Σοχαίμπ Χαν, Συνιδρυτής & Διευθύνων Σύμβουλος της Hazen.ai – Σειρά Συνεντεύξεων

Ο Σοχαίμπ Χαν είναι ο Συνιδρυτής & Διευθύνων Σύμβουλος της Hazen.ai, μια εταιρεία που χρησιμοποιεί την υπολογιστική όραση και το βαθύ μάθηση για να σχεδιάσει έξυπνο λογισμικό ανάλυσης κυκλοφορίας που είναι σχεδιασμένο να «καταλαβαίνει» την κίνηση κάθε οχήματος.

Τι σας έκανε να ενδιαφερθείτε αρχικά για το πεδίο του AI;

Ήταν κατά τη διάρκεια των σπουδών μου στο πανεπιστήμιο που διάβασα για πρώτη φορά πώς λειτουργεί η στερεο-όραση (ή διπλωπία – εκτίμηση βάθους από δύο κάμερες). Αυτό με έκανε να ενδιαφερθώ να εξερευνήσω περισσότερο την υπολογιστική όραση. Ενδιαφέρον είναι ότι διάβασα γι’ αυτό σε ένα βιβλίο που το πήρα από μια παραδοσιακή αγορά της Παρασκευής όπου πουλούσαν παλιά βιβλία σε μια οδική άκρη στην πόλη μας. Συνέχισα να κάνω διδακτορικό σε αυτό το πεδίο στις Ηνωμένες Πολιτείες.

Ήταν προηγουμένως καθηγητής σε ένα από τα μεγαλύτερα πανεπιστήμια του Πακιστάν, το Πανεπιστήμιο Lahore University of Management Sciences (LUMS). Ποια ήταν τα ενδιαφέροντά σας για τη διδασκαλία και την έρευνα;

Όταν εντάχθηκα στο LUMS μετά το διδακτορικό μου, έχτισα το πρώτο εργαστήριο ερευνών μεταπτυχιακών στο πανεπιστήμιο, με χρηματοδότηση που έλαβα από một μεγάλο χορηγό αμυντικής οργάνωσης. Το μεταπτυχιακό πρόγραμμα στο CS ήταν πολύ νέο και δεν υπήρχαν εργαστήρια ερευνών εκείνη την εποχή. Δίδαξα Υπολογιστική Όραση για 12+ χρόνια στο LUMS και είχα ένα ενεργό εργαστήριο σε αυτό το πεδίο. Στην αρχή, η υπολογιστική όραση δίδασκε σε πολύ λίγα πακιστανικά πανεπιστήμια, αλλά αργότερα έγινε ένα τυπικό μάθημα και στην πραγματικότητα, πολλοί από τους φοιτητές μου διδάσκουν τώρα επίσης σε πακιστανικά πανεπιστήμια.

Μπορείτε να συζητήσετε τι σας ενέπνευσε να ξεκινήσετε μια εταιρεία που ειδικεύεται σε υπολογιστική όραση και αλγόριθμους βαθύ μαθήματος για ανάλυση βίντεο;

Η υπολογιστική όραση, για πολύ καιρό, ήταν κυρίως ένα πειραματικό πεδίο έρευνας, με περιορισμένες εφαρμογές σε προϊόντα. Αυτό οφείλεται κυρίως στο γεγονός ότι η ωριμότητα των αλγορίθμων που χρειάζονταν για την κατασκευή προϊόντων δεν ήταν εκεί. Για ένα προϊόν, ο αλγόριθμος κατανόησης εικόνας πρέπει να λειτουργεί σε eine ποικιλία συνθηκών εικόνας και φωτισμού και όχι μόνο σε κάποιες πολύ ελεγχόμενες πειραματικές συνθήκες. Έχουμε ένα αστείο μεταξύ των μεταπτυχιακών φοιτητών στο εργαστήριό μας όταν έκανα το διδακτορικό μου το 2000, ότι αν μπορείτε να βρείτε τρεις εικόνες στις οποίες ο αλγόριθμος σας λειτουργεί, μπορείτε να γράψετε μια εργασία. Αν λειτουργεί σε τρεις βίντεο, παίρνετε μια πολύ καλή εργασία! Το σημείο είναι ότι πολλοί αλγόριθμοι όρασης λειτουργούσαν μόνο σε προσεκτικά επιλεγμένες εργαστηριακές συνθήκες και δεν ήταν πολύ ανθεκτικοί.

Τι είδους παραβάσεις κυκλοφορίας μπορεί να παρακολουθήσει η Hazen.ai;

Ο στόχος μας είναι να μπορούμε να αναγνωρίσουμε όλα τα είδη επικίνδυνης οδηγικής συμπεριφοράς στους δρόμους. Αυτό οδηγείται από το υπέρτατο στόχο μας να μειώσουμε τις θανάτους στους δρόμους. Κάθε 24 δευτερόλεπτα, κάποιος πεθαίνει σε einen δρόμο συναγερμού, που ισοδυναμεί με περίπου 15 787-8 Dreamliners που συναγερμούν κάθε μέρα! Αυτό είναι πραγματικά αυτό που μας мотивεί. Για αυτό το λόγο, κατασκευάζουμε λογισμικό που μπορεί να ανιχνεύσει διαφορετικά είδη επικίνδυνης και ασφαλής συμπεριφοράς, όπως ασφαλείς αλλαγές λωρίδας, παράνομες στροφές, υπέρβαση κόκκινου φωτός ή σήματος στάσης, μπλοκάρισμα πεζοδρόμου, μη φορούσε ζωνη ασφαλείας ή texting-while-οδηγώντας. Επίσης, εργαζόμαστε για την κατασκευή χαρακτηριστικών στο λογισμικό μας ειδικά για την ασφάλεια πεζών και ποδηλατών, επειδή περισσότερο από το μισό των θανάτων σε δρόμους συμβαίνουν στο ευάλωτο τμήμα των πεζών, ποδηλατών και μοτοσικλετιστών.

Τι είδους μοναδικές προκλήσεις υπάρχουν πίσω από τη χρήση υπολογιστικής όρασης για την παρακολούθηση αντικειμένων που κινούνται σε τόσο υψηλές ταχύτητες;

Υπάρχουν δύο είδη προκλήσεων: Πρώτα, η απόδοση των αλγορίθμων υπολογιστικής όρασης – θέλετε να έχετε ένα προϊόν που μπορεί να λειτουργήσει σε δύσκολες συνθήκες κυκλοφορίας 24/7 σε όλες τις παραλλαγές φωτισμού. Ενώ έχει υπάρξει πολλή πρόοδος τεχνικά προς αυτόν τον στόχο, υπάρχουν ακόμη χώρες στις οποίες η πυκνότητα των οδηγών είναι τόσο υψηλή, όπως συστάδες μοτοσικλετών ή πεζών σε πολύ κοντινή απόσταση, που είναι ακόμη πρόκληση για τους αλγόριθμους να τους παρακολουθήσουν ατομικά και να κατανοήσουν την σκηνή. Αλλά δεύτερον, μια μεγαλύτερη πρόκληση είναι να κατασκευάσετε ένα σolid προϊόν από αλγόριθμους υπολογιστικής όρασης, που μπορεί να αναπτυχθεί σε περιορισμένα υλικά πόρους στο άκρο, και μπορεί να παρακολουθηθεί και να διαχειριστεί εύκολα παρά την κατανομή του σε όλη την πόλη.既然 η υπολογιστική όραση χειρίζεται πολλά δεδομένα βίντεο, η ανάπτυξη της σε ένα άκρο, ως一个 IoT συσκευή, και η διαχείριση της αποτελεσματικά, παραμένει μια δύσκολη εργασία.

Τι είναι η διαδικασία για τον τελικό χρήστη να ρυθμίσει το λογισμικό σε διαφορετικές διαμορφώσεις δρόμων;

Κάθε κόμβος δρόμου παρέχει μια μοναδική περίπτωση, όσον αφορά τον όγκο κυκλοφορίας, τη διαμόρφωση λωρίδας και τον τύπο οχήματος, ποδηλάτων ή πεζών αλληλεπιδράσεων. Επιπλέον, το ενδιαφέρον των διαχειριστών κυκλοφορίας μπορεί να είναι συγκεκριμένο, να αναγνωρίσουν ένα συγκεκριμένο τύπο κυκλοφοριακής συμπεριφοράς σε κάθε σημείο. Για παράδειγμα, η αστυνομία κυκλοφορίας μπορεί να απαγορεύσει μια στροφή σε ένα κόμβο για να λείψει την κυκλοφορία, και ενδιαφέρεται να καταγράψει αυτή τη στατιστική. Για αυτόν τον λόγο, έχουμε κρατήσει το λογισμικό μας ρυθμιζόμενο σε διαφορετικές περιπτώσεις. Όταν μια κάμερα εγκατασταθεί με το λογισμικό μας, τη ρυθμίζουμε μέσω μιας απλής διαδικασίας για αυτό που ο τελικός χρήστης απαιτεί σε αυτό το σημείο. Εσωτερικά, έχουμε κατασκευάσει μια υψηλού επιπέδου γλώσσα με την οποία μπορούμε να περιγράψουμε συνθήκες κυκλοφορίας ενδιαφέροντος με έναν απλό τρόπο. Αυτό μας επιτρέπει να ρυθμίσουμε ένα σημείο γρήγορα για τους πελάτες μας.

Τι είδους υλικό είναι απαραίτητο για τη λειτουργία αυτού του συστήματος;

Η ανάλυση βίντεο απαιτεί σημαντική υπολογιστική ισχύ. Έχουμε βελτιώσει τον κώδικά μας για να τρέχει στις μικρότερες Nvidia GPUs που μπορούν να αναπτυχθούν στο άκρο, όπως η σειρά Jetson, και επίσης σε Intel CPUs για ορισμένα χαρακτηριστικά που προσφέρουμε. Τα τελευταία χρόνια, πιο ισχυρό υλικό άκρου γίνεται διαθέσιμο σε μια λογική τιμή, οπότε αυτό οδηγεί πολλές ενθουσιώδεις εφαρμογές.

Μπορείτε να συζητήσετε αν κάποιες δικαιοδοσίες είναι αυτή τη στιγμή δοκιμαστικές ή χρησιμοποιούν την τεχνολογία Hazen.ai;

Τώρα έχουμε συνεχείς δοκιμές σε πολλές χώρες, Ηνωμένο Βασίλειο, Ηνωμένες Πολιτείες, Αίγυπτο, Σαουδική Αραβία, Πακιστάν, Ομάν, Περού και εμπλέκουμε πελάτες σε άλλες χώρες επίσης.

Υπάρχει κάτι άλλο που θα ήθελε να μοιραστεί για την Hazen.ai;

Συνολικά, cảm覺 ότι οι τεχνολογίες ασφάλειας κυκλοφορίας δεν έχουν προοδεύσει αρκετά, σε σύγκριση με το μέγεθος του προβλήματος. Ωστόσο, τώρα η στιγμή είναι σωστή, λόγω της τεράστιας πρόοδου στην υπολογιστική όραση και το βαθύ μάθηση, καθώς και την φθηνή διαθεσιμότητα κάμερας και υπολογιστικού υλικού. Θα δούμε πολλές περισσότερες εφαρμογές της υπολογιστικής όρασης στο άκρο τα επόμενα χρόνια. Αυτά είναι τα βασικά που οδηγούν την Hazen.ai.

Ευχαριστώ για τη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν Hazen.ai