Max Versace, CEO und Mitgründer von Neurala – Interview-Serie

Dr. Massimiliano Versace ist der Mitgründer und CEO von Neurala, und der Visionär des Unternehmens. Nach seiner bahnbrechenden Forschung in brain-inspirierter Computertechnik und Deep-Networks setzt er seine Arbeit fort, um die Welt der autonomen Robotik zu inspirieren und zu führen. Er hat auf Dutzenden von Veranstaltungen und in verschiedenen Einrichtungen gesprochen, darunter TedX, NASA, das Pentagon, GTC, InterDrone, National Labs, Air Force Research Labs, HP, iRobot, Samsung, LG, Qualcomm, Ericsson, BAE Systems, AI World, Mitsubishi, ABB und Accenture, um nur einige zu nennen.

Sie haben ursprünglich Psychologie studiert und dann zu Neurowissenschaften gewechselt, was war Ihre Begründung damals?

Der Wechsel war natürlich. Psychologie bot eine Seite der “Trainingsmünze” – das Studium psychologischer Phänomene. Wenn man jedoch wissen möchte, was mechanisch Gedanken und Verhalten verursacht, landet man unweigerlich beim Studium des Organs, das für Gedanken verantwortlich ist, und kommt somit zum Studium der Neurowissenschaften!

Wann haben Sie realisiert, dass Sie Ihr Verständnis des menschlichen Gehirns nutzen wollten, um ein künstliches Gehirn in einem AI-System zu emulieren?

Der nächste Schritt, von der Neurowissenschaft zur künstlichen Intelligenz, ist schwieriger. Während die Neurowissenschaft sich mit dem detaillierten Studium der Anatomie und Physiologie des Nervensystems und wie Gehirne zu Verhalten führen, beschäftigt, gibt es einen komplementären Weg, um ein noch tieferes Verständnis zu erlangen, nämlich ein synthetisches Modell davon zu bauen. Eine Analogie, die ich gerne gebrauche, ist, dass man ein Teilverständnis davon, wie ein Motor funktioniert, erlangen kann, indem man einen Zylinder und den Kühler entfernt und daraus schließt, dass Zylinder und Kühler wichtig für die Motorfunktion sind. Ein tieferes Verständnis des Motors kann man jedoch erlangen, indem man einen von Grund auf baut – nämlich indem man Intelligenz durch das Studium einer synthetischen (künstlichen) Version davon erlangt.

Welche frühen Deep-Learning-Projekte haben Sie bearbeitet?

2009 haben wir für DARPA an einem “Gehirn-Emulation” für einen autonomen Roboter mit einem fortschrittlichen Chip von Hewlett Packard gearbeitet. In Kürze war unsere Aufgabe, das Gehirn und einige der wichtigsten autonomen und Lernverhaltensweisen eines kleinen Nagetiers in einem Formfaktor zu emulieren, der es portabel und in kleinen Hardware-Systemen implementierbar machte.

Können Sie die Entstehungsgeschichte von Neurala teilen?

Neurala als Unternehmen wurde 2006 gegründet, um einige Patentarbeiten rund um die Verwendung von GPUs (Graphikprozessoren) für Deep Learning zu umfassen. Was heute vielleicht trivial erscheint, wurden GPUs damals nicht für künstliche Intelligenz verwendet, und wir haben diesen Ansatz durch die Vorstellung, dass jeder Pixel in einer Grafikkarte wie ein Neuron (und nicht wie ein Teil eines Bildes) verwendet werden kann, vorangetrieben. Dank der Parallelität von GPUs, die unsere Gehirne in kommerziell tragbarer Weise nachahmt, konnten wir Lern- und Ausführungsgeschwindigkeiten für unsere Algorithmen erzielen, die plötzlich künstliche Intelligenz und Deep Learning praktikabel machten. Wir mussten jedoch einige Jahre warten, bis die Welt “aufholte” (wir waren bereits fest davon überzeugt!), dass künstliche Intelligenz Realität wird. 2013 haben wir das Unternehmen aus dem Stealth-Modus genommen (wir waren bereits von NASA und der US-Luftwaffe finanziert) und sind in das Boston Tech Stars-Programm eingetreten. Von dort aus haben wir einige Mitarbeiter eingestellt und privates Kapital aufgenommen. Erst 2017, mit einer frischen Kapitalinjektion und der weiteren Reife der Branche, konnten wir die ersten wichtigen Einsätze landen und unsere künstliche Intelligenz in 56 Millionen Geräten unterbringen, von Kameras über Smartphones, Drohnen und Roboter.

Eines der frühen Projekte von Neurala war die Arbeit an NASAs Mars-Rover. Können Sie uns die Highlights dieses Projekts erzählen?

NASA hatte ein sehr spezifisches Problem: Sie wollten Technologien erforschen, um zukünftige unbemannte Missionen zu ermöglichen, bei denen das autonome System (z. B. ein Rover) nicht auf Schritt-für-Schritt-Anweisungen der Erd-Missionskontrolle angewiesen ist. Kommunikationsverzögerungen machen diese Kontrolle unmöglich – erinnern Sie sich nur an die umständliche Kommunikation zwischen der Erde und Matt Damon im Film “Der Marsianer”. Unsere Lösung: Jeden Rover mit einem eigenen Gehirn ausstatten. NASA wandte sich an uns, da wir bereits als Experten für den Bau dieser autonomen “Mini-Gehirne” mit DARPA galten, um einen Rover mit einem kleinen, tiefen Lernsystem auszustatten, das nicht nur auf dem Roboter laufen, sondern auch in Echtzeit anpassen und neue Dinge lernen kann, während der Roboter betrieben wird. Dazu gehören neue Objekte (z. B. Felsen, Anzeichen von Wasser usw.), wenn sie entdeckt werden, und die Erstellung einer bedeutungsvollen Karte eines unerforschten Planeten. Die Herausforderung war enorm, aber auch der Gewinn: Eine Deep-Learning-Technologie, die auf sehr geringer Rechenleistung laufen und aus einer einzigen Datenmenge (z. B. einem Bild) lernen kann. Dies übertraf, was Deep Learning zu dieser Zeit (und sogar heute!) leisten konnte.

Neurala hat das Lifelong-DNN entworfen, können Sie erläutern, wie es sich von einem regulären DNN unterscheidet und welche Vorteile es bietet?

Entwickelt für den NASA-Anwendungsfall oben, kann Lifelong DNN, wie der Name schon sagt, während seines gesamten Lebenszyklus lernen. Dies unterscheidet es von herkömmlichen Deep Neural Networks (DNNs), die entweder trainiert oder eine “Inferenz” (nämlich eine Klassifizierung) durchführen können. In L-DNN, ähnlich wie beim Menschen, gibt es keinen Unterschied zwischen Lernen und Klassifizieren. Jedes Mal, wenn wir etwas sehen, klassifizieren wir es (dies ist ein Stuhl) und lernen darüber (dieser Stuhl ist neu, ich habe ihn noch nie gesehen, ich weiß jetzt ein bisschen mehr darüber). Im Gegensatz zu DNNs ist L-DNN immer am Lernen und vergleicht, was es über die Welt weiß, mit neuen Informationen, und kann natürlicherweise Anomalien verstehen. Wenn zum Beispiel eines meiner Kinder einen Scherz mit mir treibt und meinen Stuhl pink anstreicht, würde ich ihn sofort erkennen. Da mein L-DNN gelernt hat, dass mein Stuhl schwarz ist, und wenn meine Wahrnehmung davon abweicht, würde L-DNN ein Anomaliesignal erzeugen. Dies wird in Neuralas Produkten auf verschiedene Weise verwendet (siehe unten).

Können Sie erläutern, was Brain Builder Custom Vision AI ist und wie es schnellere, einfachere und günstigere Robotikanwendungen ermöglicht?

Da L-DNN natürlicherweise über die Welt lernt und Anomalien verstehen kann, werden Neuralas Produkte, Brain Builder und VIA (Visual Inspection Automation), verwendet, um visuelle Inspektionsaufgaben mit nur wenigen Bildern von “guten Produkten” schnell einzurichten. Zum Beispiel kann man in einer Produktionsumgebung 20 Bilder von “guten Flaschen” verwenden und eine visuelle Qualitätsinspektion “Mini-Gehirn” erstellen, das gute Flaschen erkennen oder eine schlechte Flasche (z. B. eine mit einem gebrochenen Deckel) erkennen kann. Dies kann mit L-DNN sehr einfach, schnell und auf einem einfachen Prozessor durchgeführt werden, indem die NASA-Technologie genutzt wird, die in über 10 Jahren intensiver Forschung und Entwicklung aufgebaut wurde.

In einem früheren Interview empfahlen Sie Unternehmern, immer darauf abzuzielen, ein Unternehmen zu gründen, das slightly impossible ist. Fühlten Sie, dass Neurala slightly impossible war, als Sie das Unternehmen zum ersten Mal starteten?

Ich erinnere mich noch daran, wie mein Freund und Kollege Anatoli seinen Espresso ausgespuckt hat, als ich sagte: “Eines Tages wird unsere Technologie auf einem Handy laufen.” Es klang unmöglich, aber alles, was man tun musste, war, sich das vorzustellen und dafür zu arbeiten. Heute läuft es auf Millionen von Handys. Wir stellen uns eine Welt vor, in der Tausende künstlicher Augen industrielle Maschinen und Prozesse überwachen können, um ein bisher unvorstellbares Qualitäts- und Kontrollniveau zu bieten, was früher unmöglich gewesen wäre, da es Tausende von Menschen pro Maschine erfordert hätte. Hoffentlich trinkt niemand Espresso, während er dies liest….

Vielen Dank für das großartige Interview, Neurala ist offensichtlich ein Unternehmen, das wir im Auge behalten sollten. Leser, die mehr erfahren möchten, sollten Neurala besuchen.