Dr. Danny Lange, Senior VP for AI i Unity Technologies – Intervieuserie

Dr. Danny B. Lange er VP for AI og Machine Learning i Unity Technologies. Tidligere var Danny leder af Machine Learning i Uber, hvor han ledte en indsats for at bygge verdens mest fleksible Machine Learning-platform til at understøtte Ubers hurtige vækst.

Hvad var det, der oprindeligt tiltrak dig til kunstig intelligens?

Jeg byggede og programmerede computere fra en meget ung alder, og jeg var næsten med det samme fascineret af ideen om at gøre disse systemer autonome. Det, der fanger mig om autonomy, er de udfordringer, du som udvikler har at overvinde for at skabe et system, der består af sekvenser af stive koder, der kan reagere sikkert på uforudsigelige og hidtil usete omstændigheder. Området for kunstig intelligens (AI) har over årene givet os stadig mere kraftfulde værktøjer, fra objektorienteret programmering, regelbaseret slutning til machine learning og senest dyb læring. Det er de øgede muligheder i disse teknologier, der driver den hurtige fremgang i AI-området.

Du har været leder i branchen i mange år, blandt andet som General Manager for Amazon (AMZN ) Machine Learning i AWS og som leder af Machine Learning i Uber. Hvad er nogle af de læsioner, du har lært fra disse tidligere erfaringer?

Machine learning er en sandt transformerende teknologi, men for at realisere dens fulde potentiale er det nødvendigt at bringe den til hver enkelt hjørne af virksomheden. Gentagne gange har machine learning demonstreret sin evne til at skabe utænkelige optimeringer og løfte forretningsoperationer til niveauer, der ikke kan opnås af almindelige menneskelige processer alene. Men sand disruption sker kun, når en kritisk masse af forretningsprocesser drives på denne måde. Organisationer som Amazon og Uber har tydeligt demonstreret, at hvis vi gør machine learning-systemerne bredt tilgængelige og tilgængelige for hvert hold, oplever vi en bred adoption, der uundgåeligt fører til en virtuos cyklus af fortsatte forbedringer af den samlede forretning, da en netværkseffekt indtræffer

Du har været VP for AI i Unity Technologies siden 2016. Hvad var det ved dette firmaets vision, der fik dig til at blive begejstret?

Unity er et fantastisk sted for AI-entusiaster. Vi har en bemærkelsesværdig kultur for at løse svære problemer for vores kunder – med AI som en af de mest imponerende udfordringer, jeg kan tænke på. Vores ledelse er dedikeret til at drive og fremme fremtiden for AI. Vi har teknologierne, ressourcerne, kunderne og partnernes til at gøre det. Jeg kan ikke forestille mig et bedre sted at arbejde på at ændre verden.

Du har tidligere talt om vigtigheden af syntetisk data. Kan du dele med os, hvad dette præcis er?

Syntetisk data er oprettet af en algoritme i stedet for data, der er fanget fra den virkelige verden. En realtids 3D-motor med en realistisk fysik-emulator er det ideelle værktøj til at oprette realistisk, men syntetisk træningsdata til en bred vifte af anvendelser, der strækker sig fra genkendelse af objekter i computersynssystemer til sti-planlægning for navigationsrobotter.

Hvad gør syntetisk data så vigtigt, når det kommer til at bygge machine learning-systemer?

Jeg har på mange lejligheder kaldt Unity det perfekte AI-biodome. Og det er sandt. At arbejde med AI i den virkelige verden og bruge virkelige data kan være ret skræmmende. Skal jeg nævne selvstyrende køretøjer på gaderne i San Francisco eller ansigtsgenkendelsessystemer, der er installeret i offentlige rum? Der er bekymringer om sikkerhed, fordomme lurer altid, og privatlivsproblemer kolliderer ofte med almindelige brugsområder. Og så er der knapheden og den høje omkostning forbundet med at indsamle de nødvendige mængder af træningsdata. Med Unity har vi ikke kun demokratiseret dataoprettelse, men du har også adgang til et interaktivt system til at simulere avancerede interaktioner i en virtuel omgang. Inden for Unity kan du udvikle kontrolsystemer for selvstyrende køretøjer uden risikoen for at ramme og såre nogen.

Kan du diskutere, hvordan Unity Simulation kan hjælpe virksomheder med generering af syntetisk data?

Med Unity Simulation har vi taget en realtids 3D-motor, der er designet til menneskelig forbrug, enten det er spil, film eller ingeniørarbejde – og omdannet den til en skyoptimeret instans, der ikke kun kører med utrolige høje billedhastigheder, men også tillader skalerbarhed til tusinder af instanser, der kører i parallel. På denne måde tillader Unity Simulation udviklere at generere oplevelser for deres AI-systemer i en hastighed, der er mange gange større end den faktiske tid. Indtil for nylig var denne skala af dataoprettelse kun tilgængelig for få privilegerede korporationer, men med Unity Simulation har vi virkelig udjævnet spillefeltet.

For nylig har Unity samarbejdet med The Institute for Disease Modeling (IDM) om at bygge realtids 3D-simuleringer i butikker, der modellerer COVID-19-smitte. Kan du diskutere, hvordan Unity Simulation kan simulere COVID-19-smitte effektivt?

Computersimulation er blevet brugt i årtier af forskere, ingeniører, problemløsere og beslutningstagerne i mange felter, herunder studiet af infektionssygdomme. Unity Simulation muliggør en særlig type realtidsrumlig simulation, der kan skaleres på skyen for at studere store, komplekse og usikre systemer. Vi byggede et simplificeret demonstrationsprojekt for at simulere coronavirus-smitte i en fiktiv supermarked og udforskede virkningen af, at butikspolitikken havde på eksponeringsraterne. Ved at køre titusinder af simuleringer kunne vi identificere de adfærdsmønstre og politikker, der syntes at have den største indvirkning på smitten af denne forfærdelige infektionssygdom.

For nylig har du talt meget om kunstig generel intelligens (AGI). Kan du forklare, hvad emergent adfærd er, og hvorfor det er vigtigt for udviklingen af AGI?

På blot 100.000 år gik den menneskelige race fra at overleve ved at plukke bær i vildnisset til at sætte en person på månen. Vi ved fra arkæogenetik, at den menneskelige hjerne ikke har ændret sig væsentligt i denne periode. Du kan sige, der var ingen væsentlige hardware-opgraderinger til processoren. Så hvad var det så, der var så transformerende? Nøglen skal findes i vores evne til at opnå noget sammen. Vi bruger udtrykket emergent adfærd om et system, der ikke afhænger af dets enkelte dele, men snarere af deres relationer til hinanden. Emergent adfærd kan ikke forudses ved at undersøge de enkelte dele af et system. Den kan kun forudses ved at forstå relationerne mellem delene. Emergent systemer kendetegnes ved, at hele er større end summen af delene. Mens jeg gentagne gange har vist underholdende eksempler på emergent adfærd i relativt simple multi-agent-systemer, forestil dig blot, hvad der vil ske, når du har en mængde af AI-systemer, der samarbejder i lysets hastighed.

Tror du, at der er en mulighed for, at vi kan opnå AGI inden for det næste årti?

Når det kommer til AGI, må vi huske, at det handler om rejsen og ikke destinationen. Ingen ved præcis, hvornår AGI vil ske, da det ikke vil ske på et bestemt tidspunkt, men snarere en gradvis ændring over tid. Det er i AGI’s natur, at det vil være svært for os mennesker at pege præcis på, hvor intelligentt et system er på et given tidspunkt. Når man ser på fremskridtet i det sidste årti, er jeg sikker på, at dette årti vil bringe os mange interessante fremskridt mod AGI.

Er der noget andet, du gerne vil dele om Unity Technologies?

Unity fortsætter med at se os selv som drivende kraften bag fremtiden for AI og spiller en betydelig rolle i udviklingen af AI-teknologier. Vores samarbejde med DeepMind er et klart eksempel på, at vores teknologi er det perfekte miljø for forskere og udviklere til sikkert at udvide grænserne for AI. Vi er ved at forberede os til at støtte vores kunder og partnere i at skabe virtuelle miljøer, der opererer på tidligere usete skalaer for at løse udfordringerne i morgen, enten det er klimaforandringer, logistik eller sundhedsudfordringer.

Tak for det fantastiske interview, jeg nød at lære om Unity og dine synspunkter på AGI. Enhver, der ønsker at lære mere, bør besøge Unity Technologies.