واجهة الدماغ والآلة
ماكس فيرساسي، الرئيس التنفيذي ومؤسس شركة نيرالا – سلسلة المقابلات
الدكتور ماسيميليانو فيرساسي هو المؤسس المشارك والرئيس التنفيذي لشركة نيرالا، والرؤية التي تتبناها الشركة. بعد بحثه الرائد في الحوسبة الملهمة بالدماغ والشبكات العميقة، يواصل إلهام وقيادة عالم الروبوتات المستقلة. وقد تحدث في عشرات الفعاليات والمحافل، بما في ذلك تيد إكس، وناسا، والبنتاغون، وجي تي سي، وإنتر درون، والمعامل الوطنية، ومعامل أبحاث القوات الجوية، وإتش بي، وأي روبوت، وسامسونج، إل جي، كوالكوم، إريكسون، بي إيه إي سيستمز، عالم الذكاء الاصطناعي، ميتسوبيشي، إيه بي بي، وأكسنتشر، من بين العديد من الآخرين.
كنت دراستك في البداية في علم النفس ثم تحولت إلى العلوم العصبية، ما كانت منطقك في ذلك الوقت؟
كان التحول طبيعيًا. قدم علم النفس جانبًا واحدًا من “عملة التدريب” – دراسة الظواهر النفسية. ومع ذلك، إذا كان شخص ما مهتمًا بما يسبب فكريًا وسلوكيًا، فإنه يصل في النهاية إلى دراسة العضو المسؤول عن الأفكار، وينتهي به المطاف إلى دراسة العلوم العصبية!
متى أدركت أنك تريد تطبيق فهمك للدماغ البشري في محاكاة الدماغ البشري في نظام ذكاء اصطناعي؟
الخطوة التالية، من العلوم العصبية إلى الذكاء الاصطناعي، أكثر صعوبة. في حين أن العلوم العصبية تهتم بدراسة تفصيلية للتشريح والفسيولوجيا والنظام العصبي وكيف تؤدي الأدمغة إلى السلوك، هناك طريق مكمل آخر لتحقيق فهم أكبر هو بناء نسخة اصطناعية منها. التشبيه الذي أحبه أن أعطيه هو أن يمكنك الحصول على فهم جزئي لطريقة عمل المحرك عن طريق كسر أسطوانة والراديатор والاستنتاج بأن الأسطوانات والراديوترات مهمة في عمل المحرك. هناك طريقة أخرى أعمق لفهم المحرك هي بناء واحد من الصفر – أي دراسة الذكاء عن طريق بناء نسخة اصطناعية (ذكاء اصطناعي) منه.
ما هي بعض المشاريع الأولى للتعلم العميق التي عملت عليها؟
في عام 2009 لداربا، عملنا على بناء “محاكاة دماغ كاملة” لروبوت مستقل باستخدام شريحة متقدمة صممتها هيوليت باكارد. في جوهر الأمر، كان مهمتنا محاكاة الدماغ وسلوك التعلم المستقل لحيوان صغير في شكل مناسب ليكون محمولًا ومتوافقًا مع الأجهزة الصغيرة.
هل يمكنك مشاركة قصة نشأة نيرالا؟
بدأت نيرالا كشركة في عام 2006 لاحتواء بعض الأعمال حول براءات الاختراع باستخدام وحدات معالجة الرسومات (جيه بي يو) للتعلم العميق. في حين أن هذا قد يُعتبر أمرًا عاديًا اليوم، في ذلك الوقت لم تُستخدم وحدات معالجة الرسومات للذكاء الاصطناعي على الإطلاق، وربطنا هذا المفهوم بالتخيل بأن كل بكسل في بطاقة الرسومات يمكن استخدامه لمعالجة عصبون (مقابل قسم من المشهد لعرضه على الشاشة). بفضل التALLELية في وحدات معالجة الرسومات، التي تقلد موازاة دماغنا إلى حد ما (مثاليًا من الناحية التجارية)، كنا قادرين على تحقيق سرعة التعلم والتنفيذ لخوارزمياتنا التي جعلت الذكاء الاصطناعي والتعلم العميق عمليين. كان علينا الانتظار لعدة سنوات حتى نغادر الأكاديمية لأن العالم “لحق بنا” (كنا已经 مؤمنين به!) على حقيقة الذكاء الاصطناعي. في عام 2013، أخرجنا الشركة من وضع التخفي و (كنا已经 تمويلنا من ناسا ومختبرات أبحاث القوات الجوية الأمريكية) ودخلنا برنامج بوسطن تيك ستارز. من هناك، بدأنا في توظيف موظفين قليلين ورفع رأس المال الخاص. ومع ذلك، لم يكن حتى عام 2017، مع حقن رأس مال جديدة وتنضج الصناعة بشكل أكبر، كنا قادرين على الهبوط بالتزامن مع التزامات مهمة ووضع الذكاء الاصطناعي في 56 مليون جهاز، من الكاميرات إلى الهواتف الذكية والطائرات بدون طيار والروبوتات.
كان أحد مشاريع نيرالا المبكرة العمل على روفر المريخ التابع لناسا. هل يمكنك مشاركة لنا أبرز هذه المشروع؟
كان لناسا مشكلة محددة: أرادوا استكشاف تقنيات لتشغيل البعثات غير المأهولة في المستقبل، حيث لن يعتمد النظام المستقل (مثل روفر) على توجيه مراقبة البعثة على الأرض خطوة بخطوة. تجعل تأخيرات الاتصال هذا التحكم مستحيلًا – فقط تذكر كيف كان الاتصال متقنًا بين الأرض ومات ديمون في فيلم “المريخي”. حلنا: منح كل روفر دماغه الخاص. لجأت ناسا إلينا، لأننا كنا已经 نُعتبر خبراء في بناء هذه “الأدمغة الصغيرة” المستقلة مع داربا، لتزويد روفر بمنظومة تعلم عميق صغيرة قادرة لا فقط على تشغيل الروبوت ولكن أيضًا على التكيف في الوقت الفعلي وتعلم أشياء جديدة أثناء تشغيل الروبوت. تشمل هذه أشياء جديدة (مثل الصخور، علامات الماء، إلخ) كما يتم اكتشافها وخلق خريطة ذات معنى لكوكب غير مكتشف. كان التحدي ضخمًا، ولكن كان العائد أيضًا ضخمًا: تقنية تعلم عميق قادرة على تشغيل على قوة معالجة صغيرة جدًا وتعلم حتى على قطعة واحدة من البيانات (مثل صورة). هذا تجاوز ما كان التعلم العميق قادرًا على إنجازه في ذلك الوقت (وحتى اليوم!).
صممت نيرالا Lifelong-DNN، هل يمكنك توضيح كيف يختلف هذا عن DNN عادي وما هي المزايا التي يقدمها؟
صممت لاستخدام حالة ناسا المذكورة أعلاه، Lifelong DNN، كما يشير اسمها، يمكن أن تتعلم خلال دورة حياتها بأكملها. هذا على عكس الشبكات العصبية العميقة التقليدية (DNNs)، التي يمكن أن تكون إما مدربة أو تنفيذ “استدلال” (أي تصنيف). في L-DNN، مثل البشر، لا يوجد فرق بين التعلم والتصنيف. كل مرة ننظر إلى شيء ما، نصنفه (هذه كرسي) ونتعلم عنه (هذا الكرسي جديد، لم أرَه من قبل، الآن أعرف قليلًا عنه). على عكس DNNs، L-DNN دائمًا ما تتعلم وتواجه ما تعرفه عن العالم، وما المعلومات الجديدة التي يتم تقديمها، وقادرة بشكل طبيعي على فهم الشذوذ. على سبيل المثال، إذا لعب أحد أطفالي مزحة علي وصبغ كرسي على لون الوردي، سأتعرف عليه على الفور. منذ أن تعلم L-DNN مع مرور الوقت أن كرسي是我 أسود، وعندما يتعارض تصوري له مع ذاكرتي عنه، سينتج L-DNN إشارة شذوذ. يتم استخدام هذا في منتجات نيرالا بطرق مختلفة (انظر أدناه).
هل يمكنك مناقشة ما هو Brain Builder AI الرؤية المخصصة، وكيف يمكنه تمكين تطبيقات الروبوتات بشكل أسرع وأسهل وأقل تكلفة؟
منذ أن تتعلم L-DNN بشكل طبيعي عن العالم ويمكنها فهم ما إذا كان هناك شيء غير عادي أو يختلف عن معيار متعلم، يتم استخدام منتجات نيرالا، Brain Builder و VIA (التصوير التلقائي للتفتيش)، لتنفيذ مهام التفتيش البصري بسرعة باستخدام صورة قليلة من “المنتجات الجيدة”. على سبيل المثال، في إعداد إنتاج، يمكن استخدام 20 صورة من “زجاجات جيدة” لإنشاء “دماغ صغير” للتفتيش البصري قادر على التعرف على زجاجات جيدة، أو عندما يتم إنتاج زجاجة سيئة (مثل واحدة مع غطاء مكسور). يمكن القيام بذلك مع L-DNN بسهولة وسرعة و على وحدة المعالجة المركزية البسيطة، مستفيدًا من تقنية ناسا التي بنيت في أكثر من 10 سنوات من البحث والتطوير المكثف.
في مقابلة سابقة، أوصيت بممارسة رواد الأعمال دائمًا على بدء عمل يُعتبر قليلاً مستحيلًا. هل شعرت أن نيرالا كانت قليلاً مستحيلة عندما أطلقت الشركة لأول مرة؟
ما زلت أتذكر صديقي وزميلي، أناتولي، عندما كان يبصق قهوته عندما قلت “في يوم من الأيام، ستعمل تقنيتنا على هاتف خلوي”. بدا الأمر مستحيلًا، ولكن كل ما عليك فعله هو تخيله والعمل من أجله. اليوم، تعمل على ملايين الهواتف. نتخيل عالمًا حيث يمكن أن تكتشف الآلاف من العيون الاصطناعية الآلات والعمليات الصناعية لتوفير مستوى جودة ومراقبة لم يكن ممكنًا من قبل، وهو مستحيل لأنه سيتطلب آلاف الأشخاص لكل آلة. آمل أن لا أحد يشرب القهوة أثناء قراءة هذا….
شكرًا على المقابلة الرائعة، نيرالا بوضوح شركة يجب أن نضعها على رادارنا. القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا نيرالا.
