Ο 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.

Αυτή η毕αιη ενθουσιασμός άνοιξε τον δρόμο προς τις μελλοντικές μου σπουδές για το διδακτορικό μου στη khoaστή πληροφορικής, όπου η έρευνά μου εστιάστηκε στις Βαθιάς Νευρωνικά Δίκτυα (DNNs). Όσο ήμουν στην ακαδημαϊκή σκηνή, άρχισα πραγματικά να κατανοώ αυτή τη κρίσιμη τεχνολογία και να समझώ 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 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 полезτική σε εφαρμογές σε όλη τη γραμμή. Ωστόσο, πολλές επιχειρήσεις δυσκολεύονται να εκμεταλλευτούν πλήρως το δυναμικό της AI, καθώς οι dévelopπεροι 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 στον 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 κοστοэффективό τρόπο, συχνά σε περιορισμένα περιφερειακά συσκευές.

Οι συνιδρυτές μου, ο καθηγητής Ran El-Yaniv, ο Jonathan Elial και εγώ, συνίδρυσε την 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 προσεγγισή που βασίζεται σε αλγόριθμους, εργαζόμαστε για τη βελτίωση της αποτελεσματικότητας των αλγορίθμων AI στις πρώτες φάσεις, που με τη σειρά τους θα ενδυναμώσουν τους dévelopπεروس να δημιουργήσουν και να εργαστούν με μοντέλα που παρέχουν τα υψηλότερα επίπεδα ακρίβειας και αποδοτικότητας για οποιοδήποτε δεδομένο υλικό.

Η βαθιά μάθηση είναι στο κέντρο της Deci AI, μπορείτε να τη定义σετε 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 ερευνών σε πραγματικό χρόνο.

Τι είναι η Αναζήτηση Νευρωνικής Αρχιτεκτονικής;

Η Αναζήτηση Νευρωνικής Αρχιτεκτονικής (NAS) είναι μια τεχνολογική дисциплина 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 στα ερευνητικά και ακαδημαϊκά 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 του οποιοδήποτε 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 πολλές υπολογιστικές 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 καλύτερη απόδοση και ταχύτητα από τις στάνταρ για τις εφαρμογές τους.

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

Εκπληκτικά, το domaine των εικόνων δεν επηρεάζει δραματικά τη διαδικασία εκπαίδευσης των μοντέλων ανίχνευσης αντικειμένων. Ανεξάρτητα από το αν ψάχνετε για έναν πεζό στην οδό, ένα όγκο σε μια ιατρική σάρωση, ή ένα κρυφό όπλο σε μια ακτینική 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 dévelopπεروس 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缩ριάσουν τον χρόνο αγοράς για μήνες σε quelques 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 dévelopπεروس να πραγματοποιήσουν και να ενεργοποιήσουν το πραγματικό δυναμικό της AI. Από την έναρξή μας, συμπεριελήθηκα 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 ήθελε να μοιραστείτε σχετικά με την Deci AI;

Όπως ανέφερα προηγουμένως, το χάσμα αποδοτικότητας της AI συνεχίζει να προκαλεί σημαντικά εμπόδια για την παραγωγή AI. “Μετατοπίζοντας προς τα αριστερά” – λαμβάνοντας υπόψη τις 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 αναπτύξουν 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.