मैक्स वर्साचे, न्यूराला के सीईओ और सह-संस्थापक - साक्षात्कार श्रृंखला

डॉ. मैसिमिलियानो वर्साचे इसके सह-संस्थापक और सीईओ हैं Neurala, और कंपनी दूरदर्शी है। मस्तिष्क-प्रेरित कंप्यूटिंग और गहरे नेटवर्क में अपने अग्रणी शोध के बाद, वह स्वायत्त रोबोटिक्स की दुनिया को प्रेरित और नेतृत्व करना जारी रखे हुए हैं। उन्होंने टेडएक्स, नासा, पेंटागन, जीटीसी, इंटरड्रोन, नेशनल लैब्स, एयर फोर्स रिसर्च लैब्स, एचपी, आईरोबोट, सैमसंग, एलजी, क्वालकॉम, एरिक्सन, बीएई सिस्टम्स, एआई वर्ल्ड, मित्सुबिशी सहित दर्जनों कार्यक्रमों और स्थानों पर बात की है। एबीबी और एक्सेंचर, कई अन्य लोगों के बीच।

आपने शुरू में मनोविज्ञान का अध्ययन किया और फिर तंत्रिका विज्ञान की ओर रुख किया, उस समय आपका तर्क क्या था?

धुरी प्राकृतिक थी. मनोविज्ञान ने "प्रशिक्षण सिक्के" का एक पक्ष प्रदान किया - मनोवैज्ञानिक घटना का अध्ययन। हालाँकि, यदि कोई इस बात में रुचि रखता है कि यंत्रवत रूप से विचारों और व्यवहार का कारण क्या है, तो वह अनिवार्य रूप से विचारों के लिए जिम्मेदार अंग का अध्ययन करता है, और तंत्रिका विज्ञान का अध्ययन करता है!

आपको कब एहसास हुआ कि आप मानव मस्तिष्क की अपनी समझ को एआई प्रणाली में मानव मस्तिष्क का अनुकरण करने के लिए लागू करना चाहते हैं?

अगला कदम, न्यूरोसाइंस से एआई तक, पेचीदा है। जबकि तंत्रिका विज्ञान तंत्रिका तंत्र की शारीरिक रचना और शरीर विज्ञान के विस्तृत अध्ययन से संबंधित है और मस्तिष्क कैसे व्यवहार को जन्म देता है, इससे भी अधिक समझ प्राप्त करने के लिए एक और पूरक मार्ग उनका सिंथेटिक संस्करण बनाना है। एक सादृश्य जो मैं देना चाहता हूं वह यह है कि एक सिलेंडर और रेडिएटर को बंद करके एक इंजन कैसे काम करता है, इसकी आंशिक समझ प्राप्त की जा सकती है और यह निष्कर्ष निकाला जा सकता है कि सिलेंडर और रेडिएटर इंजन के कामकाज में महत्वपूर्ण हैं। किसी इंजन को समझने का एक और गहरा तरीका उसे शुरू से बनाना है - अर्थात उसका सिंथेटिक (कृत्रिम) संस्करण बनाकर बुद्धि का अध्ययन करना।

शुरुआती गहन शिक्षण परियोजनाओं में से कुछ क्या हैं जिन पर आपने काम किया है?

2009 में DARPA के लिए हमने "संपूर्ण मस्तिष्क अनुकरणहेवलेट पैकार्ड द्वारा डिज़ाइन की गई उन्नत चिप का उपयोग करने वाले एक स्वायत्त रोबोट के लिए। संक्षेप में, हमारा काम एक छोटे कृंतक के मस्तिष्क और कुछ प्रमुख स्वायत्त और सीखने के व्यवहार का अनुकरण करना था जो इसे पोर्टेबल और छोटे हार्डवेयर में लागू करने के लिए उपयुक्त बना सके।

क्या आप न्यूराला की उत्पत्ति की कहानी साझा कर सकते हैं?

एक कंपनी के रूप में न्यूराला की शुरुआत 2006 में गहन शिक्षण के लिए जीपीयू (ग्राफिक प्रोसेसिंग यूनिट) का उपयोग करने के लिए कुछ पेटेंट कार्य शामिल करने के लिए की गई थी। हालाँकि आज इसे मामूली माना जा सकता है, उस समय एआई के लिए जीपीयू का उपयोग बिल्कुल नहीं किया जाता था, और हमने यह कल्पना करके उस अवधारणा को आगे बढ़ाया कि ग्राफिक कार्ड में प्रत्येक पिक्सेल का उपयोग न्यूरॉन (बनाम किसी दृश्य के एक अनुभाग) को संसाधित करने के लिए किया जा सकता है। स्क्रीन पर प्रस्तुत करें)। जीपीयू की समानता के लिए धन्यवाद, जो एक (व्यावसायिक रूप से व्यवहार्य) सीमा तक हमारे मस्तिष्क की समानता की नकल करता है, हम अपने एल्गोरिदम के लिए सीखने और निष्पादन की गति प्राप्त करने में सक्षम थे जिसने अचानक एआई और डीप लर्निंग को व्यावहारिक बना दिया। हमें शिक्षा जगत को छोड़ने के लिए कुछ और वर्षों तक इंतजार करना पड़ा क्योंकि दुनिया ने एआई की वास्तविकता को पकड़ लिया था (हम पहले से ही दृढ़ विश्वास रखते थे!)। 2013 में, हमने कंपनी को स्टील्थ मोड से बाहर निकाला, (क्योंकि हमें पहले से ही नासा और यूएस एयर फोर्स रिसर्च लैब्स द्वारा वित्त पोषित किया गया था) और बोस्टन टेक स्टार्स कार्यक्रम में प्रवेश किया। वहां से, हमने कुछ कर्मचारियों को नियुक्त करना शुरू किया और निजी पूंजी जुटाई। फिर भी, 2017 तक ऐसा नहीं हुआ था कि, पूंजी के नए निवेश और उद्योग के और अधिक परिपक्व होने के साथ, हम पहली महत्वपूर्ण तैनाती करने में सक्षम थे और कैमरे से लेकर स्मार्ट फोन, ड्रोन और रोबोट तक 56M उपकरणों में अपना AI डाल सके।

न्यूराला की शुरुआती परियोजनाओं में से एक नासा के मार्स रोवर पर काम करना था। क्या आप हमारे साथ इस परियोजना की मुख्य बातें साझा कर सकते हैं?

नासा के पास एक बहुत ही विशिष्ट समस्या थी: वे भविष्य के मानवरहित मिशनों को शक्ति देने के लिए प्रौद्योगिकी का पता लगाना चाहते थे, जहां स्वायत्त प्रणाली (उदाहरण के लिए, एक रोवर) पृथ्वी के मिशन नियंत्रण चरण-दर-चरण मार्गदर्शन पर निर्भर नहीं होगी। संचार में देरी इस नियंत्रण को असंभव बना देती है - बस याद रखें कि फिल्म "द मार्टियन" में पृथ्वी और मैट डेमन के बीच संचार कितना अजीब था। हमारा समाधान: प्रत्येक रोवर को उसका अपना मस्तिष्क प्रदान करना। नासा ने हमारी ओर रुख किया, क्योंकि हमें पहले से ही DARPA के साथ इन स्वायत्त "मिनी-ब्रेन" के निर्माण में एक विशेषज्ञ के रूप में देखा गया था, एक रोवर को एक छोटे-कारक डीप लर्निंग सिस्टम के साथ संपन्न करने के लिए जो न केवल रोबोट पर चलने में सक्षम है, बल्कि इसमें अनुकूलन भी कर सकता है। जैसे ही रोबोट काम कर रहा हो, वास्तविक समय में नई चीजें सीखें। इनमें नई वस्तुएँ (उदाहरण के लिए, चट्टानें, पानी का चिह्न, आदि) शामिल हैं क्योंकि उनका सामना किया जाता है और एक अज्ञात ग्रह का एक सार्थक मानचित्र तैयार किया जाता है। चुनौती बहुत बड़ी थी, लेकिन इसका फल भी मिला: एक डीप लर्निंग तकनीक जो बहुत छोटी प्रसंस्करण शक्ति पर चलने और डेटा के एक टुकड़े (उदाहरण के लिए एक छवि) पर भी सीखने में सक्षम थी। यह उससे भी आगे निकल गया जो डीप लर्निंग उस समय (और आज भी!) पूरा करने में सक्षम था।

न्यूराला ने लाइफलॉन्ग-डीएनएन को डिज़ाइन किया है, क्या आप विस्तार से बता सकते हैं कि यह नियमित डीएनएन से कैसे भिन्न है और इसके क्या फायदे हैं?

उपरोक्त नासा उपयोग-मामले के लिए डिज़ाइन किया गया, लाइफलॉन्ग डीएनएन, जैसा कि नाम से पता चलता है, अपने पूरे जीवन-चक्र के दौरान सीख सकता है। यह पारंपरिक डीप न्यूरल नेटवर्क (डीएनएन) के विपरीत है, जिसे या तो प्रशिक्षित किया जा सकता है, या "अनुमान" (अर्थात्, वर्गीकरण) किया जा सकता है। एल-डीएनएन में, मनुष्यों की तरह, सीखने और वर्गीकरण के बीच कोई अंतर नहीं है। हर बार जब हम किसी चीज़ को देखते हैं, तो हम दोनों इसे "वर्गीकृत" करते हैं (यह एक कुर्सी है) और इसके बारे में सीखते हैं (यह कुर्सी नई है, इसे पहले कभी नहीं देखा था, अब मैं इसके बारे में थोड़ा और जानता हूं)। डीएनएन से भिन्न, एल-डीएनएन हमेशा सीखता रहता है और दुनिया के बारे में जो कुछ भी जानता है, उसका सामना करता है, नई जानकारी प्रस्तुत करता है, और स्वाभाविक रूप से विसंगतियों को समझने में सक्षम होता है। उदाहरण के लिए, यदि मेरे बच्चों में से किसी ने मेरे साथ मजाक किया और मेरी कुर्सी को गुलाबी रंग से रंग दिया, तो मैं उसे तुरंत पहचान लूंगा। चूंकि मेरे एल-डीएनएन को समय के साथ पता चला है कि मेरी कुर्सी काली है, और जब इसके बारे में मेरी धारणा मेरी याददाश्त से मेल नहीं खाती है, तो एल-डीएनएन एक विसंगति संकेत उत्पन्न करेगा। इसका उपयोग न्यूराला के उत्पादों में विभिन्न तरीकों से किया जाता है (नीचे देखें)।

क्या आप चर्चा कर सकते हैं कि ब्रेन बिल्डर कस्टम विज़न एआई क्या है, और यह कैसे तेज़, आसान और कम महंगे रोबोटिक्स अनुप्रयोगों को सक्षम बनाता है?

चूंकि एल-डीएनएन स्वाभाविक रूप से दुनिया के बारे में सीखता है और समझ सकता है कि क्या कुछ असामान्य है या सीखे गए मानक से भटकता है, न्यूराला के उत्पाद, ब्रेन बिल्डर और वीआईए (विज़ुअल इंस्पेक्शन ऑटोमेशन) का उपयोग केवल कुछ छवियों का उपयोग करके दृश्य निरीक्षण कार्यों को जल्दी से सेट करने के लिए किया जाता है। "अच्छे उत्पाद"। उदाहरण के लिए, एक उत्पादन सेटिंग में, कोई "अच्छी बोतलों" की 20 छवियों का उपयोग कर सकता है और एक दृश्य गुणवत्ता निरीक्षण "मिनी-ब्रेन" बना सकता है जो अच्छी बोतलों को पहचानने में सक्षम हो, या जब एक खराब बोतल (उदाहरण के लिए, टूटी हुई टोपी वाली) हो। उत्पादित. यह एल-डीएनएन के साथ बहुत आसानी से, जल्दी और एक साधारण सीपीयू पर किया जा सकता है, जो 10 वर्षों से अधिक के गहन अनुसंधान और विकास में निर्मित नासा तकनीक का लाभ उठाता है।

पिछले साक्षात्कार में, आपने सिफारिश की थी कि उद्यमी हमेशा ऐसा व्यवसाय शुरू करने का लक्ष्य रखते हैं जो थोड़ा असंभव हो। जब आपने पहली बार कंपनी लॉन्च की थी तो क्या आपको लगा था कि न्यूराला थोड़ा असंभव था?

मुझे अभी भी अपने मित्र और सहकर्मी अनातोली की याद आती है, जब मैंने कहा था कि "एक दिन, हमारी तकनीक सेल फोन पर चलेगी"। यह असंभव लगता है, लेकिन आपको बस इसकी कल्पना करने और इसके लिए काम करने की ज़रूरत है। आज यह लाखों फोन पर चलता है। हम एक ऐसी दुनिया की कल्पना करते हैं जहां हजारों कृत्रिम आंखें औद्योगिक मशीनों और प्रक्रियाओं को पहचानकर गुणवत्ता और नियंत्रण का अकल्पनीय स्तर प्रदान कर सकें, जो पहले असंभव था क्योंकि वे प्रति मशीन हजारों लोगों का उपभोग करती थीं। आशा है कि इसे पढ़ते समय कोई भी एस्प्रेसो नहीं पी रहा होगा...

शानदार साक्षात्कार के लिए धन्यवाद, न्यूराला स्पष्ट रूप से एक ऐसी कंपनी है जिसे हमें अपने रडार पर रखना चाहिए। जो पाठक अधिक जानना चाहते हैं उन्हें अवश्य आना चाहिए Neurala.