साक्षात्कार
योनातन गेफमैन, डेसी के सीईओ और सह-संस्थापक – साक्षात्कार श्रृंखला
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
योनातन गेफमैन डेसी के सीईओ और सह-संस्थापक हैं, जो एआई मॉडल्स को किसी भी हार्डवेयर पर उत्पादन-ग्रेड समाधानों में परिवर्तित करता है। डेसी को गार्टनर द्वारा एज एआई के लिए एक टेक इनोवेटर के रूप में मान्यता प्राप्त है और सीबी इनसाइट्स की एआई 100 सूची में शामिल किया गया है। इसकी प्रोप्राइटरी तकनीक का प्रदर्शन एमएलपरफ़ पर इंटेल के साथ नए रिकॉर्ड स्थापित करता है।
आपको मशीन लर्निंग में क्या आकर्षित किया?
एक युवा उम्र से, मैं हमेशा कटिंग-एज तकनीकों से आकर्षित था – न केवल उनका उपयोग करना, बल्कि वास्तव में समझना कि वे कैसे काम करते हैं।
यह जीवन भर की आकर्षण ने मेरे कंप्यूटर विज्ञान में पीएचडी अध्ययन की ओर अग्रसर किया, जहां मेरा शोध गहरे तंत्रिका नेटवर्क (डीएनएन) पर केंद्रित था। जैसे ही मैंने इस महत्वपूर्ण तकनीक को एक अकादमिक सेटिंग में समझा, मैं वास्तव में समझने लगा कि एआई दुनिया को सकारात्मक रूप से प्रभावित कर सकता है। स्मार्ट सिटी से लेकर स्वायत्त वाहनों तक, जीवन रक्षक चिकित्सा उपकरणों तक – एआई के अनगिनत अनुप्रयोग हैं जहां यह समाज को बेहतर बना सकता है। मैं हमेशा से जानता था कि मैं उस क्रांति में भाग लेना चाहता हूं।
डेसी एआई की उत्पत्ति की कहानी साझा करें?
यह मुश्किल नहीं है – जैसा कि मैंने अपने पीएचडी के दौरान देखा था – एआई कितना लाभकारी हो सकता है उपयोग के मामलों में भर। फिर भी, कई उद्यम एआई की पूर्ण क्षमता का लाभ उठाने के लिए संघर्ष करते हैं क्योंकि डेवलपर्स को उत्पादन-तैयार गहरे शिक्षण मॉडल विकसित करने के लिए एक पहाड़ी लड़ाई का सामना करना पड़ता है। दूसरे शब्दों में, एआई को उत्पादक बनाना अभी भी बहुत मुश्किल है।
इन चुनौतियों को मुख्य रूप से एआई दक्षता अंतराल से जोड़ा जा सकता है जो उद्योग का सामना कर रहा है। एल्गोरिदम अधिक शक्तिशाली होते जा रहे हैं और अधिक कंप्यूटिंग शक्ति की आवश्यकता है, लेकिन साथ ही उन्हें लागत-कुशल तरीके से तैनात किया जाना चाहिए, अक्सर संसाधन-सीमित एज डिवाइस पर।
मेरे सह-संस्थापक प्रोफेसर रान एल-यानिव, जोनाथन एलियल और मैंने इस चुनौती का सामना करने के लिए डेसी की स्थापना की। और हमने ऐसा करने का एकमात्र तरीका देखा – एआई को ही अगली पीढ़ी के गहरे शिक्षण को बनाने के लिए उपयोग करना। हमने एक एल्गोरिथम-फर्स्ट दृष्टिकोण को अपनाया, जिसमें एआई एल्गोरिदम की प्रभावशीलता में सुधार करने पर काम किया गया, जो बदले में डेवलपर्स को उच्चतम स्तर की सटीकता और दक्षता प्रदान करने वाले मॉडल बनाने और काम करने में सक्षम बनाता है।
गहरे शिक्षण को परिभाषित करें?
गहरे शिक्षण, मशीन लर्निंग की तरह, एआई का एक उपक्षेत्र है, जो एक नए युग के अनुप्रयोगों को सशक्त बनाने के लिए तैयार है। गहरे शिक्षण मानव मस्तिष्क की संरचना से बहुत प्रभावित है, जो तब होता है जब हम गहरे शिक्षण के बारे में बात करते हैं, तो हम “तंत्रिका नेटवर्क” के बारे में बात करते हैं। यह एज अनुप्रयोगों (स्मार्ट सिटी में कैमरे, स्वायत्त वाहनों पर सेंसर, स्वास्थ्य सेवा में विश्लेषणात्मक समाधान) के लिए बहुत प्रासंगिक है, जहां वास्तविक समय में ऐसी अंतर्दृष्टि प्रदान करने के लिए ऑन-साइट गहरे शिक्षण मॉडल महत्वपूर्ण हैं।
तंत्रिका वास्तुकला खोज क्या है?
तंत्रिका वास्तुकला खोज एक तकनीकी अनुशासन है जो बेहतर गहरे शिक्षण मॉडल प्राप्त करने के लिए है।
गूगल के 2017 में तंत्रिका वास्तुकला खोज पर अग्रणी कार्य ने इस विषय को शोध और अकादमिक हलकों में मुख्यधारा में लाया।
(GOOGL )तंत्रिका वास्तुकला खोज का लक्ष्य एक दिए गए समस्या के लिए सबसे अच्छा तंत्रिका नेटवर्क वास्तुकला खोजना है। यह गहरे शिक्षण मॉडल के डिजाइन को स्वचालित करता है, जिससे मैन्युअल रूप से डिज़ाइन की गई वास्तुकला की तुलना में उच्च प्रदर्शन और कम नुकसान होता है। इसमें एक प्रक्रिया शामिल है जिसमें एक एल्गोरिथम लाखों उपलब्ध मॉडल वास्तुकला के स्थान में खोज करता है, एक वास्तुकला को प्राप्त करने के लिए जो विशेष रूप से उस विशिष्ट समस्या को हल करने के लिए उपयुक्त है। सरल शब्दों में, यह एक विशिष्ट परियोजना की विशिष्ट आवश्यकताओं के अनुसार नए एआई को डिज़ाइन करने के लिए एआई का उपयोग करता है।
तंत्रिका वास्तुकला खोज की कुछ सीमाएं क्या हैं?
पारंपरिक तंत्रिका वास्तुकला खोज की मुख्य सीमाएं पहुंच और मापनीयता हैं। तंत्रिका वास्तुकला खोज आज मुख्य रूप से शोध सेटिंग्स में उपयोग की जाती है और आमतौर पर केवल तकनीकी दिग्गजों जैसे गूगल और फेसबुक द्वारा या स्टैनफोर्ड जैसे अकादमिक संस्थानों में की जाती है, क्योंकि पारंपरिक तंत्रिका वास्तुकला खोज तकनीक जटिल है और बहुत सारे कम्प्यूटेशनल संसाधनों की आवश्यकता होती है।
इसलिए मैं हमारी ऑटोनैक (स्वचालित तंत्रिका वास्तुकला निर्माण) प्रौद्योगिकी विकसित करने में हमारी उपलब्धियों पर बहुत गर्व महसूस करता हूं, जो तंत्रिका वास्तुकला खोज को लोकतंत्रित करती है और कंपनियों को अपने अनुप्रयोगों के लिए बेहतर से बेहतर सटीकता और गति के साथ कस्टम मॉडल वास्तुकला बनाने में सक्षम बनाती है।
(META )वस्तु का पता लगाने के शिक्षण में छवि प्रकार के आधार पर क्या अंतर है?
आश्चर्यजनक रूप से, छवियों की डोमेन वस्तु का पता लगाने के मॉडलों के प्रशिक्षण प्रक्रिया को बहुत अधिक प्रभावित नहीं करता है। चाहे आप सड़क पर एक पैदल यात्री की तलाश कर रहे हों, एक मेडिकल स्कैन में एक ट्यूमर, या हवाई अड्डे की सुरक्षा द्वारा ली गई एक्स-रे छवि में एक छिपी हुई हथियार, प्रक्रिया लगभग समान है। आपको जिस कार्य के लिए प्रशिक्षित करने के लिए डेटा की आवश्यकता है, वह आपके मॉडल के प्रतिनिधि होने चाहिए, और मॉडल का आकार और संरचना छवि में वस्तुओं के आकार, आकार और जटिलता से प्रभावित हो सकता है।
डेसी एआई गहरे शिक्षण के लिए एक अंत-से-अंत मंच कैसे प्रदान करता है?
डेसी का मंच डेवलपर्स को सटीक और तेज़ गहरे शिक्षण मॉडल बनाने, प्रशिक्षित करने और उत्पादन में तैनात करने में सक्षम बनाता है। ऐसा करके, टीमें एक लाइन कोड के साथ सबसे आगे के शोध और इंजीनियरिंग सर्वोत्तम प्रथाओं का लाभ उठा सकती हैं, बाजार में आने के समय को महीनों से कुछ हफ्तों तक कम कर सकती हैं और उत्पादन में सफलता की गारंटी दे सकती हैं।
आप शुरू में 6 लोगों की एक टीम के साथ शुरू हुए और अब आप बड़े उद्यमों को सेवा दे रहे हैं। कंपनी की वृद्धि और आपने जिन चुनौतियों का सामना किया है, उनके बारे में चर्चा करें?
हम 2019 में शुरू होने के बाद से हासिल की गई वृद्धि से रोमांचित हैं। अब, 50 से अधिक कर्मचारियों और 55 मिलियन डॉलर से अधिक के फंडिंग के साथ, हमें विश्वास है कि हम विकसितकर्ताओं को एआई की वास्तविक क्षमता को समझने और कार्रवाई करने में मदद करना जारी रख सकते हैं। लॉन्च के बाद से, हम सीबी इनसाइट्स की एआई 100 सूची में शामिल किए गए हैं, जैसे कि हमारे परिवार के मॉडल जो सीपीयू पर गहरे शिक्षण प्रदर्शन में नए मील के पत्थर हासिल करते हैं, और बड़े नामों जैसे इंटेल के साथ अर्थपूर्ण सहयोग को मजबूत किया है।
क्या डेसी एआई के बारे में आप कुछ और साझा करना चाहेंगे?
जैसा कि मैंने पहले उल्लेख किया है, एआई दक्षता अंतराल एआई उत्पादकता के लिए एक बड़ा बाधा बना हुआ है। “बाएं शिफ्ट” – विकास चक्र के शुरू में उत्पादन प्रतिबंधों को ध्यान में रखना – समय और लागत को कम करता है जो गहरे शिक्षण मॉडल को उत्पादन में तैनात करते समय संभावित बाधाओं को ठीक करने पर खर्च किया जाता है।
हमारा लक्ष्य सरल है – एआई को व्यापक रूप से सुलभ, सस्ती और मापनीय बनाना।
धन्यवाद इस शानदार साक्षात्कार के लिए, पाठक जो अधिक जानना चाहते हैं उन्हें डेसी की वेबसाइट पर जाना चाहिए।
