Max Versace, CEO a spoluzakladatel Neurala – Interview Series

Dr. Massimiliano Versace je spoluzakladatel a CEO společnosti Neurala, a také vizionář společnosti. Po své průkopnické práci v oblasti brain-inspirovaného počítačového zpracování a hlubokých sítí pokračuje v inspiraci a vedení světa autonomních robotů. Přednesl desítky přednášek a vystupoval na mnoha akcích a místech, včetně TedX, NASA, Pentagonu, GTC, InterDrone, National Labs, Air Force Research Labs, HP, iRobot, Samsung, LG, Qualcomm (QCOM ), Ericsson, BAE Systems, AI World, Mitsubishi, ABB a Accenture, a mnoha dalších.

Nejprve jste studoval psychologii a poté jste se zaměřil na neurovědu, co vás vedlo k tomuto rozhodnutí?

Přechod byl přirozený. Psychologie poskytla jednu stranu “tréninkové mince” – studium psychologických jevů. Pokud však někdo chce pochopit, co mechanicky způsobuje myšlenky a chování, nakonec se musí zabývat studiem orgánu, který je za tyto myšlenky a chování zodpovědný, a tím je mozek!

Kdy jste si uvědomil, že chcete aplikovat své znalosti o lidském mozku na emulaci lidského mozku v systému umělé inteligence?

Další krok, od neurovědy k umělé inteligenci, je složitější. Zatímco neurověda se zabývá podrobným studiem anatomie a fyziologie nervového systému a tím, jak mozek dává vzniknout chování, jiná doplňková cesta k dosažení ještě hlubšího porozumění spočívá v tom, že se pokusíme postavit syntetickou verzi mozku. Analogie, kterou rádu používám, je, že člověk může získat částečné porozumění tomu, jak funguje motor, pokud odstraní válec a chladič a dojde k závěru, že válce a chladiče jsou důležité pro fungování motoru. Jiný, hlubší způsob, jak porozumět motoru, spočívá v tom, že se pokusíme postavit jeden od základu – tj. studovat inteligenci tím, že postavíme syntetickou (umělou) verzi.

Jaké byly některé z vašich prvních projektů s hlubokým učením, na kterých jste pracoval?

V roce 2009 jsme pro DARPA pracovali na projektu “celkové emulaci mozku” pro autonomního robota pomocí pokročilého čipu navrženého firmou Hewlett Packard. Naše úkolem bylo emulovat mozek a některé klíčové autonomní a učící se chování malého savce v podobě, která by byla vhodná pro přenos a implementaci v malém hardwaru.

Můžete sdělit příběh vzniku Neuraly?

Neurala jako společnost byla založena v roce 2006 za účelem ochrany některých patentů souvisejících s používáním GPU (grafických procesorů) pro hluboké učení. Ačkoli to dnes může být považováno za samozřejmé, v té době nebyly GPU používány pro umělou inteligenci, a my jsme byli průkopníky tohoto konceptu tím, že jsme si představili, že každý pixel na grafické kartě by mohl být použit pro zpracování neuronu (oproti části scény, která se má vykreslit na obrazovce). Díky paralelismu GPU, který napodobuje naši mozkovou paralelní zpracování do komerčně využitelné míry, jsme byli schopni dosáhnout rychlosti učení a spouštění našich algoritmů, které najednou učinily umělou inteligenci a hluboké učení praktickými. Museli jsme však počkat několik let, než jsme opustili akademickou sféru, protože svět “dorostl” (my jsme již byli pevními věřícími!) v realitě umělé inteligence. V roce 2013 jsme společnost vyvedli z utajení (jako jsme již byli financováni NASA a US Air Force Research Labs) a vstoupili do programu Boston Tech Stars. Odtud jsme začali najímat několik zaměstnanců a získávat soukromý kapitál. Přesto to nebylo až do roku 2017, kdy, s čerstvou injekcí kapitálu a zráním odvětví, jsme byli schopni získat první důležité nasazení a naše umělou inteligenci umístit do 56 milionů zařízení, od kamer, chytrých telefonů, dronů a robotů.

Jedním z prvních projektů Neuraly bylo práce na Mars roveru NASA. Můžete sdělit některé z hlavních bodů tohoto projektu?

NASA měla velmi specifický problém: chtěli prozkoumat technologii pro budoucí neřízené mise, kde by autonomní systém (například rover) nezávisel na krok za krokem na řízení z mise na Zemi. Zpoždění ve komunikaci dělá toto řízení nemožným – stačí si vzpomenout, jak bylo komunikování mezi Zemí a Mattem Damonem ve filmu “Marťan” neohrabané. Naše řešení spočívalo v tom, že jsme každý rover vybavili “mozkem” vlastním. NASA se obrátila na nás, protože jsme již byli považováni za odborníky na stavbu těchto autonomních “mini-mozků” s DARPA, aby jsme rover vybavili malým faktorem hlubokého učení, který by nejenom běžel na robota, ale také se přizpůsobil v reálném čase a naučil se nové věci, zatímco robot fungoval. Tyto zahrnovaly nové objekty (například kameny, známky vody atd.), které se setkaly a vytvořily smysluplnou mapu neznámé planety. Výzva byla obrovská, ale také odměna: hluboká učení technologie, která byla schopna běžet na velmi malé zpracování a učit se i na jediném kusu dat (například obrázku). To šlo za hranice toho, co bylo možné dosáhnout pomocí hlubokého učení v té době (a dokonce i dnes!).

Neurala navrhla Lifelong-DNN, můžete vysvětlit, jak se tato technologie liší od běžné DNN a jaké jsou její výhody?

Navrženo pro případ užití NASA výše, Lifelong DNN, jak název napovídá, může učit během svého celého životního cyklu. To se liší od tradičních hlubokých neuronových sítí (DNN), které mohou být buď trénovány, nebo provádět “inferenci” (tj. klasifikaci). V L-DNN, stejně jako u lidí, není žádný rozdíl mezi učením a klasifikací. Každýkrát, když se podíváme na něco, både “klasifikujeme” to (toto je židle) a učíme se o něm (tato židle je nová, nikdy jsem ji neviděl, teď vím o ní trochu více). Na rozdíl od DNN je L-DNN vždy učí a konfrontuje to, co ví o světě, s novými informacemi, a je přirozeně schopno porozumět anomáliím. Například, pokud by jeden z mých dětí hrál na mě žert a namaloval mou židle růžovou, okamžitě bych to rozpoznal. Protože můj L-DNN se učil po celou dobu, že má má židle je černá, a když moje vnímání jí nesouhlasí s mými vzpomínkami na ni, L-DNN by produkoval signál anomálie. To se používá v produktech Neuraly různými způsoby (viz níže).

Můžete diskutovat o tom, co je Brain Builder custom vision AI a jak umožňuje rychlejší, jednodušší a méně nákladné aplikace robotiky?

Pokud L-DNN přirozeně učí o světě a může porozumět, zda něco je anomální nebo se liší od naučeného standardu, produkt Neurala, Brain Builder a VIA (Visual Inspection Automation) se používají k rychlému nastavení vizuálních inspekčních úkolů pomocí pouze několika obrázků “dobrých produktů”. Například ve výrobním prostředí lze použít 20 obrázků “dobrých lahví” a vytvořit vizuální kvalitní inspekční “mini-mozek”, který rozpozná dobré lahve, nebo když je vyrobena špatná lahev (například s rozbitou zátkou). To lze udělat pomocí L-DNN velmi snadno, rychle a na jednoduchém CPU, využívajícím technologii NASA vyvinutou během více než 10 let intenzivního výzkumu a vývoje.

V předchozím rozhovoru jste doporučili podnikatelům, aby vždy cítili na začátek podnikání, které je slightly nemožné. Cítil jste, že Neurala byla slightly nemožná, když jste poprvé spustili společnost?

Stále si pamatuji, jak můj přítel a kolega Anatoli vyplivl espresso, když jsem řekl “jednoho dne naše technologie bude běžet na mobilním telefonu”. Znělo to nemožně, ale všechno, co bylo třeba udělat, bylo si to představit a pracovat na tom. Dnes běží na milionech telefonů. Představujeme si svět, kde tisíce umělých očí mohou rozpoznat průmyslové stroje a procesy a poskytnout dříve nezvěstné inable level of quality and control, previously impossible as they would consume thousands of people per machine. Hope nobody is drinking espresso while reading this….

Děkuji za skvělý rozhovor, Neurala je jasně společnost, kterou bychom měli mít na radaru. Čtenáři, kteří chtějí se dozvědět více, by měli navštívit Neurala.