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

डॉ मासिमिलियानो वर्सेस न्यूराला के सह-संस्थापक और सीईओ हैं, और कंपनी के दृष्टिकोणकारी हैं। मस्तिष्क-प्रेरित कंप्यूटिंग और गहरे नेटवर्क में अपने अग्रणी अनुसंधान के बाद, 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 सहित कई अन्य स्थानों पर दर्जनों कार्यक्रमों और स्थानों पर बोला है।

आप शुरू में मनोविज्ञान का अध्ययन करते थे और फिर तंत्रिका विज्ञान में बदल गए, 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 को जानने में रुचि रखता है, तो वह अनिवार्य रूप से विचारों के लिए जिम्मेदार अंग का अध्ययन करने और तंत्रिका विज्ञान का अध्ययन करने में उतरता है!

जब आप यह महसूस करने लगे 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 और मस्तिष्क के विस्तृत अध्ययन और व्यवहार के लिए जिम्मेदार है, एक और पूरक मार्ग एक और गहरी समझ प्राप्त करने के लिए एक सिंथेटिक संस्करण बनाना है। मैं एक उदाहरण देना पसंद करता हूं कि एक इंजन के काम करने के तरीके को समझने के लिए, आप एक सिलेंडर और रेडिएटर को निकालकर और निष्कर्ष निकालकर कि सिलेंडर और रेडिएटर इंजन के कार्य में महत्वपूर्ण हैं, एक आंशिक समझ प्राप्त कर सकते हैं। एक और गहरी तरीका एक इंजन को स्क्रैच से बनाकर समझना है – अर्थात् बुद्धिमत्ता का अध्ययन करके इसका एक सिंथेटिक (कृत्रिम) संस्करण बनाना।

आपके द्वारा काम किए गए कुछ प्रारंभिक गहरे शिक्षण परियोजनाओं के बारे में बताएं?

2009 में डार्पा के लिए हमने ह्यूलेट पैकार्ड द्वारा डिज़ाइन किए गए एक उन्नत चिप का उपयोग करके एक स्वायत्त रोबोट के लिए एक “पूरे मस्तिष्क की नकल” बनाने पर काम किया। संक्षेप में, हमारा कार्य मस्तिष्क और एक छोटे से रोडेंट के कुछ प्रमुख स्वायत्त और सीखने वाले व्यवहार को नकल करना था, जो एक छोटे हार्डवेयर में पोर्टेबल और लागू होने के लिए उपयुक्त हो।

न्यूराला की उत्पत्ति की कहानी साझा करें?

न्यूराला कंपनी 2006 में जीपीयू (ग्राफिक प्रोसेसिंग यूनिट) के लिए गहरे शिक्षण के आसपास कुछ पेटेंट कार्य को शामिल करने के लिए शुरू की गई थी। जबकि यह आज के समय में सोचा जा सकता है, उस समय जीपीयू का उपयोग एआई के लिए नहीं किया जाता था, और हमने इस अवधारणा को पioneered कि एक ग्राफिक कार्ड में प्रत्येक पिक्सेल का उपयोग एक न्यूरॉन (एक दृश्य को रेंडर करने के लिए एक खंड के बजाय) को संसाधित करने के लिए किया जा सकता है। जीपीयू के समानांतरवाद के कारण, जो हमारे मस्तिष्क के समानांतरवाद की नकल करता है (एक व्यावसायिक रूप से व्यवहार्य सीमा तक), हम अपने एल्गोरिदम के लिए सीखने और निष्पादन गति प्राप्त करने में सक्षम हुए जो अचानक एआई और गहरे शिक्षण को व्यावहारिक बना दिया। हमें कुछ और वर्षों तक प्रतीक्षा करनी थी क्योंकि दुनिया “पकड़ में” (हम पहले से ही एआई की वास्तविकता में विश्वास करते थे!) और 2013 में हमने कंपनी को स्टील्थ मोड से बाहर निकाला (क्योंकि हम पहले से ही नासा और यूएस एयर फोर्स रिसर्च लैब्स द्वारा वित्तपोषित थे) और बोस्टन टेक स्टार्स प्रोग्राम में प्रवेश किया। वहां से, हमने कुछ कर्मचारियों को नियुक्त करना शुरू किया और निजी पूंजी जुटाई। फिर भी, यह 2017 तक नहीं था कि जब हमें ताज़ा पूंजी का इंजेक्शन मिला और उद्योग ने आगे बढ़कर हमें अपने पहले महत्वपूर्ण तैनाती करने और 56 मिलियन डिवाइसों में अपने एआई को रखने में सक्षम बनाया, जिनमें कैमरे, स्मार्टफोन, ड्रोन और रोबोट शामिल थे।

न्यूराला की एक प्रारंभिक परियोजना नासा के मार्स रोवर पर काम करना थी। इस परियोजना के मुख्य बिंदुओं के बारे में बताएं?

नासा की एक विशिष्ट समस्या थी: वे भविष्य के अनमैन्ड मिशनों को संचालित करने 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 देता है – 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 के रूप में देखे जा रहे थे, ताकि एक रोवर को एक छोटे से फैक्टर डीप लर्निंग सिस्टम से सुसज्जित किया जा सके जो न केवल रोबोट पर चल सके, बल्कि वास्तविक समय में अनुकूलन और सीखने में भी सक्षम हो। इसमें नए वस्तुओं (जैसे कि चट्टानें, पानी के संकेत, आदि) को शामिल किया गया था, जैसे ही वे मुलाकात की और एक अन्वेषित ग्रह का एक अर्थपूर्ण मानचित्र बनाया।

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

नासा के उपरोक्त 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) के विपरीत है, जो या तो प्रशिक्षित किए जा सकते हैं या एक “अनुमान” (नामतः, एक वर्गीकरण) कर सकते हैं। एल-डीएनएन में, मानवों की तरह, सीखने और वर्गीकरण के बीच कोई अंतर नहीं है। जब भी हम कुछ देखते हैं, तो हम दोनों इसे “वर्गीकृत” करते हैं (यह एक कुर्सी है) और इसके बारे में सीखते हैं (यह कुर्सी नई है, मैंने इसे पहले कभी नहीं देखा, मैं अब इसके बारे में थोड़ा और जानता हूं)। डीएनएन के विपरीत, एल-डीएनएन हमेशा सीखता है और दुनिया के बारे में जो कुछ भी जानता है, उसे नए जानकारी के साथ जोड़ता है और स्वाभाविक रूप से विचित्रताओं को समझने में सक्षम है। उदाहरण के लिए, यदि मेरे बच्चों में से एक ने मुझ पर एक मजाक खेला और मेरी कुर्सी को गुलाबी रंग दिया, तो मैं इसे तुरंत पहचान लूंगा। चूंकि मेरा एल-डीएनएन पहले से ही सीख चुका है कि मेरी कुर्सी काली है, और जब मेरी इसकी धारणा मेरी इसकी याद से मेल नहीं खाती, तो एल-डीएनएन एक विचित्रता संकेत उत्पन्न करेगा। न्यूराला के उत्पादों में विभिन्न तरीकों से इसका उपयोग किया जाता है (नीचे देखें)।

ब्रेन बिल्डर कस्टम विजन एआई क्या है, और यह रोबोटिक्स अनुप्रयोगों को तेज़, आसान और कम महंगा कैसे 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 कुछ “अच्छे उत्पादों” की छवियों का उपयोग करके दृश्य निरीक्षण कार्यों को जल्दी से सेट करने के लिए किया जाता 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 खराब बोतल (जैसे कि एक टूटी हुई टोपी) का उत्पादन किया जाता है। यह एल-डीएनएन के साथ बहुत आसानी से किया जा सकता है, जल्दी से, और एक सरल सीपीयू पर, 10 से अधिक वर्षों के तीव्र अनुसंधान और विकास में निर्मित नासा प्रौद्योगिकी का लाभ उठाकर।

एक पिछले साक्षात्कार में, आपने उद्यमियों को यह सलाह दी कि वे हमेशा एक व्यवसाय शुरू करने का लक्ष्य रखें जो थोड़ा असंभव हो। क्या आप महसूस करते हैं कि न्यूराला पहली बार जब आप कंपनी शुरू कर रहे थे तो थोड़ा असंभव था?

मैं अभी भी अपने मित्र और सहयोगी अनातोली को याद करता हूं, जो अपना एस्प्रेसो थूकते हैं जब मैंने कहा “एक दिन, हमारी प्रौद्योगिकी एक सेल फोन पर चलेगी”। यह असंभव लग रहा था, लेकिन आपको केवल इसकी कल्पना करनी थी और इसके लिए काम करना थी। 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 करने में सक्षम होंगी, जो पहले असंभव थे क्योंकि वे प्रति मशीन हजारों लोगों की खपत करेंगे। आशा है कि कोई भी इसे पढ़ते समय एस्प्रेसो पी नहीं रहा है….

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