مقابلات
نيك رومانو، المؤسس المشارك والرئيس التنفيذي لشركة Deeplite – سلسلة المقابلات
أضف Unite.AI إلى مصادرك المفضلة على Google
نيك رومانو هو المؤسس المشارك والرئيس التنفيذي لشركة Deeplite وهي حل оптимيزيشن مدفوع بالذكاء الاصطناعي لجعل الشبكات العصبية العميقة أسرع وأصغر وأكثر كفاءة في الطاقة من السحابة إلى حواف الحوسبة.
نيك هو رجل أعمال متسلسل ومتحقق للغاية، ويقدم نتائج ناجحة لمدة تزيد على 20 عامًا. مؤخرًا، شارك في تأسيس منصة سحابية للشركات مع إيرادات متكررة تبلغ مليونات الدولارات وموظفين يزيد عددهم على 100 موظف. تم تكريمه من قبل جامعة ماكماستر للهندسة كأحد أفضل 150 خريجًا.
ما الذي جذبك في البداية إلى الذكاء الاصطناعي؟
لقد كنت في مجال التكنولوجيا لمدة تزيد على 25 عامًا، ورأيت العديد من الدورات والاتجاهات، بعضها مبالغ فيه وبعضها حقيقي. الذكاء الاصطناعي هو مجال ديناميكي ومتزايد، وما أحبه في هذا المجال هو كيف يمكن استخدام التكنولوجيا بشكل حقيقي في العديد من الطرق المختلفة لتحسين كيفية حياة الناس وعملهم. أردت أن أكون جزءًا من هذا الحراك. ومع ذلك، هناك تحديات لتحويل الذكاء الاصطناعي إلى بيئات العالم الحقيقي. يتطلب الأمر قدرة حسابية كبيرة وطاقة لجعل الذكاء الاصطناعي يعمل بشكل صحيح – إنه متطلب حسابيًا. هذا جيد في مختبر، ولكن إذا كان كبيرًا أو بطيئًا أو يستهلك الكثير من الطاقة، فمن الصعب إحضار الذكاء الاصطناعي إلى سيناريوهات العالم الحقيقي. هذا هو مهمتنا والجاذبية الحقيقية بالنسبة لي – تمكين الذكاء الاصطناعي للحياة اليومية.
يمكنك أن تشاركنا قصة ولادة شركة Deeplite؟
بدأت فكرة Deeplite في حاضنة TandemLaunch في مونتريال. ديفيس ساوير، الذي هو الآن رئيس منتجاتنا ومتخصص في مجال الذكاء الاصطناعي، ويهسان صبوري، الذي هو الآن رئيس تقنياتنا والذي هو العقل المدبر خلف براءات اختراعنا، بدأا في تطوير التكنولوجيا هناك. انضممت إليهم في عام 2019، وأحضرت معي سنوات عديدة من القيادة التكنولوجية وتوسيع الشركات إلى الطاولة، وأطلقنا رسميًا Deeplite كشركة في منتصف عام 2019. الآن لدينا أكثر من 20 موظفًا بمكاتب في مونتريال وتورونتو، وأعلنا عن جولة تمويل سلسلة بذرة تبلغ 6 ملايين دولار في أبريل 2021.
لماذا من المهم دمج معالجة الذكاء الاصطناعي مباشرة في الأجهزة بدلاً من السحابة في بعض الحالات مثل السيارات ذاتية القيادة والطائرات بدون طيار؟
هناك العديد من الأسباب التي تجعلنا نريد تشغيل عملية اتخاذ القرار بالذكاء الاصطناعي (الاستدلال) في نقطة التقاط البيانات بدلاً من السحابة. ربما يكون أكبر سبب في التطبيقات الحيوية مثل السيارات ذاتية القيادة هو ما يسمى بالاتساق، وهو ببساطة الوقت الذي يستغرقه الذكاء الاصطناعي لاتخاذ قرار. إذا كنت بحاجة إلى التقاط البيانات وإرسالها إلى السحابة للاتساق، ثم إرجاع النتائج مرة أخرى، فمن الواضح أن هذا سوف يستغرق وقتًا أطول من القيام بذلك محليًا في الوقت الفعلي. في القيادة ذاتية القيادة، تهم الميللي ثانية كثيرًا.
أسباب أخرى تشمل الخصوصية، والحفاظ على البيانات الحساسة محليًا بدلاً من إرسالها إلى السحابة، وبالطبع، الاتصال الذي يصبح بدون فائدة في حالة عدم وجوده. الشبكات العصبية العميقة المعقدة التي تقود الذكاء الاصطناعي تتطلب قدرة حسابية كبيرة للتشغيل، وتستخدم الكثير من الذاكرة، وتستهلك الكثير من الطاقة، لذلك أجبرت حلول الذكاء الاصطناعي على استخدام السحابة. لذلك، من أجل الخروج من السحابة وجعل الذكاء الاصطناعي يعمل محليًا على الحواف في سيارة أو طائرة بدون طيار، على سبيل المثال، تحتاج إلى إيجاد طريقة لتقليل الحجم والملف الطاقة للنموذج، مما يسمح له بالتشغيل مباشرة على الجهاز – الأجهزة – مع موارد أقل بكثير. من المهم كسر هذه الحاجز لإحضار الذكاء الاصطناعي إلى المزيد من الأجهزة التي تخدم الناس كل يوم. هذا هو حيث تأتي Deeplite.
يمكنك أن تخبرنا ما هو Deeplite Neutrino على وجه التحديد؟
منصة Neutrino الخاصة بنا تحول الذكاء الاصطناعي، وخاصة الشبكات العصبية العميقة أو DNN، إلى شكل جديد يصغر ويصير أسرع وأقل استهلاكًا للطاقة من الشكل الأصلي. مع Deeplite Neutrino، يمكن لأفرقة الذكاء الاصطناعي التركيز على تدريب نماذجهم من أجل الدقة، وكيفية اتخاذ القرار بشكل صحيح، واستخدام منصتنا لتحسين نموذج الذكاء الاصطناعي بحيث يمكن نشره في الأجهزة المحدودة على الحواف. لا يؤثر Deeplite Neutrino على الدقة الأصلية للذكاء الاصطناعي. في جوهره، نحن نأخذ نماذج الذكاء الاصطناعي الكبيرة ونجعلها أصغر وأسرع وأكثر كفاءة في الطاقة. الهدف النهائي هو إحضار الذكاء الاصطناعي من المختبر إلى العالم الحقيقي في الأشياء التي نستخدمها كل يوم.
كيف يمكن لشركة Deeplite Neutrino جعل الذكاء الاصطناعي أكثر كفاءة وأسرع وأصغر وأكثر قوة دون المساس بدقة النموذج الأصلي؟
نحن نستخدم نهج استكشاف الفضاء التصميمي متعدد الأهداف. نحن نستخدم النموذج الأصلي كنموذج “معلم” ثم نستكشف هيكل النموذج للعثور على أفضل نموذج “طالب” الذي يلبي قيود التصميم المحددة بواسطة مستخدم Deeplite لتحسين نماذج DNN تلقائيًا وتصغيرها وجعلها أسرع وأكثر كفاءة في الطاقة دون التضحية بالأداء.
ما هي بعض الحالات الرئيسية لاستخدام هذا النوع من الذكاء الاصطناعي؟
في حين أننا لسنا مقيدون بهذا، فإن التركيز الحالي هو على رؤية الكمبيوتر والاستعراف القائم على الذكاء الاصطناعي. يتم استخدام تكنولوجيا الذكاء الاصطناعي لدينا في السيارات ذاتية القيادة والطائرات بدون طيار والكاميرات والهواتف الذكية والمستشعرات وأجهزة إنترنت الأشياء الأخرى. نحن نرى أيضًا تطبيقات جديدة لها مؤخرًا، بما في ذلك فرشاة أسنان ذكية وآلة قهوة ذكية. نحن نعمل مع شركة ألعاب رائدة عالمية تستخدمها لتطوير الألعاب. ما هو مثير للغاية ومكافئ حول ما نقوم به هو تنوع التطبيقات التي نراها تصل إلى السوق حيث يمكننا مساعدتها على الظهور.
ما هي وجهات نظرك حول التعلم الفيدرالي وكيف سيتأثر مستقبل التعلم الآلي؟
يتطلب تدريب النماذج الكثير من البيانات والقوة الحاسوبية. كلما زادت تنوع الحالات، زادت البيانات المطلوبة، وزاد الوقت الحاسوبي المطلوب لتدريب النموذج إلى مستوى دقة مرضٍ. مع التعلم الفيدرالي، يتم تنسيق التدريب على الحواف في كل جهاز بناءً على ظروف البيانات المحلية. هذا يمكن أن يجعل التدريب أكثر كفاءة (لماذا تتدرب على عبور الكنغر في الطريق في ألاسكا) وأيضًا فوز كبير للخصوصية حيث لا يتم إرسال بيانات التدريب – على سبيل المثال، وجه شخص ما – إلى خادم مركزي.
نظرًا لأن عملية تحسيننا تتضمن ما نسميه “دورة التدريب” للحفاظ على دقة النموذج المُحسّن، فإن هدفنا النهائي سيكون جعل ما نقوم به جزءًا من عملية التدريب الأولية بدلاً من كونه ممرًا ثانيًا. حاليًا، هذا هو تطلعي، ولكن هذا جزء من هدفنا على المدى الطويل.
كما شركة ناشئة، كيف تجذبون الموهبة والدماغ المطلوبة؟
من التحديات الكبيرة جذب الموهبة الصحيحة في الذكاء الاصطناعي اليوم – هناك قلة من الناس هناك، وتنافس كبير لتوظيفهم. فريقنا رائع. هم مغناطيسون أنفسهم للموهبة. لدينا مرشحين يتحدثون ويتقابلون مع فريقنا. بمجرد أن يروا مستوى الناس في Deeplite، يريدون أن يكونوا هنا. كما شركة ناشئة، نقدم ثقافة رائعة وفرصة للعمل على شيء جديد ومتطور يمكن أن يكون مغيرًا للعبة في العديد من الصناعات والمنتجات. أعتقد أن هذه الفرصة، جنبًا إلى جنب مع الفريق، هو المفتاح لجذب الموهبة الأفضل. نحن أيضًا مواقع استراتيجية في两个 من أكبر مراكز الذكاء الاصطناعي في أمريكا الشمالية، مونتريال وتورونتو، وهو ما يساعدنا. كما شركة كندية، نستفيد من برنامج تيار الموهبة العالمي للحكومة، ونستطيع توظيف المواهب من أي مكان في العالم، وترشيحهم، وتسريعهم إلى كندا.
هل لديك أي نصائح لأصحاب المشاريع في مجال الذكاء الاصطناعي؟
هذا يتجاوز الذكاء الاصطناعي، ولكن كمتحقق متكرر، تعلمت مدى أهمية دعم الأسرة، لأن قرار أن تصبح رائدًا أعمال لا يخص الفرد فقط – إنه يؤثر على الجميع – الأزواج والأطفال включًا. الجميع جزء من الرحلة معك، وكل شخص يتنازل. عليك أن تعترف وتقدر ذلك، وهذا هو كيف يمكن للعائلات البقاء معًا خلال الرحلة.
هل هناك أي شيء آخر تود أن تشاركه حول Deeplite؟
من الجوانب الفريدة لشركة Deeplite هي مؤسسينا. ديفيس في منتصف العشرينات، ومتحمس وذكي للغاية. إنه خبير في مجال ما نقوم به. إيهسان مهاجر إيراني يحمل درجة الدكتوراه، وهو العقل المدبر خلف براءات اختراعنا. وأنا رائد أعمال متقدم في العمر، وقد بنيت شركات من قبل. الثلاثة منا مزيج مثير للاهتمام يأتي بالقوة والخبرة إلى الطاولة. أنا ممتن جدًا لأن لدي شركاء رائعين وأنا محاط بفريق رائع.
شكرًا على المقابلة الرائعة، أتطلع إلى متابعة تقدم Deeplite وهي شركة ستكون على راداري. القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا Deeplite.
