याशर बेहज़ादी, सिंथेसिस एआई - साक्षात्कार श्रृंखला के सीईओ

याशर बेहज़ादी पीएचडी के सीईओ और संस्थापक हैं संश्लेषण एआई. वह एक अनुभवी उद्यमी हैं जिन्होंने एआई, चिकित्सा प्रौद्योगिकी और आईओटी बाजारों में परिवर्तनकारी व्यवसाय बनाया है। उन्होंने पिछले 14 साल सिलिकॉन वैली में डेटा-केंद्रित प्रौद्योगिकी कंपनियों के निर्माण और विस्तार में बिताए हैं। याशर के पास 30 से अधिक पेटेंट और पेटेंट लंबित हैं और एक पीएच.डी. कार्यात्मक मस्तिष्क इमेजिंग के स्थानिक-लौकिक मॉडलिंग पर ध्यान देने के साथ यूसीएसडी से।

संश्लेषण एआई डीप लर्निंग और सीजीआई के चौराहे पर एक स्टार्टअप है, जो कंप्यूटर विज़न मॉडल विकास के लिए एक नया प्रतिमान बना रहा है। वे ग्राहकों को पारंपरिक मानव-एनोटेशन आधारित दृष्टिकोण की तुलना में कम समय और लागत पर बेहतर मॉडल विकसित करने में सक्षम बनाते हैं।

आप शुरुआत में कंप्यूटर विज्ञान और एआई से कैसे जुड़े?

मैंने पीएच.डी. अर्जित की। 2006 में यूसीएसडी से कंप्यूटर विज़न और मस्तिष्क इमेजिंग डेटा के स्थानिक और लौकिक मॉडलिंग पर ध्यान केंद्रित किया गया। इसके बाद मैंने अगले 16 वर्षों तक सिलिकॉन वैली में विभिन्न उद्योगों में सेंसर, डेटा और मशीन लर्निंग के क्षेत्र में काम किया। मैं कुछ उल्लेखनीय प्रौद्योगिकियों पर काम करने का अवसर पाकर बहुत भाग्यशाली महसूस करता हूं, और मेरे पास सिग्नल प्रोसेसिंग, मशीन लर्निंग और डेटा विज्ञान पर केंद्रित 30 से अधिक पेटेंट जारी या दायर किए गए हैं।

क्या आप सिंथेसिस एआई की उत्पत्ति की कहानी साझा कर सकते हैं?

2019 में सिंथेसिस एआई की स्थापना से पहले, मैंने एक वैश्विक एआई सेवा कंपनी का नेतृत्व किया, जो अग्रणी प्रौद्योगिकी उद्यमों के लिए कंप्यूटर विज़न मॉडल विकसित करने पर केंद्रित थी। कंपनी के आकार से कोई फर्क नहीं पड़ता, मैंने पाया कि हम लेबल किए गए प्रशिक्षण डेटा की गुणवत्ता और मात्रा के मामले में बेहद सीमित थे। जैसे-जैसे कंपनियों ने भौगोलिक रूप से विस्तार किया, अपना ग्राहक आधार बढ़ाया, या नए मॉडल और नए हार्डवेयर विकसित किए, मॉडलों का पर्याप्त प्रदर्शन सुनिश्चित करने के लिए नए प्रशिक्षण डेटा की आवश्यकता थी। यह भी स्पष्ट हो गया कि कंप्यूटर विज़न का भविष्य आज के ह्यूमन-इन-द-लूप एनोटेशन प्रतिमान के साथ सफल नहीं होगा। स्वायत्तता, रोबोटिक्स और एआर/वीआर/मेटावर्स अनुप्रयोगों में उभरते कंप्यूटर विज़न अनुप्रयोगों के लिए 3डी लेबल, गहराई की जानकारी, भौतिक गुण, विस्तृत विभाजन आदि के एक समृद्ध सेट की आवश्यकता होती है, जिसे मनुष्य लेबल नहीं कर सकता है। इन नए मॉडलों को प्रशिक्षित करने के लिए लेबल का आवश्यक समृद्ध सेट प्रदान करने के लिए एक नए प्रतिमान की आवश्यकता थी। तकनीकी चालकों के अलावा, हमने मॉडल पूर्वाग्रह और उपभोक्ता गोपनीयता से संबंधित नैतिक मुद्दों के आसपास उपभोक्ता और नियामक जांच में वृद्धि देखी है।

मैंने कंप्यूटर विज़न प्रतिमान को बदलने के इरादे से सिंथेसिस एआई की स्थापना की। कंपनी का सिंथेटिक डेटा-जेनरेशन प्लेटफ़ॉर्म 3डी पिक्सेल-परफेक्ट लेबल के विस्तारित सेट के साथ फोटोरिअलिस्टिक छवि डेटा की ऑन-डिमांड पीढ़ी को सक्षम बनाता है। हमारा मिशन अधिक सक्षम मॉडलों के नैतिक विकास की अनुमति देने के लिए सिंथेटिक डेटा प्रौद्योगिकियों को आगे बढ़ाना है।

उन पाठकों के लिए जो इस शब्द से अपरिचित हैं, क्या आप परिभाषित कर सकते हैं कि सिंथेटिक डेटा क्या है?

सिंथेटिक डेटा कंप्यूटर-जनित डेटा है जो वास्तविक दुनिया के डेटा के विकल्प के रूप में कार्य करता है। सिंथेटिक डेटा वास्तविक दुनिया से एकत्र या मापा जाने के बजाय सिम्युलेटेड डिजिटल दुनिया में बनाया जाता है। जेनरेटिव एआई मॉडल के साथ दृश्य प्रभावों और सीजीआई की दुनिया के उपकरणों का संयोजन, सिंथेसिस एआई कंपनियों को कंप्यूटर विज़न मॉडल को प्रशिक्षित करने के लिए ऑन-डिमांड बड़ी मात्रा में फोटोरिअलिस्टिक, विविध डेटा बनाने में सक्षम बनाता है। कंपनी के डेटा जेनरेशन प्लेटफ़ॉर्म ने गोपनीयता बनाए रखते हुए उच्च-गुणवत्ता वाली छवि डेटा प्राप्त करने की लागत और गति को कम कर दिया।

क्या आप चर्चा कर सकते हैं कि सिंथेटिक डेटा कैसे उत्पन्न होता है?

एक सिंथेटिक डेटा सेट वास्तविक दुनिया के डेटा के बजाय कृत्रिम रूप से बनाया जाता है। विशाल, विविध और फोटोरिअलिस्टिक लेबल वाली छवि डेटा बनाने के लिए दृश्य प्रभाव उद्योग की प्रौद्योगिकियों को जेनरेटिव न्यूरल नेटवर्क के साथ जोड़ा जाता है। सिंथेटिक डेटा वर्तमान दृष्टिकोण की लागत और समय के एक अंश पर प्रशिक्षण डेटा बनाने की अनुमति देता है।

सिंथेटिक डेटा का लाभ उठाने से प्रतिस्पर्धात्मक बढ़त कैसे बनती है?

वर्तमान में, अधिकांश एआई सिस्टम 'पर्यवेक्षित शिक्षण' का लाभ उठाते हैं जहां मनुष्य छवियों में कुंजी को लेबल करते हैं और फिर छवियों की व्याख्या करने के लिए एआई एल्गोरिदम को प्रशिक्षित करते हैं। यह एक संसाधन और समय-गहन प्रक्रिया है और यह इस बात तक सीमित है कि मनुष्य सटीक रूप से क्या लेबल लगा सकता है। इसके अतिरिक्त, एआई जनसांख्यिकीय पूर्वाग्रह और उपभोक्ता गोपनीयता को लेकर चिंताएं बढ़ गई हैं, जिससे प्रतिनिधि मानव डेटा प्राप्त करना कठिन हो गया है।

हमारा दृष्टिकोण फोटोरिअलिस्टिक डिजिटल दुनिया बनाना है जो जटिल छवि डेटा को संश्लेषित करता है। चूँकि हम डेटा उत्पन्न करते हैं, हम दृश्यों के बारे में सब कुछ जानते हैं, जिसमें वस्तुओं के 3डी स्थान और एक दूसरे और पर्यावरण के साथ उनकी जटिल बातचीत के बारे में पहले कभी उपलब्ध जानकारी भी शामिल नहीं है। वर्तमान दृष्टिकोण का उपयोग करके डेटा की इस मात्रा को प्राप्त करने और लेबल करने में वर्षों नहीं तो कई महीने लगेंगे। यह नया प्रतिमान दक्षता और लागत में 100 गुना सुधार सक्षम करेगा और अधिक सक्षम मॉडलों की एक नई श्रेणी को आगे बढ़ाएगा।

चूंकि सिंथेटिक डेटा कृत्रिम रूप से उत्पन्न होता है, यह पारंपरिक रूप से वास्तविक दुनिया से डेटा सेट एकत्र करने के साथ कई पूर्वाग्रहों और गोपनीयता संबंधी चिंताओं को समाप्त करता है।

ऑन-डिमांड डेटा जेनरेशन त्वरित स्केलिंग को कैसे सक्षम बनाता है?

मॉडल प्रशिक्षण के लिए वास्तविक दुनिया का डेटा कैप्चर करना और तैयार करना एक लंबी और कठिन प्रक्रिया है। स्वायत्त वाहनों, रोबोटिक्स, या उपग्रह इमेजरी जैसे जटिल कंप्यूटर विज़न सिस्टम के लिए आवश्यक हार्डवेयर तैनात करना बेहद महंगा हो सकता है। एक बार डेटा कैप्चर हो जाने के बाद, मनुष्य आवश्यक विशेषताओं को लेबल और एनोटेट करते हैं। इस प्रक्रिया में त्रुटि होने की संभावना है, और मनुष्य कई अनुप्रयोगों के लिए आवश्यक 3डी स्थिति जैसी महत्वपूर्ण जानकारी को लेबल करने की क्षमता में सीमित हैं।

सिंथेटिक डेटा पारंपरिक मानव-एनोटेटेड वास्तविक-डेटा दृष्टिकोण की तुलना में बहुत तेज़ और सस्ता है और यह उद्योगों में नए और अधिक सक्षम मॉडल की तैनाती में तेजी लाएगा।

सिंथेटिक डेटा एआई पूर्वाग्रह को कम करने या रोकने में कैसे सक्षम बनाता है?

एआई सिस्टम सर्वव्यापी हैं लेकिन इसमें अंतर्निहित पूर्वाग्रह हो सकते हैं जो लोगों के समूहों को प्रभावित कर सकते हैं। डेटासेट को डेटा के कुछ वर्गों और लोगों के अधिक या कम प्रतिनिधित्व वाले समूहों के साथ असंतुलित किया जा सकता है। मानव-केंद्रित प्रणालियों का निर्माण अक्सर लिंग, जातीयता और उम्र संबंधी पूर्वाग्रहों को जन्म दे सकता है। इसके विपरीत, डिज़ाइन-जनित प्रशिक्षण डेटा उचित रूप से संतुलित है और इसमें मानवीय पूर्वाग्रहों का अभाव है।

एआई की पूर्वाग्रह समस्या को हल करने में सिंथेटिक डेटा एक मजबूत समाधान बन सकता है। सिंथेटिक डेटा वास्तविक दुनिया की घटनाओं या घटनाओं से मापा या निकाले जाने के बजाय आंशिक या पूरी तरह से कृत्रिम रूप से उत्पन्न होता है। यदि डेटासेट विविध या पर्याप्त बड़ा नहीं है, तो एआई-जनित डेटा छिद्रों को भर सकता है और एक निष्पक्ष डेटासेट बना सकता है। श्रेष्ठ भाग? इन डेटा सेटों को मैन्युअल रूप से बनाने में टीमों को कई महीने या साल लग सकते हैं। जब सिंथेटिक डेटा के साथ डिज़ाइन किया जाता है, तो इसे रातोरात किया जा सकता है।

कंप्यूटर विज़न के अलावा, सिंथेटिक डेटा के लिए भविष्य में कुछ अन्य संभावित उपयोग के मामले क्या हैं?

उपभोक्ता उत्पादों, स्वायत्तता, रोबोटिक्स, एआर/वीआर/मेटावर्स और अन्य से संबंधित कंप्यूटर विज़न उपयोग के कई मामलों के अलावा, सिंथेटिक डेटा अन्य डेटा तौर-तरीकों को भी प्रभावित करेगा। हम पहले से ही कंपनियों को संरचित सारणीबद्ध डेटा, आवाज और प्राकृतिक भाषा प्रसंस्करण के लिए सिंथेटिक डेटा दृष्टिकोण का लाभ उठाते हुए देख रहे हैं। अंतर्निहित प्रौद्योगिकियां और पीढ़ी पाइपलाइन प्रत्येक मोडैलिटी के लिए भिन्न होती हैं, और निकट भविष्य में, हम मल्टी-मोडल सिस्टम (उदाहरण के लिए, वीडियो + वॉयस) देखने की उम्मीद करते हैं।

क्या सिंथेसिस एआई के बारे में आप कुछ और साझा करना चाहेंगे?

पिछले साल के अंत में, हमने रिलीज़ किया ह्यूमनएपीआई, सिंथेसिस एआई की सिंथेटिक डेटा क्षमताओं का एक महत्वपूर्ण विस्तार लाखों अद्वितीय, उच्च गुणवत्ता वाले 3डी डिजिटल मनुष्यों की प्रोग्रामेटिक पीढ़ी को सक्षम बनाता है। यह घोषणा फेसएपीआई सिंथेटिक डेटा-ए-ए-सर्विस उत्पाद के लॉन्च के महीनों बाद आई है, जिसने अग्रणी स्मार्टफोन, टेलीकांफ्रेंसिंग, ऑटोमोबाइल और प्रौद्योगिकी कंपनियों के लिए 10M से अधिक लेबल वाली चेहरे की छवियां प्रदान की हैं। ह्यूमनएपीआई उन्नत कंप्यूटर विज़न आर्टिफिशियल इंटेलिजेंस (एआई) अनुप्रयोगों का समर्थन करने की कंपनी की यात्रा में अगला कदम है।

ह्यूमनएपीआई हमारे ग्राहकों के लिए असंख्य नए अवसरों को भी सक्षम बनाता है, जिसमें स्मार्ट एआई असिस्टेंट, वर्चुअल फिटनेस कोच और निश्चित रूप से मेटावर्स एप्लिकेशन की दुनिया शामिल है।

वास्तविक दुनिया का एक डिजिटल डबल बनाकर, मेटावर्स पुनर्कल्पित सामाजिक नेटवर्क, मनोरंजन अनुभव, टेलीकांफ्रेंसिंग, गेमिंग और बहुत कुछ से लेकर नए अनुप्रयोगों को सक्षम करेगा। वास्तविक दुनिया को कैसे कैप्चर किया जाए और डिजिटल क्षेत्र में उच्च-निष्ठा के साथ फिर से कैसे बनाया जाए, इसके लिए कंप्यूटर विज़न एआई मौलिक होगा। फ़ोटोयथार्थवादी, अभिव्यंजक और व्यवहारिक रूप से सटीक मनुष्य कंप्यूटर विज़न अनुप्रयोगों के भविष्य का एक अनिवार्य घटक होंगे। ह्यूमनएपीआई पहला उत्पाद है जो कंपनियों को मुद्रा अनुमान, भावना पहचान, गतिविधि और व्यवहार लक्षण वर्णन, चेहरे के पुनर्निर्माण और अधिक सहित अधिक सक्षम एआई मॉडल बनाने के लिए ऑन-डिमांड बड़ी मात्रा में पूरी तरह से लेबल किए गए संपूर्ण-शरीर डेटा बनाने में सक्षम बनाता है।

बेहतरीन साक्षात्कार के लिए धन्यवाद, जो पाठक अधिक जानना चाहते हैं, उन्हें अवश्य आना चाहिए संश्लेषण एआई.