Yonatan Geifman, Διευθύνων Σύμβουλος και Συνιδρυτής της Deci – Σειρά Συνεντεύξεων

Ο Yonatan Geifman είναι ο Διευθύνων Σύμβουλος και Συνιδρυτής της Deci η οποία μετατρέπει τα μοντέλα AI σε λύσεις παραγωγής σε οποιοδήποτε υλικό. Η Deci έχει αναγνωριστεί ως καινοτόμος τεχνολογίας για την Edge AI από την Gartner και περιλαμβάνεται στον κατάλογο AI 100 της CB Insights. Η ιδιοκτησιακή τεχνολογία της έχει θέσει νέα ρεκόρ στο MLPerf με την Intel.

Τι σας έκανε να ενδιαφερθείτε αρχικά για το machine learning;

Από μικρή ηλικία, ήμουν πάντα ενθουσιασμένος με τις προηγμένες τεχνολογίες – όχι μόνο χρησιμοποιώντας τες, αλλά πραγματικά κατανοώντας πώς λειτουργούν.

Αυτός ο δια βίου ενθουσιασμός άνοιξε τον δρόμο προς τις μελλοντικές μου σπουδές για το διδακτορικό μου στην επιστήμη της πληροφορικής, όπου η έρευνά μου εστιάστηκε στα Βαθιά Νευρωνικά Δίκτυα (DNNs). Όσο ήμουν στην ακαδημαϊκή σκηνή, άρχισα πραγματικά να κατανοώ αυτή τη κρίσιμη τεχνολογία και να κατανοώ τους τρόπους με τους οποίους η AI μπορεί να επηρεάσει θετικά τον κόσμο γύρω μας. Από τις έξυπνες πόλεις που μπορούν να παρακολουθούν καλύτερα την κυκλοφορία και να μειώσουν τα ατυχήματα, μέχρι τα αυτόνομα οχήματα που απαιτούν ελάχιστη ή καθόλου ανθρώπινη παρέμβαση, μέχρι τις συσκευές ιατρικής σωτηρίας – υπάρχουν ατελείωτες εφαρμογές όπου η AI μπορεί να βελτιώσει την κοινωνία. Πάντα ήξερα ότι ήθελα να λάβω μέρος σε αυτήν την επανάσταση.

Μπορείτε να μοιραστείτε την ιστορία πίσω από τη Deci AI;

Δεν είναι δύσκολο να αναγνωρίσετε – όπως έκανα όταν ήμουν στο σχολείο για το διδακτορικό μου – πώς η AI μπορεί να είναι χρήσιμη σε ένα ευρύ φάσμα εφαρμογών. Ωστόσο, πολλές επιχειρήσεις δυσκολεύονται να εκμεταλλευτούν πλήρως το δυναμικό της AI, καθώς οι προγραμματιστές αντιμετωπίζουν συνεχώς μια ανηφόρα μάχη για την ανάπτυξη μοντέλων βαθιάς μάθησης που είναι έτοιμα για παραγωγή. Με άλλα λόγια, παραμένει πολύ δύσκολο να γίνει η AI προϊόν.

Αυτές οι προκλήσεις μπορούν σε μεγάλο βαθμό να αποδοθούν στο χάσμα αποδοτικότητας της AI που αντιμετωπίζει η βιομηχανία. Οι αλγόριθμοι αυξάνονται εκθετικά σε δύναμη και απαιτούν περισσότερη υπολογιστική δύναμη, αλλά ταυτόχρονα πρέπει να αναπτυχθούν με έναν οικονομικά αποδοτικό τρόπο, συχνά σε συσκευές παρυφών με περιορισμένους πόρους.

Οι συνιδρυτές μου, ο καθηγητής Ran El-Yaniv, ο Jonathan Elial και εγώ, συνιδρύσαμε τη Deci για να αντιμετωπίσουμε αυτήν την πρόκληση. Και το κάναμε με τον μόνο τρόπο που το είδαμε δυνατό – χρησιμοποιώντας την AI για να δημιουργήσουμε την επόμενη γενιά των βαθιάς μάθησης. Εμείς υιοθετήσαμε μια προσέγγιση που δίνει προτεραιότητα στους αλγορίθμους, εργαζόμαστε για τη βελτίωση της αποτελεσματικότητας των αλγορίθμων AI στις πρώτες φάσεις, που με τη σειρά τους θα ενδυναμώσουν τους προγραμματιστές να δημιουργήσουν και να εργαστούν με μοντέλα που παρέχουν τα υψηλότερα επίπεδα ακρίβειας και αποδοτικότητας για οποιοδήποτε δεδομένο υλικό εξαγωγής συμπερασμάτων.

Η βαθιά μάθηση είναι στο κέντρο της Deci AI, μπορείτε να την ορίσετε για μας;

Η βαθιά μάθηση, όπως και η μηχανική μάθηση, είναι ένα υποπεδίο της AI, που έχει ως στόχο να ενδυναμώσει μια νέα εποχή εφαρμογών. Η βαθιά μάθηση είναι πολύ εμπνευσμένη από το πώς είναι δομημένος ο ανθρώπινος εγκέφαλος, και γι’ αυτό όταν συζητάμε για βαθιά μάθηση, συζητάμε για “νευρωνικά δίκτυα”. Αυτό είναι πολύ σχετικό για εφαρμογές περιφέρειας (σκέψου τις κάμερες στις έξυπνες πόλεις, τους αισθητήρες στα αυτόνομα οχήματα, τις αναλυτικές λύσεις στην υγεία) όπου τα τοπικά μοντέλα βαθιάς μάθησης είναι κρίσιμα για τη δημιουργία τέτοιων πληροφοριών σε πραγματικό χρόνο.

Τι είναι η Αναζήτηση Νευρωνικής Αρχιτεκτονικής;

Η Αναζήτηση Νευρωνικής Αρχιτεκτονικής (NAS) είναι μια τεχνολογική επιστήμη που έχει ως στόχο να βρει καλύτερα μοντέλα βαθιάς μάθησης.

Η πρωτοποριακή εργασία της Google (GOOGL ) στην NAS το 2017 βοήθησε να φέρει το θέμα στο προσκήνιο, τουλάχιστον στους ερευνητικούς και ακαδημαϊκούς κύκλους.

Ο στόχος της NAS είναι να βρει την καλύτερη νευρωνική αρχιτεκτονική για ένα δεδομένο πρόβλημα. Αυτοματοποιεί το σχεδιασμό των DNNs, εξασφαλίζοντας υψηλότερη απόδοση και χαμηλότερες απώλειες από τις αρχιτεκτονικές που σχεδιάζονται με το χέρι. Περιλαμβάνει μια διαδικασία με την οποία ένας αλγόριθμος αναζητά μεταξύ ενός συνόλου εκατομμυρίων διαθέσιμων αρχιτεκτονικών μοντέλων, για να παράγει μια αρχιτεκτονική που είναι μοναδικά κατάλληλη για να λύσει αυτό το συγκεκριμένο πρόβλημα. Για να το θέσω απλά, χρησιμοποιεί την AI για να σχεδιάσει νέα AI, με βάση τις συγκεκριμένες ανάγκες οποιουδήποτε έργου.

Χρησιμοποιείται από ομάδες για να απλοποιήσουν τη διαδικασία ανάπτυξης, να μειώσουν τις επαναλήψεις δοκιμών και να εξασφαλίσουν ότι θα λάβουν το τελικό μοντέλο που μπορεί να εξυπηρετήσει καλύτερα τους στόχους ακρίβειας και απόδοσης της εφαρμογής.

Ποια είναι κάποια από τα όρια της Αναζήτησης Νευρωνικής Αρχιτεκτονικής;

Τα κύρια όρια της παραδοσιακής NAS είναι η προσβασιμότητα και η κλιμακωσιμότητα. Η NAS σήμερα χρησιμοποιείται κυρίως σε ερευνητικές ρυθμίσεις και συνήθως μόνο από τεχνολογικούς γίγαντες όπως η Google και η Facebook (META ), ή σε ακαδημαϊκά ιδρύματα όπως το Stanford, καθώς οι παραδοσιακές τεχνικές NAS είναι περίπλοκες και απαιτούν πολλούς υπολογιστικούς πόρους.

Γι’ αυτό είμαι τόσο υπερήφανος για τις επιτεύξεις μας στην ανάπτυξη της πρωτοποριακής τεχνολογίας AutoNAC (Αυτόματη Κατασκευή Νευρωνικής Αρχιτεκτονικής) της Deci, η οποία δημοκρατικοποιεί την NAS και επιτρέπει σε εταιρείες όλων των μεγεθών να δημιουργήσουν εύκολα προσαρμοσμένες αρχιτεκτονικές μοντέλων με ακρίβεια και ταχύτητα που ξεπερνούν το υφιστάμενο κορυφαίο επίπεδο για τις εφαρμογές τους.

Πώς είναι διαφορετική η μάθηση ανίχνευσης αντικειμένων με βάση τον τύπο εικόνας;

Εκπληκτικά, το πεδίο των εικόνων δεν επηρεάζει δραματικά τη διαδικασία εκπαίδευσης των μοντέλων ανίχνευσης αντικειμένων. Ανεξάρτητα από το αν ψάχνετε για έναν πεζό στην οδό, έναν όγκο σε μια ιατρική σάρωση, ή ένα κρυφό όπλο σε μια ακτινογραφική εικόνα που λαμβάνεται από την ασφάλεια του αεροδρομίου, η διαδικασία είναι σχεδόν η ίδια. Τα δεδομένα που χρησιμοποιείτε για την εκπαίδευση του μοντέλου σας πρέπει να είναι αντιπροσωπευτικά της εργασίας που πρέπει να εκτελεστεί, και το μέγεθος και η δομή του μοντέλου μπορεί να επηρεαστεί από το μέγεθος, το σχήμα και την πολυπλοκότητα των αντικειμένων στην εικόνα σας.

Πώς προσφέρει η Deci AI μια ολοκληρωμένη πλατφόρμα για τη βαθιά μάθηση;

Η πλατφόρμα της Deci ενδυναμώνει τους προγραμματιστές να δημιουργήσουν, να εκπαιδεύσουν και να αναπτύξουν ακριβή και γρήγορα μοντέλα βαθιάς μάθησης σε παραγωγή. Με αυτόν τον τρόπο, οι ομάδες μπορούν να εκμεταλλευτούν τις πιο προηγμένες έρευνες και τις καλύτερες πρακτικές μηχανικής με μια γραμμή κώδικα, να μειώσουν τον χρόνο διάθεσης στην αγορά από μήνες σε λίγες εβδομάδες και να εγγυηθούν την επιτυχία στην παραγωγή.

Ξεκινήσατε αρχικά με μια ομάδα 6 ατόμων και τώρα εξυπηρετείτε μεγάλες επιχειρήσεις. Μπορείτε να συζητήσετε την ανάπτυξη της εταιρείας και κάποια από τα προβλήματα που αντιμετωπίζετε;

Είμαστε ενθουσιασμένοι με την ανάπτυξη που έχουμε επιτύχει από το 2019. Τώρα, με περισσότερους από 50 υπαλλήλους και περισσότερα από 55 εκατομμύρια δολάρια σε χρηματοδότηση μέχρι σήμερα, είμαστε βέβαιοι ότι μπορούμε να συνεχίσουμε να βοηθάμε τους προγραμματιστές να πραγματοποιήσουν και να ενεργοποιήσουν το πραγματικό δυναμικό της AI. Από την έναρξή μας, συμπεριληφθήκαμε στον κατάλογο CB Insights’ AI 100, επιτύχαμε πρωτοποριακές επιτεύξεις, όπως η οικογένεια μοντέλων μας που παρέχει επαναστατική απόδοση βαθιάς μάθησης σε CPUs, και στερεώσαμε σημαντικές συνεργασίες, συμπεριλαμβανομένων με μεγάλες εταιρείες όπως η Intel.

Υπάρχει κάτι άλλο που θα θέλατε να μοιραστείτε σχετικά με την Deci AI;

Όπως ανέφερα προηγουμένως, το χάσμα αποδοτικότητας της AI συνεχίζει να προκαλεί σημαντικά εμπόδια στη μετατροπή της AI σε προϊόν. “Μετατοπίζοντας προς τα αριστερά” – λαμβάνοντας υπόψη τους περιορισμούς παραγωγής νωρίς στη διαδικασία ανάπτυξης, μειώνει τον χρόνο και το κόστος που δαπανώνται για την αντιμετώπιση πιθανών εμποδίων κατά την ανάπτυξη μοντέλων βαθιάς μάθησης σε παραγωγή. Η πλατφόρμα μας έχει αποδείξει ότι μπορεί να το κάνει αυτό, παρέχοντας στις εταιρείες τα εργαλεία που χρειάζονται για να αναπτύξουν και να θέσουν σε λειτουργία λύσεις AI που αλλάζουν τον κόσμο.

Ο στόχος μας είναι απλός – να κάνουμε την AI ευρύτερα προσβάσιμη, οικονομική και κλιμακωτή.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα μπορούν να επισκεφθούν την Deci.