Ο Yashar Behzadi, ο CEO της Synthesis AI – Σειρά Συνεντεύξεων

Ο Yashar Behzadi PhD είναι ο CEO και Ιδρυτής της Synthesis AI. Είναι ένας έμπειρος επιχειρηματίας που έχει δημιουργήσει μετασχηματιστικές επιχειρήσεις στον τομέα της τεχνητής νοημοσύνης, της ιατρικής τεχνολογίας και των αγορών IoT. Έχει περάσει τα τελευταία 14 χρόνια στη Κοιλάδα του Πυριτίου, δημιουργώντας και αναπτύσσοντας εταιρείες τεχνολογίας που βασίζονται σε δεδομένα. Ο Yashar έχει πάνω από 30 πατέντες και πατέντες σε εκκρεμότητα και διδακτορικό από το UCSD με επίκεντρο το χωροχρονικό μοντέλο της λειτουργικής απεικόνισης του εγκεφάλου.

Synthesis AI είναι μια εταιρεία στο σημείο τομής της βαθιάς μάθησης και της CGI, δημιουργώντας ένα νέο παράδειγμα για την ανάπτυξη μοντέλων υπολογιστικής όρασης. Επιτρέπουν στους πελάτες να αναπτύξουν καλύτερα μοντέλα σε ένα κλάσμα του χρόνου και του κόστους των παραδοσιακών προσεγγίσεων με βάση τον ανθρώπινο σχολιασμό δεδομένων.

Πώς συμμετείχατε αρχικά στον υπολογιστικό τομέα και την τεχνητή νοημοσύνη;

Απέκτησα διδακτορικό από το UCSD το 2006 με επίκεντρο την υπολογιστική όραση και το χωροχρονικό μοντέλο της απεικόνισης του εγκεφάλου. Στη συνέχεια, εργάστηκα στη Κοιλάδα του Πυριτίου στο σημείο τομής των αισθητήρων, των δεδομένων και της μηχανικής μάθησης σε διάφορους τομείς για τα επόμενα 16 χρόνια. Νιώθω πολύ τυχερός που είχα την ευκαιρία να εργαστώ σε κάποιες εξαιρετικές τεχνολογίες και έχω πάνω από 30 πατέντες που έχουν εκδοθεί ή έχουν υποβληθεί με επίκεντρο την επεξεργασία σήματος, την μηχανική μάθηση και την επιστήμη των δεδομένων.

Μπορείτε να μοιραστείτε την ιστορία της Synthesis AI;

Πριν ιδρύσω την Synthesis AI το 2019, ηγήθηκα μιας εταιρείας παγκόσμιων υπηρεσιών τεχνητής νοημοσύνης που επικεντρωνόταν στην ανάπτυξη μοντέλων υπολογιστικής όρασης για τις κορυφαίες τεχνολογικές εταιρείες. Ανεξάρτητα από το μέγεθος της εταιρείας, διαπιστώσαμε ότι είμαστε εξαιρετικά περιορισμένοι από την ποιότητα και την ποσότητα των δεδομένων εκπαίδευσης. Όταν οι εταιρείες επεκτείνονταν γεωγραφικά, αυξάνονταν η βάση πελατών τους ή αναπτύσσονταν νέα μοντέλα και νέο υλικό, χρειαζόταν νέα δεδομένα εκπαίδευσης για να διασφαλιστεί ότι τα μοντέλα λειτουργούσαν επαρκώς. Επίσης, έγινε σαφές ότι το μέλλον της υπολογιστικής όρασης δεν θα ήταν επιτυχημένο με το σημερινό παράδειγμα ανθρώπινου σχολιασμού δεδομένων. Οι επερχόμενες εφαρμογές της υπολογιστικής όρασης στις αυτονομίες, την ρομποτική και τις εφαρμογές AR/VR/metaverse απαιτούν ένα πλούσιο σύνολο 3D ετικετών, πληροφορίες βάθους, ιδιότητες υλικών, λεπτομερή κατάτμηση, κ.λπ., τα οποία οι άνθρωποι δεν μπορούν να επισημάνουν. Ένα νέο παράδειγμα ήταν απαραίτητο για να παρέχει το απαραίτητο πλούσιο σύνολο ετικετών για να εκπαιδεύσει αυτά τα νέα μοντέλα. Επιπλέον, είδαμε αυξανόμενη εξέταση από καταναλωτές και ρυθμιστικές αρχές σχετικά με τα ηθικά ζητήματα που σχετίζονται με την προκατάληψη των μοντέλων και την ιδιωτικότητα των καταναλωτών.

Ίδρυσα τη Synthesis AI με σκοπό να μετασχηματίσει το παράδειγμα της υπολογιστικής όρασης. Η πλατφόρμα σύνθεσης δεδομένων της εταιρείας μας επιτρέπει την παραγωγή φωτορεαλιστικών δεδομένων εικόνας με ένα διευρυμένο σύνολο τρισδιάστατων επισημάνσεων ακριβείας εικονοστοιχείου. Ο στόχος μας είναι να πρωτοπορήσουμε στις τις τεχνολογίες συνθετικών δεδομένων για να επιτρέψουμε την ηθική ανάπτυξη πιο ικανών μοντέλων.

Για τους αναγνώστες που δεν είναι εξοικειωμένοι με αυτόν τον όρο, μπορείτε να ορίσετε τι είναι τα συνθετικά δεδομένα;

Τα συνθετικά δεδομένα είναι υπολογιστικά δεδομένα που χρησιμεύουν ως εναλλακτική λύση στα δεδομένα του πραγματικού κόσμου. Τα συνθετικά δεδομένα δημιουργούνται σε προσομοιωμένα ψηφιακά κόσμους αντί να συλλέγονται ή να μετρούνται στον πραγματικό κόσμο. Συνδυάζοντας εργαλεία από τον κόσμο των οπτικών εφέ και της CGI με παραγωγικά μοντέλα AI, η Synthesis AI επιτρέπει στις εταιρείες να δημιουργούν τεράστια ποσά φωτορεαλιστικών και ποικιλόμορφων δεδομένων κατά παραγγελία για να εκπαιδεύσουν μοντέλα υπολογιστικής όρασης. Η πλατφόρμα παραγωγής δεδομένων της εταιρείας μας μειώνει το κόστος και τον χρόνο απόκτησης υψηλής ποιότητας δεδομένων εικόνας κατά πολλές τάξεις μεγέθους ενώ διατηρεί την ιδιωτικότητα.

Μπορείτε να συζητήσετε πώς παράγονται τα συνθετικά δεδομένα;

Ένα συνθετικό σύνολο δεδομένων δημιουργείται τεχνητά αντί να δημιουργηθεί μέσω δεδομένων του πραγματικού κόσμου. Τεχνολογίες από την βιομηχανία των οπτικών εφέ συνδυάζονται με παραγωγικά νευρωνικά δίκτυα για να δημιουργήσουν τεράστια, ποικιλόμορφα και φωτορεαλιστικά δεδομένα εικόνας. Τα συνθετικά δεδομένα επιτρέπουν την δημιουργία δεδομένων εκπαίδευσης σε ένα κλάσμα του κόστους και του χρόνου των τρεχουσών προσεγγίσεων.

Πώς η αξιοποίηση των συνθετικών δεδομένων δημιουργεί ένα ανταγωνιστικό πλεονέκτημα;

Σήμερα, τα περισσότερα συστήματα AI αξιοποιούν την «επιβλεπόμενη μάθηση», όπου οι άνθρωποι επισημαίνουν βασικά χαρακτηριστικά στις εικόνες και στη συνέχεια εκπαιδεύουν τους αλγορίθμους AI να ερμηνεύουν τις εικόνες. Αυτή είναι μια διαδικασία που απαιτεί πόρους και χρόνο και είναι περιορισμένη από όσα μπορούν οι άνθρωποι να επισημάνουν με ακρίβεια. Επιπλέον, οι ανησυχίες σχετικά με την προκατάληψη της δημογραφίας AI και την ιδιωτικότητα των καταναλωτών έχουν ενισχυθεί, καθιστώντας ακόμη πιο δύσκολο να αποκτήσουν αντιπροσωπευτικά ανθρώπινα δεδομένα.

Η προσέγγισή μας είναι να δημιουργήσουμε φωτορεαλιστικούς ψηφιακούς κόσμους που συνθέτουν σύνθετα δεδομένα εικόνας.Εφόσον δημιουργούμε τα δεδομένα, γνωρίζουμε όλα σχετικά με τις σκηνές, συμπεριλαμβανομένων πληροφοριών που δεν ήταν διαθέσιμες πριν, όπως η 3D τοποθεσία των αντικειμένων και οι σύνθετες αλληλεπιδράσεις μεταξύ τους και του περιβάλλοντος. Η απόκτηση και η επισήμανση αυτής της ποσότητας δεδομένων με τις τρέχουσες προσεγγίσεις θα πάρει μήνες, αν όχι χρόνια. Αυτό το νέο παράδειγμα θα επιτρέψει βελτίωση κατά συντελεστή 100 στην αποδοτικότητα και το κόστος και θα οδηγήσει σε μια νέα κατηγορία πιο ικανών μοντέλων.

Εφόσον τα συνθετικά δεδομένα παράγονται τεχνητά, αυτό εξαλείφει πολλές προκαταλήψεις και ανησυχίες ιδιωτικότητας που σχετίζονται με την παραδοσιακή συλλογή δεδομένων από τον πραγματικό κόσμο.

Πώς η παραγωγή δεδομένων κατά παραγγελία επιτρέπει την επιτάχυνση της κλίμακας;

Η συλλογή και η προετοιμασία δεδομένων του πραγματικού κόσμου για την εκπαίδευση μοντέλων είναι μια μακρά και χρονοβόρα διαδικασία. Η ανάπτυξη του απαραίτητου υλικού μπορεί να είναι απαγορευτικά ακριβή για σύνθετα συστήματα υπολογιστικής όρασης όπως τα αυτονομικά οχήματα, η ρομποτική ή η δορυφορική απεικόνιση. Μόλις τα δεδομένα συλλεγούν, οι άνθρωποι επισημαίνουν και σχολιάζουν τα ουσιώδη χαρακτηριστικά. Αυτή η διαδικασία είναι ευάλωτη σε λάθη και οι άνθρωποι είναι περιορισμένοι στην ικανότητά τους να αναγνωρίσουν βασικές πληροφορίες όπως η 3D θέση που απαιτείται για πολλές εφαρμογές.

Τα συνθετικά δεδομένα είναι τάξεις μεγέθους ταχύτερα και φθηνότερα από τις παραδοσιακές προσεγγίσεις με βάση τον ανθρώπινο σχολιασμό δεδομένων και θα επιταχύνουν την ανάπτυξη νέων και πιο ικανών μοντέλων σε διάφορους τομείς.

Πώς τα συνθετικά δεδομένα επιτρέπουν την μείωση ή την πρόληψη της προκατάληψης AI;

Τα συστήματα AI είναι πανταχού παρόντα αλλά μπορεί να περιέχουν εγγενείς προκαταλήψεις που μπορούν να επηρεάσουν ομάδες ανθρώπων. Τα σύνολα δεδομένων μπορούν να είναι ανισόρροπα με ορισμένα χαρακτηριστικά δεδομένων και να είναι υπερ- ή υπο-αντιπροσωπευμένα ομάδες ανθρώπων. Η κατασκευή ανθρώπινων συστημάτων μπορεί συχνά να οδηγήσει σε προκαταλήψεις φύλου, εθνοτικής προέλευσης και ηλικίας. Αντίθετα, τα δεδομένα που παράγονται με βάση το σχεδιασμό είναι σωστά ισορροπημένα και δεν έχουν ανθρώπινες προκαταλήψεις.

Τα συνθετικά δεδομένα μπορούν να γίνουν μια ισχυρή λύση για την επίλυση του προβλήματος της προκατάληψης AI. Τα συνθετικά δεδομένα παράγονται μερικώς ή πλήρως τεχνητά αντί να μετρούνται ή να εξάγονται από πραγματικά γεγονότα ή φαινόμενα. Εάν το σύνολο δεδομένων δεν είναι αρκετά ποικιλόμορφο ή μεγάλο, τα δεδομένα AI που παράγονται μπορούν να γεμίσουν τα κενά και να σχηματίσουν ένα αμερόληπτο σύνολο δεδομένων. Το καλύτερο μέρος; Η χειροκίνητη δημιουργία αυτών των συνόλων δεδομένων μπορεί να πάρει στις ομάδες αρκετούς μήνες ή χρόνια για να ολοκληρωθεί. Όταν σχεδιαστούν με συνθετικά δεδομένα, μπορεί να γίνει μέσα σε μια νύχτα.

Εκτός του τομέα της υπολογιστικής όρασης, ποίες είναι κάποιες μελλοντικές πιθανές χρήσεις των συνθετικών δεδομένων;

Εκτός από τις πολλές εφαρμογές υπολογιστικής όρασης που σχετίζονται με προϊόντα καταναλωτών, αυτονομίες, ρομποτική, AR/VR/metaverse και άλλα, τα συνθετικά δεδομένα θα επηρεάσουν επίσης άλλους τύπους δεδομένων. Ήδη βλέπουμε εταιρείες που αξιοποιούν προσεγγίσεις συνθετικών δεδομένων για δομημένα δεδομένα, φωνή και επεξεργασία φυσικής γλώσσας. Οι υποκείμενες τεχνολογίες και οι διαδικασίες παραγωγής διαφέρουν για κάθε τύπο δεδομένων και στο κοντινό μέλλον, περιμένουμε να δούμε πολυτροπικά συστήματα (π.χ. βίντεο + φωνή).

Υπάρχει κάτι άλλο που θα ήθελε να μοιραστείτε σχετικά με την Synthesis AI;

Στο τέλος του προηγούμενου έτους, κυκλοφορήσαμε το HumanAPI, μια σημαντική επέκταση των ικανοτήτων συνθετικών δεδομένων της Synthesis AI, που επιτρέπει την παραγωγή μέσω προγραμματισμού εκατομμυρίων μοναδικών, υψηλής ποιότητας 3D ψηφιακών ανθρώπων. Αυτή η ανακοίνωση έρχεται λίγους μήνες μετά την εκκίνηση του προϊόντος FaceAPI συνθετικών δεδομένων ως υπηρεσίας, το οποίο έχει παραδώσει πάνω από 10 εκατομμύρια επισημασμένες εικόνες προσώπων για κορυφαίες εταιρείες smartphone, τηλεδιάσκεψης, αυτοκινήτου και τεχνολογίας. Το HumanAPI είναι το επόμενο βήμα στο ταξίδι της εταιρείας για την υποστήριξη προηγμένων εφαρμογών τεχνητής νοημοσύνης στην υπολογιστική όραση.

Το HumanAPI επίσης επιτρέπει μια μυριάδα νέων ευκαιριών για τους πελάτες μας, συμπεριλαμβανομένων έξυπνων βοηθών AI, εικονικών προπονητών φυσικής κατάστασης και, φυσικά, του κόσμου των εφαρμογών metaverse.

Δημιουργώντας ένα ψηφιακό αντίγραφο του πραγματικού κόσμου, το metaverse θα επιτρέψει νέες εφαρμογές που εκτείνονται από ανασχηματισμένα κοινωνικά δίκτυα, εμπειρίες ψυχαγωγίας, τηλεδιάσκεψης, παιχνίδια και άλλα. Η τεχνητή νοημοσύνη υπολογιστικής όρασης θα είναι θεμελιώδους σημασίας για το πώς ο πραγματικός κόσμος θα συλληφθεί και θα αναδημιουργηθεί με υψηλή πιστότητα στον ψηφιακό κόσμο. Φωτορεαλιστικά, εκφραστικά και συμπεριφορικά ακριβή ανθρώπινα μοντέλα θα είναι ένα απαραίτητο στοιχείο του μελλοντικού της υπολογιστικής όρασης. Το HumanAPI είναι το πρώτο προϊόν που επιτρέπει στις εταιρείες να δημιουργήσουν τεράστια ποσά τέλεια επισημασμένων δεδομένων ολόκληρου του σώματος κατά παραγγελία για να δημιουργήσουν πιο ικανοποιητικά μοντέλα AI, συμπεριλαμβανομένων της εκτίμησης στάσης, της αναγνώρισης συναισθήματος, της χαρακτηρισμού δραστηριότητας και συμπεριφοράς, της ανακατασκευής προσώπου και άλλα.

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