Yashar Behzadi, Synthesis AI -haastattelusarjan toimitusjohtaja

Yashar Behzadi PhD on toimitusjohtaja ja perustaja Synteesi AI. Hän on kokenut yrittäjä, joka on rakentanut transformatiivisia yrityksiä tekoälyn, lääketieteellisen teknologian ja IoT-markkinoilla. Hän on viettänyt viimeiset 14 vuotta Piilaaksossa datakeskeisten teknologiayritysten rakentamisessa ja skaalaamisessa. Yasharilla on yli 30 patenttia ja patenttia vireillä sekä tohtorintutkinto. UCSD:stä keskittyen toiminnallisen aivojen kuvantamisen spatiaal-ajalliseen mallintamiseen.

Synteesi AI on syvän oppimisen ja CGI:n risteyksessä oleva startup, joka luo uuden paradigman tietokonenäkömallin kehittämiseen. Niiden avulla asiakkaat voivat kehittää parempia malleja vain murto-osalla perinteisistä ihmisiin perustuvista merkinnöistä tehdyistä lähestymistavoista kuluneesta ajasta ja kustannuksista.

Miten aloitit tietojenkäsittelytieteen ja tekoälyn?

Ansaitsin Ph.D. UCSD:stä vuonna 2006 keskittyi tietokonenäön sekä aivojen kuvantamistietojen spatiaaliseen ja ajalliseen mallintamiseen. Työskentelin sitten Piilaaksossa anturien, datan ja koneoppimisen risteyksessä eri toimialoilla seuraavat 16 vuotta. Olen erittäin onnekas saadessani työskennellä joidenkin merkittävien teknologioiden parissa, ja minulla on yli 30 myönnettyä tai jätettyä patenttia, jotka keskittyvät signaalinkäsittelyyn, koneoppimiseen ja datatieteeseen.

Voitko jakaa Synthesis AI:n syntytarinan?

Ennen Synthesis AI:n perustamista vuonna 2019 johdin maailmanlaajuista tekoälypalveluyritystä, joka keskittyi tietokonenäkömallien kehittämiseen johtaville teknologiayrityksille. Yrityksen koosta riippumatta huomasin, että merkittyjen koulutustietojen laatu ja määrä rajoittavat meitä erittäin paljon. Kun yritykset laajenivat maantieteellisesti, kasvattivat asiakaskuntaansa tai kehittivät uusia malleja ja uusia laitteita, tarvittiin uusia koulutustietoja, jotta mallit toimivat asianmukaisesti. Kävi myös selväksi, että tietokonenäön tulevaisuus ei onnistu nykypäivän ihmissilmukassa -merkintäparadigmalla. Nousevat tietokonenäkösovellukset autonomiassa, robotiikassa ja AR/VR/metaverse-sovelluksissa vaativat runsaasti 3D-tarroja, syvyystietoja, materiaaliominaisuuksia, yksityiskohtaista segmentointia jne., joita ihmiset eivät voi merkitä. Tarvittiin uusi paradigma, jotta saataisiin tarvittava runsas tarrasarja näiden uusien mallien kouluttamiseksi. Teknisten ajureiden lisäksi näimme lisääntyvän kuluttajien ja sääntelyn valvontaa mallien harhaan ja kuluttajien yksityisyyteen liittyvien eettisten kysymysten ympärillä.

Perustin Synthesis AI:n tarkoituksenaan muuttaa tietokonenäön paradigmaa. Yrityksen synteettisen tiedon luontialusta mahdollistaa fotorealistisen kuvadatan tarpeen mukaan luomisen laajennetulla 3D-pikselintäydellisillä tarroilla. Missiomme on olla synteettisten tietoteknologioiden edelläkävijä mahdollistaaksemme tehokkaampien mallien eettisen kehittämisen.

Voitteko määritellä lukijoille, jotka eivät tunne tätä termiä, mitä synteettinen data on?

Synteettinen data on tietokoneella tuotettua dataa, joka toimii vaihtoehtona todelliselle datalle. Synteettinen data luodaan simuloiduissa digitaalisissa maailmoissa sen sijaan, että sitä kerättäisiin tai mitataan todellisesta maailmasta. Synthesis AI yhdistää työkaluja visuaalisten tehosteiden ja CGI:n maailmasta generatiivisiin tekoälymalleihin. Sen avulla yritykset voivat luoda pyynnöstä valtavia määriä fotorealistista, monipuolista dataa tietokonenäkömallien kouluttamiseksi. Yhtiön tiedontuotantoalusta vähensi korkealaatuisen kuvadatan saamisen kustannuksia ja nopeutta suuruusluokkaa samalla kun yksityisyys säilyi.

Voitko keskustella siitä, miten synteettistä dataa luodaan?

Synteettinen tietojoukko luodaan keinotekoisesti eikä todellisen tiedon avulla. Visuaaliset tehosteteollisuuden tekniikat yhdistetään generatiivisten hermoverkkojen kanssa laajan, monipuolisen ja fotorealistisen leimatun kuvadatan luomiseksi. Synteettinen data mahdollistaa harjoitustietojen luomisen murto-osalla nykyisten lähestymistapojen kustannuksista ja ajasta.

Miten synteettisen datan hyödyntäminen luo kilpailuetua?

Tällä hetkellä useimmat tekoälyjärjestelmät hyödyntävät "valvottua oppimista", jossa ihmiset merkitsevät kuviin liitetyn avaimen ja sitten kouluttavat tekoälyalgoritmeja tulkitsemaan kuvia. Tämä on resursseja ja aikaa vievä prosessi, ja sitä rajoittaa se, mitä ihmiset voivat merkitä tarkasti. Lisäksi huolet tekoälyn demografisesta harhasta ja kuluttajien yksityisyydestä ovat voimistuneet, mikä tekee edustavien ihmistietojen hankkimisen entistä vaikeammaksi.

Lähestymistapamme on luoda fotorealistisia digitaalisia maailmoja, jotka syntetisoivat monimutkaista kuvadataa. Koska luomme dataa, tiedämme kohtauksista kaiken, mukaan lukien koskaan aiemmin saatavilla olevat tiedot kohteiden 3D-sijainnista ja niiden monimutkaisista vuorovaikutuksista toistensa ja ympäristön kanssa. Tämän tietomäärän hankkiminen ja merkitseminen nykyisillä lähestymistavoilla kestäisi kuukausia, ellei vuosia. Tämä uusi paradigma mahdollistaa 100-kertaisen parannuksen tehokkuudessa ja kustannuksissa ja ajaa uuden luokan tehokkaampia malleja.

Koska synteettistä dataa luodaan keinotekoisesti, tämä poistaa monet harha- ja tietosuojaongelmat, kun datajoukkoja kerätään perinteisesti todellisesta maailmasta.

Kuinka on-demand-tiedontuotanto mahdollistaa nopeutetun skaalauksen?

Todellisen datan kerääminen ja valmistelu mallikoulutukseen on pitkä ja työläs prosessi. Tarvittavien laitteistojen käyttöönotto voi olla kohtuuttoman kallista monimutkaisille tietokonenäköjärjestelmille, kuten autonomisille ajoneuvoille, robotiikalle tai satelliittikuville. Kun tiedot on kerätty, ihmiset merkitsevät ja merkitsevät tärkeitä ominaisuuksia. Tämä prosessi on altis virheille, ja ihmisten kyky merkitä tärkeitä tietoja, kuten monissa sovelluksissa vaadittu 3D-sijainti, on rajallinen.

Synteettinen data on suuruusluokkaa nopeampaa ja halvempaa kuin perinteiset ihmisen annotoidut reaalidatan lähestymistavat, ja se tulee nopeuttamaan uusien ja tehokkaampien mallien käyttöönottoa eri toimialoilla.

Kuinka synteettinen data mahdollistaa tekoälyn harhan vähentämisen tai estämisen?

Tekoälyjärjestelmät ovat kaikkialla läsnä, mutta ne voivat sisältää luontaisia ​​ennakkoluuloja, jotka voivat vaikuttaa ihmisryhmiin. Tietojoukot voivat olla epätasapainossa tiettyjen tietoluokkien ja joko yli- tai aliedustettujen ihmisryhmien kanssa. Ihmiskeskeisten järjestelmien rakentaminen voi usein johtaa sukupuoleen, etnisyyteen ja ikään. Sitä vastoin suunnittelulla luodut harjoitustiedot ovat oikein tasapainotettuja, ja niistä puuttuu inhimillinen harha.

Synteettisestä tiedosta voi tulla vankka ratkaisu tekoälyn harhaongelman ratkaisemiseen. Synteettinen data luodaan osittain tai kokonaan keinotekoisesti sen sijaan, että se mitataan tai poimittaisiin tosielämän tapahtumista tai ilmiöistä. Jos tietojoukko ei ole riittävän monipuolinen tai suuri, tekoälyn tuottama data voi täyttää aukot ja muodostaa puolueettoman tietojoukon. Paras osa? Näiden tietojoukkojen luominen manuaalisesti voi viedä ryhmiltä useita kuukausia tai vuosia. Synteettisellä datalla suunniteltuna se voidaan tehdä yön yli.

Mitä muita mahdollisia synteettisen datan käyttötapoja on tietokonenäön ulkopuolella?

Kuluttajatuotteisiin, autonomiaan, robotiikkaan, AR/VR/metaverssiin ja muihin liittyvien tietokonenäön käyttötapausten lisäksi synteettiset tiedot vaikuttavat myös muihin datamuotoihin. Näemme jo yritysten hyödyntävän synteettisiä datamenetelmiä jäsenneltyjen taulukkotietojen, äänen ja luonnollisen kielen käsittelyyn. Taustalla olevat tekniikat ja tuotantoprosessit vaihtelevat kullekin muodolle, ja lähitulevaisuudessa odotamme näkevämme multimodaalisia järjestelmiä (esim. video + ääni).

Onko jotain muuta, mitä haluaisit jakaa Synthesis AI:stä?

Viime vuoden lopulla julkaisimme HumanAPI, Synthesis AI:n synteettisten dataominaisuuksien merkittävä laajennus mahdollistaen miljoonien ainutlaatuisten, korkealaatuisten 3D-digitaalisten ihmisten ohjelmallisen sukupolven. Tämä ilmoitus tulee kuukausia FaceAPI synteettisen data-as-a-service -tuotteen julkaisun jälkeen. Se on toimittanut yli 10 miljoonaa merkittyä kasvokuvaa johtaville älypuhelin-, puhelinkonferenssi-, auto- ja teknologiayrityksille. HumanAPI on seuraava askel yrityksen matkalla tukemaan kehittyneitä tietokonenäön tekoälysovelluksia (AI).

HumanAPI tarjoaa myös lukemattomia uusia mahdollisuuksia asiakkaillemme, mukaan lukien älykkäät tekoälyassistentit, virtuaaliset kuntovalmentajat ja tietysti metaverse-sovellusten maailman.

Luomalla digitaalisen kaksoiskappaleen todellisesta maailmasta, metaversumi mahdollistaa uusia sovelluksia, jotka vaihtelevat uudelleen kuvitetuista sosiaalisista verkostoista, viihdekokemuksista, puhelinneuvotteluista, pelaamisesta ja paljon muuta. Tietokonenäön tekoäly tulee olemaan perustavanlaatuinen sille, kuinka todellinen maailma vangitaan ja luodaan uudelleen tarkasti digitaalisessa maailmassa. Fotorealistiset, ilmeikkäät ja käyttäytymiseltään tarkat ihmiset ovat olennainen osa tietokonenäkösovellusten tulevaisuutta. HumanAPI on ensimmäinen tuote, jonka avulla yritykset voivat luoda pyynnöstä valtavia määriä täydellisesti merkittyä koko kehon dataa rakentaakseen tehokkaampia tekoälymalleja, mukaan lukien asennonarviointi, tunteiden tunnistaminen, aktiivisuuden ja käyttäytymisen karakterisointi, kasvojen rekonstruktio ja paljon muuta.

Kiitos upeasta haastattelusta, lukijoiden, jotka haluavat tietää lisää, kannattaa käydä Synteesi AI.