Hyun Kim, CEO e Co-Fondatore, Superb AI – Serie di Interviste

Hyun Kim è il CEO e Co-Fondatore di Superb AI, una società che fornisce una piattaforma di apprendimento automatico di nuova generazione per i team di intelligenza artificiale, in modo che possano costruire migliori modelli di intelligenza artificiale in meno tempo. La suite Superb AI è una piattaforma SaaS aziendale progettata per aiutare gli ingegneri di apprendimento automatico, i team di prodotto, i ricercatori e gli annotatori di dati a creare flussi di lavoro di dati di formazione efficienti.

Cosa ti ha inizialmente attirato nel campo dell’intelligenza artificiale, della scienza dei dati e della robotica?

Quando ero uno studente universitario di ingegneria biomedica alla Duke, ero appassionato di genetica e di come possiamo ingegnerizzare il nostro DNA per curare le malattie o creare organismi geneticamente modificati. Ricordo un esperimento di laboratorio particolarmente frustrante che non funzionava per circa 6 mesi. La parte più frustrante era che c’era molto lavoro manuale ripetitivo, e in retrospettiva probabilmente era la causa di molti potenziali errori.

Quella frustrazione mi ha portato a interessarmi a tutto ciò che ha a che fare con l’automazione. Ho praticamente “galleggiato” in diversi laboratori alla Duke fino a quando non mi sono unito a un laboratorio che stava studiando come l’apprendimento automatico potesse aiutare a diagnosticare la malattia di Parkinson utilizzando scansioni MRI del cervello. Qui ho avuto un vero assaggio del potenziale rivoluzionario delle reti di apprendimento profondo. Ho finito per perseguire un programma di dottorato in informatica alla Duke e ho lavorato intensamente al laboratorio di robotica intelligente insegnando ai robot a imparare.

Nel 2016, hai partecipato alla sfida di robotica di Amazon (AMZN ). A cosa stavi lavorando e come hai trovato questa esperienza?

Nelle sfide di robotica di Amazon, le squadre guadagnano punti facendo in modo che i robot raccolgano e ripongano oggetti in un tempo determinato. I robot nelle fabbriche e nelle linee di montaggio possono essere progettati per l’oggetto specifico che il robot sta raccogliendo e riponendo, ma le sfide di robotica di Amazon sfidano i nostri robot a operare in situazioni molto dinamiche. Ero il leader del “Team Duke” e della sua funzione di pianificazione del movimento. Ho progettato e implementato metodi di pianificazione del movimento del robot per compiti di manipolazione del robot pick-and-place in un ambiente di magazzino realistico. È stata un’esperienza di apprendimento emozionante, poiché abbiamo dovuto mettere insieme una moltitudine di sistemi complessi, dalle percezioni del robot basate sulla visione artificiale ai sistemi di pianificazione del movimento e ai dispositivi di estremità meccanici personalizzati.

Poi hai lavorato per quasi 2 anni come ingegnere di ricerca di apprendimento automatico presso SK T-Brain, di cosa si trattava questo progetto?

Circa un anno dopo il mio dottorato, nel marzo del 2016, AlphaGo di Google ha sconfitto il campione umano, Lee Sedol, a Go. È stata una notizia epocale, soprattutto in Corea, dove Go è molto più popolare che altrove.

Dopo quell’evento, il governo e tutte le principali aziende hanno immediatamente iniziato a investire molto in ricerca di intelligenza artificiale. Una di queste aziende si chiamava SKT, o SK Telecom (SKM ), un importante conglomerato coreano. Mi è stato offerto un lavoro come ingegnere di ricerca di apprendimento automatico nel loro nuovo laboratorio di ricerca di intelligenza artificiale, chiamato SKT Brain. Ho preso una pausa dal mio dottorato e sono tornato in Corea per lavorare per circa 2 anni.

Lo scopo del mio team era quello di condurre ricerche su vari argomenti di intelligenza artificiale che potessero potenzialmente essere sviluppati come prodotti o creare opportunità commerciali per l’azienda. In quei due anni, ho lavorato su argomenti come le auto a guida autonoma, l’intelligenza artificiale per i giochi (in particolare l’intelligenza artificiale per StarCraft) e le reti avversarie generative o GAN.

Dopo due anni, invece di tornare a scuola per finire il mio programma di dottorato, ho lasciato per fondare la mia azienda, Superb AI.

Cosa ti ha ispirato a lanciare Superb AI?

Mentre studiavo l’apprendimento dei robot a scuola e lavoravo in un laboratorio di ricerca aziendale, mi è stato molto chiaro che la maggior parte del mio tempo era spesa nella cura dei dati.

A scuola, stavo spendendo la maggior parte del mio tempo creando ambienti simulati per la simulazione dei dati di robotica. Alla mia azienda precedente, stavo spendendo tempo raccogliendo e etichettando set di dati per l’intelligenza artificiale autonoma e per i giochi.

E, purtroppo, non era solo il mio caso. Era lo stesso per i miei colleghi e un punto dolente comune per ogni ricercatore e ingegnere nell’industria dell’apprendimento automatico.

Volevo risolvere questo problema. Come puoi capire, sono un grande fan dell’apprendimento automatico e dell’intelligenza artificiale e credo che possano realmente rivoluzionare le nostre vite. Voglio che i progressi tecnologici avvengano più rapidamente e voglio vederli applicati alle nostre vite quotidiane.

Come descriveresti al meglio i servizi offerti da Superb AI?

Superb AI fornisce una piattaforma di dati di apprendimento automatico chiamata Superb AI Suite. La suite aiuta le aziende a creare, etichettare e gestire i dati di formazione in modo efficiente e a accelerare il loro ciclo di operazioni di apprendimento automatico.

È noto che la maggior parte dei team di apprendimento automatico spende oltre il 50% del loro tempo gestendo i set di dati di formazione. Aiutiamo gli ingegneri a filtrare, cercare e manipolare facilmente i set di dati di formazione e a integrarli con il loro stack di operazioni di apprendimento automatico, come l’archiviazione dei dati o i framework di apprendimento profondo, attraverso un potente SDK e API.

I leader di prodotto spendono anche molto tempo con i dati di formazione. Li aiutiamo a semplificare la loro vita attraverso la gestione senza problemi dei problemi, l’analisi dei dati e molte funzionalità relative alla collaborazione e alla produttività.

Inoltre, la nostra funzione di etichettatura automatica, che utilizza molte tecniche di apprendimento automatico avanzate come l’apprendimento trasferito e l’apprendimento attivo, può assistere il processo di etichettatura automatica e di controllo della qualità.

Cosa è stato l’aspetto più difficile della costruzione di una piattaforma di dati di apprendimento automatico?

La costruzione di una piattaforma di dati di apprendimento automatico presenta una sfida ingegneristica interessante, non solo perché l’apprendimento automatico richiede una grande quantità di dati non strutturati, come immagini e video, ma anche perché i dati devono essere costantemente letti e aggiornati da numerosi utenti in tutto il mondo.

Quali sono alcune aziende che utilizzano la piattaforma Superb AI?

Abbiamo clienti di diverse dimensioni in molti settori. Grandi aziende di elettronica di consumo, come Samsung e LG, utilizzano la nostra piattaforma per gestire i dati e accelerare il loro processo di sviluppo di apprendimento automatico. Molte aziende e startup nel settore dei veicoli autonomi, nonché aziende che utilizzano sistemi senza pilota in applicazioni che vanno dalla sicurezza fisica alla costruzione, utilizzano la nostra piattaforma.

Inoltre, aziende di realtà aumentata e virtuale e di giochi utilizzano la nostra piattaforma di dati di formazione per creare e gestire set di dati che possono insegnare ai modelli di apprendimento automatico.

Nel settore medico, laboratori di ricerca di università internazionali rinomate utilizzano la nostra piattaforma per gestire i dati di formazione e addestrare più efficientemente i modelli di visione artificiale per riconoscere i tumori all’interno di MRI e TC.

Superb AI è stato un membro della classe invernale 2019 di Y Combinator, puoi descrivere questa esperienza e quali sono alcune delle principali cose che hai imparato?

I nostri due principali take-away sono stati imparare a concentrarsi sugli utenti e iterare rapidamente. Il motto di YC è “crea qualcosa che la gente vuole”. Spesso le startup, e in particolare le startup tecnologiche, tendono a concentrarsi sulle innovazioni tecniche e trascurare cosa gli utenti realmente necessitano. Durante il processo di tre mesi, abbiamo imparato a essere estremamente guidati dagli utenti – parlando con il maggior numero possibile di utenti e cercando realmente di capire cosa loro realmente necessitano – mentre iteravamo anche gli aggiornamenti del prodotto e il messaggio per adattarli alle esigenze degli utenti. Dal momento che è impossibile azzeccare un prodotto o raggiungere il prodotto-mercato alla prima prova, è fondamentale parlare costantemente con gli utenti e consegnare loro ciò che vogliono. È molto ovvio quando ci si pensa, ma molto difficile da concentrarsi nella pratica.

C’è qualcos’altro che vorresti condividere su Superb AI?

Abbiamo appena migliorato la nostra offerta di prodotti gratuiti che dà agli utenti più spazio di archiviazione di asset grezzi e più funzionalità di etichettatura, gestione dei dati e toolkit per gli sviluppatori. Siamo on a real mission to democratize AI and want people to know that there are enterprise companies such as ourselves that are vested in providing as much as possible to further the adoption and integration of AI into our everyday lives.

Grazie per le interviste, i lettori che desiderano saperne di più possono visitare Superb AI.