يشار بهزادي، الرئيس التنفيذي لشركة Synthesis AI – سلسلة المقابلات

يشار بهزادي حاصلاً على شهادة الدكتوراه هو الرئيس التنفيذي والمؤسس لشركة Synthesis AI. وهو رجل أعمال مخضرم الذي بنى شركات تحويلية في مجالات الذكاء الاصطناعي والتكنولوجيا الطبية والإنترنت للأشياء. وقد قضى آخر 14 عامًا في وادي السيليكون في بناء وتوسيع شركات تكنولوجيا مركزية للبيانات. يشار لديه أكثر من 30 براءة اختراع وبراءات اختراع قيد التقديم وشهادة دكتوراه من جامعة كاليفورنيا سان دييغو مع التركيز على النمذجة المكانية الزمنية لتصوير الدماغ الوظيفي.

Synthesis AI هي شركة ناشئة عند تقاطع التعلم العميق والرسومات الحاسوبية، مما يخلق نمطًا جديدًا لتطوير نماذج الرؤية الحاسوبية. تمكن العملاء من تطوير نماذج أفضل بنسبة جزء من الوقت والتكلفة للمقاربات التقليدية القائمة على التعليقات البشرية.

كيف شاركت في العلوم الحاسوبية والذكاء الاصطناعي في البداية؟

حصلت على شهادة الدكتوراه من جامعة كاليفورنيا سان دييغو في عام 2006 مع التركيز على الرؤية الحاسوبية والنمذجة المكانية الزمنية لبيانات التصوير الدماغي. ثم عملت في وادي السيليكون عند تقاطع الحساسات والبيانات والتعلم الآلي عبر الصناعات لمدة 16 عامًا. أشعر بالحظ الجيد أن لدي فرصة للعمل على بعض التكنولوجيا الرائعة، ولدي أكثر من 30 براءة اختراع صدرت أو قدمت مع التركيز على معالجة الإشارات والتعلم الآلي وعلوم البيانات.

يمكنك مشاركة قصة نشأة Synthesis AI؟

قبل تأسيس Synthesis AI في عام 2019، قادت شركة خدمات الذكاء الاصطناعي العالمية لتطوير نماذج الرؤية الحاسوبية للشركات التكنولوجية الرائدة. مهما كان حجم الشركة، وجدنا أننا مقيدون بشكل كبير بجودة وكمية بيانات التدريب المعلّمة. مع توسع الشركات جغرافيًا أو نمو قاعدة العملاء أو تطوير نماذج جديدة وأجهزة جديدة، كانت بيانات تدريب جديدة مطلوبة لضمان أداء النماذج بشكل كافٍ. كما أصبح واضحًا أن مستقبل الرؤية الحاسوبية لن يكون ناجحًا بنمط التعليق البشري الحالي. تتطلب التطبيقات الناشئة للرؤية الحاسوبية في الاستقلالية والروبوتات وتقنية الواقع الافتراضي والميتافيرس مجموعة غنية من العلامات ثلاثية الأبعاد ومعلومات العمق والخصائص المادية والتقسيم المتفاصيل، إلخ، والتي لا يمكن للبشر تعليمها. كان نمطًا جديدًا مطلوبًا لتوفير مجموعة العلامات الغنية اللازمة لتدريب هذه النماذج الجديدة. بالإضافة إلى المحركات الفنية، رأينا زيادة الفحص الاستهلاكي والتنظيمي حول القضايا الأخلاقية المتعلقة بالتحيز في النماذج وخصوصية المستهلك.

أنشأت Synthesis AI بهدف تحويل نمط الرؤية الحاسوبية. تمكن منصة توليد البيانات الاصطناعية في الشركة من توليد بيانات صورة فوتوغرافية حقيقية مع مجموعة موسعة من العلامات ثلاثية الأبعاد المثالية. مهمتنا هي رائدة تكنولوجيا البيانات الاصطناعية لتمكين تطوير نماذج أكثر قدرة بشكل أخلاقي.

لمن ليس على دراية بهذا المصطلح، يمكنك تعريف ما هو البيانات الاصطناعية؟

البيانات الاصطناعية هي بيانات محوسبة تعمل كبديل للبيانات في العالم الحقيقي. يتم إنشاء البيانات الاصطناعية في عوالم رقمية محاكاة بدلاً من جمعها من العالم الحقيقي أو قياسها. من خلال الجمع بين أدوات من عالم التأثيرات البصرية والرسومات الحاسوبية مع نماذج الذكاء الاصطناعي التوليدية، تمكن Synthesis AI الشركات من إنشاء كميات كبيرة من البيانات المتنوعة والفوتوغرافية الحقيقية على الطلب لتدريب نماذج الرؤية الحاسوبية. قللت منصة توليد البيانات في الشركة من التكلفة وسرعة الحصول على بيانات الصور عالية الجودة بأمر من الدرجات بينما حافظت على الخصوصية.

يمكنك مناقشة كيفية توليد البيانات الاصطناعية؟

يتم إنشاء مجموعة بيانات اصطناعية بشكل اصطناعي بدلاً من البيانات في العالم الحقيقي. يتم ربط التكنولوجيا من صناعة التأثيرات البصرية مع شبكات عصبية توليدية لإنشاء بيانات صورة موسعة وواقعية وموسومة. تمكن البيانات الاصطناعية من إنشاء بيانات تدريب بجزء من التكلفة والوقت للمقاربات الحالية.

كيف يمكن للبيانات الاصطناعية أن تخلق ميزة تنافسية؟

يعتمد معظم أنظمة الذكاء الاصطناعي على “التعلم الإشرافي” حيث يُعلّم البشر سمات رئيسية في الصور ثم يُدرّب خوارزميات الذكاء الاصطناعي لتحليل الصور. هذه عملية استهلاكية للموارد والوقت ومحدودة بما يمكن البشر تعليمه بدقة. بالإضافة إلى ذلك، زادت المخاوف المتعلقة بالتحيز الديموغرافي للذكاء الاصطناعي وخصوصية المستهلك، مما جعل من الصعب الحصول على بيانات بشرية ممثلة.

نحن نتبع نهجًا لإنشاء عوالم رقمية حقيقية لتحسين بيانات الصور المعقدة. منذ أن نولد البيانات، نعرف كل شيء عن المشاهد، بما في ذلك المعلومات التي لم تكن متاحة من قبل حول الموقع ثلاثي الأبعاد للكائنات وتفاعلاتها المعقدة مع بعضها البعض والبيئة. ستحتاج عملية الحصول على هذه الكمية من البيانات باستخدام المقاربات الحالية إلى أشهر أو حتى سنوات. سينتج هذا النمط الجديد تحسينًا بنسبة 100 ضعف في الكفاءة والتكلفة وسيؤدي إلى فئة جديدة من النماذج الأكثر قدرة.

由于 إنشاء البيانات الاصطناعية بشكل اصطناعي، يتم القضاء على العديد من التحيزات والاهتمامات المتعلقة بالبيانات التقليدية.

كيف يمكن لتوليد البيانات على الطلب تمكين التسريع؟

التقاط وتحضير البيانات في العالم الحقيقي لتدريب النماذج هو عملية طويلة ومملة. يمكن أن يكون نشر الأجهزة اللازمة باهظ التكلفة للنظم المعقدة للرؤية الحاسوبية مثل المركبات المستقلة والروبوتات وصور الأقمار الصناعية. بمجرد التقاط البيانات، يُعلّم البشر ويُشير إلى السمات الأساسية. هذه العملية معرضة للخطأ، والبشر محدودون في khảيتهم لتعليم المعلومات الرئيسية مثل الموقع ثلاثي الأبعاد المطلوب للعديد من التطبيقات.

البيانات الاصطناعية أسرع وأرخص من المقاربات التقليدية المعتمدة على بيانات العالم الحقيقي المُعلّمة من البشر، وستأتي لتسريع نشر نماذج جديدة وأكثر قدرة عبر الصناعات.

كيف يمكن للبيانات الاصطناعية تمكين الحد من أو منع التحيز في الذكاء الاصطناعي؟

النظم الذكية موجودة في كل مكان ولكنها قد تحتوي على تحيزات متأصلة يمكن أن تؤثر على مجموعات من الناس. يمكن أن تكون مجموعات البيانات غير متوازنة مع بعض فئات البيانات، ويمكن أن تكون المجموعات معينة من الناس مُبالغًا فيها أو غير ممثلة. يمكن أن يؤدي بناء الأنظمة المعتمدة على البشر إلى تحيزات الجنس والعرق والعمر. في المقابل، يتم إنشاء بيانات التدريب المُولدة بالتصميم بشكل صحيح ويتخلف عن التحيزات البشرية.

يمكن أن تصبح البيانات الاصطناعية حلًا قويًا في حل مشكلة التحيز في الذكاء الاصطناعي. يتم إنشاء البيانات الاصطناعية بشكل جزئي أو كامل اصطناعي بدلاً من قياسها أو استخلاصها من الأحداث أو الظواهر في العالم الحقيقي. إذا لم تكن مجموعة البيانات كافية أو كبيرة بدرجة كافية، يمكن للبيانات التي تم إنشاؤها بواسطة الذكاء الاصطناعي ملء الفجوات وتشكيل مجموعة بيانات غير متحيزة. أفضل جزء؟ يمكن إنشاء هذه المجموعات يدويًا بواسطة فرق خلال عدة أشهر أو سنوات. عند تصميمها مع البيانات الاصطناعية، يمكن القيام بذلك في ليلة واحدة.

خارج مجال الرؤية الحاسوبية، ما هي بعض الحالات المستقبلية المحتملة لاستخدام البيانات الاصطناعية؟

بالإضافة إلى مجموعة من حالات استخدام الرؤية الحاسوبية المتعلقة بالمنتجات الاستهلاكية والاستقلالية والروبوتات وتقنية الواقع الافتراضي والميتافيرس، ستؤثر البيانات الاصطناعية أيضًا على وسائط بيانات أخرى. نحن نرى بالفعل شركات تستخدم نهج البيانات الاصطناعية للبيانات المنظمة والصوتية ومعالجة اللغة الطبيعية. تختلف التكنولوجيا الأساسية وأنابيب التوليد لكل نمط، وفي المستقبل القريب، نتوقع رؤية أنظمة متعددة الوسائط (مثل الفيديو + الصوت).

هل هناك أي شيء آخر تود مشاركته حول Synthesis AI؟

في نهاية العام الماضي، أطلقنا HumanAPI، وهو توسيع كبير لقدرات البيانات الاصطناعية لشركة Synthesis AI، مما يسمح بالتوليد البرمجي لملايين البشر الرقميين ثلاثية الأبعاد الفريدة والعالية الجودة. يأتي هذا الإعلان بعد أشهر من إطلاق منتج البيانات الاصطناعية كخدمة FaceAPI، الذي سلم أكثر من 10 ملايين صورة وجه مُعلّمة لشركات الهواتف الذكية والاتصالات المرئية والسيارات والتكنولوجيا الرائدة. HumanAPI هو الخطوة التالية في رحلة الشركة لدعم تطبيقات الذكاء الاصطناعي المتقدمة للرؤية الحاسوبية.

كما تمكن HumanAPI من فرص جديدة عديدة للعملاء، بما في ذلك المساعدين الذكيين والمدربين الافتراضيين، وبالطبع، عالم تطبيقات الميتافيرس.

من خلال إنشاء نسخة رقمية من العالم الحقيقي، ستسمح الميتافيرس بتطبيقات جديدة تتراوح من شبكات اجتماعية متخيلة وتجارب ترفيهية ومرافق اتصال مرئي وألعاب، وغيرها. ستكون الرؤية الحاسوبية الذكية أساسية لطريقة التقاط العالم الحقيقي وإعادة إنشائه بدقة عالية في العالم الرقمي. ستكون البشر الفوتوغرافية والتعبيرية والدقيقة سلوكيًا مكونًا أساسيًا لمستقبل تطبيقات الرؤية الحاسوبية. HumanAPI هو أول منتج يسمح للشركات بإنشاء كميات كبيرة من البيانات المُعلّمة بشكل مثالي على الطلب لإنشاء نماذج الذكاء الاصطناعي الأكثر قدرة، بما في ذلك تقدير الموضع والتعرف على العواطف وتصنيف السلوك والبناء الوجهي، وغيرها.

شكرًا على المقابلة الرائعة، يُرجى من القراء الذين يرغبون في معرفة المزيد زيارة Synthesis AI.