Max Versace, CEO dan Co-Founder of Neurala – Interview Series

Dr. Massimiliano Versace adalah co-founder dan CEO of Neurala, dan visi perusahaan. Setelah penelitian perintisnya dalam komputasi yang terinspirasi otak dan jaringan dalam, ia terus menginspirasi dan memimpin dunia robotika otonom. Ia telah berbicara di puluhan acara dan tempat, termasuk TedX, NASA, Pentagon, GTC, InterDrone, National Labs, Air Force Research Labs, HP, iRobot, Samsung, LG, Qualcomm, Ericsson, BAE Systems, AI World, Mitsubishi, ABB dan Accenture, di antara banyak lainnya.

Anda awalnya mempelajari psikologi dan kemudian beralih ke neurosains, apa yang menjadi alasan Anda saat itu?

Peralihan itu alami. Psikologi memberikan satu sisi dari “koin pelatihan” – studi fenomena psikologis. Namun, jika seseorang tertarik dengan apa yang secara mekanis menyebabkan pikiran dan perilaku, satu akan secara tidak terelakkan mendarat pada mempelajari organ yang bertanggung jawab atas pikiran, dan berakhir dengan mempelajari Neurosains!

Kapan Anda menyadari bahwa Anda ingin menerapkan pemahaman Anda tentang otak manusia untuk meniru otak manusia dalam sistem AI?

Langkah berikutnya, dari Neurosains ke AI, lebih sulit. Sementara Neurosains berkaitan dengan studi rinci tentang anatomi dan fisiologi sistem saraf dan bagaimana otak memberikan hasil perilaku, jalur komplementer lain untuk mencapai pemahaman yang lebih besar adalah dengan membangun versi sintetis dari mereka. Analogi yang saya suka berikan adalah bahwa seseorang dapat memperoleh pemahaman sebagian tentang bagaimana mesin itu bekerja dengan mengetuk silinder dan radiator dan menyimpulkan bahwa silinder dan radiator penting dalam fungsi mesin. Cara lain yang lebih dalam untuk memahami mesin adalah dengan membangunnya dari awal – yaitu dengan mempelajari kecerdasan dengan membangun versi sintetis (artificial) dari itu.

Apa beberapa proyek pembelajaran dalam yang awal yang Anda kerjakan?

Pada 2009 untuk DARPA kami bekerja pada membangun “whole brain emulation” untuk robot otonom menggunakan chip canggih yang dirancang oleh Hewlett Packard. Dalam satu kalimat, tugas kami adalah meniru otak dan beberapa perilaku otonom dan pembelajaran kunci dari hewan pengerat kecil dalam faktor bentuk yang membuatnya dapat dibawa dan diimplementasikan dalam perangkat kecil.

Apakah Anda bisa berbagi cerita asal-usul Neurala?

Neurala sebagai perusahaan dimulai pada 2006 untuk mengandung beberapa paten sekitar menggunakan GPU (Graphic Processing Units) untuk pembelajaran dalam. Sementara ini mungkin dianggap sepele hari ini, pada saat itu GPU tidak digunakan untuk AI sama sekali, dan kami mempelopori konsep itu dengan membayangkan bahwa setiap piksel dalam kartu grafis dapat digunakan untuk memproses neuron (vs bagian dari adegan untuk merender di layar). Berkat paralelisme GPU, yang meniru paralelisme otak kita sampai batas yang secara komersial layak, kami dapat mencapai kecepatan pembelajaran dan eksekusi untuk algoritma kami yang tiba-tiba membuat AI dan Pembelajaran Dalam praktis. Kami harus menunggu beberapa tahun lagi untuk meninggalkan akademisi karena dunia “mengejar” (kami sudah menjadi pengikut yang teguh!) tentang kenyataan AI. Pada 2013, kami membawa perusahaan keluar dari mode stealth, (karena kami sudah didanai oleh NASA dan US Air Force Research Labs) dan memasuki program Boston Tech Stars. Dari sana, kami mulai merekrut beberapa karyawan dan mengumpulkan modal swasta. Namun, itu tidak sampai 2017 bahwa, dengan injeksi modal segar dan industri yang matang lebih lanjut, kami dapat mendaratkan penempatan penting pertama dan memasang AI kami di 56M perangkat, mulai dari kamera, ponsel, drone, dan robot.

Salah satu proyek awal Neurala adalah bekerja pada Mars rover NASA. Apakah Anda bisa berbagi dengan kami sorotan dari proyek ini?

NASA memiliki masalah yang sangat spesifik: mereka ingin mengeksplorasi teknologi untuk memberdayakan misi tak berawak di masa depan, di mana sistem otonom (misalnya, rover) tidak akan bergantung pada bimbingan langkah demi langkah dari kontrol misi Bumi. Keterlambatan komunikasi membuat kontrol ini tidak mungkin – hanya ingat bagaimana komunikasi yang kaku antara Bumi dan Matt Damon dalam film “The Martian”. Solusi kami: memberi setiap rover dengan otaknya sendiri. NASA berpaling kepada kami, karena kami sudah dianggap sebagai ahli dalam membangun “mini-otak” otonom ini dengan DARPA, untuk memberi rover dengan sistem Pembelajaran Dalam kecil yang tidak hanya dapat berjalan di robot, tetapi juga beradaptasi dalam waktu nyata dan belajar hal-hal baru saat robot beroperasi. Ini termasuk objek baru (misalnya, batu, tanda air, dll.) saat mereka ditemui dan membuat peta yang bermakna dari planet yang belum dijelajahi. Tantangan itu besar, tetapi begitu juga dengan hasilnya: teknologi Pembelajaran Dalam yang dapat berjalan pada daya pemrosesan yang sangat kecil dan belajar dari satu potong data (misalnya, gambar). Ini melampaui apa yang Pembelajaran Dalam dapat capai pada saat itu (dan bahkan hari ini!).

Neurala telah merancang Lifelong-DNN, apakah Anda bisa menjelaskan bagaimana ini berbeda dari DNN reguler dan kelebihan yang ditawarkannya?

Dirancang untuk kasus penggunaan NASA di atas, Lifelong DNN, seperti namanya, dapat belajar selama seluruh siklus hidupnya. Ini berbeda dari Jaringan Saraf Dalam (DNN) tradisional, yang dapat dilatih, atau melakukan “inferensi” (yaitu, klasifikasi). Dalam L-DNN, seperti pada manusia, tidak ada perbedaan antara belajar dan mengklasifikasikan. Setiap kali kita melihat sesuatu, kita baik “mengklasifikasikan” itu (ini adalah kursi) dan belajar tentang itu (kursi ini baru, tidak pernah dilihat sebelumnya, sekarang saya tahu sedikit tentang itu). Berbeda dengan DNN, L-DNN selalu belajar dan menghadapi apa yang diketahui tentang dunia, apa informasi baru yang disajikan, dan secara alami dapat memahami anomali. Misalnya, jika salah satu anak saya bermain-main dengan saya dan mengecat kursi saya merah muda, saya akan mengenalinya seketika. Karena L-DNN saya telah belajar selama waktu bahwa kursi saya hitam, dan ketika persepsi saya tentang itu tidak cocok dengan ingatan saya tentang itu, L-DNN akan menghasilkan sinyal anomali. Ini digunakan dalam produk Neurala dengan berbagai cara (Lihat di bawah).

Apakah Anda bisa membahas apa itu Brain Builder custom vision AI, dan bagaimana itu memungkinkan aplikasi robotika yang lebih cepat, lebih mudah, dan lebih murah?

Karena L-DNN secara alami belajar tentang dunia dan dapat memahami jika sesuatu itu anomali atau menyimpang dari standar yang dipelajari, produk Neurala, Brain Builder dan VIA (Visual Inspection Automation) digunakan untuk dengan cepat mengatur tugas inspeksi visual menggunakan hanya beberapa gambar dari “produk yang baik”. Misalnya, dalam pengaturan produksi, seseorang dapat menggunakan 20 gambar dari “botol yang baik” dan membuat “mini-otak” inspeksi visual kualitas yang dapat mengenali botol yang baik, atau ketika botol yang buruk (misalnya, dengan tutup yang rusak) diproduksi. Ini dapat dilakukan dengan L-DNN sangat mudah, cepat, dan pada CPU sederhana, memanfaatkan teknologi NASA yang dibangun selama lebih dari 10 tahun R&D yang intens.

Dalam wawancara sebelumnya, Anda merekomendasikan bahwa wirausaha harus selalu bertujuan untuk memulai bisnis yang sedikit mustahil. Apakah Anda merasa bahwa Neurala sedikit mustahil ketika Anda pertama kali meluncurkan perusahaan?

Saya masih mengingat teman dan rekan saya, Anatoli, meludahkan espressonya ketika saya mengatakan “suatu hari, teknologi kami akan berjalan di ponsel”. Itu terdengar mustahil, tetapi semua yang perlu Anda lakukan adalah membayangkannya dan bekerja untuk itu. Hari ini, itu berjalan di jutaan ponsel. Kami membayangkan dunia di mana ribuan mata buatan dapat menemukan mesin industri dan proses untuk memberikan tingkat kualitas dan kontrol yang tidak terbayangkan sebelumnya, yang sebelumnya mustahil karena mereka akan menghabiskan ribuan orang per mesin. Semoga tidak ada yang minum espresso saat membaca ini….

Terima kasih atas wawancara yang luar biasa, Neurala jelas merupakan perusahaan yang harus kita simpan di radar kita. Pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Neurala.