ह्यून किम, सीईओ और सह-संस्थापक, सुपर्ब एआई – साक्षात्कार श्रृंखला

ह्यून किम सुपर्ब एआई के सीईओ और सह-संस्थापक हैं, जो एक कंपनी है जो एआई टीमों के लिए एक नई पीढ़ी का मशीन लर्निंग डेटा प्लेटफ़ॉर्म प्रदान करती है ताकि वे कम समय में बेहतर एआई बना सकें। सुपर्ब एआई सूट एक एंटरप्राइज़ सास प्लेटफ़ॉर्म है जो एमएल इंजीनियरों, उत्पाद टीमों, शोधकर्ताओं और डेटा एनोटेटर्स को कुशल प्रशिक्षण डेटा वर्कफ़्लोज़ बनाने में मदद करने के लिए बनाया गया है।

आपको एआई, डेटा साइंस और रोबोटिक्स के क्षेत्र में क्या आकर्षित किया?

ड्यूक में बायोमेडिकल इंजीनियरिंग में स्नातक के रूप में, मैं जेनेटिक्स और हमारे डीएनए को इंजीनियर करने के तरीके के बारे में उत्साहित था ताकि हम बीमारियों को ठीक कर सकें या जेनेटिक रूप से इंजीनियर जीव बना सकें। मुझे एक गीले प्रयोगशाला प्रयोग की याद है जो लगातार 6 महीने तक विफल रहा। सबसे अधिक निराशाजनक बात यह थी कि इसमें बहुत सारा दोहराव वाला मैनुअल काम था, और पीछे की ओर देखते हुए, यह शायद कई संभावित त्रुटियों का मूल कारण था।

यह निराशा मुझे स्वचालन से संबंधित किसी भी चीज़ में रुचि लेने के लिए प्रेरित किया। मैं मूल रूप से ड्यूक में कई प्रयोगशालाओं में तैरता रहा जब तक कि मैं एक प्रयोगशाला में शामिल नहीं हो गया जो मस्तिष्क एमआरआई स्कैन का उपयोग करके पार्किंसंस रोग के निदान में मशीन लर्निंग की मदद के बारे में शोध कर रहा था। यहाँ मुझे गहरे शिक्षा नेटवर्क की जीवन-परिवर्तनकारी क्षमता का वास्तविक स्वाद मिला। मैं ड्यूक में कंप्यूटर विज्ञान में पीएचडी कार्यक्रम का पीछा करने और इंटेलिजेंट रोबोट लैब में रोबोटों को सिखाने के लिए तीव्रता से काम करने के लिए चला गया।

2016 में, आप अमेज़न रोबोटिक्स चैलेंज में शामिल थे। आप किस पर काम कर रहे थे और आपने इस अनुभव का आनंद कैसे लिया?

अमेज़न रोबोटिक्स चैलेंज में, टीमें एक निर्धारित समय में रोबोटों द्वारा वस्तुओं को स्वचालित रूप से उठाने और रखने के लिए अंक अर्जित करती हैं। कारखानों और असेंबली लाइनों में रोबोटों को विशिष्ट वस्तु के लिए इंजीनियर किया जा सकता है जिसे रोबोट उठा और रख रहा है, लेकिन एआरसी चुनौती हमारे रोबोटों को बहुत गतिशील स्थितियों में काम करने के लिए कहती है। मैं “टीम ड्यूक” का नेता था और इसके मोशन प्लानिंग फ़ंक्शन का था। मैंने वास्तविक वेयरहाउस वातावरण में पिक-एंड-प्लेस रोबोट मैनिपुलेशन कार्यों के लिए रोबोट मोशन प्लानिंग विधियों को डिज़ाइन और लागू किया। यह एक रोमांचक सीखने का अनुभव था क्योंकि हमें कई जटिल प्रणालियों को एक साथ रखना था, जिसमें कंप्यूटर दृष्टि आधारित रोबोट धारण प्रणालियों से लेकर मोशन प्लानिंग एल्गोरिदम और कस्टम-डिज़ाइन किए गए यांत्रिक अंत-इफेक्टर हार्डवेयर तक शामिल थे।

इसके बाद आप एसके टी-ब्रेन में लगभग 2 साल तक मशीन लर्निंग रिसर्च इंजीनियर के रूप में काम किया। यह परियोजना क्या थी?

मेरे पीएचडी में लगभग एक साल बाद, मार्च 2016 में, गूगल के अल्फागो ने गो में मानव चैंपियन, ली सेडोल को हराया। यह दक्षिण कोरिया में विशेष रूप से ग्राउंडब्रेकिंग समाचार था, जहां गो अन्य地方ों की तुलना में बहुत अधिक लोकप्रिय है।

इसके बाद, सरकार और सभी प्रमुख कंपनियों ने तुरंत एआई अनुसंधान में बहुत पैसा लगाना शुरू कर दिया। इन कंपनियों में से एक एसकेटी या एसके टेलीकॉम थी, एक प्रमुख कोरियाई कंपनी। मुझे उनकी नई एआई रिसर्च लैब, एसके टी ब्रेन में मशीन लर्निंग रिसर्च इंजीनियर की स्थिति की पेशकश की गई थी। मैंने अपने पीएचडी से छुट्टी ले ली और लगभग 2 साल के लिए कोरिया में काम करने के लिए वापस चला गया।

मेरी टीम का उद्देश्य विभिन्न एआई विषयों पर शोध करना था जो संभावित रूप से उत्पाद के रूप में स्पिन ऑफ हो सकते थे या कंपनी के लिए व्यवसाय का अवसर पैदा कर सकते थे। इन दो वर्षों में, मैंने स्व-ड्राइविंग कारों, गेम एआई (विशेष रूप से स्टारक्राफ्ट एआई) और जनरेटिव एडवर्सेरियल नेटवर्क या जीएनएस जैसे विषयों पर कुछ प्रयास किए।

दो साल के बाद, मैं अपना पीएचडी कार्यक्रम पूरा करने के लिए स्कूल में वापस नहीं गया, बल्कि सुपर्ब एआई नामक अपनी कंपनी शुरू करने के लिए चला गया।

सुपर्ब एआई लॉन्च करने के पीछे प्रेरणा क्या थी?

स्कूल में रोबोट लर्निंग पर शोध करते हुए, और एक कॉर्पोरेट रिसर्च लैब में काम करते हुए, मुझे यह बहुत स्पष्ट था कि मेरा अधिकांश समय डेटा क्यूरेशन में बीतता है।

स्कूल में, मैं रोबोटिक्स सिमुलेशन डेटा के लिए सिम्युलेटेड वातावरण बनाने में अधिक समय बिता रहा था। मेरी पिछली कंपनी में, मैं स्व-ड्राइविंग और गेम एआई के लिए डेटासेट इकट्ठा करने और लेबल करने में समय बिता रहा था।

और, दुर्भाग्य से, यह सिर्फ मेरे लिए नहीं था। यह मेरे सहयोगियों के लिए भी ऐसा ही था, और मशीन लर्निंग उद्योग में हर शोधकर्ता और इंजीनियर के लिए एक बहुत ही सामान्य दर्द बिंदु था।

मैं इसे ठीक करना चाहता था। जैसा कि आप देख सकते हैं, मैं मशीन लर्निंग और एआई का बहुत बड़ा प्रशंसक हूं, और मुझे लगता है कि यह वास्तव में हमारे जीवन को क्रांतिकारी बना सकता है। मैं तकनीकी सफलता को जल्दी से होने देखना चाहता हूं, और मैं उन्हें हमारे दैनिक जीवन में लागू होते देखना चाहता हूं।

सुपर्ब एआई द्वारा प्रदान की जाने वाली सेवाओं का वर्णन करने का सबसे अच्छा तरीका क्या है?

सुपर्ब एआई एक मशीन लर्निंग डेटा प्लेटफ़ॉर्म प्रदान करता है जिसे सुपर्ब एआई सूट कहा जाता है। सूट कंपनियों को प्रशिक्षण डेटा बनाने, लेबल करने और प्रबंधित करने में मदद करता है, और उनके एमएल ऑप्स चक्र को तेज़ करता है।

यह जाना जाता है कि अधिकांश मशीन लर्निंग टीमें अपने समय का 50% से अधिक प्रशिक्षण डेटासेट प्रबंधन में बिताती हैं। हम इंजीनियरों को आसानी से प्रशिक्षण डेटासेट को फ़िल्टर, खोज और मैनिपुलेट करने में मदद करते हैं, और इसे उनके एमएल ऑप्स स्टैक के साथ एकीकृत करते हैं, जैसे कि डेटा स्टोरेज या गहरे शिक्षा फ्रेमवर्क के माध्यम से एक शक्तिशाली एसडीके और एपीआई के माध्यम से।

उत्पाद नेताओं को भी प्रशिक्षण डेटा के साथ बहुत समय बिताना पड़ता है। हम उनके जीवन को आसान बनाने में मदद करते हैं समस्या ट्रैकिंग, डेटा विश्लेषण और कई सहयोग और उत्पादकता से संबंधित सुविधाओं के माध्यम से।

इसके अलावा, हमारी ऑटो-लेबलिंग सुविधा, जो ट्रांसफर लर्निंग और एक्टिव लर्निंग जैसी उन्नत एमएल तकनीकों का उपयोग करती है, स्वचालित लेबलिंग और गुणवत्ता नियंत्रण प्रक्रिया में सहायता कर सकती है।

मशीन लर्निंग डेटा प्लेटफ़ॉर्म बनाने का सबसे कठिन पहलू क्या रहा है?

मशीन लर्निंग डेटा प्लेटफ़ॉर्म बनाना एक दिलचस्प इंजीनियरिंग चुनौती पेश करता है, न केवल इसलिए कि मशीन लर्निंग को बहुत सारे अनस्ट्रक्चर्ड डेटा की आवश्यकता होती है, जैसे कि छवियां और वीडियो, बल्कि इसलिए भी कि डेटा को दुनिया भर के कई उपयोगकर्ताओं द्वारा लगातार पढ़ा और अपडेट किया जाना चाहिए।

सुपर्ब एआई प्लेटफ़ॉर्म का उपयोग करने वाली कुछ कंपनियां कौन सी हैं?

हम विभिन्न क्षेत्रों में विभिन्न आकारों के ग्राहकों के साथ काम करते हैं। बड़े उपभोक्ता इलेक्ट्रॉनिक्स निर्माताओं में सैमसंग और एलजी हमारे प्लेटफ़ॉर्म का उपयोग अपने एमएल विकास प्रक्रिया को तेज़ करने और डेटा प्रबंधन में मदद करने के लिए करते हैं। स्वायत्त वाहन उद्योग में कई उद्यम और स्टार्टअप, साथ ही साथ भौतिक सुरक्षा से लेकर निर्माण तक के अनुप्रयोगों में बिना मानवीय हस्तक्षेप वाले सिस्टम का उपयोग करने वाली कंपनियां हमारे प्लेटफ़ॉर्म का उपयोग करती हैं।

इसके अलावा, एआर/वीआर और गेमिंग कंपनियां हमारे प्रशिक्षण डेटा प्लेटफ़ॉर्म का उपयोग एमएल मॉडल को सिखाने के लिए डेटासेट बनाने और प्रबंधित करने के लिए करती हैं।

चिकित्सा क्षेत्र में, अंतरराष्ट्रीय विश्वविद्यालयों की शोध प्रयोगशालाएं हमारे प्लेटफ़ॉर्म का उपयोग प्रशिक्षण डेटा प्रबंधित करने और एमआरआई और सीटी स्कैन में ट्यूमर को पहचानने के लिए कंप्यूटर विजन मॉडल को अधिक कुशलता से प्रशिक्षित करने के लिए करती हैं।

सुपर्ब एआई विंटर 2019 कक्षा के वाई कॉम्बिनेटर का सदस्य था। आप इस अनुभव का वर्णन कर सकते हैं और क्या आप से सीखे गए मुख्य बिंदु हैं?

हमारे दो मुख्य निष्कर्ष थे उपयोगकर्ताओं पर ध्यान केंद्रित करना और तेजी से पुनरावृत्ति करना। वाईसी का नारा है “कुछ ऐसा बनाएं जो लोग चाहते हैं”। अक्सर स्टार्टअप, और विशेष रूप से तकनीकी स्टार्टअप, तकनीकी नवाचारों पर ध्यान केंद्रित करते हैं और वास्तव में उपयोगकर्ता की जरूरतों की उपेक्षा करते हैं। तीन महीने की प्रक्रिया के दौरान, हमने उपयोगकर्ताओं से बात करना और वास्तव में समझना सीखा कि उन्हें वास्तव में क्या चाहिए, जबकि उत्पाद अपडेट और संदेश पर पुनरावृत्ति भी की। चूंकि यह असंभव है उत्पाद या उत्पाद-मार्केट-फिट पर पहले प्रयास में नाखून मारने के लिए, यह महत्वपूर्ण है कि उपयोगकर्ताओं से बात करें और उन्हें वितरित करें जो वे चाहते हैं। यह बहुत स्पष्ट है जब आप इसके बारे में सोचते हैं, लेकिन व्यवहार में ध्यान केंद्रित करना बहुत मुश्किल है।

क्या सुपर्ब एआई के बारे में कुछ और है जो आप साझा करना चाहेंगे?

हमने हाल ही में अपने नि:शुल्क उत्पाद को बढ़ाया है जो उपयोगकर्ताओं को अधिक कच्चे संपत्ति भंडारण और अधिक लेबलिंग/डेटा प्रबंधन/डेवलपर सुविधाओं और टूलकिट प्रदान करता है। हम एआई को लोकतंत्रीकरण करने के लिए एक वास्तविक मिशन पर हैं और लोगों को यह जानना चाहते हैं कि ऐसी उद्यम कंपनियां हैं जो एआई को हमारे दैनिक जीवन में अपनाने और एकीकरण को बढ़ावा देने के लिए जितना संभव हो उतना प्रदान करने में निवेश की जा रही हैं।

साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें सुपर्ब एआई पर जाना चाहिए。