Blair Newman, CTO της Neuton – Σειρά Συνεντεύξεων

Ο Blair Newman, είναι ο CTO της Neuton, ενός ανατρεπτικού Πλαισίου Νευρωνικών Δικτύων και Αυτοματοποιημένης Μαθηματικής Μάθησης (AutoML) που είναι πολύ πιο αποτελεσματικό από οποιοδήποτε άλλο πλαίσιο, μη νευρωνικό αλγόριθμο ή προϊόν AutoML που είναι διαθέσιμο στην αγορά. Κάνει την Τεχνητή Νοημοσύνη (AI) διαθέσιμη σε όλους.

Τι σας έκανε να ενδιαφερθείτε αρχικά για τη μηχανική μάθηση και την επιστήμη των δεδομένων;

Από προσωπική πλευρά, πάντα με ενδιέφεραν οι δυνατότητες που μπορεί να προσφέρει η ML/Επιστήμη Δεδομένων, όπως π.χ. από τις Έξυπνες Πόλεις – Συνδεδεμένα Αυτοκίνητα και τώρα τι μπορεί να προσφέρει το TinyML. Τώρα, με την δημοκρατικοποίηση της AI, βλέπουμε κυριολεκτικά την ML παντού.

Μπορείτε να μοιραστείτε την ιστορία της Neuton;

Αποφασίσαμε να ξεκινήσουμε το ταξίδι της διαθέσιμης AI σε “όλους” μετά από πολλά χρόνια εκτέλεσης πολλών έργων από μια οπτική Μηχανικής Μάθησης. Κατά τη διάρκεια αυτής της περιόδου, εντόπισαμε μια σειρά από εμπόδια που περιόριζαν την εκθετική ανάπτυξη. Για να κάνουμε πραγματικά την ML διαθέσιμη σε όλους… Χρειαζόμασταν να αντιμετωπίσουμε ορισμένα από τα τεχνικά εμπόδια που υπήρχαν…. Οι απαιτήσεις για σημαντικές ποσότητες δεδομένων για εκπαίδευση… Eine Αυτοματοποιημένη λύση SaaS για την εξάλειψη της ανάγκης για τεχνική εμπειρογνωσία…. Και τέλος, να κάνουμε τη πλατφόρμα μας διαθέσιμη δωρεάν για να αφαιρέσουμε το τελευταίο εμπόδιο.

Για τους αναγνώστες που μπορεί να μην είναι εξοικειωμένοι με αυτήν την ορολογία, μπορείτε να ορίσετε τι είναι το TinyML;

Συνήθως μου αρέσει να το κρατάω απλό…. Ο Φυσικός Κόσμος συναντά τον Ψηφιακό Κόσμο…. Και όπου αυτές οι δύο οντότητες τέμνονται… είναι ο κόσμος του TinyML…. Το TinyML φέρνει την ευφυΐα ακριβώς σε αυτό το άκρο.

Τι εμποδίζει την επιτάχυνση του TinyML στην κοινότητα AI;

Το TinyML συνήθως απαιτεί một τεράστια ποσότητα κεφαλαίου από πλευράς πόρων. HW, Embedded Engineers, Μηχανικοί Μηχανικής Μάθησης, Προγραμματιστές Λογισμικού για ολοκλήρωση…. Μια από τις περιοχές όπου ξεχωρίζουμε είναι ότι συρρικνώνουμε σημαντικά αυτές τις απαιτήσεις.

Πώς η Neuton δημιουργεί συμπαγείς μοντέλα χωρίς να επηρεάζει την ακρίβεια;

Τα παραδοσιακά και πιο γνωστά Πλαίσια (π.χ. TensorFlow) ξεκινούν με μια προϋπάρχουσα δομή που περιέχει εγγενώς απόβλητα. Επιπλέον, η κατασκευή ενός μοντέλου είναι συχνά μια πολύ επαναληπτική διαδικασία που στη συνέχεια, όταν το μοντέλο είναι κατασκευασμένο, πρέπει να βελτιστοποιηθεί πριν από την ολοκλήρωση. Αυτό είναι αυτό που ονομάζω μια προσέγγιση από πάνω προς τα κάτω. Με τη Neuton, αναστρέφουμε αυτό το парадίγμα完全 από την αρχή, καθώς κατασκευάζουμε κάθε μοντέλο από το κάτω προς τα πάνω, ένα Νευρώνας την φορά, εξαλείφοντας αποτελεσματικά τα εγγενή απόβλητα που υπάρχουν στα άλλα Πλαίσια. Αυτό σημαίνει ότι η δομή του δικτύου δεν είναι προκαθορισμένη, αλλά αναπτύσσεται από ένα μόνο νευρώνα κατά τη διάρκεια της εκπαίδευσης. Συνδυάζουμε αυτήν την προσέγγιση με σταθερή διασταύρωση κατά την εφαρμογή κάθε Νευρώνα στο τελικό μοντέλο. Έτσι, το τελικό μοντέλο είναι πάντα κατασκευασμένο για σκοπό, χωρίς απόβλητα και ακριβές κατά την ολοκλήρωση.

Η Neuton δεν χρησιμοποιεί backpropagation ή τυχαία κλίση, ποια ήταν η λογική πίσω από την αποφυγή αυτών των μεθόδων;

Η πατενταρισμένη μας προσέγγιση χρησιμοποιεί μια Μεθοδολογία Παγκόσμιας Βελτιστοποίησης που εξαλείφει αποτελεσματικά την ανάγκη για την εφαρμογή αυτών των μεθόδων.

Πόσο πιο αποτελεσματική είναι η λύση Neuton σε σύγκριση με τις παραδοσιακές προσεγγίσεις μηχανικής μάθησης;

Σε όλα τα βασικά μετρικά, όπως ο χρόνος δημιουργίας του μοντέλου, η ακρίβεια, το μέγεθος του μοντέλου και κατ’ επέκταση ο χρόνος αγοράς. Συνεχώς βλέπουμε ότι ξεπερνάμε άλλα πλαίσια και πλατφόρμες…. Συνήθως βλέπουμε ότι τα μοντέλα μας είναι συχνά 1000 φορές μικρότερα με μειωμένο χρόνο αγοράς πάνω από 70%. Τέλος, το Γραφείο Εξηγήσιμότητας μας είναι δεύτερο σε κανένα σε ότι αφορά την παροχή πλήρους διαφάνειας στα μοντέλα μας μαζί με κάθε μεμονωμένη πρόβλεψη.

Μπορείτε να παρέχετε ορισμένες λεπτομέρειες σχετικά με την Εξηγήσιμη AI που προσφέρει η πλατφόρμα Neuton;

Το Γραφείο Εξηγήσιμότητας μας έρχεται σε πολλές μορφές. Ξεκινώντας πρώτα με το Εργαλείο ΕDA (Εξερευνητική Ανάλυση Δεδομένων) που παρέχει μια αρχική άποψη των στατιστικών των δεδομένων σας πριν από την εκπαίδευση. Από εκεί, η Матриξ Σημαντικότητας Funktion μας επιτρέπει στους πελάτες μας να αναγνωρίσουν ποια είναι τα κορυφαία 10 χαρακτηριστικά που επηρεάζουν τις προβλέψεις τους και επίσης ποια είναι τα κάτω 10 χαρακτηριστικά που έχουν ελάχιστη επίδραση στις προβλέψεις τους. Από εκεί, προσφέρουμε στους πελάτες μας το επόμενο επίπεδο διαφάνειας στα μοντέλα τους, καθώς είναι σε θέση να αναλύουν κάθε πρόβλεψη μεμονωμένα για να δουν πώς η πρόβλεψή τους μπορεί να αλλάξει αν η τιμή ενός δεδομένου χαρακτηριστικού αλλάξει. Τέλος, παρέχουμε einen Διαχείριση Lifecycle (Δείκτης Σχετικότητας Μοντέλου-Δεδομένων) που προειδοποιεί προληπτικά τους πελάτες μας όταν το μοντέλο τους αρχίζει να χαλάει και το μοντέλο τους χρειάζεται να επαναεκπαιδευτεί.

Υπάρχει κάτι άλλο που θα ήθελε να μοιραστεί σχετικά με την Neuton;

Η αποστολή μας εδώ στη Neuton είναι να φέρουμε κυριολεκτικά την AI σε Όλους. Πιστεύουμε ότι έχουμε καταφέρει να υλοποιήσουμε αυτές τις δυνατότητες. Όardless αν είναι η ενδυνάμωση του μη-Επιστήμονα Δεδομένων ή η ενδυνάμωση του έμπειρου Επιστήμονα Δεδομένων, παρέχοντας μια λύση SaaS Zero Code. Τώρα, με την επιτάχυνση του TinyML, είμαστε πραγματικά στην οδό για την δημοκρατικοποίηση της AI.

Ευχαριστώ για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν Neuton.