مقابلات
Nick Romano، المؤسس المشارك والرئيس التنفيذي لشركة Deeplite – سلسلة المقابلات
Nick Romano 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 و الرئيس التنفيذي المتميز الذي يقدم نتائج ناجحة لمدة أكثر من 20 عامًا. مؤخرًا شارك في تأسيس و توسيع منصة شركة برمجيات مع إيرادات متكررة بقيمة مليوني دولار وأكثر من 100 موظف. وقد تم تكريمه من قبل جامعة ماكماستر الهندسية كأحد أفضل 150 خريجًا.
ما الذي جذبك في البداية إلى الذكاء الاصطناعي؟
لقد كنت في مجال التكنولوجيا لمدة أكثر من 25 عامًا وقد رأيت العديد من الدورات والاتجاهات ، بعضها مبالغ فيه وبعضها حقيقي. الذكاء الاصطناعي هو مجال ديناميكي ومتطور ، وما أحبه في ذلك هو كيف يمكن استخدام التكنولوجيا بشكل حقيقي في nhiều طرق مختلفة لتحسين كيفية عيش الناس وعملهم. أردت أن أكون جزءًا من هذا الحراك. ومع ذلك ، هناك تحديات في أخذ الذكاء الاصطناعي إلى بيئات العالم الحقيقي. يتطلب الأمر قدرة حاسوبية كبيرة وطاقة لجعل الذكاء الاصطناعي يعمل بشكل صحيح – إنه مكثف حسابيًا. هذا جيد في المختبر ، 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.
هل يمكنك مشاركة قصة ولادة Deeplite؟
بدأت فكرة Deeplite في حاضنة TandemLaunch في مونتريال. ديفيس ساوير ، الذي هو الآن رئيس منتجاتنا و خبير في مجال الذكاء الاصطناعي ، و إحسان صابوري ، الذي هو الآن رئيس تقنياتنا و هو العقل الحقيقي وراء براءات اختراعنا ، بدأا في تطوير التكنولوجيا هناك. انضممت إليهم في عام 2019 ، وأحضرت معي سنوات عديدة من القيادة التكنولوجية وتوسيع الشركات ، وتم إطلاق Deeplite رسميًا كشركة في منتصف عام 2019. الآن لدينا أكثر من 20 موظفًا بمكاتب في مونتريال وتورونتو ، وأعلنا عن جولة تمويل سلسلة بذرة بقيمة 6 ملايين دولار في أبريل 2021.
لماذا من المهم دمج معالجة الذكاء الاصطناعي مباشرة في الأجهزة مقابل السحابة في بعض الحالات مثل المركبات ذاتية القيادة والطائرات بدون طيار؟
هناك العديد من الأسباب التي تجعلنا نريد تشغيل عملية اتخاذ القرار بالذكاء الاصطناعي (الاستدلال) عند نقطة التقاط البيانات مقابل السحابة. ربما يكون أكبر سبب في التطبيقات الحاسمة مثل المركبات ذاتية القيادة ما يسمى بالاتساق ، وهو بمعنى كيف طويل الوقت الذي يستغرقه الذكاء الاصطناعي لاتخاذ قرار. إذا كنت بحاجة إلى التقاط البيانات وإرسالها إلى السحابة للاتساق ، ثم إرجاع النتائج ، فذلك سوف يستغرق وقتًا أطول من القيام بذلك محليًا في الوقت الفعلي. في القيادة ذاتية القيادة ، المللي ثانية مهمة للغاية.
أسباب أخرى تشمل الخصوصية ، و الحفاظ على البيانات الحساسة محليًا مقابل إرسالها إلى السحابة ، و بالطبع الاتصال الذي في غيابه يصبح الاستدلال السحابي عديم الفائدة. الشبكات العصبية العميقة المعقدة التي تقود الذكاء الاصطناعي تتطلب قدرة حاسوبية 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 الحافة في مركبة أو طائرة بدون طيار ، على سبيل المثال ، تحتاج إلى إيجاد طريقة لتقليل الحجم والملف الشخصي للطاقة للنموذج ، وتمكينه من التشغيل مباشرة على الأجهزة – الجهاز – مع موارد أقل بكثير. من المهم كسر هذه العوائق لإحضار الذكاء الاصطناعي إلى المزيد من الأجهزة التي تخدم الناس كل يوم. هذا هو حيث تأتي Deeplite.
هل يمكنك أن تخبرنا ما هو Deeplite Neutrino على وجه التحديد؟
منصة Neutrino الخاصة بنا تحول الذكاء الاصطناعي ، و بالتحديد الشبكات العصبية العميقة أو DNN ، إلى شكل جديد أقل حجمًا وأسرع وأقل استهلاكًا للطاقة من الشكل الأصلي. مع Deeplite Neutrino ، يمكن لأفراد فريق الذكاء الاصطناعي التركيز على تدريب نماذجهم لتحقيق الدقة ، و كيف часто تكون القرارات صحيحة ، و استخدام منصتنا لتحسين نموذج الذكاء الاصطناعي بحيث يمكن توزيعه على الأجهزة المحدودة على الحافة. لا يؤثر Deeplite Neutrino على الدقة الأصلية للذكاء الاصطناعي. في جوهر الأمر ، نحن نجعل نماذج الذكاء الاصطناعي الكبيرة أقل حجمًا 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 وأقوى دون المساس بالدقة الأصلية للنموذج؟
نحن نستخدم نهج استكشاف الفضاء التصميمي متعدد الأهداف. نحن نستخدم النموذج الأصلي كنموذج “معلم” ثم نستكشف هيكل النموذج للعثور على أفضل نموذج “طالب” الذي ي满ي القيود التصميمية المحددة بواسطة مستخدم Deeplite لتحسين نماذج DNN تلقائيًا وجعلها أسرع وأصغر وأكثر كفاءة في الطاقة دون التضحية بالأداء.
ما هي بعض الحالات الرئيسية لاستخدام هذا النوع من الذكاء الاصطناعي؟
في حين أننا لا نحد ourselves بهذا ، فإن التركيز الحالي هو على رؤية الكمبيوتر والذكاء الاصطناعي القائم على الإدراك. يتم استخدام تكنولوجيا الذكاء الاصطناعي لدينا في المركبات ذاتية القيادة والطائرات بدون طيار والكاميرات والهواتف الخلوية والمستشعرات وأجهزة إنترنت الأشياء الأخرى. نحن نرى أيضًا تطبيقات جديدة لها مؤخرًا ، بما في ذلك فرشاة أسنان ذكية وآلة قهوة ذكية. نحن نعمل أيضًا مع شركة لعب رائدة دولية تستخدمها لتطوير الألعاب. ما هو مثير للغاية ومكافئ حول ما نقوم به هو تنوع التطبيقات التي نراها تصل إلى السوق حيث يمكننا المساعدة في جعلها حية.
ما هي وجهات نظرك حول التعلم الفيدرالي وكيف سيتأثر مستقبل التعلم الآلي؟
يتطلب تدريب النماذج الكثير من البيانات والقدرة الحاسوبية. كلما زادت تنوع الحالات ، زادت البيانات المطلوبة ، وزاد وقت الحاسوب اللازم لتدريب النموذج إلى مستوى دقة مرضٍ. مع التعلم الفيدرالي ، يتم تنسيق التدريب على الحافة في كل جهاز بناءً على ظروف البيانات المحلية. هذا يمكن أن يجعل التدريب أكثر كفاءة (لماذا يتم تدريب المركبات على عبور الكنغر في الطريق في ألاسكا) وأيضًا يعتبر فوزًا كبيرًا للخصوصية لأن بيانات التدريب – على سبيل المثال ، وجه شخص ما – لا يتم إرسالها إلى خادم مركزي.
نظرًا لأن عملية تحسيننا تتضمن ما نسميه “دورة التدريب” للحفاظ على دقة النموذج المُحسّن ، فإن هدفنا النهائي سيكون أن يكون ما نقوم به جزءًا من عملية التدريب الأولية بدلاً من كونه عملية ثانية. حاليًا ، هذا هو تطلعي ، ولكن هذا جزء من هدفنا على المدى الطويل.
كشركة ناشئة ، كيف تجذبون المواهب والذكاء اللازم؟
من التحديات الكبيرة جذب المواهب الصحيحة في الذكاء الاصطناعي اليوم – هناك قلة من الناس هناك والمنافسة على التوظيف عالية. فريقنا رائع. هم مغناطيسون أنفسهم للمواهب. لدينا مقابلات مع فريقنا. بمجرد أن يروا مستوى الناس في Deeplite ، يريدون أن يكونوا هنا. كشركة ناشئة ، نقدم ثقافة رائعة وفرصة للعمل على شيء جديد ومتطور يمكن أن يكون مبدعًا للعديد من الصناعات والمنتجات. أعتقد أن هذه الفرصة ، جنبًا إلى جنب مع الفريق ، هي المفتاح لجذب المواهب الأفضل. نحن أيضًا موزعون استراتيجيًا في两个 من أكبر مراكز الذكاء الاصطناعي في أمريكا الشمالية ، مونتريال وتورونتو ، وهو ما يساعدنا. كشركة كندية ، نستفيد من برنامج تدفق المواهب العالمي للحكومة. يمكننا توظيف أي شخص في أي مكان في العالم ، وترعيب المواهب الجديدة وتسريعها إلى كندا.
هل لديك أي نصائح لأصحاب المشاريع الأخرى في مجال الذكاء الاصطناعي؟
هذا يمتد إلى ما هو أبعد من الذكاء الاصطناعي ، ولكن كريات أعمال متكرر ، لقد تعلمت كيف أنه من المهم أن يكون لديك دعم الأسرة ، لأن القرار بأن تصبح رائد أعمال ليس قرارًا فرديًا – إنه يؤثر على الجميع – الأزواج والأطفال بما في ذلك. الجميع جزء من الرحلة معك ، و الجميع يضحون. عليك أن تعترف بذلك وتقدره ، وهذا هو كيف يمكن للعائلات البقاء معًا خلال الرحلة.
هل هناك شيء آخر تريد أن تشاركه حول Deeplite؟
أحد الجوانب الفريدة لشركة Deeplite هو المؤسسون المشاركون. ديفيس في منتصف العشرينات ، وهو ذكي ومتحمس للغاية. إنه بالتأكيد خبير في مجال ما نقوم به. إحسان هو مهاجر إيراني يحمل درجة الدكتوراه ، وهو العقل الحقيقي وراء براءات اختراعنا. وأنا رجل أعمال في الخمسين من عمري ، وقد بنيت شركات من قبل. الثلاثة منا مزيج مثير للاهتمام يجمع بين نقاط القوة والخبرة المختلفة. أنا أشكر الله على وجود شركاء رائعين ووجود فريق رائع حولي.
شكرًا على المقابلة الرائعة ، أنا أتطلع لمتابعة تقدم Deeplite وهي شركة سوف تكون على راداري. القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا Deeplite.
