Yonatan Geifman, CEO y Co-Fundador de Deci – Serie de Entrevistas

Yonatan Geifman es el CEO y Co-Fundador de Deci que transforma los modelos de inteligencia artificial en soluciones de producción de grado en cualquier hardware. Deci ha sido reconocido como Innovador Tecnológico para Edge AI por Gartner y se incluyó en la lista AI 100 de CB Insights. Su tecnología propietaria estableció nuevos récords en MLPerf con Intel.

¿Qué te atrajo inicialmente a la inteligencia artificial?

Desde muy joven, siempre me fascinaron las tecnologías de vanguardia – no solo usarlas, sino entender realmente cómo funcionan.

Esta fascinación de toda la vida me llevó hacia mis estudios de doctorado en ciencias de la computación, donde mi investigación se centró en Redes Neuronales Profundas (DNN). A medida que comprendí esta tecnología crítica en un entorno académico, comencé a entender realmente cómo la inteligencia artificial puede tener un impacto positivo en el mundo que nos rodea. Desde ciudades inteligentes que pueden monitorear mejor el tráfico y reducir los accidentes, hasta vehículos autónomos que requieren poca o ninguna intervención humana, hasta dispositivos médicos que salvan vidas – hay aplicaciones infinitas donde la inteligencia artificial podría mejorar la sociedad. Siempre supe que quería ser parte de esa revolución.

¿Podrías compartir la historia de la creación de Deci AI?

No es difícil reconocer – como lo hice cuando estaba en la escuela para mi doctorado – cómo la inteligencia artificial puede ser beneficiosa en casos de uso en todo el mundo. Sin embargo, muchas empresas luchan por aprovechar al máximo el potencial de la inteligencia artificial, ya que los desarrolladores enfrentan constantemente una batalla cuesta arriba para desarrollar modelos de aprendizaje profundo listos para la producción. En otras palabras, sigue siendo super difícil productizar la inteligencia artificial.

Estos desafíos se pueden atribuir en gran medida a la brecha de eficiencia de la inteligencia artificial que enfrenta la industria. Los algoritmos están creciendo exponencialmente más poderosos y requieren más potencia de cómputo, pero al mismo tiempo deben ser desplegados de manera rentable, a menudo en dispositivos de borde con recursos limitados.

Mis co-fundadores, el profesor Ran El-Yaniv, Jonathan Elial y yo, creamos Deci para abordar ese desafío. Y lo hicimos de la única manera que consideramos posible – utilizando la inteligencia artificial en sí misma para crear la próxima generación de aprendizaje profundo. Asumimos un enfoque de algoritmos primero, trabajando para mejorar la eficacia de los algoritmos de inteligencia artificial en las etapas iniciales, lo que a su vez permitiría a los desarrolladores construir y trabajar con modelos que entreguen los niveles más altos de precisión y eficiencia para cualquier hardware de inferencia dado.

El aprendizaje profundo está en el núcleo de Deci AI, ¿podrías definirlo para nosotros?

El aprendizaje profundo, al igual que el aprendizaje automático, es un subcampo de la inteligencia artificial, destinado a empoderar una nueva era de aplicaciones. El aprendizaje profundo está fuertemente inspirado en la forma en que está estructurado el cerebro humano, por lo que cuando hablamos de aprendizaje profundo, hablamos de “redes neuronales”. Esto es super relevante para aplicaciones de borde (piense en cámaras en ciudades inteligentes, sensores en vehículos autónomos, soluciones analíticas en atención médica) donde los modelos de aprendizaje profundo en el sitio son cruciales para generar tales conocimientos en tiempo real.

¿Qué es la Búsqueda de Arquitectura Neuronal?

La Búsqueda de Arquitectura Neuronal (NAS) es una disciplina tecnológica destinada a obtener mejores modelos de aprendizaje profundo.

El trabajo pionero de Google (GOOGL ) sobre NAS en 2017 ayudó a llevar el tema al mainstream, al menos dentro de los círculos de investigación y académicos.

El objetivo de NAS es encontrar la mejor arquitectura de red neuronal para un problema determinado. Automatiza el diseño de DNN, asegurando un mejor rendimiento y menores pérdidas que las arquitecturas diseñadas manualmente. Implica un proceso por el cual un algoritmo busca entre un espacio agregado de millones de arquitecturas de modelo disponibles, para producir una arquitectura única adecuada para resolver ese problema en particular. Para simplificar, utiliza la inteligencia artificial para diseñar nueva inteligencia artificial, basada en las necesidades específicas de cualquier proyecto dado.

Se utiliza para que los equipos simplifiquen el proceso de desarrollo, reduzcan las iteraciones de prueba y error y aseguren que terminen con el modelo definitivo que pueda servir mejor a los objetivos de precisión y rendimiento de las aplicaciones.

¿Cuáles son algunas de las limitaciones de la Búsqueda de Arquitectura Neuronal?

Las limitaciones principales de la NAS tradicional son la accesibilidad y la escalabilidad. La NAS de hoy en día se utiliza principalmente en entornos de investigación y se lleva a cabo típicamente solo por gigantes tecnológicos como Google y Facebook (META ), o en institutos académicos como Stanford, ya que las técnicas de NAS tradicionales son complicadas de realizar y requieren muchos recursos computacionales.

Es por eso que estoy tan orgulloso de nuestros logros en el desarrollo de la tecnología AutoNAC (Construcción Automatizada de Arquitectura Neuronal) de Deci, que democratiza la NAS y permite que empresas de todos los tamaños construyan fácilmente arquitecturas de modelo personalizadas con una precisión y velocidad mejores que las del estado de la técnica para sus aplicaciones.

¿Cómo es diferente el aprendizaje de detección de objetos según el tipo de imagen?

Sorprendentemente, el dominio de las imágenes no afecta dramáticamente el proceso de entrenamiento de los modelos de detección de objetos. Ya sea que estés buscando a un peatón en la calle, un tumor en una exploración médica o un arma oculta en una imagen de rayos X tomada por la seguridad del aeropuerto, el proceso es más o menos el mismo. Los datos que utilizas para entrenar tu modelo deben ser representativos de la tarea en cuestión, y el tamaño y la estructura del modelo pueden verse afectados por el tamaño, la forma y la complejidad de los objetos en tu imagen.

¿Cómo ofrece Deci AI una plataforma de extremo a extremo para el aprendizaje profundo?

La plataforma de Deci permite a los desarrolladores construir, entrenar y desplegar modelos de aprendizaje profundo precisos y rápidos en producción. Al hacerlo, los equipos pueden aprovechar las investigaciones y las mejores prácticas de ingeniería más avanzadas con una sola línea de código, reducir el tiempo de llegada al mercado de meses a un par de semanas y garantizar el éxito en producción.

Comenzaste con un equipo de 6 personas y ahora estás sirviendo a grandes empresas. ¿Podrías hablar sobre el crecimiento de la empresa y algunos de los desafíos que has enfrentado?

Estamos emocionados con el crecimiento que hemos logrado desde que comenzamos en 2019. Ahora, con más de 50 empleados y más de $55 millones en financiamiento hasta la fecha, estamos seguros de que podemos seguir ayudando a los desarrolladores a realizar y actuar sobre el verdadero potencial de la inteligencia artificial. Desde su lanzamiento, hemos sido incluidos en la lista AI 100 de CB Insights, logramos avances innovadores, como nuestra familia de modelos que entregan un rendimiento de aprendizaje profundo innovador en CPUs, y solidificamos colaboraciones significativas, incluyendo con nombres importantes como Intel.

¿Hay algo más que te gustaría compartir sobre Deci AI?

Como mencioné anteriormente, la brecha de eficiencia de la inteligencia artificial sigue causando obstáculos importantes para la productización de la inteligencia artificial. “Desplazar hacia la izquierda” – considerar las restricciones de producción temprano en el ciclo de vida de desarrollo, reduce el tiempo y el costo gastados en solucionar posibles obstáculos cuando se despliegan modelos de aprendizaje profundo en producción más adelante. Nuestra plataforma ha demostrado ser capaz de hacer justo eso al proporcionar a las empresas las herramientas necesarias para desarrollar y desplegar soluciones de inteligencia artificial innovadoras.

Nuestro objetivo es simple – hacer que la inteligencia artificial sea ampliamente accesible, asequible y escalable.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Deci.