יונתן גייפמן, מנכ”ל ומייסד-שותף של Deci – סדרת ראיונות

יונתן גייפמן הוא מנכ”ל ומייסד-שותף של Deci אשר הופכת מודלים של AI לפתרונות מוכנים לייצור על כל חומרה. Deci הוכרה כחדשנית טכנולוגית ל-Edge AI על ידי Gartner ונכללה ברשימת AI 100 של CB Insights. טכנולוגיה ייחודית שלה קבעה שיאים חדשים ב-MLPerf עם Intel.

מה היה הדבר שמשך אותך ללמידת מכונה?

מגיל צעיר, הייתי תמיד מסוקרן מטכנולוגיות חדישות – לא רק בשימוש בהן, אלא גם בהבנה אמיתית של האופן בו הן פועלות.

התעניינות זו לאורך חיי הובילה אותי ללימודים לתואר PhD במדעי המחשב, שם התמקדה מחקרי ברשתות עצביות עמוקות (DNNs). ככל שהבנתי טכנולוגיה זו בסביבה אקדמית, התחילתי להבין את הדרכים בהן AI יכולה להשפיע חיובית על העולם סביבנו. מערים חכמות שיכולות לנטר תנועה ולהפחית תאונות, לכלי רכב אוטונומיים שדורשים התערבות אנושית מינימלית, ועד מכשירים רפואיים שיכולים להציל חיים – ישנם יישומים בלתי נדלים בהם AI יכולה לשפר את החברה. תמיד ידעתי שאני רוצה להיות חלק ממהפכה זו.

האם תוכל לשתף אותנו בסיפור הגנזיס של Deci AI?

אין זה קשה להכיר – כפי שראיתי כשהייתי בבית הספר לתואר PhD – כיצד AI יכולה להיות מועילה במקרים שונים. עם זאת, רבות מהחברות מתקשות לנצל את הפוטנציאל המלא של AI, שכן מפתחים מתמודדים עם קרב הררי לפתח מודלים של גלישה עמוקה המוכנים לייצור.

אתגרים אלו ניתנים לייחוס בעיקר לפער היעילות של AI הפוגע בתעשייה. אלגוריתמים הופכים לעוצמתיים יותר ודורשים יותר כוח חישוב, אך במקביל הם זקוקים להטמעה בצורה יעילה מבחינת עלות, לעיתים קרובות על פני התקנים מוגבלים בקצה.

הקימנו את Deci יחד עם מייסדים-שותפים פרופ’ רן אל-יניב, ג’ונתן אליאל, ואני, כדי לפתור אתגר זה. ועשינו זאת בדרך היחידה שראינו אפשרית – באמצעות שימוש ב-AI עצמו כדי ליצור את הדור הבא של גלישה עמוקה. אימצנו גישה אלגוריתמית-ראשונה, עבודה לשיפור האפקטיביות של אלגוריתמי AI בשלבים המוקדמים, שתאפשר למפתחים לבנות ולעבוד עם מודלים המספקים את רמות הדיוק והיעילות הגבוהות ביותר עבור כל חומרת היקשרות נתונה.

גלישה עמוקה היא בלב Deci AI, תוכל להגדיר אותה עבורנו?

גלישה עמוקה, כמו למידת מכונה, היא תת-תחום של AI, שנועדה לאפשר דור חדש של יישומים. גלישה עמוקה מושפעת במידה רבה מהאופן בו מוח האדם מורכב, ולכן כאשר אנו דנים בגלישה עמוקה, אנו דנים ב”רשתות עצביות”. זהו מושג מאוד רלוונטי ליישומים בקצה (חשיבה על מצלמות בערים חכמות, חיישנים על כלי רכב אוטונומיים, פתרונות אנליטיים בבריאות), שם מודלים של גלישה עמוקה באתר הם חיוניים ליצירת תובנות בזמן אמת.

מהו חיפוש ארכיטקטורת נוירונים?

חיפוש ארכיטקטורת נוירונים (NAS) הוא תחום טכנולוגי שמטרתו להשיג מודלים טובים יותר של גלישה עמוקה.

עבודתה החלוצית של גוגל ב-NAS ב-2017 עזרה להביא את הנושא למיינסטרים, לפחות במעגלים מחקריים ואקדמיים.

מטרת NAS היא למצוא את הארכיטקטורה הנוירונית הטובה ביותר עבור בעיה נתונה. היא אוטומטית את תהליך העיצוב של DNNs, מבטיחה ביצועים גבוהים יותר והפסדים נמוכים יותר מאשר ארכיטקטורות שתוכננו באופן ידני. זהו תהליך שבו אלגוריתם מחפש בין מרחב מאוחד של מיליוני ארכיטקטורות מודלים, כדי להניב ארכיטקטורה ייחודית שמותאמת לפתרון בעיה מסוימת. בפשטות, היא משתמשת ב-AI כדי לע