Մաքս Վերսաչե, Neurala – Interview Series-ի գործադիր տնօրեն և համահիմնադիր

Դոկտոր Մասիմիլիանո Վերսաչեն համահիմնադիրն ու գործադիր տնօրենն է Նեուրալա, և ընկերության տեսլականը: Ուղեղից ներշնչված հաշվողական և խորը ցանցերի ոլորտում իր պիոներական հետազոտություններից հետո նա շարունակում է ոգեշնչել և ղեկավարել ինքնավար ռոբոտաշինության աշխարհը: Նա ելույթ է ունեցել տասնյակ միջոցառումների և վայրերում, այդ թվում՝ TedX, NASA, Պենտագոն, GTC, InterDrone, National Labs, Air Force Research Labs, HP, iRobot, Samsung, LG, Qualcomm, Ericsson, BAE Systems, AI World, Mitsubishi, ABB-ն և Accenture-ը, ի թիվս այլոց:

Դուք սկզբում սովորել եք հոգեբանություն, այնուհետև կենտրոնացել էիք նեյրոգիտության մեջ, ո՞րն էր ձեր հիմնավորումն այն ժամանակ:

Առանցքը բնական էր. Հոգեբանությունը տրամադրեց «վերապատրաստման մետաղադրամի» մի կողմը՝ հոգեբանական երևույթի ուսումնասիրությունը: Այնուամենայնիվ, եթե որևէ մեկին հետաքրքրում է, թե ինչն է մեխանիկորեն առաջացնում մտքերն ու վարքագիծը, նա անխուսափելիորեն սկսում է ուսումնասիրել մտքերի համար պատասխանատու օրգանը և վերջում ուսումնասիրում է նեյրոգիտությունը:

Ե՞րբ հասկացաք, որ ցանկանում եք կիրառել մարդու ուղեղի մասին ձեր պատկերացումները արհեստական ​​ինտելեկտի համակարգում մարդու ուղեղը ընդօրինակելու համար:

Հաջորդ քայլը՝ Նեյրոգիտությունը AI-ին, ավելի բարդ է: Մինչ նեյրոգիտությունը զբաղվում է նյարդային համակարգի անատոմիայի և ֆիզիոլոգիայի մանրակրկիտ ուսումնասիրությամբ, և ինչպես է ուղեղը առաջացնում վարքագիծ, ավելի մեծ ըմբռնման հասնելու մեկ այլ լրացուցիչ ճանապարհ է դրանց սինթետիկ տարբերակը կառուցելը: Նման անալոգիան, որը ես սիրում եմ տալ, այն է, որ կարելի է մասնակիորեն հասկանալ, թե ինչպես է աշխատում շարժիչը, տապալելով մխոցը և ռադիատորը և եզրակացնելով, որ բալոններն ու ռադիատորները կարևոր են շարժիչի աշխատանքի համար: Շարժիչը հասկանալու մեկ այլ ավելի խորը միջոց է այն կառուցել զրոյից, մասնավորապես՝ ուսումնասիրելով հետախուզությունը՝ կառուցելով դրա սինթետիկ (արհեստական) տարբերակը:

Որո՞նք են վաղ խորը ուսուցման նախագծերից մի քանիսը, որոնց վրա դուք աշխատել եք:

2009 թվականին DARPA-ի համար մենք աշխատել ենք կառուցելու «ամբողջ ուղեղի էմուլյացիաԻնքնավար ռոբոտի համար, որն օգտագործում է առաջադեմ չիպ, որը նախագծվել է Hewlett Packard-ի կողմից: Մի խոսքով, մեր խնդիրն էր ընդօրինակել փոքրիկ կրծողի ուղեղը և որոշ հիմնական ինքնավար և սովորող վարքագիծ այնպիսի ձևով, որը հարմար կդարձներ այն շարժական լինելու և փոքր ապարատում կիրառվելու համար:

Կարո՞ղ եք կիսվել Ծննդոցի պատմությունը Նեյրալայի մասին:

Neurala-ն որպես ընկերություն սկսել է 2006 թվականին պարունակել որոշակի արտոնագրային աշխատանք խորը ուսուցման համար GPU-ների (Գրաֆիկական մշակման միավորներ) օգտագործման շուրջ: Թեև դա այսօր կարելի է չնչին համարել, այն ժամանակ GPU-ն ընդհանրապես չէր օգտագործվում AI-ի համար, և մենք առաջ քաշեցինք այդ հայեցակարգը՝ պատկերացնելով, որ գրաֆիկական քարտի յուրաքանչյուր պիքսել կարող է օգտագործվել նեյրոն մշակելու համար (ընդդեմ տեսարանի մի հատվածի ցուցադրել էկրանին): Շնորհիվ GPU-ների զուգահեռության, որը նմանակում է մեր ուղեղի զուգահեռը (առևտրային առումով կենսունակ), մենք կարողացանք հասնել ուսուցման և կատարման արագության մեր ալգորիթմների համար, որոնք հանկարծակի դարձրեցին AI-ն և Deep Learning-ը: Մենք ստիպված էինք սպասել ևս մի քանի տարի, որպեսզի հեռանայինք ակադեմիայից, քանի որ աշխարհը «բռնեց» (մենք արդեն հաստատակամ հավատացյալներ էինք) AI-ի իրականությանը: 2013 թվականին մենք ընկերությունը դուրս բերեցինք «գաղտագողի» ռեժիմից (քանի որ մենք արդեն ֆինանսավորվում էինք NASA-ի և ԱՄՆ ռազմաօդային ուժերի հետազոտական ​​լաբորատորիաների կողմից) և մտանք Boston Tech Stars ծրագիրը։ Այնտեղից մենք սկսեցինք աշխատանքի ընդունել մի քանի աշխատակիցների և ներգրավել մասնավոր կապիտալ։ Այդուհանդերձ, միայն 2017թ.-ին, երբ կապիտալի թարմ ներարկումով և արդյունաբերության հետագա հասունացումով, մենք կարողացանք առաջին կարևոր տեղակայումները և տեղադրել մեր AI-ն 56M սարքերում՝ սկսած տեսախցիկներից մինչև սմարթ հեռախոսներ, դրոններ և ռոբոտներ:

Նեյրալայի վաղ նախագծերից մեկը ՆԱՍԱ-ի մարսագնացի վրա աշխատելն էր: Կարո՞ղ եք մեզ հետ կիսվել այս նախագծի կարևորագույն կետերով:

ՆԱՍԱ-ն ուներ շատ կոնկրետ խնդիր. նրանք ցանկանում էին տեխնոլոգիա ուսումնասիրել ապագա անօդաչու առաքելություններն ապահովելու համար, որտեղ ինքնավար համակարգը (օրինակ՝ ռովերը) չէր ապավինի Երկրի առաքելության վերահսկման քայլ առ քայլ ուղեցույցին: Հաղորդակցման ուշացումները անհնարին են դարձնում այս կառավարումը. պարզապես հիշեք, թե որքան դժվար էր հաղորդակցությունը Երկրի և Մեթ Դեյմոնի միջև «Մարսեցին» ֆիլմում: Մեր լուծումը. յուրաքանչյուր ռովերին օժտել ​​սեփական ուղեղով: ՆԱՍԱ-ն դիմեց մեզ, քանի որ մեզ արդեն ընկալում էին որպես DARPA-ի հետ այս ինքնավար «մինի ուղեղների» կառուցման փորձագետի, որպեսզի մարսագնացին օժտենք փոքր գործոնով Deep Learning համակարգով, որը կարող է ոչ միայն աշխատել ռոբոտի վրա, այլ նաև հարմարվել: իրական ժամանակում և սովորեք նոր բաներ, քանի որ ռոբոտը աշխատում է: Դրանք ներառում են նոր առարկաներ (օրինակ՝ ժայռեր, ջրի նշան և այլն), երբ դրանք հանդիպում են և ստեղծում են չուսումնասիրված մոլորակի իմաստալից քարտեզ: Մարտահրավերը հսկայական էր, բայց և արդյունքը. Խորը ուսուցման տեխնոլոգիա, որն ի վիճակի էր աշխատել շատ փոքր մշակման հզորությամբ և սովորել նույնիսկ մեկ տվյալների վրա (օրինակ՝ պատկեր): Սա դուրս եկավ այն ամենից, ինչ Deep Learning-ը կարողացավ իրականացնել այն ժամանակ (և նույնիսկ այսօր):

Neurala-ն նախագծել է Lifelong-DNN-ը, կարո՞ղ եք մանրամասնել, թե ինչով է սա տարբերվում սովորական DNN-ից և դրա առավելություններից:

Նախագծված NASA-ի վերը նշված օգտագործման դեպքի համար՝ Lifelong DNN-ը, ինչպես նշում է անունը, կարող է սովորել իր ողջ կյանքի ցիկլի ընթացքում: Սա ի տարբերություն ավանդական Deep Neural Networks-ի (DNN) է, որը կարող է կամ վերապատրաստվել, կամ կատարել «եզրակացություն» (մասնավորապես՝ դասակարգում): L-DNN-ում, ինչպես մարդկանց մոտ, սովորելու և դասակարգելու միջև տարբերություն չկա: Ամեն անգամ, երբ ինչ-որ բան ենք նայում, և՛ «դասակարգում» ենք այն (սա աթոռ է), և՛ սովորում ենք դրա մասին (այս աթոռը նոր է, նախկինում չեմ տեսել, հիմա ես մի փոքր ավելին գիտեմ դրա մասին): Ի տարբերություն DNN-ների, L-DNN-ը միշտ սովորում և առերեսվում է այն ամենի հետ, ինչ գիտի աշխարհի մասին, ինչ նոր տեղեկատվություն է ներկայացվում և, բնականաբար, կարողանում է հասկանալ անոմալիաները: Օրինակ, եթե իմ երեխաներից մեկն ինձ հետ կատակեր ու իմ աթոռը վարդագույն ներկեր, ես դա անմիջապես կճանաչեի։ Քանի որ իմ L-DNN-ը ժամանակի ընթացքում իմացել է, որ իմ աթոռը սև է, և երբ դրա մասին իմ ընկալումը չի համընկնում դրա մասին իմ հիշողության հետ, L-DNN-ը անոմալիայի ազդանշան է արտադրում: Սա օգտագործվում է Neurala-ի արտադրանքներում տարբեր ձևերով (տե՛ս ստորև):

Կարո՞ղ եք քննարկել, թե որն է Brain Builder custom vision AI-ն և ինչպես է այն հնարավորություն տալիս ռոբոտաշինության ավելի արագ, հեշտ և էժան ծրագրերին:

Քանի որ L-DNN-ը բնականաբար սովորում է աշխարհի մասին և կարող է հասկանալ, թե արդյոք ինչ-որ բան անոմալի է կամ շեղվում է սովորած ստանդարտից, Neurala-ի արտադրանքը, Brain Builder-ը և VIA-ն (Visual Inspection Automation) օգտագործվում են տեսողական ստուգման առաջադրանքները արագ կարգավորելու համար՝ օգտագործելով ընդամենը մի քանի պատկեր: «լավ ապրանքներ». Օրինակ, արտադրության միջավայրում կարելի է օգտագործել «լավ շշերի» 20 պատկեր և ստեղծել տեսողական որակի ստուգման «մինի ուղեղ», որը կարող է ճանաչել լավ շշերը, կամ երբ վատ շիշը (օրինակ՝ կոտրված գլխարկով մեկը) արտադրված. Դա կարելի է անել L-DNN-ով շատ հեշտությամբ, արագ և պարզ պրոցեսորի միջոցով՝ օգտագործելով NASA-ի տեխնոլոգիան, որը ստեղծվել է ավելի քան 10 տարվա ինտենսիվ հետազոտության և զարգացման ընթացքում:

Նախորդ հարցազրույցում դուք խորհուրդ տվեցիք, որ ձեռներեցները միշտ նպատակ ունենան սկսել բիզնես, որը փոքր-ինչ անհնար է: Դուք զգացի՞ք, որ Neurala-ն մի փոքր անհնար է, երբ առաջին անգամ գործարկեցիք ընկերությունը:

Ես դեռ հիշում եմ իմ ընկերոջ և գործընկերոջս՝ Անատոլին, երբ թքեց իր էսպրեսսոն, երբ ասացի «Մի օր մեր տեխնոլոգիան կաշխատի բջջային հեռախոսով»: Դա անհնարին էր թվում, բայց այն ամենը, ինչ պետք էր անել, պատկերացնելն ու աշխատելն էր: Այսօր այն աշխատում է միլիոնավոր հեռախոսների վրա: Մենք պատկերացնում ենք մի աշխարհ, որտեղ հազարավոր արհեստական ​​աչքեր կարող են նկատել արդյունաբերական մեքենաներ և գործընթացներ՝ ապահովելու որակի և հսկողության նախկինում աներևակայելի մակարդակ, որը նախկինում անհնար էր, քանի որ դրանք կսպառեին հազարավոր մարդկանց յուրաքանչյուր մեքենայի վրա: Հուսով եմ, որ սա կարդալիս ոչ ոք չի խմում էսպրեսո…

Շնորհակալություն հիանալի հարցազրույցի համար, Նեյրալան ակնհայտորեն ընկերություն է, որը մենք պետք է պահենք մեր ռադարում: Ընթերցողները, ովքեր ցանկանում են ավելին իմանալ, պետք է այցելեն Նեուրալա.