यशर बेहज़ादी, सिंथेसिस एआई के सीईओ – साक्षात्कार श्रृंखला

यशर बेहज़ादी पीएचडी सिंथेसिस एआई के सीईओ और संस्थापक हैं। वह एक अनुभवी उद्यमी हैं जिन्होंने एआई, मेडिकल टेक्नोलॉजी और आईओटी बाजारों में परिवर्तनकारी व्यवसाय बनाए हैं। उन्होंने पिछले 14 वर्षों में सिलिकॉन वैली में डेटा-केंद्रित प्रौद्योगिकी कंपनियों का निर्माण और विस्तार किया है। यशर के पास 30 से अधिक पेटेंट और पेटेंट लंबित हैं और यूसीएसडी से फंक्शनल ब्रेन इमेजिंग के स्पेशियल-टेम्पोरल मॉडलिंग पर ध्यान केंद्रित करते हुए पीएचडी है।

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

आप कैसे शुरू में कंप्यूटर विज्ञान और एआई में शामिल हुए?

मैंने 2006 में यूसीएसडी से पीएचडी प्राप्त की, जिसमें कंप्यूटर विजन और मस्तिष्क इमेजिंग डेटा के स्पेशियल और टेम्पोरल मॉडलिंग पर ध्यान केंद्रित किया गया था। उसके बाद मैंने सिलिकॉन वैली में सेंसर, डेटा और मशीन लर्निंग के बीच के इंटरसेक्शन पर 16 वर्षों तक काम किया। मुझे लगता है कि मुझे कुछ उल्लेखनीय प्रौद्योगिकियों पर काम करने का अवसर मिला, और मेरे पास सिग्नल प्रोसेसिंग, मशीन लर्निंग और डेटा साइंस पर केंद्रित 30 से अधिक पेटेंट जारी या दायर किए गए हैं।

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

सिंथेसिस एआई की स्थापना से पहले, मैंने एक वैश्विक एआई सेवा कंपनी का नेतृत्व किया, जो प्रमुख प्रौद्योगिकी उद्यमों के लिए कंप्यूटर विजन मॉडल विकसित करने पर केंद्रित थी। चाहे कंपनी का आकार कुछ भी हो, मुझे लगता है कि हम लेबल्ड प्रशिक्षण डेटा की गुणवत्ता और मात्रा से बहुत सीमित थे। जैसे ही कंपनियां भौगोलिक रूप से विस्तारित हुईं, अपने ग्राहक आधार का विस्तार किया या नए मॉडल और नए हार्डवेयर विकसित किए, नए प्रशिक्षण डेटा की आवश्यकता थी ताकि यह सुनिश्चित किया जा सके कि मॉडल पर्याप्त रूप से प्रदर्शन करते हैं। यह भी स्पष्ट हो गया कि कंप्यूटर विजन का भविष्य आज के मानव-इन-द-लूप एनोटेशन परिदृश्य के साथ सफल नहीं होगा। स्वायत्तता, रोबोटिक्स और एआर/वीआर/मेटावर्स अनुप्रयोगों जैसे उभरते कंप्यूटर विजन अनुप्रयोगों में 3डी लेबल, गहराई जानकारी, सामग्री गुण, विस्तृत सेगमेंटेशन आदि का एक समृद्ध सेट आवश्यक है जो मानव द्वारा लेबल नहीं किया जा सकता है। एक नए परिदृश्य की आवश्यकता थी जो इन नए मॉडलों को प्रशिक्षित करने के लिए आवश्यक लेबल के समृद्ध सेट प्रदान करे। इसके अलावा तकनीकी ड्राइवरों, हम उपभोक्ता और नियामक मॉडल पूर्वाग्रह और उपभोक्ता गोपनीयता से संबंधित नैतिक मुद्दों के बारे में बढ़ती जांच देख रहे थे।

मैंने सिंथेसिस एआई की स्थापना कंप्यूटर विजन परिदृश्य को बदलने के उद्देश्य से की। कंपनी का सिंथेटिक डेटा-जेनरेशन प्लेटफ़ॉर्म फोटोरियलिस्टिक इमेज डेटा के साथ-साथ 3डी पिक्सल-परफेक्ट लेबल्स के विस्तारित सेट के साथ ऑन-डिमांड जेनरेशन को सक्षम बनाता है। हमारा मिशन सिंथेटिक डेटा प्रौद्योगिकियों को आगे बढ़ाना है ताकि अधिक क्षमता वाले मॉडलों का नैतिक विकास संभव हो सके।

जिन पाठकों को इस शब्द से परिचित नहीं हैं, वे सिंथेटिक डेटा को परिभाषित कर सकते हैं?

सिंथेटिक डेटा कंप्यूटर-जनित डेटा है जो वास्तविक दुनिया के डेटा के विकल्प के रूप में कार्य करता है। सिंथेटिक डेटा वास्तविक दुनिया में मापे जाने या मापे जाने के बजाय सिम्युलेटेड डिजिटल दुनिया में बनाया जाता है। विज़ुअल इफेक्ट्स और सीजीआई की दुनिया से टूल्स को जेनरेटिव एआई मॉडल के साथ जोड़कर, सिंथेसिस एआई कंपनियों को कंप्यूटर विजन मॉडल को प्रशिक्षित करने के लिए विशाल, विविध और फोटोरियलिस्टिक डेटा बनाने में सक्षम बनाता है। सिंथेटिक डेटा गोपनीयता को संरक्षित करते हुए उच्च-गुणवत्ता वाली इमेज डेटा प्राप्त करने की लागत और गति को क्रमशः कम करता है।

सिंथेटिक डेटा कैसे उत्पन्न किया जाता है?

एक सिंथेटिक डेटा सेट वास्तविक दुनिया के डेटा के माध्यम से नहीं बल्कि कृत्रिम रूप से बनाया जाता है। विज़ुअल इफेक्ट्स उद्योग की प्रौद्योगिकियों को जेनरेटिव न्यूरल नेटवर्क के साथ जोड़कर विशाल, विविध और फोटोरियलिस्टिक लेबल्ड इमेज डेटा बनाया जाता है। सिंथेटिक डेटा मौजूदा दृष्टिकोणों की तुलना में एक अंश के लिए प्रशिक्षण डेटा बनाने में सक्षम बनाता है।

सिंथेटिक डेटा का लाभ कैसे प्रतिस्पर्धी बढ़त प्रदान करता है?

वर्तमान में, अधिकांश एआई सिस्टम ‘पर्यवेक्षित लर्निंग’ का उपयोग करते हैं जहां मानव छवियों में महत्वपूर्ण विशेषताओं को लेबल करते हैं और फिर एआई एल्गोरिदम को छवियों की व्याख्या करने के लिए प्रशिक्षित करते हैं। यह एक संसाधन और समय-Gहन प्रक्रिया है और मानव द्वारा सटीक रूप से लेबल किए जा सकने वाले द्वारा सीमित है। इसके अलावा, एआई जनसांख्यिकीय पूर्वाग्रह और उपभोक्ता गोपनीयता के साथ बढ़ती चिंताओं ने मानव डेटा प्राप्त करना और भी कठिन बना दिया है।

हमारा दृष्टिकोण फोटोरियलिस्टिक डिजिटल दुनिया बनाना है जो जटिल इमेज डेटा को सिंथेटिक करता है। चूंकि हम डेटा बनाते हैं, हम दृश्यों के बारे में सब कुछ जानते हैं, जिसमें वस्तुओं और उनके पर्यावरण के साथ उनके जटिल इंटरैक्शन के 3डी स्थान के बारे में पहले से उपलब्ध जानकारी शामिल है। मौजूदा दृष्टिकोणों का उपयोग करके इस मात्रा में डेटा प्राप्त करना और लेबल करना महीनों या वर्षों ले सकता है। यह नया परिदृश्य 100 गुना अधिक कुशलता और लागत में सुधार करेगा और अधिक क्षमता वाले मॉडलों का एक नया वर्ग चलाएगा।

चूंकि सिंथेटिक डेटा कृत्रिम रूप से उत्पन्न किया जाता है, यह पारंपरिक रूप से डेटा सेट एकत्र करने के साथ जुड़े कई पूर्वाग्रहों और गोपनीयता चिंताओं को समाप्त करता है।

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

वास्तविक दुनिया के डेटा को मॉडल प्रशिक्षण के लिए कब्जा करना और तैयार करना एक लंबी और थकाऊ प्रक्रिया है। स्वायत्त वाहनों, रोबोटिक्स या सैटेलाइट इमेजरी जैसे जटिल कंप्यूटर विजन सिस्टम के लिए आवश्यक हार्डवेयर को तैनात करना अत्यधिक महंगा हो सकता है। एक बार डेटा कब्जा कर लिया जाता है, तो मानव आवश्यक विशेषताओं को लेबल और एनोटेट करते हैं। यह प्रक्रिया त्रुटि के लिए अतिसंवेदनशील है, और मानव जटिल जानकारी जैसे 3डी स्थान को लेबल करने में सीमित हैं जो कई अनुप्रयोगों के लिए आवश्यक हैं।

सिंथेटिक डेटा पारंपरिक मानव-लेबल वाले वास्तविक-डेटा दृष्टिकोणों की तुलना में कई गुना तेज और सस्ता है और उद्योगों में नए और अधिक क्षमता वाले मॉडलों की तैनाती को तेज करेगा।

सिंथेटिक डेटा एआई पूर्वाग्रह को कम करने या रोकने में कैसे मदद करता है?

एआई सिस्टम सर्वव्यापी हैं लेकिन उनमें निहित पूर्वाग्रह हो सकते हैं जो लोगों के समूहों को प्रभावित कर सकते हैं। डेटासेट असंतुलित हो सकते हैं और कुछ डेटा वर्गों के साथ या तो अधिक या कम प्रतिनिधित्व वाले समूहों के साथ। मानव-केंद्रित सिस्टम अक्सर लिंग, जातीयता और आयु पूर्वाग्रह का कारण बन सकते हैं। इसके विपरीत, डिज़ाइन-जेनरेटेड प्रशिक्षण डेटा संतुलित होता है और मानव पूर्वाग्रहों की कमी होती है।

सिंथेटिक डेटा एआई के पूर्वाग्रह समस्या को हल करने में एक मजबूत समाधान बन सकता है। सिंथेटिक डेटा आंशिक रूप से या पूरी तरह से कृत्रिम रूप से बनाया जाता है, वास्तविक दुनिया की घटनाओं या घटनाओं से मापा या निकाला जाता है। यदि डेटासेट विविध या बड़ा नहीं है, तो एआई-जेनरेटेड डेटा अंतराल को भर सकता है और एक निष्पक्ष डेटासेट बना सकता है। सबसे अच्छा हिस्सा? मैनुअल रूप से इन डेटा सेट बनाने में कई महीनों या वर्षों की टीमें लग सकती हैं। सिंथेटिक डेटा के साथ डिज़ाइन किए जाने पर, यह रातोंरात किया जा सकता है।

कंप्यूटर विजन के बाहर, सिंथेटिक डेटा के लिए कुछ भविष्य के संभावित उपयोग मामले क्या हैं?

कंप्यूटर विजन से संबंधित बहुत सारे उपयोग मामलों के अलावा, जो उपभोक्ता उत्पादों, स्वायत्तता, रोबोटिक्स, एआर/वीआर/मेटावर्स और अधिक से संबंधित हैं, सिंथेटिक डेटा अन्य डेटा मोडलिटी पर भी प्रभाव डालेगा। हम पहले से ही कंपनियों को संरचित टैबुलर डेटा, वॉयस और प्राकृतिक भाषा प्रसंस्करण के लिए सिंथेटिक डेटा दृष्टिकोण का लाभ उठाते हुए देख रहे हैं। प्रत्येक मोडलिटी के लिए अंतर्निहित प्रौद्योगिकियां और जेनरेशन पाइपलाइन अलग-अलग हैं, और निकट भविष्य में, हम मल्टी-मॉडल 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 ह्यूमनएपीआई जारी किया, जो सिंथेसिस एआई की सिंथेटिक डेटा क्षमताओं का एक महत्वपूर्ण विस्तार है, जो लाखों अद्वितीय, उच्च-गुणवत्ता वाले 3डी डिजिटल मानवों को प्रोग्रामेटिक रूप से उत्पन्न करने में सक्षम बनाता है। यह घोषणा फेसएपीआई सिंथेटिक डेटा-ए-ए-सर्विस उत्पाद के लॉन्च के कुछ महीनों बाद आती है, जिसने प्रमुख स्मार्टफोन, टेलीकॉन्फ्रेंसिंग, ऑटोमोबाइल और प्रौद्योगिकी कंपनियों के लिए 10 मिलियन से अधिक लेबल वाले चेहरे की छवियां वितरित की हैं। ह्यूमनएपीआई कंपनी की उन्नत कंप्यूटर विजन आर्टिफिशियल इंटेलिजेंस (एआई) अनुप्रयोगों को समर्थन देने की यात्रा में अगला कदम है।

ह्यूमनएपीआई ग्राहकों के लिए कई नए अवसरों को भी सक्षम बनाता है, जिनमें स्मार्ट एआई सहायक, वर्चुअल फिटनेस कोच और, ज़ाहिर है, मेटावर्स अनुप्रयोगों की दुनिया शामिल है।

वास्तविक दुनिया की एक डिजिटल डबल बनाकर, मेटावर्स नए अनुप्रयोगों को सक्षम करेगा, जिनमें पुनर्कल्पित सोशल नेटवर्क, मनोरंजन अनुभव, टेलीकॉन्फ्रेंसिंग, गेमिंग और अधिक शामिल हैं। कंप्यूटर विजन एआई वास्तविक दुनिया को डिजिटल क्षेत्र में उच्च-निष्ठा के साथ कब्जा करने और पुन: बनाने के लिए मूलभूत होगा। फोटोरियलिस्टिक, अभिव्यंजक और व्यवहारिक रूप से सटीक मानव भविष्य के कंप्यूटर विजन अनुप्रयोगों का एक आवश्यक घटक होंगे। ह्यूमनएपीआई पहला उत्पाद है जो कंपनियों को पोज़ एस्टीमेशन, भावना मान्यता, गतिविधि और व्यवहार वर्गीकरण, चेहरे के पुनर्निर्माण और अधिक सहित अधिक क्षमता वाले एआई मॉडल बनाने के लिए विशाल मात्रा में पूरी तरह से लेबल वाले पूरे शरीर के डेटा को ऑन-डिमांड बनाने में सक्षम बनाता है।

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