मैक्स वर्सेस, न्यूराला के सीईओ और सह-संस्थापक – साक्षात्कार श्रृंखला

डॉ मासिमिलियानो वर्सेस न्यूराला के सह-संस्थापक और सीईओ हैं, और कंपनी के दृष्टिकोणकार हैं। अपने अग्रणी अनुसंधान के बाद मस्तिष्क-प्रेरित गणना और गहरे नेटवर्क में, वह स्वायत्त रोबोटिक्स की दुनिया को प्रेरित और नेतृत्व करना जारी रखते हैं। उन्होंने टेडएक्स, नासा, पेंटागन, जीटीसी, इंटरड्रोन, नेशनल लैब्स, एयर फोर्स रिसर्च लैब्स, एचपी, आईरोबोट, सैमसंग, एलजी, क्वालकॉम, एरिक्सन, बीएई सिस्टम्स, एआई वर्ल्ड, मित्सुबिशी, एबीबी और एक्सेंचर जैसे कई आयोजनों और स्थानों पर बोला है।

आपने शुरू में मनोविज्ञान का अध्ययन किया और फिर तंत्रिका विज्ञान में बदलाव किया, उस समय आपकी तर्क क्या थी?

परिवर्तन स्वाभाविक था। मनोविज्ञान ने “प्रशिक्षण सिक्के” का एक पक्ष प्रदान किया – मनोवैज्ञानिक घटना का अध्ययन। हालांकि, यदि कोई विचारों और व्यवहार के कारणों के बारे में जानने में रुचि रखता है, तो वह अनिवार्य रूप से विचारों के लिए जिम्मेदार अंग का अध्ययन करने और तंत्रिका विज्ञान का अध्ययन करने के लिए आता है!

जब आपने महसूस किया कि आप मानव मस्तिष्क की अपनी समझ को एक एआई प्रणाली में मानव मस्तिष्क की नकल करने के लिए लागू करना चाहते हैं?

अगला कदम, तंत्रिका विज्ञान से एआई तक, अधिक कठिन है। जबकि तंत्रिका विज्ञान तंत्रिका तंत्र की विस्तृत अध्ययन और शारीरिक रचना विज्ञान और मस्तिष्क के कार्यों के बारे में जानने से संबंधित है, एक और पूरक मार्ग एक सिंथेटिक संस्करण बनाने के लिए है। एक उदाहरण जो मैं देना पसंद करता हूं वह यह है कि एक इंजन के कार्य को समझने के लिए, आप एक सिलेंडर और रेडिएटर को हटा सकते हैं और निष्कर्ष निकाल सकते हैं कि सिलेंडर और रेडिएटर इंजन के कार्य में महत्वपूर्ण हैं। एक और गहरा तरीका एक इंजन को समझने के लिए है कि इसे स्क्रैच से बनाना है, अर्थात् बुद्धिमत्ता का अध्ययन करके इसका एक सिंथेटिक संस्करण बनाना है।

आपके द्वारा काम किए गए शुरुआती गहरे शिक्षण परियोजनाओं में से कुछ क्या हैं?

2009 में डार्पा के लिए हमने एक “पूरे मस्तिष्क की नकल” परियोजना पर काम किया था, जिसमें एक स्वायत्त रोबोट के लिए एक उन्नत चिप का उपयोग किया गया था जो ह्यूलेट पैकार्ड द्वारा डिज़ाइन किया गया था। संक्षेप में, हमारा कार्य एक छोटे से रोडेंट के मस्तिष्क और कुछ स्वायत्त और सीखने के व्यवहार की नकल करना था, जो एक पोर्टेबल और छोटे हार्डवेयर में लागू किया जा सकता था।

न्यूराला की उत्पत्ति की कहानी साझा करें?

न्यूराला कंपनी 2006 में शुरू हुई थी, जिसमें जीपीयू (ग्राफिक प्रोसेसिंग यूनिट) के लिए गहरे शिक्षण के बारे में कुछ पेटेंट कार्य शामिल थे। जबकि यह आज के समय में साधारण लगता है, उस समय जीपीयू का उपयोग एआई के लिए नहीं किया जाता था, और हमने इस概念 को पioneered किया कि प्रत्येक पिक्सेल एक ग्राफिक कार्ड में एक न्यूरॉन (एक खंड को प्रस्तुत करने के लिए) के रूप में उपयोग किया जा सकता है। जीपीयू के समानांतरवाद के कारण, जो हमारे मस्तिष्क के समानांतरवाद को एक व्यावसायिक रूप से व्यवहार्य सीमा तक मिलता है, हम अपने एल्गोरिदम के लिए सीखने और निष्पादन गति प्राप्त करने में सक्षम थे जो अचानक एआई और गहरे शिक्षण को व्यावहारिक बना दिया। हमें अकादमी से बाहर निकलने के लिए कुछ और वर्षों का इंतजार करना पड़ा, क्योंकि दुनिया “पकड़ में” (हम पहले से ही एआई की वास्तविकता में विश्वास करते थे!)। 2013 में, हमने कंपनी को गुप्त मोड से बाहर निकाला, (क्योंकि हम पहले से ही नासा और यूएस एयर फोर्स रिसर्च लैब्स द्वारा वित्त पोषित थे) और बोस्टन टेक स्टार्स प्रोग्राम में प्रवेश किया। वहां से, हमने कुछ कर्मचारियों को नियुक्त किया और निजी पूंजी जुटाई। फिर भी, यह 2017 तक नहीं था कि हम ताज़ा पूंजी के साथ और उद्योग के परिपक्व होने के साथ पहली महत्वपूर्ण तैनाती करने में सक्षम थे और हमारे एआई को 56 मिलियन डिवाइसों में लगाया, जिनमें कैमरे, स्मार्टफोन, ड्रोन और रोबोट शामिल थे।

न्यूराला की एक शुरुआती परियोजना नासा के मार्स रोवर पर काम करना थी। इस परियोजना के मुख्य बिंदु साझा करें?

नासा के पास एक विशिष्ट समस्या थी: वे भविष्य के अनमैन्ड मिशनों के लिए प्रौद्योगिकी का अन्वेषण करना चाहते थे, जहां स्वायत्त प्रणाली (जैसे कि एक रोवर) पृथ्वी के मिशन नियंत्रण के चरण-दर-चरण मार्गदर्शन पर निर्भर नहीं करेगी। संचार विलंब इस नियंत्रण को असंभव बना देते हैं – बस याद रखें कि “द मार्टियन” फिल्म में पृथ्वी और मैट डेमन के बीच संचार कितना असहज था। हमारा समाधान: प्रत्येक रोवर को अपना मस्तिष्क दें। नासा ने हमसे संपर्क किया, क्योंकि हम पहले से ही डार्पा के साथ इन स्वायत्त “मिनी-मस्तिष्क” का निर्माण करने में विशेषज्ञ थे, एक रोवर को एक छोटे से कारक डीप लर्निंग सिस्टम से सुसज्जित करने के लिए जो न केवल रोबोट पर चल सकता था, बल्कि वास्तविक समय में अनुकूलन और सीखने में भी सक्षम था। इनमें नए वस्तुओं (जैसे कि चट्टानें, पानी के संकेत, आदि) को शामिल किया गया था, जैसा कि वे मुलाकात की और एक अन्वेषित ग्रह का एक अर्थपूर्ण मानचित्र बनाया। चुनौती विशाल थी, लेकिन इतना ही इनाम भी था: एक गहरे शिक्षण प्रौद्योगिकी जो बहुत छोटी प्रसंस्करण शक्ति पर चल सकती थी और एक ही डेटा टुकड़े (जैसे कि एक छवि) पर सीख सकती थी। यह उस समय की गहरे शिक्षण की क्षमताओं से परे था (और आज भी!)।

न्यूराला ने लाइफलॉन्ग-डीएनएन को डिज़ाइन किया है, इसके बारे में विस्तार से बताएं और यह एक नियमित डीएनएन से कैसे अलग है और इसके क्या फायदे हैं?

नासा के लिए ऊपर बताए गए उपयोग के मामले के लिए डिज़ाइन किया गया, लाइफलॉन्ग डीएनएन, जैसा कि नाम से पता चलता है, अपने पूरे जीवन चक्र में सीख सकता है। यह पारंपरिक गहरे न्यूरल नेटवर्क (डीएनएन) से अलग है, जो या तो प्रशिक्षित किए जा सकते हैं या एक “अनुमान” (नामतः, एक वर्गीकरण) कर सकते हैं। ली-डीएनएन में, जैसे कि मनुष्यों में, सीखने और वर्गीकरण के बीच कोई अंतर नहीं है। हर बार जब हम कुछ देखते हैं, तो हम दोनों “वर्गीकरण” करते हैं (यह एक कुर्सी है) और इसके बारे में सीखते हैं (यह एक नई कुर्सी है, मैंने पहले कभी नहीं देखी है, मुझे अब इसके बारे में थोड़ा और पता है)। डीएनएन के विपरीत, एल-डीएनएन हमेशा सीखता है और दुनिया के बारे में जो कुछ भी जानता है, उसे जो नई जानकारी प्रस्तुत की जाती है, उसका सामना करता है और स्वाभाविक रूप से विसंगतियों को समझने में सक्षम है। उदाहरण के लिए, यदि मेरे बच्चों में से एक मुझ पर मजाक करता है और मेरी कुर्सी को गुलाबी रंग देता है, तो मैं तुरंत पहचान लूंगा। चूंकि मेरा एल-डीएनएन पहले से ही सीख चुका है कि मेरी कुर्सी काली है, और जब मेरी धारणा मेरी कुर्सी की मेमोरी से मेल नहीं खाती है, तो एल-डीएनएन एक विसंगति संकेत उत्पन्न करेगा। न्यूराला के उत्पादों में विभिन्न तरीकों से इसका उपयोग किया जाता है (नीचे देखें)।

ब्रेन बिल्डर कस्टम विजन एआई के बारे में चर्चा करें और यह रोबोटिक्स अनुप्रयोगों को कैसे तेज़, आसान और कम महंगा बनाता है?

चूंकि एल-डीएनएन स्वाभाविक रूप से दुनिया के बारे में सीखता है और कुछ असामान्य या मानक से विचलित होने को समझने में सक्षम है, न्यूराला के उत्पाद, ब्रेन बिल्डर और वीआईए (विज़ुअल इंस्पेक्शन ऑटोमेशन) का उपयोग करके केवल कुछ “अच्छे उत्पादों” की छवियों का उपयोग करके दृष्टि निरीक्षण कार्यों को जल्दी से सेट अप किया जा सकता है। उदाहरण के लिए, एक उत्पादन सेटिंग में, आप 20 “अच्छी बोतलों” की छवियों का उपयोग करके एक दृश्य गुणवत्ता निरीक्षण “मिनी-मस्तिष्क” बना सकते हैं जो “अच्छी बोतलों” को पहचान सकता है, या जब एक “बुरी बोतल” (जैसे कि एक टूटी हुई टोपी के साथ) का उत्पादन किया जाता है। यह एल-डीएनएन के साथ बहुत आसानी से किया जा सकता है, जल्दी से, और एक सरल सीपीयू पर, नासा प्रौद्योगिकी का लाभ उठाकर जो 10 साल से अधिक समय से तीव्र अनुसंधान और विकास में निवेश किया गया है।

एक पिछले साक्षात्कार में, आपने सुझाव दिया था कि उद्यमियों को हमेशा एक व्यवसाय शुरू करने का लक्ष्य रखना चाहिए जो थोड़ा असंभव हो। क्या आपको लगता है कि न्यूराला शुरू करने के समय यह थोड़ा असंभव था?

मुझे अभी भी याद है कि जब मैंने कहा था “एक दिन, हमारी तकनीक एक सेल फोन पर चलेगी” तो मेरे मित्र और सहयोगी अनातोली ने अपना एस्प्रेसो थूक दिया था। यह असंभव लग रहा था, लेकिन आपको बस इसकी कल्पना करनी थी और इसके लिए काम करना था। आज, यह लाखों फोन पर चलता है। हम एक ऐसी दुनिया की कल्पना करते हैं जहां हजारों कृत्रिम आंखें औद्योगिक मशीनों और प्रक्रियाओं को पहले से अकल्पनीय स्तर की गुणवत्ता और नियंत्रण प्रदान कर सकती हैं, जो पहले असंभव थी क्योंकि वे प्रति मशीन हजारों लोगों की खपत करेंगी। आशा है कि कोई भी एस्प्रेसो पीते हुए यह पढ़ नहीं रहा है….

साक्षात्कार के लिए धन्यवाद, न्यूराला स्पष्ट रूप से एक कंपनी है जिस पर हमें अपनी निगरानी रखनी चाहिए। जो पाठक अधिक जानना चाहते हैं उन्हें न्यूराला पर जाना चाहिए。