Max Versace, CEO και Συνιδρυτής της Neurala – Σειρά Συνεντεύξεων

Ο Δρ. Massimiliano Versace είναι ο συνιδρυτής και CEO της Neurala, και ο οραματιστής της εταιρείας. Μετά την πρωτοποριακή του έρευνα στα υπολογιστικά συστήματα που εμπνέονται από τον εγκέφαλο και τα βαθιά δίκτυα, συνεχίζει να εμπνέει και να ηγείται στον κόσμο της αυτονομίας ρομποτικής. Έχει μιλήσει σε δεκάδες εκδηλώσεις και χώρους, συμπεριλαμβανομένων TedX, NASA, Πεντάγωνο, GTC, InterDrone, Εθνικά Εργαστήρια, Εργαστήρια Έρευνας της Αεροπορίας, HP, iRobot, Samsung, LG, Qualcomm, Ericsson, BAE Systems, AI World, Mitsubishi, ABB και Accenture, μεταξύ πολλών άλλων.

Αρχικά σπούδασε ψυχολογία και στη συνέχεια στράφηκε στη νευροεπιστήμη, ποια ήταν η λογική σας εκείνη την εποχή;

Η στροφή ήταν φυσική. Η ψυχολογία παρείχε την μια πλευρά του “νομίσματος της εκπαίδευσης” – τη μελέτη των ψυχολογικών φαινομένων. Ωστόσο, αν κάποιος ενδιαφέρεται για το τι προκαλεί μηχανικά τις σκέψεις και τη συμπεριφορά, αναπόφευκτα καταλήγει στη μελέτη του οργάνου που ευθύνεται για τις σκέψεις και τελικά στη μελέτη της Νευροεπιστήμης!

Πότε συνειδητοποιήσατε ότι θέλατε να εφαρμόσετε την κατανόηση σας για τον ανθρώπινο εγκέφαλο στην μίμηση του ανθρώπινου εγκεφάλου σε ένα σύστημα AI;

Ο επόμενος βήμας, από τη Νευροεπιστήμη στο AI, είναι πιο δύσκολος. Ενώ η Νευροεπιστήμη ασχολείται με τη λεπτομερή μελέτη της ανατομίας και της φυσιολογίας του νευρικού συστήματος και του πώς οι εγκέφαλοι δίνουν rise στη συμπεριφορά, ένας άλλος συμπληρωματικός δρόμος για να επιτύχει μια ακόμη μεγαλύτερη κατανόηση είναι να κατασκευάσει μια συνθετική έκδοση τους. Μια αναλογία που μου αρέσει να δώσω είναι ότι μπορείτε να κερδίσετε μια μερική κατανόηση για το πώς λειτουργεί ένας κινητήρας απομακρύνοντας ένα κύλινδρο και το ραδιатор και καταλήγοντας στο συμπέρασμα ότι οι κύλινδροι και οι ραδιατορες είναι σημαντικοί στη λειτουργία του κινητήρα. Ένας άλλος βαθύτερος τρόπος για να κατανοήσετε einen κινητήρα είναι να το κατασκευάσετε από το μηδέν – δηλαδή μελετώντας την ευφυΐα κατασκευάζοντας μια συνθετική (τεχνητή) έκδοσή της.

Ποια είναι κάποια από τα πρώιμα προγράμματα βαθιάς μάθησης στα οποία δούλεψατε;

Το 2009 για το DARPA δούλεψαμε στο να κατασκευάσουμε ένα “ολικό αντίγραφο εγκεφάλου” για ένα αυτονομικό ρομπότ χρησιμοποιώντας ένα προηγμένο chip σχεδιασμένο από την Hewlett Packard. Σε μια λέξη, η εργασία μας ήταν να μιμηθούμε τον εγκέφαλο και κάποια από τα βασικά αυτονομικά και μαθησιακά συμπεριφορικά του σε ένα φορητό και εφαρμόσιμο σε μικρό υλικό.

Μπορείτε να μοιραστείτε την ιστορία της Neurala;

Η Neurala ως εταιρεία ξεκίνησε το 2006 για να περιλάβει κάποια δουλειά με δίπλωμα ευρεσιτεχνίας γύρω από τη χρήση GPU (Γραφικών Μονάδων Επεξεργασίας) για βαθιά μάθηση. Ενώ αυτό μπορεί να θεωρηθεί εύκολο σήμερα, εκείνη την εποχή οι GPU δεν χρησιμοποιούνταν για AI καθόλου, και εμείς πρωτοπόρησε αυτή την έννοια φανταζόμενοι ότι κάθε pixel σε μια γραφική κάρτα θα μπορούσε να χρησιμοποιηθεί για την επεξεργασία ενός νευρώνα (αντί ενός τμήματος μιας σκηνής για να αποδοθεί στην οθόνη). Χάρη στον παραλληλισμό των GPU, ο οποίος μιμείται τον παραλληλισμό του εγκεφάλου μας σε εμπορικά βιώσιμο βαθμό, καταφέραμε να επιτύχουμε ταχύτητα μάθησης και εκτέλεσης για τους αλγόριθμους μας που απότομα έκαναν το AI και τη Βαθιά Μάθηση πρακτική. Έπρεπε να περιμένουμε quelques χρόνια ακόμη για να βγουμε από την ακαδημία, καθώς ο κόσμος “πιάσε” (ήδη πιστεύαμε!) την πραγματικότητα του AI. Το 2013, βγαλμε την εταιρεία από την κρυφότητα, (ήδη χρηματοδοτούμασταν από τη NASA και τα Εργαστήρια Έρευνας της Αεροπορίας) και εισήλθαμε στο πρόγραμμα Boston Tech Stars. Από εκεί, αρχίσαμε να προσλαμβάνουμε quelques υπαλλήλους και να αντλούμε ιδιωτικό κεφάλαιο. Ωστόσο, δεν ήταν μέχρι το 2017 που, με μια νέα ένεση κεφαλαίου και η βιομηχανία να ωριμάζει περαιτέρω, καταφέραμε να πραγματοποιήσουμε τις πρώτες σημαντικές αναπτύξεις και να τοποθετήσουμε το AI μας σε 56 εκατομμύρια συσκευές, που κυμαίνονται από κάμερες, κινητά τηλέφωνα, drones και ρομπότ.

Ένα από τα πρώιμα προγράμματα της Neurala ήταν η εργασία στο ρομπότ της NASA για τον Άρη. Μπορείτε να μοιραστείτε μαζί μας τα highlights αυτού του προγράμματος;

Η NASA είχε ένα πολύ συγκεκριμένο πρόβλημα: ήθελαν να εξερευνήσουν την τεχνολογία για να ενισχύσουν τις μελλοντικές μη επανδρωμένες αποστολές, όπου το αυτονομικό σύστημα (π.χ. ένα ρομπότ) δεν θα依赖ε στη βήμα-προς-βήμα οδηγία του κέντρου ελέγχου της Γης. Οι καθυστερήσεις στην επικοινωνία καθιστούν αυτό το έλεγχο αδύνατο – απλώς θυμηθείτε πόσο ακατάλληλη ήταν η επικοινωνία μεταξύ της Γης και του Matt Damon στην ταινία “Ο Μαριανός”. Η λύση μας: να ενδυναμώσουμε κάθε ρομπότ με τον δικό του εγκέφαλο. Η NASA στράφηκε σε μας, καθώς ήδη θεωρούμασταν εμπειρογνώμονες στη κατασκευή αυτών των “μικρών εγκεφάλων” με το DARPA, για να ενδυναμώσουμε ένα ρομπότ με ένα μικρό σύστημα Βαθιάς Μάθησης που θα μπορούσε όχι μόνο να τρέξει στο ρομπότ, αλλά και να προσαρμοστεί σε πραγματικό χρόνο και να μάθει νέα πράγματα καθώς το ρομπότ λειτουργεί. Αυτά περιλαμβάνουν νέα αντικείμενα (π.χ. βράχους, σημάδια νερού, κ.λπ.) καθώς τα συναντά και δημιουργεί ένα σημαντικό χάρτη eines ανεξερεύνητου πλανήτη. Η πρόκληση ήταν τεράστια, αλλά και η ανταμοιβή: μια τεχνολογία Βαθιάς Μάθησης που θα μπορούσε να τρέξει σε πολύ μικρή επεξεργαστική ισχύ και να μάθει από ένα μόνο κομμάτι δεδομένων (π.χ. μια εικόνα). Αυτό ξεπέρασε αυτό που η Βαθιά Μάθηση θα μπορούσε να επιτύχει εκείνη την εποχή (και ακόμη και σήμερα!).

Η Neurala έχει σχεδιάσει το Lifelong-DNN, μπορείτε να εξηγήσετε πώς αυτό διαφέρει από ένα κανονικό DNN και ποιες είναι οι πλεονεκτήματα που προσφέρει;

Σχεδιασμένο για την περίπτωση χρήσης της NASA παραπάνω, το Lifelong DNN, όπως λέει το όνομα, μπορεί να μάθει καθ’ όλη τη διάρκεια της ζωής του. Αυτό δεν είναι όπως τα παραδοσιακά Βαθιά Νευρωνικά Δίκτυα (DNNs), τα οποία μπορούν είτε να εκπαιδευτούν, είτε να thựcούν μια “εικασία” (δηλαδή, μια ταξινόμηση). Στο L-DNN, όπως στους ανθρώπους, δεν υπάρχει διαφορά μεταξύ μάθησης και ταξινόμησης. Κάθε φορά που κοιτάζουμε κάτι, και ταξινομούμε το (αυτό είναι μια καρέκλα) και μαθαίνουμε γι’ αυτό (αυτή η καρέκλα είναι καινούρια, δεν την έχω δει ποτέ, τώρα γνωρίζω λίγο περισσότερο γι’ αυτή). Διαφορετικά από τα DNNs, το L-DNN είναι πάντα σε μάθηση και σε σύγκριση με ότι ξέρει για τον κόσμο, τι νέα πληροφορία παρουσιάζεται, και είναι φυσικά σε θέση να καταλάβει ανωμαλίες. Για παράδειγμα, αν ένα από τα παιδιά μου παίξει ένα παιχνίδι με μένα και βάψει την καρέκλα μου ροζ, θα τη αναγνωρίσω αμέσως.既然 το L-DNN έχει μάθει με τον καιρό ότι η καρέκλα μου είναι μαύρη, και όταν η αντίληψή μου για αυτήν δεν ταιριάζει με τη μνήμη μου για αυτή, το L-DNN θα παράγει ένα σήμα ανωμαλίας. Αυτό χρησιμοποιείται στα προϊόντα της Neurala με διάφορους τρόπους (Δείτε παρακάτω).

Μπορείτε να συζητήσετε τι είναι το Brain Builder custom vision AI και πώς ermögνει ταχύτερες, ευκολότερες και λιγότερο δαπανηρές εφαρμογές ρομποτικής;

既然 το L-DNN φυσικά μαθαίνει για τον κόσμο και μπορεί να καταλάβει αν κάτι είναι ανωμαλία ή αποκλίνει από ένα μαθημένο πρότυπο, το προϊόν της Neurala, Brain Builder και VIA (Visual Inspection Automation) χρησιμοποιούνται για να ρυθμίσουν γρήγορα εργασίες ελέγχου οπτικής χρησιμοποιώντας μόνο λίγες εικόνες “καλών προϊόντων”. Για παράδειγμα, σε ένα περιβάλλον παραγωγής, μπορείτε να χρησιμοποιήσετε 20 εικόνες “καλών φιαλών” και να δημιουργήσετε einen “μικρό εγκέφαλο” Visual Quality Inspection που μπορεί να αναγνωρίσει καλές φιάλες, ή όταν μια κακή φιάλη (π.χ. μια με σπασμένο καπάκι) παράγεται. Αυτό μπορεί να γίνει με το L-DNN πολύ εύκολα, γρήγορα και σε một απλό CPU, αξιοποιώντας την τεχνολογία της NASA που χτίστηκε σε πάνω από 10 χρόνια έντονης έρευνας και ανάπτυξης.

Σε μια προηγούμενη συνέντευξη, σας συνιστούσαν ότι οι επιχειρηματίες πρέπει πάντα να στοχεύουν στην έναρξη μιας επιχείρησης που είναι ελαφρώς αδύνατη. Νιώσατε ότι η Neurala ήταν ελαφρώς αδύνατη όταν την ξεκινήσατε για πρώτη φορά;

Ακόμη θυμάμαι τον φίλο και συνάδελφό μου, Anatoli, να βγάζει το εσπρέσο του όταν είπα “μια μέρα, η τεχνολογία μας θα τρέξει σε ένα κινητό τηλέφωνο”. Ήταν αδύνατο, αλλά όλο που χρειαζόμασταν ήταν να το φανταστούμε και να δουλέψουμε για αυτό. Σήμερα, τρέχει σε εκατομμύρια τηλέφωνα. Οραματιζόμαστε έναν κόσμο όπου χιλιάδες τεχνητά μάτια μπορούν να ανακαλύψουν βιομηχανικές μηχανές και διαδικασίες για να προσφέρουν ένα προηγούμενο ακατόρθωτο επίπεδο ποιότητας και ελέγχου, που προηγουμένως θα ήταν αδύνατο, καθώς θα κατέστρεφαν χιλιάδες ανθρώπους ανά μηχανή. Ελπίζω κανείς δεν πίνει εσπρέσο ενώ διαβάζει αυτό….

Ευχαριστώ για τη μεγάλη συνέντευξη, η Neurala είναι σαφώς μια εταιρεία που πρέπει να τηρηθεί στο ραντάρ μας. Οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν Neurala.