Νικ Ρομάνo, Συνιδρυτής & Διευθύνων Σύμβουλος της Deeplite – Σειρά Συνεντεύξεων

Ο Νικ Ρομάνo είναι ο Συνιδρυτής & Διευθύνων Σύμβουλος της Deeplite μιας λύσης για τη βελτιστοποίηση των 深 Neural Networks, ώστε να γίνουν ταχύτερα, μικρότερα και πιο ενεργειακά αποδοτικά, από τον σύννεφο μέχρι την υπολογιστική στο άκρο.

Ο Νικ είναι ένας επιχειρηματίας με πολλή εμπειρία & ένας επιτυχημένος Διευθύνων Σύμβουλος, που έχει επιτύχει επιτυχείς αποτελέσματα για πάνω από 20 χρόνια. Πρόσφατα, συνίδρυσε & ανέπτυξε μια επιχείρηση SaaS με ετήσιες επαναλαμβανόμενες έσοδα πολλών εκατομμυρίων δολαρίων & πάνω από 100 υπαλλήλους. Έχει τιμηθεί από το Πανεπιστήμιο McMaster Engineering ως ένας από τους 150 καλύτερους απόφοιτους.

Τι σας έκανε να ενδιαφερθείτε αρχικά για την τεχνητή νοημοσύνη;

Είμαι στον τεχνολογικό χώρο για πάνω από 25 χρόνια και έχω δει πολλές κυκλικές τάσεις, κάποιες από τις οποίες είναι υπερβολικές και κάποιες πραγματικές. Η τεχνητή νοημοσύνη είναι ένα δυναμικό και αναπτυσσόμενο πεδίο, και αυτό που μου αρέσει σε αυτό είναι το πώς η τεχνολογία μπορεί να χρησιμοποιηθεί πραγματικά με πολλούς διαφορετικούς τρόπους για να βελτιώσει τον τρόπο που ζουν και εργάζονται οι άνθρωποι. Ήθελα να συμμετάσχω σε αυτόν τον κίνημα. Ωστόσο, υπάρχουν προκλήσεις για την εφαρμογή της τεχνητής νοημοσύνης σε πραγματικές περιπτώσεις. Απαιτεί πολλές υπολογιστικές ικανότητες και ενέργεια για να λειτουργήσει σωστά – είναι υπολογιστικά εντατική. Αυτό είναι εντάξει σε ένα εργαστήριο, αλλά αν είναι πολύ μεγάλο ή πολύ αργό ή καταλαμβάνει πολύ ενέργεια, είναι δύσκολο να φέρουμε την τεχνητή νοημοσύνη σε πραγματικές περιπτώσεις. Αυτή είναι η αποστολή μας και η πραγματική έλξη για μένα – να ενεργοποιήσουμε την τεχνητή νοημοσύνη για την καθημερινή ζωή.

Μπορείτε να μοιραστείτε την ιστορία της Deeplite;

Η ιδέα για την Deeplite ξεκίνησε στο TandemLaunch incubator στο Μόντρεαλ. Ο Davis Sawyer, ο οποίος είναι τώρα ο Chief Product Officer μας και ένας ειδικός στο πεδίο της τεχνητής νοημοσύνης, και ο Ehsan Saboori, ο οποίος είναι τώρα ο CTO μας και είναι ο πραγματικός εγκέφαλος πίσω από την πνευματική ιδιοκτησία μας, άρχισαν να αναπτύσσουν την τεχνολογία εκεί. Εγώ εντάχθηκα μαζί τους το 2019, φέρνοντας την εμπειρία μου από πολλά χρόνια ηγεσίας και ανάπτυξης εταιρειών, και επίσημα ξεκινήσαμε την Deeplite ως εταιρεία το καλοκαίρι του 2019. Τώρα έχουμε πάνω από 20 υπαλλήλους με γραφεία στο Μόντρεαλ και το Τορόντο, και ανακοινώσαμε μια επένδυση 6 εκατομμυρίων δολαρίων Serie Seed τον Απρίλιο του 2021.

Γιατί είναι σημαντικό να ενσωματώνετε την επεξεργασία της τεχνητής νοημοσύνης απευθείας στο υλικό αντί για το σύννεφο σε ορισμένες περιπτώσεις, όπως τα αυτόνομα οχήματα και τα drones;

Υπάρχουν πολλές 이유 για τις οποίες θέλετε να εκτελέσετε την απόφαση της τεχνητής νοημοσύνης, τη διαδικασία λήψης αποφάσεων, στο σημείο συλλογής δεδομένων και όχι στο σύννεφο. Πιθανότατα η μεγαλύτερη αιτία σε κρίσιμες εφαρμογές όπως τα αυτόνομα οχήματα είναι η καθυστέρηση, που ουσιαστικά σημαίνει πόσο χρόνο χρειάζεται η τεχνητή νοημοσύνη για να λάβει μια απόφαση. Αν πρέπει να συλλέξετε τα δεδομένα, να τα στείλετε στο σύννεφο για απόφαση και στη συνέχεια να επιστρέψετε τα αποτελέσματα, αυτό θα πάρει πολύ περισσότερο χρόνο από το να το κάνετε τοπικά σε πραγματικό χρόνο. Στα αυτόνομα οχήματα, τα χιλιοστά του δευτερολέπτου έχουν μεγάλη σημασία.

Άλλες αιτίες περιλαμβάνουν την ιδιωτικότητα, τη διατήρηση ευαίσθητων δεδομένων τοπικά και όχι την αποστολή τους στο σύννεφο, καθώς και τη συνδεσιμότητα, η οποία σε περίπτωση απουσίας καθιστά την απόφαση του συννέφους άχρηστη. Τα σύνθετα sâuρά δίκτυα που οδηγούν την τεχνητή νοημοσύνη απαιτούν πολλές υπολογιστικές ικανότητες για να λειτουργήσουν, χρησιμοποιούν πολλή μνήμη και καταναλώνουν πολλή ενέργεια, οπότε οι λύσεις της τεχνητής νοημοσύνης были αναγκασμένες να χρησιμοποιήσουν το σύννεφο. Για να βγείτε από το σύννεφο και να κάνετε την τεχνητή νοημοσύνη να λειτουργήσει τοπικά στο άκρο σε ένα όχημα ή ένα drone, για παράδειγμα, πρέπει να βρείτε έναν τρόπο να μειώσετε το συνολικό μέγεθος και το προφίλ ενέργειας του μοντέλου, επιτρέποντας του να λειτουργήσει απευθείας στο υλικό – τη συσκευή – με πολύ λιγότερες πόρους. Είναι σημαντικό να σπάσετε αυτό το εμπόδιο για να φέρουμε την τεχνητή νοημοσύνη σε πολλές περισσότερες συσκευές που εξυπηρετούν τους ανθρώπους κάθε μέρα. Αυτό είναι το που έρχεται η Deeplite.

Μπορείτε να μας πείτε τι είναι συγκεκριμένα η Deeplite Neutrino;

Η πλατφόρμα Neutrino μας μετατρέπει την τεχνητή νοημοσύνη, συγκεκριμένα τα sâuρά δίκτυα ή DNN, σε μια νέα μορφή που είναι μικρότερη, ταχύτερη και λιγότερο ενεργειακά καταναλώσιμη από την αρχική της μορφή. Με την Deeplite Neutrino, οι ομάδες της τεχνητής νοημοσύνης μπορούν να εστιάσουν στην εκπαίδευση των μοντέλων τους για ακρίβεια, πόσο συχνά η απόφαση είναι σωστή, και να χρησιμοποιήσουν την πλατφόρμα μας για να βελτιστοποιήσουν το μοντέλο της τεχνητής νοημοσύνης, ώστε να μπορεί να αναπτυχθεί σε περιορισμένο υλικό στο άκρο. Η Deeplite Neutrino το κάνει αυτό χωρίς να επηρεάσει την αρχική ακρίβεια της τεχνητής νοημοσύνης. Ουσιαστικά, παίρνουμε μεγάλα μοντέλα της τεχνητής νοημοσύνης και τα κάνουμε μικρότερα, ταχύτερα και πιο ενεργειακά αποδοτικά. Ο τελικός στόχος είναι να βγάλουμε την τεχνητή νοημοσύνη από το εργαστήριο και να την φέρουμε στην πραγματική ζωή στις cosas που χρησιμοποιούμε κάθε μέρα.

Πώς είναι η Deeplite Neutrino σε θέση να κάνει την τεχνητή νοημοσύνη πιο αποδοτική, ταχύτερη, μικρότερη και πιο ισχυρή χωρίς να επηρεάσει την ακρίβεια του αρχικού μοντέλου;

Χρησιμοποιούμε μια νέα προσέγγιση πολλαπλών στόχων για την εξερεύνηση του χώρου σχεδιασμού. Χρησιμοποιούμε το αρχικό μοντέλο ως ένα είδος “δασκάλου” μοντέλου και στη συνέχεια εξερευνούμε την αρχιτεκτονική του μοντέλου, ψάχνοντας για το καλύτερο “μαθητή” μοντέλο που ικανοποιεί τις περιορισμούς σχεδιασμού που ορίζονται από τον χρήστη της Deeplite, για να βελτιστοποιήσουμε αυτόματα τα μοντέλα DNN και να τα κάνουμε σημαντικά ταχύτερα, μικρότερα και πιο ενεργειακά αποδοτικά, χωρίς να θυσιάζουμε την απόδοση.

Τι είναι κάποιες από τις κορυφαίες περιπτώσεις χρήσης για την χρήση αυτού του είδους της τεχνητής νοημοσύνης;

Ενώ δεν είμαστε περιορισμένοι σε αυτό, η τρέχουσα εστίασή μας είναι στην οπτική αντίληψη και τις βασισμένες στην αντίληψη τεχνητή νοημοσύνη. Η τεχνολογία της τεχνητής νοημοσύνης μας χρησιμοποιείται σε αυτόνομα οχήματα, drones, κάμερες, κινητά τηλέφωνα, αισθητήρες και άλλα συσκευές IoT. Βλέπουμε επίσης νέες εφαρμογές για αυτό, συμπεριλαμβανομένων eines έξυπνου οδοντόβουρτσας και ενός έξυπνου καφέ. Εργαζόμαστε επίσης με μια ηγετική διεθνή εταιρεία παιχνιδιών που χρησιμοποιεί την τεχνολογία μας για την ανάπτυξη παιχνιδιών. Αυτό που είναι πραγματικά ενθαρρυντικό και ανταποδοτικό για το τι κάνουμε είναι η ποικιλία των εφαρμογών που βλέπουμε να έρχονται στην αγορά, όπου μπορούμε να τις βοηθήσουμε να ζήσουν.

Τι είναι η άποψή σας για την ομοσπονδιακή μάθηση και πώς θα επηρεάσει το μέλλον της μηχανικής μάθησης;

Η εκπαίδευση μοντέλων απαιτεί πολλά δεδομένα και πολλή υπολογιστική ισχύ. Όσο μεγαλύτερη είναι η ποικιλία των περιπτώσεων χρήσης, τόσο περισσότερα δεδομένα απαιτούνται και τόσο περισσότερος χρόνος υπολογισμού χρειάζεται για να εκπαιδεύσετε το μοντέλο σε ένα ικανοποιητικό επίπεδο ακρίβειας. Με την ομοσπονδιακή μάθηση, η εκπαίδευση διεξάγεται στο άκρο σε κάθε συσκευή με βάση τις τοπικές συνθήκες δεδομένων. Αυτό μπορεί να κάνει την εκπαίδευση πιο αποδοτική (γιατί να εκπαιδεύσετε για ένα καγκουρό που διασχίζει το δρόμο στην Αλάσκα) και επίσης είναι một μεγάλη νίκη για την ιδιωτικότητα, καθώς τα δεδομένα εκπαίδευσης – για παράδειγμα, το πρόσωπο κάποιου – δεν στέλνονται σε einen κεντρικό διακομιστή.

Δεδομένου ότι η διαδικασία βελτιστοποίησής μας περιλαμβάνει αυτό που ονομάζουμε “βρόχο εκπαίδευσης” για να διατηρήσουμε την ακρίβεια του βελτιστοποιημένου μοντέλου, ο τελικός μας στόχος θα ήταν να έχουμε αυτό που κάνουμε να γίνει μέρος της αρχικής διαδικασίας εκπαίδευσης και όχι ως δεύτερη πασάρεση. Αυτή τη στιγμή, αυτό είναι απαισιόδοξο, αλλά αυτό είναι μέρος του μακροπρόθεσμου στόχου μας.

Ως μια.startup πώς προσελκύετε τα ταλέντα και την εγκέφαλο που χρειάζονται;

Είναι μια μεγάλη πρόκληση να προσελκύσετε το σωστό ταλέντο της τεχνητής νοημοσύνης σήμερα – υπάρχουν πολύ λίγοι άνθρωποι εκεί έξω και η ανταγωνισμός για την πρόσληψη είναι υψηλός. Η ομάδα μας είναι απίστευτη. Είναι ένας μαγνήτης για ταλέντα. Έχουμε υποψήφιους να μιλήσουν και να συνεντευξιαστούν με την ομάδα μας. Μόλις δουν το επίπεδο των ανθρώπων στη Deeplite, θέλουν να είναι εδώ. Ως μια.startup, προσφέρουμε μια υπέροχη κουλτούρα και την ευκαιρία να εργαστείτε σε κάτι νέο και αναδυόμενο που μπορεί να είναι ένας game-changer για πολλές διαφορετικές βιομηχανίες και προϊόντα. Νομίζω ότι αυτή η ευκαιρία, μαζί με την ομάδα, είναι ο κλειδί για να προσελκύσουμε τα κορυφαία ταλέντα. Είμαστε επίσης στρατηγικά τοποθετημένοι σε δύο μεγάλους βορειοαμερικανικούς κόμβους της τεχνητής νοημοσύνης, το Μόντρεαλ και το Τορόντο, που μας βοηθά. Ως μια καναδική εταιρεία, εκμεταλλευόμαστε το πρόγραμμα Global Talent Stream της κυβέρνησης. Μπορούμε να προσλάβουμε οπουδήποτε στον κόσμο, να χορηγήσουμε νέους υπαλλήλους και να τα ταχυδρομήσουμε στην Καναδά.

Έχετε κάποια συμβουλή για άλλους επιχειρηματίες στο χώρο της τεχνητής νοημοσύνης;

Αυτό ξεπερνά την τεχνητή νοημοσύνη, αλλά ως επαναλαμβανόμενος επιχειρηματίας, έχω μάθει πόσο σημαντικό είναι να έχεις την υποστήριξη της οικογένειάς σου, γιατί η απόφαση να γίνεις επιχειρηματίας δεν είναι μια ατομική απόφαση – επηρεάζει όλους – σύζυγο και παιδιά συμπεριλαμβανομένων. Όλοι είναι μέρος του ταξιδιού μαζί σου, και όλοι κάνουν θυσίες. Πρέπει να αναγνωρίσετε και να εκτιμήσετε αυτό, και αυτό είναι το πώς οι οικογένειες μπορούν να μείνουν μαζί καθ’ όλη τη διάρκεια του ταξιδιού.

Υπάρχει κάτι άλλο που θα ήθελε να μοιραστείτε για την Deeplite;

Ένα από τα μοναδικά χαρακτηριστικά της Deeplite είναι οι συνιδρυτές μας. Ο Davis είναι στα μέσα της εικοσάδας του και είναι εξαιρετικά έξυπνος και ενεργητικός. Είναι σίγουρα ένας ειδικός στο πεδίο της τεχνητής νοημοσύνης. Ο Ehsan είναι ένας Ιρανός μετανάστης με διδακτορικό και, όπως αναφέρθηκε νωρίτερα, είναι ο πραγματικός εγκέφαλος πίσω από την πνευματική ιδιοκτησία μας. Και εγώ είμαι ένας 50+χρονος βετεράνος που έχει χτίσει εταιρείες πριν. Οι τρεις μας είναι μια ενδιαφέρουσα συνδυασμός που φέρνει διαφορετικές δυνάμεις και εμπειρία στο τραπέζι. Είμαι πολύ ευγνώμων που έχω τέτοιους υπέροχους συνεταίρους και περιβάλλome από μια τόσο υπέροχη ομάδα.

Ευχαριστώ πολύ για τη μεγάλη συνέντευξη, αναμένω να ακολουθήσω την πρόοδο της Deeplite και είναι μια εταιρεία που θα είναι στο ραντάρ μου. Οι αναγνώστες που θέλουν να μάθουν περισσότερα πρέπει να επισκεφθούν την Deeplite.