Gil Elbaz, Συνιδρυτής & CTO της Datagen – Σειρά Συνεντεύξεων

O Gil Elbaz είναι ο CTO και Συνιδρυτής της Datagen, με έδρα το Τελ Αβίβ. Σπούδασε στο Technion και έλαβε το πτυχίο και το μεταπτυχιακό του. Η διπλωματική εργασία του επικεντρώθηκε στην υπολογιστική όραση 3D και έχει δημοσιευθεί στο CVPR, την κορυφαία διεθνή конференία ερευνών υπολογιστικής όρασης. Η Datagen είναι πιονιέρης στον νέο τομέα των Simulated Data, ενός υποτομέα των συνθετικών δεδομένων, που επικεντρώνεται στην φωτορεαλιστική αναπαράσταση του κόσμου γύρω μας. Η εταιρεία ξεκίνησε από την Stealth με περισσότερα από 18 εκατομμύρια δολάρια σε χρηματοδότηση τον Μάρτιο του 2021 και τώρα συνεργάζεται με πολλές εταιρείες του Fortune 100 στις τομείς της αυξημένης/εικονικής πραγματικότητας, της ρομποτικής και της αυτοκινητοβιομηχανίας, συμπεριλαμβανομένων των περισσότερων κορυφαίων εταιρειών τεχνολογίας των ΗΠΑ.

Τι σας έκανε να ενδιαφερθείτε αρχικά για τη ρομποτική και τη μηχανική μάθηση;

Τα βιβλία επιστημονικής φαντασίας, όπως η σειρά Foundation του Isaac Asimov και το iRobot, με έκαναν να σκέφτομαι για ένα μέλλον όπου τα ρομπότ θα ήταν αναπόσπαστο μέρος της καθημερινής μας ζωής. Υπάρχουν τόσο πολλές βαρετές, επαναλαμβανόμενες εργασίες που κάνουν οι άνθρωποι· δεν ήθελα να τις κάνω και δεν μπορούσα να φανταστώ κανέναν άλλον να τις θέλει. Λαμβάνοντας υπόψη ότι η ρομποτική είναι μια τεχνολογική αναγκαιότητα, σκέφτηκα ότι η κατεύθυνση προς αυτή την κατεύθυνση θα ήταν một έξυπνη, «απρόσβλητη» επαγγελματική απόφαση.

Έτσι, αρχικά προσεγγίσα την περιοχή με επίκεντρο τους φυσικούς аспектούς του αντικειμένου και έλαβα το πτυχίο μου στη Μηχανολογία από το Technion στη Χάιφα, στο Ισραήλ. Στο τέλος του πτυχίου μου, άρχισα να εμβαθύνω στον κόσμο των εργαλείων CAD και των ικανοτήτων. Αυτά τα προγράμματα επιτρέπουν στους μηχανολόγους μηχανικούς να σχεδιάζουν κατασκευές και μηχανικές συσκευές (ότι από μια γέφυρα μέχρι ένα αυτοκίνητο). Είδα μια τεράστια ευκαιρία να κάνω μια μεγάλη επίδραση χωρίς να αντιμετωπίσω τις αργές επαναλήψεις του φυσικού κόσμου. Σε πρακτικό επίπεδο, αυτά τα προγράμματα είχαν πολύ λίγη, αν όχι καθόλου, ικανότητα μηχανικής μάθησης/υπολογιστικής όρασης που να βοηθά τους μηχανικούς να δημιουργούν απλούστερα, φθηνότερα και πιο σταθερά μηχανικά συστήματα (αυτό ήταν το 2015). Ξεκίνησα στην κατεύθυνση της υπολογιστικής όρασης σε δεδομένα 3D με βαθιά μάθηση (πολύ καινούριο τότε) με στόχο να κάνω έξυπνα προγράμματα CAD. Η εργασία στις πρώτες μέρες της σύγχρονης βαθιάς μάθησης, ένιωθα σαν να ήμουν μέρος κάτι που θα μπορούσε να είναι πραγματικά μεγάλο — παρόμοιο με το διαδίκτυο.

Στην πράξη, η έρευνά μου ήταν η πρώτη που έφερε την επανάσταση της βαθιάς μάθησης στο τμήμα μας στο Technion. Αυτό αργότερα μετατράπηκε σε ένα έγγραφο που έγινε δεκτό στην κορυφαία διεθνή конференία υπολογιστικής όρασης, CVPR, και πέταξα στο Χονολουλού στο CVPR 2017. Η παρουσίαση της εργασίας μου και η συνάντηση με τους ανθρώπους άνοιξαν τα μάτια μου στην κλίμακα της κοινότητας υπολογιστικής όρασης (η οποία σήμερα είναι τουλάχιστον 10 φορές μεγαλύτερη), χιλιάδες συμμετέχοντες που εργάζονται με πάθος στην έρευνα του τομέα. Αυτό το γεγονός σχεδόν σφράγισε την κατεύθυνσή μου, δείχνοντας μου την δύναμη της υπολογιστικής όρασης και το δυναμικό που περιμένει να ξεκλειδωθεί.

Μπορείτε να μοιραστείτε την ιστορία πίσω από τη Datagen;

Η Datagen ιδρύθηκε το 2018 με αποστολή να μεταμορφώσει τον τρόπο με τον οποίο οι ομάδες λαμβάνουν τα δεδομένα για την εκπαίδευση των δικτύων υπολογιστικής όρασης. Το προηγούμενο έτος, είδαμε μια επίδειξη του Oculus Rift, η οποία αποτελούνταν από ένα headset εικονικής πραγματικότητας και μια συσκευή ελέγχου χεριού. Μετά την επίδειξη, βρεθήκαμε να αναρωτιόμαστε, «με τις σύνθετες κάμερες ενσωματωμένες στο headset, γιατί χρειαζόταν μια συσκευή χεριού για να συνδέσει τον εικονικό χώρο με τον φυσικό χώρο (δηλ. να παρακολουθήσει την κίνηση του χεριού);» Τα νευρωνικά δίκτυα ήταν ήδη αρκετά περίπλοκα για να το χειριστούν, οπότε τι ήταν το πρόβλημα;» Και εκείνη τη στιγμή η λυχνία άναψε — Δεδομένα! Αμέσως είδαμε την τεράστια ευκαιρία να λύσουμε προκλήσεις 3D με τη χρήση προηγμένης υπολογιστικής όρασης και μεταδεδομένων 3D. Αντί να επικεντρωθούμε αποκλειστικά στην εικονική/αυξημένη πραγματικότητα, πήραμε μια πιο ολιστική προσέγγιση, επικεντρωμένη στο φαινομενικά αδιάλυτο πρόβλημα της δημιουργίας επαρκών (και ακριβών) δεδομένων εκπαίδευσης για να ενεργοποιήσουμε πραγματικές εφαρμογές 3D AI.

Με επίκεντρο τους ανθρώπους και την αλληλεπίδραση ανθρώπων-περιβάλλοντος, η Datagen είναι πιονιέρης στον νέο τομέα των Simulated Data, ενός υποτομέα των συνθετικών δεδομένων, που επικεντρώνεται στην φωτορεαλιστική αναπαράσταση του κόσμου γύρω μας. Σήμερα, συνεργαζόμαστε με τις πιο καινοτόμες εταιρείες στον κόσμο για να τροφοδοτήσουμε και να επιταχύνουμε την ανάπτυξη υπολογιστικής όρασης και υποστηρίζεται από некоторых από τους πιο σεβαστούς επενδυτές στον χώρο.

Για τους αναγνώστες που δεν είναι εξοικειωμένοι, μπορείτε να εξηγήσετε τι είναι συγκεκριμένα τα συνθετικά δεδομένα;

Τα συνθετικά δεδομένα είναι οποιαδήποτε δεδομένα εκπαίδευσης που – αντί να συλλέγονται μέσω άμεσης μέτρησης ή παρατήρησης του πραγματικού κόσμου – δημιουργούνται είτε αλγοριθμικά είτε μέσω симуляσης. Στο πλαίσιο της υπολογιστικής όρασης, τα συνθετικά δεδομένα είναι υπολογιστικά γεννημένες εικόνες με συσχετιζόμενα μεταδεδομένα που απαιτούνται για την εκπαίδευση τεχνητής νοημοσύνης. Με προβλήματα ιδιωτικότητας και πολύ πραγματικές φυσικές και οικονομικές περιορισμούς στα δεδομένα του πραγματικού κόσμου, είναι δύσκολο να υπερβολήσω τη σημασία των συνθετικών δεδομένων για τη μηχανική μάθηση και την τεχνητή νοημοσύνη. Σε μια πρόσφατη έκθεση, Gartner προέβλεψε ότι, μέχρι το 2024, τα περισσότερα δεδομένα που θα χρησιμοποιηθούν στον τομέα της τεχνητής νοημοσύνης θα είναι τεχνητά γεννημένα για αυτούς τους λόγους.

Τι είναι κάποια από τα οφέλη των συνθετικών δεδομένων σε σύγκριση με τη χειροκίνητη συλλογή δεδομένων;

Η σύντομη απάντηση είναι, σκεφτείτε κάθε аспект της χειροκίνητης συλλογής δεδομένων που είναι ακατάλληλος και αφαιρέστε τους από τη διαδικασία — αυτά είναι τα οφέλη των συνθετικών δεδομένων.

Η δημιουργία ποικιλόμορφων συνόλων δεδομένων σε κλίμακα για την εκπαίδευση υπολογιστικής όρασης είναι một δαπανηρή, χρονοβόρα διαδικασία, και η ποικιλότητα είναι πολύ περιορισμένη από το γεγονός ότι η τοποθέτηση ανθρώπων σε συγκεκριμένες τοποθεσίες και η φωτογράφισή τους είναι μια περίπλοκη διαδικασία — πολύ πιο περίπλοκη και δαπανηρή από το να γίνεται σε einem симулированному περιβάλλον. Ένα άλλο σημαντικό όφελος είναι η αποτελεσματική εξάλειψη της ανάγκης για χειροκίνητη αναγραφή, η οποία είναι δαπανηρή, χρονοβόρα και ευάλωτη σε ανθρώπινους λάθους.

Η Datagen αναφέρεται στα simulated data ως υποτομέα των συνθετικών δεδομένων. Μπορείτε να εξηγήσετε τι είναι τα simulated data;

Τα simulated data είναι συνθετικά δεδομένα που δημιουργούνται μέσω симуляσης. Χρησιμοποιούμε GANs (以及 κάποια άλλα προηγμένα εργαλεία και τεχνικές) για να δημιουργήσουμε 3-D αντικείμενα και να τα τοποθετήσουμε μέσα σε highly ρεαλιστικές 3-D симуляσεις του πραγματικού κόσμου. Αυτό που αυτό μοιάζει είναι μια διαδικασία «εικονικής λήψης φωτογραφιών» από πρώτο πρόσωπο, αλλά λειτουργώντας μέσα σε ένα φωτορεαλιστικό, φυσικά-βασισμένο σύστημα. Αυτές οι симуляσεις παράγουν οπτικά δεδομένα (όπως αν είχαν συλλεγεί στον πραγματικό κόσμο), μαζί με μια πλήρη σειρά αναγραφών (φυσικής, φωτισμού, κ.λπ.). Έτσι, τα simulated data είναι συνθετικά δεδομένα που είναι φωτορεαλιστικά, контекστο-γεννημένα, 3-D εικόνες, συλλεγμένες σε einem симулированному περιβάλλον.

Πώς η Datagen δημιουργεί προσαρμοσμένα simulated data;

Η τεχνολογία της Datagen δημιουργεί simulated data που είναι και επεκτάσιμα και χειροκίνητα προσαρμοσμένα για να αντιμετωπίσουν τις μοναδικές ανάγκες κάθε πελάτη. Κάνουμε αυτό λαμβάνοντας υπόψη κάθε аспект κάθε έργου — από το σύστημα υπολογιστικής όρασης που χρησιμοποιείται μέχρι τη δημογραφική σύνθεση της περιοχής στην οποία θα λειτουργήσει. Αν εργαζόμαστε trực tiếp με τους πελάτες μας ή απλώς ενεργοποιούμε τους μηχανικούς τους, η διαδικασία της Datagen αρχίζει με τη θέσπιση κλειδιών παραμέτρων για κάθε συγκεκριμένη περίπτωση, όπως προδιαγραφές φακού, φωτισμού, περιβάλλοντος, δημογραφικής κατανομής, κ.λπ. Η Datagen χρησιμοποιεί GANs και άλλα προηγμένα εργαλεία και τεχνικές για να δημιουργήσει μια τεράστια ποικιλία από στοιχεία, συμπεριλαμβανομένων οτιδήποτε από ανθρώπινες κεφαλές με δυναμικές εκφράσεις προσώπου για να εκπαιδεύσει την τεχνητή νοημοσύνη σε ανάλυση συναισθήματος, μέχρι εσωτερικά αυτοκινήτων για παρακολούθηση επιβατών στο εσωτερικό, και οικιακούς χώρους για εφαρμογές βίντεο-συνεδρίας, μόνο για να αναφέρω κάποια. Για κάθε τύπο στοιχείου, η Datagen εισάγει ποικιλότητα σε αμέτρητους διακριτούς άξονες (από χρωματισμό και ύψος φρυδιών μέχρι το μέγεθος, το χρώμα και το σχήμα των οικιακών επίπλων), χρησιμοποιώντας παραμέτρους που είναι λεπτομερώς ρυθμισμένες για να αντανακλούν την συγκεκριμένη εφαρμογή.

Χάρη σε αυτές τις ικανότητες, τα datasets της Datagen δεν είναι μόνο μεγάλα και ποικίλα, αλλά και βελτιστοποιημένα για τους σκοπούς της εκπαίδευσης ενός μοναδικού συστήματος για να εκτελέσει μια μοναδική εργασία (ή σύνολο εργασιών) στο μοναδικό περιβάλλον ή ρύθμιση στην οποία θα χρησιμοποιηθεί — όλα αυτά χωρίς να συμβιβαστούν με την ικανότητα να επεκταθούν. Λαμβάνουμε επίσης υπόψη τις συγκεκριμένες απαιτήσεις αναγραφών/μεταδεδομένων κάθε εφαρμογής.

Τι είναι κάποια παραδείγματα λύσεων στη ρομποτική όπου χρησιμοποιούνται συνθετικά και/ή simulated data;

Ένα από τα μεγαλύτερα πλεονεκτήματα της χρήσης simulated data στη ρομποτική είναι η ικανότητα να δημιουργηθούν εικόνες του υλικού που vẫn βρίσκεται σε εξέλιξη. Έτσι, το «μυαλό» του ρομπότ (AI) και το «σώμα» (υλικό) μπορούν να αναπτυχθούν παράλληλα. Τώρα, η εκπαίδευση μπορεί να εξελιχθεί καθώς οι προδιαγραφές εξελίσσονται, αντί να περιμένουμε μέχρι το τελικό προϊόν να είναι πλήρως προτυποποιημένο πριν μπορέσουμε να φωτογραφίσουμε και να αρχίσουμε να αναπτύσσουμε την τεχνητή νοημοσύνη.

Επίσης, επειδή τα simulated data δημιουργούνται σε контекστό, μπορείτε να λάβετε υπόψη την αλληλεπίδραση μεταξύ του ρομπότ και του περιβάλλοντος του πολύ πιο εύκολα. Έτσι, αν φανταστείτε ένα ρομπότ που πιάνει και αφαιρεί ελαττωματικά προϊόντα από μια γραμμή συναρμολόγησης, τα simulated data θα σας επέτρεψαν να δημιουργήσετε δεδομένα για κάθε φυσικό ελάττωμα που είναι δυνατό στο προϊόν, αλλά και από την οπτική του ρομπότ για να καταγράψετε την πλήρη κίνηση του ρομποτικού βραχίονα. Τι περισσότερο, τα 3D μεταδεδομένα σημαίνουν ότι δεν υπάρχει ανάγκη για χειροκίνητη αναγραφή εικόνας μετά εικόνας για να διασφαλίσετε ότι το ρομπότ μπορεί να αναγνωρίσει σωστά το προϊόν, τα ελαττώματα, το βραχίονα ή οτιδήποτε άλλο στο πεδίο της όρασής του.

Τι είναι κάποια παραδείγματα χρήσεων των simulated data σε έξυπνα αυτοκίνητα;

Τα simulated data στην ανάπτυξη έξυπνων αυτοκινήτων κάνουν πολύ πιο εύκολη την ανάπτυξη συνόλων δεδομένων για συγκεκριμένα μοντέλα αυτοκινήτων καθώς σχεδιάζονται, επαναλαμβάνοντας σε συμφωνία με το αυτοκίνητο καθώς προχωράει через τις διάφορες φάσεις του σχεδιασμού και της παραγωγής. Με τα simulated δεδομένα εικόνας, οι μηχανικοί μπορούν επίσης να χρησιμοποιήσουν την όραση εσωτερικού αυτοκινήτου πιο αποτελεσματικά για να αναγνωρίσουν υπνωτισμένους ή αποσπασμένους οδηγούς, αν ο οδηγός έχει αφαιρέσει το χέρι του από το τιμόνι, ή οποιοδήποτε άλλο περιστατικό για να λογαριαστεί η ασφάλεια του οδηγού. Επίσης, επιτρέπει στους μηχανικούς να λογαριαστούν για μεγαλύτερη ποικιλία στους οδηγούς και τους επιβάτες και να εισαγάγουν ποικιλία στη μορφή της γωνίας εικόνας και του φωτισμού — όλα αυτά χωρίς να παραβιάσουν την ιδιωτικότητα των πραγματικών ανθρώπων.

Πρόσφατα, η Datagen ανακοίνωσε μια μεγάλη σειρά ενθουσιαστικών νέων προσλήψεων, τι σημαίνει αυτό για το μέλλον της εταιρείας;

Οι πρόσφατες προσθήκες στο συμβουλευτικό μας συμβούλιο και την ηγετική μας ομάδα περιλαμβάνουν κάποια από τα πιο εξαιρετικά και καταξιωμένα άτομα στον τομέα της τεχνητής νοημοσύνης και της υπολογιστικής όρασης. Η γνώση, η εμβάθυνση και η εμπειρία τους θα βοηθήσουν να προσανατολίσουν και να επιταχύνουν την ανάπτυξη της Datagen καθώς διανύουμε einen τομέα που είναι ακόμα νέος και γεμάτος ευκαιρίες. Σε einen τομέα με τόσο πολλά άγνωστα, τίποτα δεν είναι πιο πολύτιμο από τη γνώση.

Υπάρχει κάτι άλλο που θα ήθελε να μοιραστείτε σχετικά με τη Datagen;

Βάσει του Τελ Αβίβ, η Datagen είναι μέρος μιας πολύ μεγαλύτερης οικονομικής και πολιτιστικής μετατόπισης που έχει λάβει χώρα στο Ισραήλ, και είμαστε υπερήφανοι που είμαστε μέρος αυτής. Σε σύντομο χρονικό διάστημα, το Ισραήλ (το Τελ Αβίβ συγκεκριμένα), έχει αναπτυχθεί σε einen σημαντικό παγκόσμιο τεχνολογικό κόμβο, με einen ευημερούντα οικοσύστημα=startups και einen ενεργητικό επενδυτικό κοινότητα. Αν και το Ισραήλ συχνά θεωρείται ένας τεχνολογικός κόμβος που επικεντρώνεται στην κυβερνοασφάλεια, η τεχνολογία AI και δεδομένων έχει αναπτυχθεί εκθετικά τα τελευταία χρόνια εδώ. Σήμερα, υπάρχουν περισσότερες από 680 εταιρείες τεχνητής νοημοσύνης στο Ισραήλ, οι οποίες έχουν συλλέξει συνολικά 4,5 δισεκατομμύρια δολάρια. Αυτή η εκρηκτική ανάπτυξη τα τελευταία χρόνια οφείλεται σε μεγάλο βαθμό στην υψηλή συγκέντρωση μηχανικών και τις παγκοσμίου φήμης πανεπιστημιακές ερευνητικές εγκαταστάσεις. Αυτές οι ακαδημαϊκές ερευνητικές εγκαταστάσεις παρέχουν πρόσβαση σε ταλέντο και προηγμένη τεχνολογία στον χώρο. Τα τελευταία δύο μήνες, η Datagen έχει προσλάβει περισσότερους από 20 υπαλλήλους και σχεδιάζει να προσλάβει επιπλέον μέλη της ομάδας σε πωλήσεις και μάρκετινγκ, λογισμικό και DevOps, και τμήματα προϊόντων.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν τη Datagen.