Yashar Behzadi, Synthesis AI:n toimitusjohtaja – Haastattelusarja

Yashar Behzadi PhD on Synthesis AI:n toimitusjohtaja ja perustaja. Hän on kokenut yrittäjä, joka on rakentanut muodonmuuttavia liiketoimintoja tekoäly-, lääkintechnologia- ja IoT-markkinoilla. Hän on viettänyt viimeiset 14 vuotta Silicon Valleyssa rakentamassa ja skaalaamassa datakeskeisiä teknologiayrityksiä. Yasharilla on yli 30 patenttia ja patenttihakemusta, ja hänellä on filosofian tohtorin tutkinto UCSD:stä, jossa hänen keskeinen tutkimusalueensa oli aivokuvantamisen tila- ja aikariippuvuuden mallinnus.

Synthesis AI on startup-yritys, joka toimii syvän oppimisen ja CGI:n risteymässä, luoden uuden paradigman tietokoneiden näkemisen mallikehitykseen. He mahdollistavat asiakkaiden kehittää parempia malleja paljon lyhyemmässä ajassa ja pienemmällä kustannuksella perinteisiin ihmisten tekemien annotaatiomenetelmiin verrattuna.

Miten sinä alun perin tulit mukaan tietokoneiden tieteeseen ja tekoälyyn?

Sain tohtorin tutkinnon UCSD:stä vuonna 2006, jossa keskityin tietokoneiden näkemiseen ja aivokuvantamisen tila- ja aikariippuvuuden mallinnukseen. Sen jälkeen työskentelin Silicon Valleyssa sensorien, datan ja koneoppimisen risteymässä eri aloilla seuraavat 16 vuotta. Minulla on ollut erittäin hyvä mahdollisuus työskennellä joissakin huomattavissa teknologioissa, ja minulla on yli 30 patenttia myönnettyjä tai hakemuksessa, jotka liittyvät signaalinkäsittelyyn, koneoppimiseen ja data-analytiikkaan.

Voitko kertoa Synthesis AI:n syntytarinan?

Ennen kuin perustin Synthesis AI:n vuonna 2019, johtaminen globaalia tekoälypalveluita, jotka kehittivät tietokoneiden näkemismalleja johtaville teknologiayrityksille. Yrityksen koosta riippumatta havainne, että olemme erittäin rajoitettuja laadukkaan ja määrältään riittävän koulutusdatan saatavuuden suhteen. Kun yritykset laajentuvat maantieteellisesti, kasvattavat asiakaskuntaansa tai kehittävät uusia malleja ja laitteita, uusia koulutusdataa tarvitaan varmistamaan, että mallit toimivat riittävän hyvin. On myös selvää, että tietokoneiden näkemisen tulevaisuus ei ole onnistunut nykyisellä ihmisten tekemien annotaatioiden paradigman kanssa. Uudet tietokoneiden näkemisen sovellukset autonomiassa, robottiassa, AR/VR/metaverse-sovelluksissa vaativat rikasta joukkoa 3D-merkintöjä, syvyyden tietoja, materiaaliominaisuuksia, yksityiskohtaisia segmentointeja jne., joita ihmiset eivät voi merkitä. Uusi paradigma oli tarpeen tarjoamaan tarvittavat rikkaat merkinnät kouluttaa nämä uudet mallit. Lisäksi teknisiin ajureihin, näimme kasvavan kuluttaja- ja sääntelyvalvontaa etiikan kysymyksissä, jotka liittyvät mallien harhaanjohtavuuteen ja kuluttajien yksityisyyteen.

Perustin Synthesis AI:n tavoitteena muuttaa tietokoneiden näkemisen paradigman. Yrityksen synteettisen datan generointialusta mahdollistaa valokuvamaisen kuvadatan generoinnin, jossa on laajennettu joukko 3D-pikselien täydellisiä merkintöjä. Meidän tehtävämme on uranuurtajana synteettisissä datateknologioissa mahdollistaaksesi eettisen kehityksen kykyjä, jotka ovat enemmän kykeneviä malleja.

Voitko määritellä, mitä synteettinen data on lukijoille, jotka eivät ole tuttuja tähän termiin?

Synteettinen data on tietokoneella generoitu data, jota voidaan käyttää vaihtoehtona todellisen maailman dataan. Synteettinen data luodaan simuloituissa digitaalisissa maailmoissa eikä kerätä tai mitata todellisesta maailmasta. Yhdistämällä visuaaliefekti- ja CGI-työkaluja generatiivisten tekoälymallien kanssa, Synthesis AI mahdollistaa yritysten luodaan valtavat määrät valokuvamaisia, monimuotoisia datoja kouluttaakseen tietokoneiden näkemismalleja. Yrityksen datan generointialusta vähentää koulutusdatan hankinnan kustannuksia ja nopeuttaa sitä useita kertoja, säilyttäen yksityisyyden.

Voitko keskustella siitä, miten synteettinen data generoidaan?

Synteettinen datajoukko luodaan keinotekoisesti eikä se perustu todellisen maailman dataan. Visuaaliefekti- ja CGI-teknologiat yhdistetään generatiivisten neuroniverkkomallien kanssa luomaan valtavat, monimuotoiset ja valokuvamaiset merkityt kuvadat. Synteettinen data mahdollistaa koulutusdatan luomisen paljon lyhyemmässä ajassa ja pienemmällä kustannuksella kuin nykyiset lähestymistavat.

MITen hyödyntämällä synteettistä dataa voidaan luoda kilpailuetu?

Tällä hetkellä useimmat tekoälyjärjestelmät käyttävät “valvottua oppimista”, jossa ihmiset merkitsevät avainominaisuudet kuvissa ja sitten kouluttavat tekoälyalgoritmeja tulkitsemaan kuvia. Tämä on resursseja ja aikaa vaativa prosessi, ja se on rajoitettu siinä, mitä ihmiset voivat tarkasti merkitä. Lisäksi tekoälyjärjestelmien demograafiset harhat ja kuluttajien yksityisyyden suojelu ovat lisänneet haasteita hankkia edustavaa ihmisten dataa.

Ratkaisumme on luoda valokuvamaisia digitaalisia maailmoja, jotka synteettisesti datan. Koska me generoimme datan, me tiedämme kaiken datan ominaisuuksista, mukaan lukien ennen saatavissa olevaa tietoa esineiden 3D-sijainnista ja niiden monimutkaisista vuorovaikutuksista toisiinsa ja ympäristöön. Tämän datan hankkiminen ja merkintä perinteisillä menetelmillä veisi kuukausia, ellei vuosia. Tämä uusi paradigma mahdollistaa 100-kertaisen tehokkuuden parantamisen ja kustannusten laskun ja ajaa uuden luokan kykyjä, jotka ovat enemmän kykeneviä malleja.

Koska synteettinen data generoidaan keinotekoisesti, se poistaa useita harhoja ja yksityisyyden suojelun ongelmia, jotka liittyvät perinteisiin datan keräämiseen todellisesta maailmasta.

Miten datan generointi vaatii nopeutetun skaalautumisen?

Todellisen maailman datan kaappaus ja valmistelu mallien koulutukseen on pitkä ja työlääs prosessi. Tarvittavan laitteiston käyttöönotto voi olla kalliita monimutkaisille tietokoneiden näkemisen järjestelmille, kuten itseohjautuville ajoneuvoille, roboteille tai satelliittikuvaukselle. Kun data on kaapattu, ihmiset merkitsevät ja annotoivat tärkeitä ominaisuuksia. Tämä prosessi on altis virheille, ja ihmiset ovat rajoitettuja kykynsä merkitä tärkeitä tietoja, kuten 3D-positiota, jota tarvitaan monissa sovelluksissa.

Synteettinen data on paljon nopeampi ja halvempi kuin perinteiset ihmisten annotaatiomenetelmät ja se tulee kiihdyttämään uusien ja kykyjä, jotka ovat enemmän kykeneviä malleja, käyttöönottoa eri aloilla.

Miten synteettinen data mahdollistaa tekoälyharhauksen vähentämisen tai estämisen?

Tekoälyjärjestelmät ovat läsnä kaikkialla, mutta ne voivat sisältää sisäänrakennettuja harhoja, jotka voivat vaikuttaa tietyille ryhmille. Datat voivat olla epätasapainoisia tietyillä dataluokilla ja joko yli- tai aliedustaa tiettyjä ryhmiä. Ihmiskeskeisten järjestelmien rakentaminen voi usein johtaa sukupuolen, etnisen taustan ja iän harhoihin. Toisaalta suunniteltu koulutusdata on tasapainossa ja puuttuu ihmisten harhat.

Synteettinen data voi olla vahva ratkaisu tekoälyharhauksen ongelman ratkaisemiseen. Synteettinen data generoidaan osittain tai kokonaan keinotekoisesti eikä se perustu todellisen maailman tapahtumiin tai ilmiöihin. Jos datat eivät ole riittävän monimuotoisia tai laajat, tekoälydatan avulla voidaan täydentää aukkoja ja muodostaa puolueeton datat. Parasta osaa? Ihmisten luoma datat voivat vaatia useita kuukausia tai vuosia valmistaa. Suunniteltu synteettinen data voidaan valmistaa yhdessä yössä.

Mitä muita tulevaisuuden sovelluksia synteettisellä datalla on tietokoneiden näkemisen ulkopuolella?

Lisäksi moniin tietokoneiden näkemisen sovelluksiin, jotka liittyvät kuluttajatuotteisiin, autonomiaan, robottiin, AR/VR/metaverseen ja muihin, synteettinen data vaikuttaa myös muihin data-muotoihin. Olemme jo nähneet yrityksiä, jotka hyödyntävät synteettistä dataa rakenteellisissa taulukko- ja ääni- ja luonnollisen kielen prosessoinnissa. Perusteknologiat ja generointiputket eroavat kussakin muodossa, ja lähitulevaisuudessa odotamme näkevämme monimuotoisia järjestelmiä (esim. video + ääni).

Onko mitään muuta, mitä haluaisit jakaa Synthesis AI:sta?

Viime vuonna julkaisimme HumanAPI:n, joka on merkittävä laajennus Synthesis AI:n synteettisen datan kyvyille, mahdollistaen ohjelmallisen generoinnin miljoonille ainutlaatuisille, laadukkaille 3D-digitaalisille ihmisille. Tämä ilmoitus tuli kuukausia FaceAPI:n julkaisun jälkeen, joka on synteettinen data-palvelu, joka on toimittanut yli 10 miljoonaa merkittyä kasvokuvaa johtaville älypuhelin-, videoneuvottelu-, autonvalmistus- ja teknologiayrityksille. HumanAPI on seuraava askel yrityksen matkalla tukemaan edistyneitä tekoälysovelluksia.

HumanAPI mahdollistaa myös monia uusia mahdollisuuksia asiakkaillemme, kuten älykkäät avustajat, virtuaaliset kuntovalmentajat ja tietysti metaverse-sovellukset.

Luoessaan digitaalisen kaksoiskappaleen todellisesta maailmasta, metaverse mahdollistaa uusia sovelluksia, kuten uudelleen kuvateltuja sosiaaliverkkoja, viihdekokemuksia, videoneuvotteluja, pelejä ja paljon muuta. Tekoäly tulee olemaan perustavanlaatuinen osa siinä, miten todellinen maailma havaitaan ja jälleenluodaan korkealaatuisesti digitaalisessa valtakunnassa. Valokuvamaiset, ilmaisukkaat ja käyttäytymisen kannalta tarkat ihmiset tulevat olemaan tärkeä osa tulevaisuuden tekoälysovelluksia. HumanAPI on ensimmäinen tuote, joka mahdollistaa yritysten luoda valtavat määrät täydellisesti merkittyjä kokonaisen kehon dataa vaadittaessa kehittää kykyjä, jotka ovat enemmän kykeneviä malleja, kuten asennon arvio, tunne- ja toimintatunnistus, kasvojen rekonstruktio ja paljon muuta.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Synthesis AI:ssa.