي يتم تقديمها ، وهي قادرة بشكل طبيعي على فهم الحالات الشاذة. على سبيل المثال ، إذا قام أحد أطفالي بمزحة ورسم كرسيي باللون الوردي ، فسوف أتعرف عليه على الفور. منذ أن علمت L-DNN بمرور الوقت أن كرسيي أسود ، وعندما لا تتطابق تصوراتي معه مع ذاكرتي ، فإن L-DNN ستصدر إشارة شاذة. يُستخدم هذا في منتجات Neurala بطرق مختلفة (انظر أدناه).
هل يمكنك مناقشة ماهية الرؤية المخصصة للذكاء الاصطناعي Brain Builder ، وكيف تُمكّن تطبيقات الروبوتات الأسرع والأسهل والأقل تكلفة؟
نظرًا لأن L-DNN يتعرف بشكل طبيعي على العالم ويمكنه فهم ما إذا كان هناك شيء غير طبيعي أو ينحرف عن المعيار الذي تم تعلمه ، يتم استخدام منتج Neurala و Brain Builder و VIA (أتمتة الفحص البصري) لإعداد مهام الفحص البصري بسرعة باستخدام عدد قليل من صور "منتجات جيدة". على سبيل المثال ، في إعداد الإنتاج ، يمكن للمرء استخدام 20 صورة من "الزجاجات الجيدة" وإنشاء فحص جودة بصري "دماغ صغير" قادر على التعرف على الزجاجات الجيدة ، أو عندما تكون الزجاجة السيئة (على سبيل المثال ، زجاجة ذات غطاء مكسور) أنتجت. يمكن القيام بذلك باستخدام L-DNN بسهولة شديدة وبسرعة وعلى وحدة معالجة مركزية بسيطة ، والاستفادة من تقنية ناسا التي تم إنشاؤها في أكثر من 10 سنوات من البحث والتطوير المكثف.
في مقابلة سابقة ، أوصيت بأن يهدف رواد الأعمال دائمًا إلى بدء عمل تجاري مستحيل بعض الشيء. هل شعرت أن شركة Neurala كانت مستحيلة بعض الشيء عندما أطلقت الشركة لأول مرة؟
ما زلت أتذكر صديقي وزميلي ، أناتولي ، وهو يبصق قهوة الإسبريسو عندما قلت "يومًا ما ، ستعمل تقنيتنا على الهاتف الخلوي". بدا الأمر مستحيلًا ، لكن كل ما عليك فعله هو تخيله والعمل من أجله. اليوم ، يعمل على ملايين الهواتف. نحن نتخيل عالماً حيث يمكن لآلاف العيون الاصطناعية اكتشاف الآلات والعمليات الصناعية لتوفير مستوى لم يكن من الممكن تخيله من قبل من الجودة والتحكم ، والذي كان مستحيلاً في السابق حيث كانت تستهلك آلاف الأشخاص لكل آلة. آمل ألا يشرب أحد الإسبرسو أثناء قراءة هذا….
شكرًا لك على المقابلة الرائعة ، من الواضح أن Neurala شركة يجب أن نبقيها على رادارنا. القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا Neurala.
