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

Dr. Massimiliano Versace ist der Mitgründer und CEO von Neurala, und der Firmenvisionär. Nach seiner bahnbrechenden Forschung in brain-inspirierter Rechnertechnik und tiefen Netzen inspiriert und leitet er weiterhin die Welt der autonomen Robotik. Er hat auf Dutzenden von Veranstaltungen und in verschiedenen Einrichtungen gesprochen, darunter TedX, NASA, dem Pentagon, GTC, InterDrone, National Labs, Air Force Research Labs, HP, iRobot, Samsung, LG, Qualcomm (QCOM ), 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 erkannt, dass Sie Ihr Verständnis des menschlichen Gehirns auf die Nachbildung des menschlichen Gehirns in einem KI-System anwenden wollten?

Der nächste Schritt, von der Neurowissenschaft zur KI, ist schwieriger. Während die Neurowissenschaft sich mit dem detaillierten Studium der Anatomie und Physiologie des Nervensystems und damit, wie Gehirne Verhalten hervorbringen, beschäftigt, gibt es einen anderen, komplementären Weg, um ein noch tieferes Verständnis zu erlangen: Man kann eine synthetische Version davon bauen. Eine Analogie, die ich gerne verwende, ist, dass man ein teilweises Verständnis 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 Funktion des Motors sind. Ein tieferer Weg, um ein Motor zu verstehen, ist, einen von Grund auf zu bauen – nämlich, indem man Intelligenz durch das Studium einer synthetischen (künstlichen) Version davon studiert.

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 bestand unsere Aufgabe darin, das Gehirn und einige der wichtigsten autonomen und Lernverhaltensweisen eines kleinen Nagetiers in einem Formfaktor zu emulieren, der es portabel und in kleinen Hardware-Geräten implementierbar machte.

Können Sie die Entstehungsgeschichte von Neurala erzählen?

Neurala als Unternehmen begann 2006, um einige Patente rund um die Verwendung von GPUs (Graphikprozessoren) für Deep Learning zu entwickeln. Obwohl dies heute trivial erscheinen mag, wurden GPUs damals nicht für KI verwendet, und wir haben diesen Konzept durch die Vorstellung, dass jeder Pixel in einer Grafikkarte ein Neuron (und nicht ein Teil einer Szene zum Rendern) verarbeiten kann, revolutioniert. Dank der Parallelität von GPUs, die unsere Gehirne in kommerziell viabler Weise nachahmt, konnten wir Lern- und Ausführungsgeschwindigkeiten für unsere Algorithmen erzielen, die plötzlich KI und Deep Learning praktikabel machten. Wir mussten jedoch einige Jahre warten, bis die Welt “aufholte” (wir waren bereits fest davon überzeugt!), dass KI Realität ist. 2013 brachten wir das Unternehmen aus dem Verstecktmodus, (da wir bereits von NASA und den US Air Force Research Labs finanziert wurden) und traten dem Boston Tech Stars-Programm bei. Von dort aus begannen wir, einige Mitarbeiter einzustellen und privates Kapital aufzubringen. Es war jedoch erst 2017, dass wir, mit frischem Kapital und der Reife der Branche, unsere ersten wichtigen Einsatzmöglichkeiten finden und unsere KI in 56 Millionen Geräten, von Kameras bis hin zu Smartphones, Drohnen und Robotern, unterbringen konnten.

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 für zukünftige unbemannte Missionen entwickeln, bei denen das autonome System (z. B. ein Rover) nicht auf Schritt-für-Schritt-Anweisungen der Erd-Missionskontrolle angewiesen wäre. 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 im Bau dieser autonomen “Mini-Gehirne” mit DARPA galten, um einen Rover mit einem kleinen Deep-Learning-System auszustatten, das nicht nur auf dem Roboter laufen, sondern auch in Echtzeit lernen und neue Dinge erkennen kann, wenn der Roboter in Betrieb ist. Dazu gehörten neue Objekte (z. B. Felsen, Wasserzeichen usw.), wenn sie entdeckt wurden, 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 nur einem Datenstück (z. B. einem Bild) lernen kann. Dies ging über das hinaus, was Deep Learning zu dieser Zeit (und auch heute!) leisten konnte.

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

Entwickelt für den NASA-Anwendungsfall oben, kann das Lifelong-DNN, wie der Name bereits 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. Im L-DNN gibt es, wie beim Menschen, 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 das L-DNN immer am Lernen und vergleicht ständig, was es über die Welt weiß, mit neuen Informationen und kann natürlicherweise Anomalien erkennen. Zum Beispiel, wenn eines meiner Kinder mir einen Streich spielt und meinen Stuhl pink anstreicht, würde ich es sofort erkennen. Da mein L-DNN gelernt hat, dass mein Stuhl schwarz ist, und wenn meine Wahrnehmung davon nicht mit meiner Erinnerung an ihn übereinstimmt, würde das L-DNN ein Anomaliesignal erzeugen. Dies wird in Neuralas Produkten auf verschiedene Weise verwendet (siehe unten).

Können Sie über das Brain Builder Custom Vision AI und wie es schnellere, einfachere und günstigere Robotik-Anwendungen ermöglicht, sprechen?

Da das L-DNN natürlicherweise über die Welt lernt und Anomalien erkennen 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, um eine visuelle Qualitätsinspektion “Mini-Gehirn” zu erstellen, das gute Flaschen erkennen oder eine schlechte Flasche (z. B. eine mit einem gebrochenen Verschluss) 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 entstanden ist.

In einem vorherigen Interview empfahlen Sie Unternehmern, immer auf ein Unternehmen abzuzielen, das ein bisschen unmöglich ist. Fühlten Sie, dass Neurala ein bisschen unmöglich war, als Sie das Unternehmen zum ersten Mal gründeten?

Ich erinnere mich noch an meinen Freund und Kollegen Anatoli, der 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 einen zuvor unvorstellbaren Qualitäts- und Kontrolllevel zu bieten, der früher unmöglich war, weil er Tausende von Menschen pro Maschine verschlungen hätte. Hoffen wir, dass niemand während des Lesens einen Espresso trinkt….

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.