Emrah Gultekin, CEO og medstifter af Chooch AI – Intervju-serie

Emrah er medstifter og CEO af Chooch, en end-to-end visuel AI-løsning. Chooch leverer hurtig og præcis ansigtsgenkendelse og genkendelse af objekter til medie-, reklame-, bank-, medicinske og sikkerhedsindustrier. Chooch tilbyder en letanvendelig og udviklet API, en dashboard og mobile app SDK.

Hvad var din inspiration til at lancere Chooch AI?

I vores tidligere erhvervserfaringer så min medstifter og jeg, at der var en mangfoldighed af data-drevne udfordringer, der skulle løses i en bred vifte af vertikaler, så jeg besluttede at dykke ned og løse dem, jeg kunne. Jeg havde startet virksomheder før, men dette var min første “dybe tech”-virksomhed.

Med vores bredere team har vi arbejdet på at udvikle en visuel AI-produkt, der er bæredygtig, skalérbar, robust og brugbar for en række virksomheder. Produktet bruges nu af virksomheder i sundheds-, offentlig sikkerheds-, industri-, medie- og geospatiale industrier, med anvendelser, der strækker sig fra svindelforebyggelse og reducering af medicinske fejl til at dykke dybere i vores forståelse af verden.

Kan du dele med os, hvad Chooch AI gør?

Chooch kopierer menneskelig visuel intelligens ind i maskiner. Vi træner og udruller visuel AI for kunder i skyen og på kanten og leverer hurtig og præcis computer vision for enhver visuel proces.

Vi kan gøre det, fordi Chooch AI er en platform for hvert trin i den visuelle AI-proces fra dataindsamling, annotation og mærkning til AI-træning, modeludrulning og integration. Fordi vi har løst en bred vifte af problemer, har vores team nu dyb ekspertise i at definere og udvikle computer vision-projekter, der er klar til global skala. Dette kan være alt fra celleidentifikation, geospatial billedanalyse og offentlig sikkerhed.

Hvilken type billedmateriale kan behandles af computer vision-systemet?

Hvad det menneskelige øje kan gøre, kan Chooch gøre bedre og i skala. For eksempel kan det menneskelige øje ikke behandle nogen spektrum fra synligt til CT-scans, men Chooch kan opdage feber med IR-sensorer og behandle røntgenbilleder for at opdage lungebeskadigelse. Vi kan gøre det for video eller stadig billeder, både hurtigere og mere præcist end det menneskelige øje og har udrullet over 2400 modeller til en række anvendelser.

Chooch AI kan forbinde til skyen, men kan også køre på en lokal maskine, kan du forklare, hvordan det fungerer?

Ja, det er en af vores gennembrud. Vi lancerede med Chooch AI-API’en, som giver virksomheder mulighed for at bruge vores skyserver til at behandle deres billeder, men vores kunder ønskede at udrulle AIoT på kanten i steder med ingen forbindelse. Så vi skabte Chooch Edge AI, som grundlæggende er en selvstændig AI-beholder, der genereres af vores Chooch Cloud AI. For eksempel kan vi fjerne deployere den AI-software på NVIDIA Jetson-enheder, som er fantastiske, og vi kan derefter fjerne opdatere den kant-ai fra Chooch-dashboardet. Teknisk set kaldes den AI-software på kanten for en inferensmotor. Chooch kan forbinde op til fire kameraer til kantenhederne, og AI kan genkende tusinder af klasser på kanten. Vi kan iterere over modeller, fjerne modeller og træne nye modeller på kanten. Dette forbedres altid, fordi når chip- og hardware-udbydere frigiver mere kraftfulde enheder, genererer vi mere og mere kraftfulde AIoT-udrulninger. Vi kan nu køre multiple modeller på kanten med multiple lag af tæt klassificering på meget lav latency.

Bruges ansigtsgenkendelsesteknologi?

Vi gør ikke ansigtsgenkendelse som virksomhedsprincip. Vi gør kun ansigtsgodkendelse med livsdetektion med den betingelse, at det altid vil være baseret på samtykke, som at give tilladelse til at checke ind på et sted eller til en flyvning med ansigtet i stedet for en billet. Chooch AI kan trænes med så få som et par billeder. Ansigtsgodkendelsesfiler gemmes ikke som billeder af ansigter. Og vi gør livsdetektion for at sikre, at mennesker ikke kan snyde systemet.

Træning af AI-modeller kan være en stejl læringskurve for de uerfarne, hvilken assistance tilbyder I til data-mærkning og -annotering?

Til de uerfarne tilbyder vi omfattende træningsassistance. Når virksomheder kommer til Chooch med et visuelt problem at løse, arbejder vores team i partnerskab med dem for at træne og udrulle AI-modeller. Det er så enkelt som det. Vi gør mærkning og annotation som en service, og generelt speaking leverer brugerne data, men vi hjælper dem med at organisere det. Vores træningsplatform kan bruge stadig billeder, men med videoer kan vi generere over 1.000 annoterede billeder per minut, det er endnu et gennembrud, forresten. Vi tager på os hele processen fra planlægning og rådgivning om dataindsamling til modeloprettelse og testing og support. Vores kunderelationer bliver til langvarige partnerskaber.

Chooch AI kan hjælpe virksomheder med COVID-19, kan du detaljere, hvordan det kan være til hjælp?

Chooch AI støtter offentlig sikkerhed med flere visuelle AI-modeller, samtidig med at vi arbejder med partnere for at udrulle komplette løsninger. En sådan løsning kan detektere tilstedeværelse eller fravær af masker, og en anden kan detektere feber med IR-kameraer, disse to løsninger kan udrulles som en komplet løsning. Bemærk, at disse AI-modeller ikke inkluderer nogen ansigtsgenkendelsesfunktioner. Desuden har vi en forskningsmodel, som vi tilbyder til forskere til at detektere tegn på COVID-19-relateret lungebetændelse, der ser på røntgenbilleder og detekterer lungebeskadigelse.

Er der noget andet, du gerne vil dele om Chooch AI?

Som et bevis på vores teknologi er vores system live og bruges af mange kunder. Vores kunder driver virkelige ROI, fordi vi kan automatisere næsten enhver visuel proces i skala, reducerer omkostninger og menneskelig fejl.

Tak for interviewet. Læsere, der ønsker at lære mere, kan besøge Chooch AI.

https://youtu.be/twpkHFdb9QM