Yashar Behzadi, CEO Synthesis AI – Seri Wawancara

Yashar Behzadi PhD adalah CEO dan Pendiri Synthesis AI. Ia adalah seorang wirausaha berpengalaman yang telah membangun bisnis transformasional di bidang AI, teknologi medis, dan pasar IoT. Ia telah menghabiskan 14 tahun terakhir di Silicon Valley membangun dan menskala perusahaan teknologi yang berbasis data. Yashar memiliki lebih dari 30 paten dan paten yang sedang diproses dan gelar PhD dari UCSD dengan fokus pada pemodelan spasial-waktu dari pencitraan otak fungsional.

Synthesis AI adalah sebuah startup yang berada di persimpangan antara deep learning dan CGI, menciptakan paradigma baru untuk pengembangan model visi komputer. Mereka memungkinkan pelanggan untuk mengembangkan model yang lebih baik dengan waktu dan biaya yang jauh lebih rendah daripada pendekatan berbasis anotasi manusia tradisional.

Bagaimana Anda awalnya terlibat dalam ilmu komputer dan AI?

Saya mendapatkan gelar PhD dari UCSD pada tahun 2006 dengan fokus pada visi komputer dan pemodelan spasial & waktu dari data pencitraan otak. Saya kemudian bekerja di Silicon Valley di persimpangan antara sensor, data, dan pembelajaran mesin di berbagai industri selama 16 tahun. Saya merasa sangat beruntung memiliki kesempatan untuk bekerja pada beberapa teknologi luar biasa, dan saya memiliki lebih dari 30 paten yang diterbitkan atau diajukan yang berfokus pada pemrosesan sinyal, pembelajaran mesin, dan ilmu data.

Apakah Anda bisa berbagi cerita tentang asal-usul Synthesis AI?

Sebelum mendirikan Synthesis AI pada tahun 2019, saya memimpin sebuah perusahaan jasa AI global yang berfokus pada pengembangan model visi komputer untuk perusahaan teknologi terkemuka. Tidak peduli seberapa besar perusahaan, saya menemukan bahwa kami sangat terbatas oleh kualitas dan jumlah data pelatihan yang dilabeli. Ketika perusahaan berekspansi secara geografis, meningkatkan basis pelanggan, atau mengembangkan model dan perangkat keras baru, data pelatihan baru diperlukan untuk memastikan model berperforma dengan baik. Juga menjadi jelas bahwa masa depan visi komputer tidak akan berhasil dengan paradigma anotasi manusia yang ada saat ini. Aplikasi visi komputer yang muncul di bidang otonomi, robotika, dan AR/VR/metaverse memerlukan set label 3D yang kaya, informasi kedalaman, sifat material, segmentasi terperinci, dan lain-lain, yang tidak dapat dilabeli oleh manusia. Sebuah paradigma baru diperlukan untuk menyediakan set label yang diperlukan untuk melatih model baru ini. Selain driver teknis, kami juga melihat peningkatan pengawasan konsumen dan regulatorik sekitar isu etika terkait bias model dan privasi konsumen.

Saya mendirikan Synthesis AI dengan tujuan untuk mengubah paradigma visi komputer. Platform generasi data sintetis perusahaan memungkinkan generasi on-demand data gambar yang fotorealistik dengan set label 3D yang diperluas. Misi kami adalah untuk mempelopori teknologi data sintetis untuk memungkinkan pengembangan model yang lebih mampu secara etis.

Bagi pembaca yang tidak familiar dengan istilah ini, bisa Anda jelaskan apa itu data sintetis?

Data sintetis adalah data yang dihasilkan oleh komputer yang berfungsi sebagai alternatif dari data dunia nyata. Data sintetis dibuat di dunia digital yang disimulasikan daripada dikumpulkan dari atau diukur di dunia nyata. Dengan menggabungkan alat dari dunia efek visual dan CGI dengan model AI generatif, Synthesis AI memungkinkan perusahaan untuk membuat jumlah besar data yang beragam dan fotorealistik on-demand untuk melatih model visi komputer. Platform generasi data perusahaan mengurangi biaya dan kecepatan untuk mendapatkan data gambar yang berkualitas tinggi dengan mempertahankan privasi.

Bagaimana data sintetis dihasilkan?

Sebuah set data sintetis dibuat secara artifisial daripada melalui data dunia nyata. Teknologi dari industri efek visual digabungkan dengan jaringan neural generatif untuk membuat jumlah besar data gambar yang berlabel dan fotorealistik. Data sintetis memungkinkan pembuatan data pelatihan dengan biaya dan waktu yang jauh lebih rendah daripada pendekatan berbasis anotasi manusia saat ini.

Bagaimana menggunakan data sintetis dapat menciptakan keunggulan kompetitif?

Saat ini, sebagian besar sistem AI menggunakan ‘pembelajaran terawasi’ di mana manusia melabeli atribut kunci dalam gambar dan kemudian melatih algoritma AI untuk menafsirkan gambar. Ini adalah proses yang memakan waktu dan sumber daya, dan terbatas oleh apa yang dapat dilabeli oleh manusia. Selain itu, kekhawatiran tentang bias AI dan privasi konsumen telah meningkat, membuatnya semakin sulit untuk mendapatkan data manusia yang representatif.

Pendekatan kami adalah untuk membuat dunia digital yang fotorealistik yang mensintesis data gambar yang kompleks. Karena kami menghasilkan data, kami tahu semua tentang adegan, termasuk informasi yang tidak pernah tersedia sebelumnya tentang lokasi 3D objek dan interaksi kompleks mereka dengan satu sama lain dan lingkungan. Mengumpulkan dan melabeli jumlah data ini menggunakan pendekatan saat ini akan memakan waktu berbulan-bulan, jika tidak bertahun-tahun. Paradigma baru ini akan memungkinkan perbaikan efisiensi dan biaya sebesar 100x dan akan mendorong kelas model yang lebih mampu.

Karena data sintetis dihasilkan secara artifisial, ini menghilangkan banyak bias dan kekhawatiran privasi yang terkait dengan pengumpulan data dari dunia nyata.

Bagaimana generasi data on-demand memungkinkan penskalaan yang dipercepat?

Mengumpulkan dan mempersiapkan data dunia nyata untuk pelatihan model adalah proses yang panjang dan membosankan. Menggunakan perangkat keras yang diperlukan dapat sangat mahal untuk sistem visi komputer yang kompleks seperti kendaraan otonom, robotika, atau citra satelit. Setelah data dikumpulkan, manusia melabeli dan menandai fitur penting. Proses ini rentan terhadap kesalahan, dan manusia terbatas dalam kemampuan mereka untuk menandai informasi kunci seperti posisi 3D yang diperlukan untuk banyak aplikasi.

Data sintetis jauh lebih cepat dan lebih murah daripada pendekatan berbasis anotasi manusia tradisional dan akan mempercepat penerapan model yang lebih mampu di berbagai industri.

Bagaimana data sintetis dapat mengurangi atau mencegah bias AI?

Sistem AI sangat umum, tetapi dapat mengandung bias bawaan yang dapat memengaruhi kelompok orang. Dataset dapat tidak seimbang dengan kelas data tertentu dan dapat memiliki representasi yang berlebihan atau kurang dari kelompok orang tertentu. Membangun sistem yang berfokus pada manusia dapat sering menyebabkan bias gender, etnis, dan usia. Sebaliknya, data pelatihan yang dihasilkan secara desain seimbang dan tidak memiliki bias manusia.

Data sintetis dapat menjadi solusi yang kuat untuk memecahkan masalah bias AI. Data sintetis dihasilkan sebagian atau seluruhnya secara artifisial daripada diukur atau diekstrak dari fenomena atau peristiwa dunia nyata. Jika dataset tidak cukup beragam atau besar, data AI yang dihasilkan dapat mengisi celah dan membentuk dataset yang tidak bias. Bagian terbaik? Membuat dataset ini secara manual dapat memakan waktu beberapa bulan atau tahun untuk diselesaikan. Dengan data sintetis, ini dapat dilakukan dalam semalam.

Di luar visi komputer, apa saja kasus penggunaan lain yang potensial untuk data sintetis?

Selain banyak kasus penggunaan visi komputer yang terkait dengan produk konsumen, otonomi, robotika, AR/VR/metaverse, dan lain-lain, data sintetis juga akan memengaruhi modalitas data lainnya. Kami sudah melihat perusahaan menggunakan pendekatan data sintetis untuk data tabular terstruktur, suara, dan pemrosesan bahasa alami. Teknologi dan pipa generasi yang mendasarinya berbeda untuk setiap modalitas, dan di masa depan, kami berharap dapat melihat sistem multi-modal (misalnya, video + suara).

Apakah ada yang ingin Anda bagikan tentang Synthesis AI?

Belakangan tahun lalu, kami merilis HumanAPI, sebuah ekspansi signifikan dari kemampuan data sintetis Synthesis AI yang memungkinkan generasi programatik dari jutaan manusia digital 3D unik dan berkualitas tinggi. Pengumuman ini datang beberapa bulan setelah peluncuran produk data sintetis FaceAPI, yang telah mengirimkan lebih dari 10 juta gambar wajah yang dilabeli untuk perusahaan smartphone, telekonferensi, otomotif, dan teknologi terkemuka. HumanAPI adalah langkah berikutnya dalam perjalanan perusahaan untuk mendukung aplikasi AI visi komputer yang canggih.

HumanAPI juga memungkinkan berbagai kesempatan baru bagi pelanggan kami, termasuk asisten AI pintar, pelatih kebugaran virtual, dan tentu saja, aplikasi metaverse.

Dengan membuat duplikat digital dari dunia nyata, metaverse akan memungkinkan aplikasi baru yang meliputi jaringan sosial yang direimaginasikan, pengalaman hiburan, telekonferensi, permainan, dan lain-lain. AI visi komputer akan menjadi fundamental bagi cara dunia nyata ditangkap dan direkreasikan dengan fidelitas tinggi di dunia digital. Manusia yang fotorealistik, ekspresif, dan akurat secara perilaku akan menjadi komponen esensial dari masa depan aplikasi visi komputer. HumanAPI adalah produk pertama yang memungkinkan perusahaan untuk membuat jumlah besar data tubuh lengkap yang dilabeli dengan sempurna on-demand untuk membangun model AI yang lebih mampu, termasuk estimasi pose, pengenalan emosi, karakterisasi aktivitas dan perilaku, rekonstruksi wajah, dan lain-lain.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi Synthesis AI.