Gil Elbaz, Co-fondatore e CTO di Datagen – Serie di interviste

Gil Elbaz è il CTO e co-fondatore di Datagen, con sede a Tel Aviv. Ha ricevuto il suo B.Sc e M.Sc presso il Technion. La ricerca di Gil si è concentrata sulla visione computerizzata 3D e è stata pubblicata su CVPR, la principale conferenza di ricerca sulla visione computerizzata nel mondo. Datagen è un pioniere nel nuovo campo dei Dati Simulati, un subset dei dati sintetici, che si concentra sulla ricostruzione fotorealistica del mondo che ci circonda. La società è stata lanciata con oltre 18 milioni di dollari di finanziamenti nel marzo 2021 e ora lavora con diverse aziende Fortune 100 nel settore della realtà aumentata e virtuale, robotica e automotive, tra cui la maggior parte dei principali giganti tecnologici statunitensi.

Cosa ti ha inizialmente attratto verso la robotica e l’apprendimento automatico?

I libri di fantascienza, come la serie “Foundation” di Isaac Asimov e “iRobot”, mi hanno sempre fatto pensare a un futuro in cui i robot sarebbero stati una parte integrante della nostra vita quotidiana. Ci sono così tante attività noiose e ripetitive che le persone svolgono; sapevo che non volevo farle e non potevo immaginare che qualcun altro volesse farle. Considerando che la robotica è una inevitabilità tecnologica, pensavo che andare in quella direzione sarebbe stata una scelta di carriera “a prova di futuro”.

Quindi, mi sono avvicinato al campo concentrandomi sugli aspetti fisici dell’argomento e ho ottenuto la mia laurea in ingegneria meccanica presso il Technion di Haifa, in Israele. Verso la fine della mia laurea, ho iniziato a immergermi nel mondo degli strumenti di progettazione assistita da computer (CAD) e delle loro capacità. Questi strumenti consentono agli ingegneri meccanici di progettare strutture e dispositivi meccanici (qualsiasi cosa, da un ponte a un’auto). Ho visto un’enorme opportunità di fare un grande impatto senza dover affrontare le lente iterazioni del mondo fisico. In pratica, questi programmi avevano molto poco, se non nessun, capacità di apprendimento automatico/intelligenza artificiale integrate, che aiutassero gli ingegneri a creare sistemi meccanici più semplici, più economici e più stabili (questo era il 2015). Mi sono diretto verso la visione computerizzata dei dati 3D con l’apprendimento profondo (molto nuovo all’epoca) con l’obiettivo di creare programmi di progettazione assistita da computer più intelligenti. Lavorare ai primi giorni dell’apprendimento automatico moderno, mi ha fatto sentire come se fossi parte di qualcosa che poteva essere veramente grande – simile a Internet.

In pratica, la mia ricerca è stata la prima a portare la rivoluzione dell’apprendimento profondo alla nostra facoltà al Technion. Ciò si è poi trasformato in un articolo accettato alla principale conferenza di visione computerizzata del mondo, CVPR, e ho volato alle Hawaii per CVPR 2017. Presentare il mio articolo e incontrare le persone mi ha aperto gli occhi sulla scala della comunità di visione computerizzata (che oggi è almeno 10 volte più grande), con migliaia di partecipanti che lavorano appassionatamente sulla ricerca nel campo. Quell’evento ha praticamente cementato la mia direzione, mostrandomi il potere della visione computerizzata e il potenziale che attende di essere sbloccato.

Potresti condividere la storia di come è nata Datagen?

Datagen è stata fondata nel 2018 con la missione di trasformare il modo in cui le squadre ottengono i dati per l’addestramento delle reti di visione computerizzata. L’anno precedente, abbiamo visto una demo di Oculus Rift, che consisteva in un visore di realtà virtuale e un dispositivo di controllo remoto. Dopo la demo, ci siamo chiesti: “con telecamere sofisticate integrate nel visore, perché era necessario un dispositivo portatile per collegare lo spazio virtuale allo spazio fisico (ad esempio, tracciare il movimento della mano)?” Le reti neurali erano già abbastanza sofisticate da gestirlo, quindi qual era il problema? Ecco quando si è accesa la lampadina – i Dati! Abbiamo immediatamente visto un’enorme opportunità di risolvere le sfide della presenza spaziale 3D utilizzando la visione computerizzata avanzata e i metadati 3D. Piuttosto che concentrarsi solo sulla realtà virtuale/aumentata, abbiamo adottato un approccio più olistico, concentrandoci sul problema apparentemente intractabile di generare dati di addestramento sufficienti (e precisi) per abilitare applicazioni di intelligenza artificiale 3D nel mondo reale.

Con un focus sugli esseri umani e sull’interazione uomo-ambiente, Datagen è un pioniere nel nuovo campo dei Dati Simulati, un subset dei dati sintetici, che si concentra sulla ricostruzione fotorealistica del mondo che ci circonda. Oggi, lavoriamo con le aziende più innovative del mondo per alimentare e accelerare lo sviluppo della visione computerizzata e siamo supportati da alcuni degli investitori più rispettati nel settore.

Per i lettori che non conoscono il termine, potresti spiegare cosa sono esattamente i dati sintetici?

I dati sintetici sono dati di addestramento che, invece di essere raccolti attraverso la misurazione diretta o l’osservazione del mondo reale, vengono generati algoritmicamente o tramite simulazione. Nel contesto della visione computerizzata, i dati sintetici sono immagini generate al computer con metadati associati necessari per l’addestramento delle intelligenze artificiali. Con problemi di privacy e limitazioni fisiche ed economiche reali dei dati del mondo reale, è difficile esagerare l’importanza dei dati sintetici per l’apprendimento automatico e l’intelligenza artificiale. In un recente rapporto, Gartner ha previsto che, entro il 2024, la maggior parte dei dati utilizzati nel campo dell’intelligenza artificiale sarà generata artificialmente per questi motivi.

Quali sono i vantaggi dei dati sintetici rispetto all’acquisizione manuale dei dati?

La risposta breve è: pensa a ogni aspetto dell’acquisizione manuale dei dati che è indesiderabile e rimuovilo dal processo – quelli sono i vantaggi dei dati sintetici.

Generare set di dati diversi su larga scala per l’addestramento della visione computerizzata è un processo costoso e lungo, e la varianza è molto limitata dal fatto che posizionare esseri umani in luoghi specifici e fotografarli è un processo complicato – molto più complicato e costoso che farlo in un ambiente simulato. Un altro grande vantaggio è l’eliminazione efficace della necessità di annotazione manuale, che è tediosa, lunga e soggetta a errori umani.

Datagen si riferisce ai dati simulati come a un subset dei dati sintetici. Potresti elaborare su cosa sono i dati simulati?

I dati simulati sono dati sintetici generati attraverso la simulazione. Utilizziamo GAN (e alcuni altri metodi di apprendimento automatico all’avanguardia) per generare oggetti 3D e collocarli all’interno di simulazioni 3D del mondo reale altamente realistiche. Ciò che significa è un processo di “scatto di foto virtuali” in prima persona, ma operante all’interno di un sistema basato sulla fisica e fotorealistico. Queste simulazioni producono dati visivi (come se fossero stati raccolti nel mondo reale), insieme a una gamma completa di annotazioni (fisica, illuminazione, ecc.). Quindi, i dati simulati sono dati sintetici che sono fotorealistici, generati contestualmente, immagini 3D, raccolti in un ambiente simulato.

Come Datagen genera dati simulati personalizzati?

La tecnologia di Datagen genera dati simulati che sono sia facilmente scalabili che personalizzati per soddisfare le esigenze uniche di ogni applicazione del cliente. Lo facciamo tenendo conto di ogni aspetto di ogni progetto – dal sistema di visione computerizzata utilizzato alla composizione demografica della regione in cui sarà operativo. Sia che lavoriamo direttamente con i nostri clienti o semplicemente consentiamo ai loro ingegneri di lavorare, il processo di Datagen inizia con l’istituzione di parametri chiave per ogni caso d’uso specifico, come le specifiche dell’obiettivo, l’illuminazione, l’ambiente, la distribuzione demografica, e così via. Datagen utilizza GAN e altri strumenti e tecniche all’avanguardia per generare una vasta gamma di asset, che includono tutto, dalle teste umane con espressioni facciali dinamiche per addestrare l’IA nell’analisi emotiva, agli interni di veicoli per il monitoraggio dei passeggeri all’interno, agli ambienti domestici per le applicazioni di videoconferenza, solo per citarne alcuni. Per ogni tipo di asset, Datagen introduce varianza su innumerevoli assi discreti (dalla tonalità della pelle all’altezza delle sopracciglia, alle dimensioni, al colore e alla forma dei mobili domestici), utilizzando parametri che sono finemente regolati per riflettere l’applicazione specifica in questione.

Grazie a queste capacità, i set di dati di Datagen non sono solo grandi e vari, ma anche ottimizzati per gli scopi dell’addestramento di un sistema unico per eseguire un’attività unica (o un insieme di attività) in un ambiente unico in cui sarà utilizzato – tutto senza compromettere la capacità di scalare. Teniamo anche conto dei requisiti specifici di annotazione/metadata di ogni applicazione.

Quali sono alcuni esempi di soluzioni nella robotica in cui vengono utilizzati dati sintetici e/o simulati?

Uno dei maggiori vantaggi dell’utilizzo di dati simulati nella robotica è la capacità di generare immagini di hardware che è ancora in fase di sviluppo. In questo modo, il “cervello” del robot (IA) e il “corpo” (hardware) possono essere sviluppati parallelamente. Ora, l’addestramento può evolversi man mano che le specifiche evolvono, piuttosto che aspettare fino a quando il prodotto finale non è completamente prototipato prima di poter scattare foto e iniziare a sviluppare l’IA.

Inoltre, poiché i dati simulati vengono generati in contesto, è più facile tenere conto dell’interazione tra il robot e il suo ambiente. Quindi, se immagini un robot che afferra e rimuove prodotti difettosi da una linea di montaggio, i dati simulati consentirebbero di generare dati non solo per ogni difetto fisico immaginabile nel prodotto, ma anche dal punto di vista del robot per catturare la gamma completa di movimento del braccio robotico, la sua interazione con l’oggetto che sta afferrando. Inoltre, i metadati 3D significano che non c’è bisogno di annotare laboriosamente immagine dopo immagine per assicurarsi che il robot possa identificare correttamente il prodotto, i difetti, il suo braccio o qualsiasi altra cosa nel suo campo visivo.

Quali sono alcuni casi d’uso per l’utilizzo di dati simulati nelle auto intelligenti?

I dati simulati nello sviluppo di auto intelligenti rendono infinitamente più facile sviluppare set di dati per modelli di auto specifici mentre vengono progettati, iterando in concerto con l’auto stessa man mano che progredisce attraverso le varie fasi di progettazione e produzione. Con i dati di immagini simulate, gli ingegneri possono anche utilizzare la visione in-cabin in modo più efficace per identificare guidatori sonnolenti o distratti, se un guidatore ha tolto la mano dal volante o qualsiasi altro caso limite per garantire la sicurezza del guidatore. Ciò consente anche agli ingegneri di tenere conto di una maggiore diversità nei guidatori e nei passeggeri e di introdurre varianza nella forma di angolo di immagine e illuminazione – tutto senza violare la privacy di persone reali.

Recentemente, Datagen ha annunciato un gran numero di nuove assunzioni emozionanti, cosa significa questo per il futuro della società?

Le recenti aggiunte al nostro consiglio di amministrazione e alla nostra dirigenza includono alcuni dei professionisti più brillanti e realizzati nel campo dell’IA e della visione computerizzata. Le loro conoscenze, intuizioni e esperienze aiuteranno a orientare e accelerare la crescita di Datagen mentre navigiamo in un’industria ancora giovane e piena di opportunità. In un campo con così tante incognite, nulla è più prezioso della conoscenza.

C’è qualcos’altro che vorresti condividere su Datagen?

Con sede a Tel Aviv, Datagen fa parte di un più ampio cambiamento economico e culturale che ha avuto luogo in Israele e siamo orgogliosi di farne parte. In un breve periodo di tempo, Israele (in particolare Tel Aviv) è cresciuto in un importante hub tecnologico globale, con un ecosistema di startup in crescita e una comunità di investitori energica. Sebbene Israele sia spesso considerato un hub tecnologico centrato sulla sicurezza informatica, la tecnologia centrata sui dati e sull’IA è cresciuta esponenzialmente negli ultimi anni. Oggi, ci sono più di 680 aziende di intelligenza artificiale in Israele, che hanno raccolto collettivamente 4,5 miliardi di dollari. Questa esplosione di crescita negli ultimi anni è dovuta in gran parte alla alta concentrazione di ingegneri e alle università di fama mondiale di Israele. Queste istituzioni accademiche forniscono accesso al talento e alle nuove tecnologie in sviluppo nello spazio. Negli ultimi due mesi, Datagen ha assunto più di 20 dipendenti e pianifica di assumere ulteriori membri del team in tutto il settore vendite e marketing, software e DevOps, e dipartimenti di prodotti.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Datagen.