تقديم العرض الوظيفي
نيك رومانو ، المؤسس المشارك والرئيس التنفيذي لشركة Deeplite - سلسلة مقابلات
نيك رومانو هو الشريك المؤسس والرئيس التنفيذي لشركة ديبلايت حل تحسين يحركه الذكاء الاصطناعي لجعل الشبكات العصبية العميقة أسرع وأصغر وأكثر كفاءة في استخدام الطاقة من الحوسبة السحابية إلى الحوسبة المتطورة.
نيك هو رائد أعمال متسلسل ومدير تنفيذي بارع يحقق نتائج ناجحة لأكثر من 20 عامًا. شارك مؤخرًا في تأسيس وتوسيع نطاق منصة SaaS للمؤسسات بإيرادات متكررة بملايين الدولارات وأكثر من 100 موظف. تم تكريمه من قبل جامعة ماك ماستر للهندسة كأفضل خريجين 150.
ما الذي جذبك في البداية إلى الذكاء الاصطناعي؟
لقد عملت في مجال التكنولوجيا لأكثر من 25 عامًا وشاهدت العديد من الدورات والاتجاهات ، بعض الضجيج وبعضها حقيقي. يعد الذكاء الاصطناعي مجالًا ديناميكيًا ومتزايدًا ، وما أحبه فيه هو كيف يمكن استخدام التكنولوجيا حقًا في العديد من الطرق المختلفة لتحسين طريقة عيش الناس وعملهم. أردت أن أكون جزءًا من هذه الحركة. ومع ذلك ، هناك تحديات أمام استخدام الذكاء الاصطناعي في بيئات العالم الحقيقي. يتطلب الأمر الكثير من سعة الحوسبة والطاقة لجعل الذكاء الاصطناعي يعمل بشكل صحيح - فهو مكثف من الناحية الحسابية. هذا جيد في المختبر ، ولكن إذا كان كبيرًا جدًا أو بطيئًا جدًا أو يستهلك الكثير من الطاقة ، فمن الصعب جلب الذكاء الاصطناعي إلى سيناريوهات العالم الحقيقي. هذه هي مهمتنا والجاذبية الحقيقية بالنسبة لي - تمكين الذكاء الاصطناعي للحياة اليومية.
هل يمكنك مشاركة قصة التكوين وراء Deeplite؟
بدأت فكرة Deeplite في حاضنة TandemLaunch في مونتريال. بدأ ديفيس سوير ، الذي يشغل الآن منصب مدير المنتجات وخبير مجال الذكاء الاصطناعي ، وإحسان صابوري ، الذي يشغل الآن منصب كبير موظفي التكنولوجيا لدينا وهو العقل المدبر وراء الملكية الفكرية لدينا ، في تطوير التكنولوجيا هناك. انضممت إليهم في عام 2019 ، وأحضرت سنواتي العديدة من ريادة التكنولوجيا وتوسيع نطاق الشركات إلى الطاولة ، وأطلقنا رسميًا Deeplite كشركة في منتصف عام 2019. الآن لدينا أكثر من 20 موظفًا لديهم مكاتب في مونتريال وتورنتو ، وقد أعلنا عن سلسلة البذور بقيمة 6 ملايين دولار في أبريل 2021.
لماذا يعتبر تضمين معالجة الذكاء الاصطناعي مباشرة في الأجهزة مقابل السحابة أمرًا مهمًا للغاية في حالات استخدام معينة مثل المركبات ذاتية القيادة والطائرات بدون طيار؟
هناك العديد من الأسباب التي تجعلك ترغب في تشغيل استنتاجك ، عملية اتخاذ القرار بالذكاء الاصطناعي ، عند نقطة التقاط البيانات مقابل السحابة. ربما يكون السبب الأكبر في التطبيقات المهمة للمهمة مثل المركبات ذاتية القيادة هو ما يسمى بزمن الانتقال ، والذي يعني بشكل أساسي المدة التي يستغرقها الذكاء الاصطناعي لاتخاذ القرار. إذا كنت بحاجة إلى التقاط البيانات ، وإرسالها إلى السحابة للاستدلال ، ثم إعادة النتائج مرة أخرى ، فمن الواضح أن ذلك سيستغرق وقتًا أطول بكثير من القيام بذلك محليًا في الوقت الفعلي. في القيادة الذاتية ، يمثل جزء من الثانية أهمية كبيرة.
تشمل الأسباب الأخرى الخصوصية ، والحفاظ على البيانات الحساسة محلية مقابل الإرسال إلى السحابة ، وبالطبع الاتصال الذي يجعل الاستدلال السحابي في غيابه موضع نقاش. تتطلب الشبكات المحايدة العميقة المعقدة التي تقود الذكاء الاصطناعي الكثير من قوة الحوسبة للتشغيل ، فهي تستخدم قدرًا كبيرًا من الذاكرة ، وتستهلك الكثير من الطاقة ، لذلك اضطرت حلول الذكاء الاصطناعي إلى استخدام السحابة. لذلك ، من أجل الخروج من السحابة وجعل الذكاء الاصطناعي يعمل محليًا على الحافة في مركبة أو طائرة بدون طيار على سبيل المثال ، تحتاج إلى إيجاد طريقة لتقليل الحجم الكلي وملف تعريف الطاقة للنموذج ، مما يسمح له بالعمل مباشرة على الجهاز - الجهاز - بموارد أقل بكثير. من المهم اختراق هذا الحاجز لجلب الذكاء الاصطناعي إلى عدد أكبر بكثير من الأجهزة التي تخدم الناس كل يوم. هذا هو المكان الذي يأتي فيه Deeplite.
هل يمكن أن تخبرنا ما هو ديبلايت نيوترينو على وجه التحديد؟
تقوم منصة Neutrino الخاصة بنا بتحويل الذكاء الاصطناعي ، وخاصة الشبكات العصبية العميقة أو DNN ، إلى عامل شكل جديد أصغر وأسرع وأقل استهلاكًا للطاقة من شكله الأصلي. مع Deeplite Neutrino ، يمكن لفرق الذكاء الاصطناعي التركيز على تدريب نماذجهم من أجل الدقة ، وكم مرة يكون القرار صحيحًا ، واستخدام نظامنا الأساسي لتحسين نموذج الذكاء الاصطناعي بحيث يمكن نشره في الأجهزة المقيدة على الحافة. يقوم Deeplite Neutrino بهذا دون المساس بالدقة الأصلية للذكاء الاصطناعي. في الأساس ، نأخذ نماذج كبيرة للذكاء الاصطناعي ونجعلها أصغر وأسرع وأكثر كفاءة في استخدام الطاقة. الهدف النهائي هو إخراج الذكاء الاصطناعي من المختبر إلى العالم الحقيقي في الأشياء التي نستخدمها كل يوم.
كيف يكون Deeplite Neutrino قادرًا على جعل الذكاء الاصطناعي أكثر كفاءة وأسرع وأصغر وأكثر قوة دون المساس بدقة النموذج الأصلي؟
نحن نستخدم نهج استكشاف الفضاء بتصميم جديد متعدد الأغراض. نستخدم النموذج الأصلي كنوع من نموذج "المعلم" ثم نستكشف بنية النموذج بحثًا عن أفضل نموذج "طالب" يلبي قيود التصميم المحددة بواسطة مستخدم Deeplite لتحسين نماذج DNN تلقائيًا وجعلها أسرع بشكل ملحوظ ، أصغر حجمًا وأكثر كفاءة في استهلاك الطاقة دون التضحية بالأداء.
ما هي بعض أفضل حالات الاستخدام لاستخدام هذا النوع من الذكاء الاصطناعي؟
على الرغم من أننا لا نقتصر على هذا، فإن تركيزنا الحالي ينصب على رؤية الكمبيوتر والذكاء الاصطناعي القائم على الإدراك. يتم استخدام تقنية الذكاء الاصطناعي الخاصة بنا في المركبات ذاتية القيادة والطائرات بدون طيار والكاميرات والهواتف المحمولة وأجهزة الاستشعار وأجهزة إنترنت الأشياء الأخرى. كما أننا نشهد مؤخرًا تطبيقات جديدة لها، بما في ذلك فرشاة الأسنان الذكية وآلة صنع القهوة الذكية. نحن نعمل أيضًا مع إحدى شركات الألعاب العالمية الرائدة التي تستخدمها لتطوير الألعاب. الأمر المثير والمفيد بشكل لا يصدق فيما نقوم به هو تنوع التطبيقات التي نراها تصل إلى السوق حيث يمكننا مساعدتها على الظهور على قيد الحياة.
ما هي وجهات نظرك حول التعلم الموحد وكيف سيؤثر على مستقبل التعلم الآلي؟
تتطلب نماذج التدريب بياناتٍ كثيرةً وقدرةً حاسوبيةً هائلةً. كلما زاد تنوع حالات الاستخدام، زادت البيانات المطلوبة، وزاد وقت الحوسبة اللازم لتدريب النموذج إلى مستوى دقةٍ مُرضٍ. مع التعلم الفيدرالي، يُنظّم التدريب على الحافة في كل جهاز بناءً على ظروف البيانات المحلية. هذا يُحسّن كفاءة التدريب (لماذا نُدرّب على عبور كنغرٍ للطريق في ألاسكا؟) ويُعدّ أيضًا مكسبًا كبيرًا للخصوصية، حيث لا تُرسل بيانات التدريب - مثل وجه شخصٍ ما - إلى خادمٍ مركزي.
نظرًا لأن عملية التحسين الخاصة بنا تتضمن ما نسميه "حلقة التدريب" للحفاظ على دقة النموذج المُحسَّن ، فإن هدفنا النهائي هو أن يكون ما نقوم به جزءًا من عملية التدريب الأولية بدلاً من التمرير الثاني. في الوقت الحالي ، هذا طموح ، لكن هذا جزء من هدفنا طويل المدى.
كشركة ناشئة ، كيف يمكنك جذب الموهبة والقوة الذهنية المطلوبة؟
يعد جذب المواهب المناسبة في مجال الذكاء الاصطناعي تحديًا كبيرًا اليوم - فهناك عدد قليل جدًا من الأشخاص والمنافسة على التوظيف عالية. فريقنا رائع. هم أنفسهم نقطة جذب للموهبة. لدينا موظفين محتملين يتحدثون ومقابلة مع فريقنا. بمجرد أن يروا عيار الأشخاص في Deeplite ، فإنهم يريدون أن يكونوا هنا. كشركة ناشئة ، نقدم ثقافة رائعة وفرصة للعمل على شيء جديد وناشئ يمكن أن يغير قواعد اللعبة للعديد من الصناعات والمنتجات المختلفة. أعتقد أن هذه الفرصة ، جنبًا إلى جنب مع الفريق ، هي مفتاح جذب أفضل المواهب. نحن أيضًا نقع في موقع استراتيجي في مركزين رئيسيين للذكاء الاصطناعي في أمريكا الشمالية ، مونتريال وتورنتو ، مما يساعد. بصفتنا شركة كندية ، فإننا نستفيد من برنامج Global Talent Stream التابع للحكومة أيضًا. يمكننا التوظيف في أي مكان في العالم ، ورعاية الموظفين الجدد وتتبعهم بسرعة في كندا.
هل لديك أي نصيحة لرواد الأعمال الآخرين في مجال الذكاء الاصطناعي؟
هذا يتجاوز الذكاء الاصطناعي ولكن بصفتي رائد أعمال متكرر ، تعلمت مدى أهمية الحصول على دعم الأسرة ، لأن قرار أن تصبح رائد أعمال ليس قرارًا فرديًا - إنه يؤثر على الجميع - بما في ذلك الأزواج والأطفال. الجميع جزء من الرحلة معك ، والجميع يقدم التضحيات. عليك أن تدرك ذلك وتقدره ، وهكذا يمكن للعائلات البقاء معًا طوال الرحلة.
هل هناك أي شيء آخر تود مشاركته حول Deeplite؟
أحد الجوانب الفريدة لـ Deeplite هم شركاؤنا المؤسسون. ديفيس في منتصف العشرينات من عمره ، وهو ذكي للغاية وحيوي. إنه بالتأكيد خبير في المجال فيما نقوم به. إحسان مهاجر إيراني حاصل على درجة الدكتوراه ، وكما ذكرنا سابقًا ، فهو العقل الحقيقي وراء ملكيتنا الفكرية. وأبلغ من العمر أكثر من 20 عامًا وقد أنشأت شركات من قبل. نحن الثلاثة مزيج مثير للاهتمام يجلبون نقاط قوة وخبرة مختلفة إلى الطاولة. أنا ممتن جدًا لأن لديّ شركاء عظماء وأنا محاط بهذا الفريق الرائع.
شكرًا لك على المقابلة الرائعة، أتطلع لمتابعة تطورات شركة Deeplite، وهي شركة ستكون ضمن اهتماماتي. للقراء الراغبين بمعرفة المزيد، يُرجى زيارة ديبلايت.
