Max Versace, PDG et co-fondateur de Neurala – Série d’entretiens

Le Dr Massimiliano Versace est le co-fondateur et PDG de Neurala, et la visionnaire de l’entreprise. Après ses recherches pionnières sur l’informatique inspirée du cerveau et les réseaux profonds, il continue d’inspirer et de diriger le monde de la robotique autonome. Il a parlé lors de dizaines d’événements et de lieux, notamment TedX, NASA, le Pentagone, GTC, InterDrone, National Labs, Air Force Research Labs, HP, iRobot, Samsung, LG, Qualcomm, Ericsson, BAE Systems, AI World, Mitsubishi, ABB et Accenture, entre autres.

Vous avez initialement étudié la psychologie, puis vous avez basculé vers les neurosciences, quelle était votre raison à l’époque ?

Le basculement était naturel. La psychologie fournissait un côté de la “monnaie d’entraînement” – l’étude des phénomènes psychologiques. Cependant, si l’on s’intéresse à ce qui cause mécaniquement les pensées et le comportement, on atterrit inévitablement sur l’étude de l’organe responsable des pensées, et on se retrouve à étudier les neurosciences !

Quand avez-vous réalisé que vous vouliez appliquer votre compréhension du cerveau humain pour imiter le cerveau humain dans un système d’IA ?

L’étape suivante, des neurosciences à l’IA, est plus délicate. Alors que les neurosciences sont concernées par l’étude détaillée de l’anatomie et de la physiologie du système nerveux et de la façon dont les cerveaux donnent lieu à un comportement, un autre chemin complémentaire pour acquérir une compréhension encore plus grande est de construire une version synthétique de ceux-ci. Une analogie que j’aime donner est que l’on peut acquérir une compréhension partielle de la façon dont un moteur fonctionne en retirant un cylindre et le radiateur et en concluant que les cylindres et les radiateurs sont importants pour le fonctionnement du moteur. Une autre façon plus approfondie de comprendre un moteur est de le construire à partir de zéro – c’est-à-dire en étudiant l’intelligence en construisant une version synthétique (artificielle) de celle-ci.

Quels sont quelques-uns des premiers projets d’apprentissage profond sur lesquels vous avez travaillé ?

En 2009, pour DARPA, nous avons travaillé sur la construction d’une “émission de cerveau complet” pour un robot autonome à l’aide d’une puce avancée conçue par Hewlett Packard. En résumé, notre tâche était d’imiter le cerveau et certains des comportements autonomes et d’apprentissage clés d’un petit rongeur dans un facteur de forme qui le rendrait portable et susceptible d’être mis en œuvre sur un petit matériel.

Pouvez-vous partager l’histoire de la création de Neurala ?

Neurala en tant qu’entreprise a été créée en 2006 pour contenir certains travaux de brevet sur l’utilisation des GPU (Unités de traitement graphique) pour l’apprentissage profond. Même si cela peut sembler trivial aujourd’hui, à l’époque, les GPU n’étaient pas utilisés pour l’IA, et nous avons été les pionniers de ce concept en imaginant que chaque pixel dans une carte graphique pouvait être utilisé pour traiter un neurone (plutôt qu’une section d’une scène à afficher à l’écran). Grâce au parallélisme des GPU, qui imite notre cerveau de manière parallèle (à une échelle commercialement viable), nous avons pu atteindre une vitesse d’apprentissage et d’exécution pour nos algorithmes qui, tout à coup, ont rendu l’IA et l’apprentissage profond pratiques. Nous avons dû attendre quelques années supplémentaires pour quitter l’université, car le monde “rattrapait” (nous étions déjà des croyants fervents !) la réalité de l’IA. En 2013, nous avons sorti l’entreprise de la mode de fonctionnement furtif (car nous étions déjà financés par la NASA et les laboratoires de recherche de l’US Air Force) et sommes entrés dans le programme Boston Tech Stars. À partir de là, nous avons commencé à embaucher quelques employés et à lever des capitaux privés. Cependant, ce n’est qu’en 2017 que, avec une nouvelle injection de capitaux et l’industrie se matures davantage, nous avons pu atterrir les premiers déploiements importants et mettre notre IA dans 56 millions d’appareils, allant des caméras aux téléphones intelligents, aux drones et aux robots.

L’un des premiers projets de Neurala était de travailler sur le rover martien de la NASA. Pouvez-vous partager avec nous les points forts de ce projet ?

La NASA avait un problème très spécifique : elle voulait explorer la technologie pour alimenter les futures missions non habitées, où le système autonome (par exemple, un rover) ne dépendrait pas de la direction pas à pas du contrôle de mission de la Terre. Les retards de communication rendent ce contrôle impossible – rappelez-vous à quel point la communication était saccadée entre la Terre et Matt Damon dans le film “The Martian”. Notre solution : doter chaque rover d’un cerveau à lui. La NASA s’est tournée vers nous, car nous étions déjà considérés comme des experts dans la construction de ces “mini-cerveaux” autonomes avec DARPA, pour doter un rover d’un système d’apprentissage profond à petite échelle capable non seulement de fonctionner sur le robot, mais également de s’adapter en temps réel et d’apprendre de nouvelles choses pendant que le robot fonctionne. Cela inclut de nouveaux objets (par exemple, des roches, des signes d’eau, etc.) lorsqu’ils sont rencontrés et crée une carte significative d’une planète non explorée. Le défi était énorme, mais le gain était également énorme : une technologie d’apprentissage profond capable de fonctionner sur une très petite puissance de traitement et d’apprendre à partir d’une seule pièce de données (par exemple, une image). Cela allait au-delà de ce que l’apprentissage profond pouvait accomplir à l’époque (et même aujourd’hui !).

Neurala a conçu le Lifelong-DNN, pouvez-vous expliquer comment il diffère d’un DNN régulier et quels sont les avantages qu’il offre ?

Conçu pour le cas d’utilisation de la NASA ci-dessus, le Lifelong DNN, comme son nom l’indique, peut apprendre pendant tout son cycle de vie. Cela diffère des réseaux de neurones profonds (DNN) traditionnels, qui peuvent être soit formés, soit effectuer une “inférence” (c’est-à-dire une classification). Dans le L-DNN, comme chez les humains, il n’y a pas de différence entre l’apprentissage et la classification. Chaque fois que nous regardons quelque chose, nous le “classifions” (c’est une chaise) et nous en apprenons (cette chaise est nouvelle, je ne l’ai jamais vue auparavant, je sais maintenant un peu plus à son sujet). Contrairement aux DNN, le L-DNN est toujours en train d’apprendre et de confronter ce qu’il sait du monde, les nouvelles informations qui lui sont présentées, et est naturellement capable de comprendre les anomalies. Par exemple, si l’un de mes enfants me joue un tour et peint ma chaise en rose, je la reconnaîtrai immédiatement. Puisque mon L-DNN a appris au fil du temps que ma chaise est noire, et lorsque ma perception de celle-ci ne correspond pas à ma mémoire de celle-ci, le L-DNN produirait un signal d’anomalie. Cela est utilisé dans les produits de Neurala de diverses manières (voir ci-dessous).

Pouvez-vous discuter de ce que est le Brain Builder, une vision AI personnalisée, et de la façon dont elle permet des applications de robotique plus rapides, plus faciles et moins coûteuses ?

Puisque le L-DNN apprend naturellement sur le monde et peut comprendre si quelque chose est anormal ou s’écarte d’une norme apprise, les produits de Neurala, Brain Builder et VIA (Visual Inspection Automation) sont utilisés pour configurer rapidement des tâches d’inspection visuelle en utilisant seulement quelques images de “bons produits”. Par exemple, dans un cadre de production, on peut utiliser 20 images de “bonnes bouteilles” et créer une inspection visuelle de qualité “mini-cerveau” capable de reconnaître les bonnes bouteilles, ou lorsqu’une mauvaise bouteille (par exemple, une avec un bouchon cassé) est produite. Cela peut être fait avec le L-DNN très facilement, rapidement et sur un simple processeur, en exploitant la technologie de la NASA construite au cours de plus de 10 ans de recherche et développement intensifs.

Dans une interview précédente, vous avez recommandé aux entrepreneurs de toujours viser à créer une entreprise qui soit légèrement impossible. Avez-vous senti que Neurala était légèrement impossible lorsque vous avez lancé l’entreprise ?

Je me souviens encore de mon ami et collègue, Anatoli, qui a craché son espresso lorsque j’ai dit “un jour, notre technologie fonctionnera sur un téléphone portable”. Cela semblait impossible, mais tout ce que l’on avait à faire était d’imaginer et de travailler pour cela. Aujourd’hui, cela fonctionne sur des millions de téléphones. Nous imaginons un monde où des milliers d’yeux artificiels peuvent détecter des machines et des processus industriels pour fournir un niveau de qualité et de contrôle auparavant inimaginable, qui serait impossible car cela consommerait des milliers de personnes par machine. J’espère que personne ne boit d’espresso en lisant cela….

Je vous remercie pour cette grande interview, Neurala est clairement une entreprise que nous devons garder à l’œil. Les lecteurs qui souhaitent en savoir plus doivent visiter Neurala.