Max Versace, CEO e Co-Fondatore di Neurala – Serie di Interviste

Il Dr. Massimiliano Versace è il co-fondatore e CEO di Neurala, e la mente visionaria dell’azienda. Dopo la sua ricerca pionieristica sul calcolo ispirato al cervello e alle reti profonde, continua a ispirare e guidare il mondo della robotica autonoma. Ha parlato in decine di eventi e luoghi, tra cui TedX, NASA, il Pentagono, GTC, InterDrone, National Labs, Air Force Research Labs, HP, iRobot, Samsung, LG, Qualcomm (QCOM ), Ericsson, BAE Systems, AI World, Mitsubishi, ABB e Accenture, tra gli altri.

Ha inizialmente studiato psicologia e poi si è laureato in neuroscienze, qual è stata la sua logica alla fine?

Il passaggio è stato naturale. La psicologia ha fornito un lato della “moneta di formazione” – lo studio dei fenomeni psicologici. Tuttavia, se si è interessati a ciò che meccanicamente causa pensieri e comportamenti, si finisce inevitabilmente per studiare l’organo responsabile dei pensieri, e si finisce per studiare le Neuroscienze!

Quando ha capito che voleva applicare la sua comprensione del cervello umano per emulare il cervello umano in un sistema di intelligenza artificiale?

Il passo successivo, dalle Neuroscienze all’Intelligenza Artificiale, è più complicato. Mentre le Neuroscienze si occupano dello studio dettagliato dell’anatomia e della fisiologia del sistema nervoso e di come i cervelli danno origine al comportamento, un altro percorso complementare per ottenere una comprensione ancora maggiore è costruire una versione sintetica di essi. Un’analogia che mi piace dare è che si può ottenere una comprensione parziale di come funziona un motore togliendo un cilindro e il radiatore e concludendo che i cilindri e i radiatori sono importanti nel funzionamento del motore. Un altro modo più profondo per capire un motore è costruirlo da zero – ovvero studiando l’intelligenza costruendo una versione sintetica (artificiale) di essa.

Quali sono alcuni dei primi progetti di apprendimento profondo su cui ha lavorato?

Nel 2009, per DARPA, abbiamo lavorato sulla costruzione di un “emulazione di tutto il cervello” per un robot autonomo utilizzando un chip avanzato progettato da Hewlett Packard. In poche parole, il nostro compito era emulare il cervello e alcuni dei principali comportamenti autonomi e di apprendimento di un piccolo roditore in un fattore di forma che lo rendesse adatto per essere portatile e implementato in piccoli hardware.

Potrebbe condividere la storia di Neurala?

Neurala come azienda è iniziata nel 2006 per contenere alcuni lavori di brevetto sull’uso di GPU (Unità di Elaborazione Grafica) per l’apprendimento profondo. Mentre ciò potrebbe sembrare banale oggi, all’epoca le GPU non venivano utilizzate per l’Intelligenza Artificiale, e abbiamo fatto da pionieri di questo concetto immaginando che ogni pixel in una scheda grafica potesse essere utilizzato per elaborare un neurone (invece di una sezione di una scena da renderizzare sullo schermo). Grazie al parallelismo delle GPU, che imita il nostro cervello in modo parallelo (fino a un certo punto commercialmente fattibile), siamo stati in grado di raggiungere velocità di apprendimento e di esecuzione per i nostri algoritmi che all’improvviso hanno reso l’Intelligenza Artificiale e l’apprendimento profondo pratici. Abbiamo dovuto aspettare alcuni anni per lasciare l’ambito accademico, poiché il mondo “si è aggiornato” (noi già credevamo!) sulla realtà dell’Intelligenza Artificiale. Nel 2013, abbiamo portato l’azienda fuori dalla modalità stealth (poiché eravamo già finanziati da NASA e US Air Force Research Labs) e siamo entrati nel programma Boston Tech Stars. Da lì, abbiamo iniziato ad assumere alcuni dipendenti e a raccogliere capitali privati. Tuttavia, non è stato fino al 2017 che, con un’iniezione fresca di capitali e l’industria che maturava ulteriormente, siamo stati in grado di ottenere i primi importanti dispiegamenti e di mettere la nostra Intelligenza Artificiale in 56 milioni di dispositivi, che vanno dalle fotocamere ai telefoni cellulari, ai droni e ai robot.

Uno dei primi progetti di Neurala è stato lavorare sul rover Mars di NASA. Potrebbe condividere con noi i punti salienti di questo progetto?

La NASA aveva un problema molto specifico: volevano esplorare la tecnologia per alimentare future missioni senza equipaggio, dove il sistema autonomo (ad esempio, un rover) non si sarebbe affidato alla guida passo dopo passo del controllo missione della Terra. I ritardi nelle comunicazioni rendono questo controllo impossibile – solo ricordate quanto fosse difficile la comunicazione tra la Terra e Matt Damon nel film “The Martian”. La nostra soluzione: dotare ogni rover di un cervello suo. La NASA si è rivolta a noi, poiché eravamo già considerati esperti nella costruzione di questi “mini-cervelli” autonomi con DARPA, per dotare un rover di un sistema di apprendimento profondo in grado non solo di funzionare sul robot, ma anche di adattarsi in tempo reale e imparare nuove cose mentre il robot opera. Ciò include nuovi oggetti (ad esempio, rocce, segni di acqua, ecc.) man mano che vengono incontrati e creare una mappa significativa di un pianeta inesplorato. La sfida era enorme, ma anche il guadagno: una tecnologia di apprendimento profondo in grado di funzionare su una potenza di elaborazione molto piccola e imparare anche con un solo pezzo di dati (ad esempio, un’immagine). Ciò è andato oltre ciò che l’apprendimento profondo poteva realizzare all’epoca (e anche oggi!).

Neurala ha progettato il Lifelong-DNN, potrebbe spiegare come questo differisce da un DNN regolare e quali vantaggi offre?

Progettato per il caso d’uso di NASA sopra, il Lifelong DNN, come dice il nome, può imparare durante tutto il suo ciclo di vita. Ciò è diverso dai tradizionali reti neurali profonde (DNN), che possono essere addestrate o eseguire un’inferenza (ovvero, una classificazione). Nel L-DNN, come negli esseri umani, non c’è differenza tra apprendimento e classificazione. Ogni volta che guardiamo qualcosa, facciamo entrambi “classificazione” (questo è una sedia) e impariamo qualcosa al riguardo (questa sedia è nuova, non l’ho mai vista prima, adesso so un po’ di più al riguardo). Diversamente dalle DNN, il L-DNN impara sempre e confronta ciò che sa del mondo, le nuove informazioni presentate e comprende naturalmente le anomalie. Ad esempio, se uno dei miei figli mi facesse uno scherzo e dipingesse la mia sedia di rosa, la riconoscerei subito. Poiché il mio L-DNN ha imparato nel tempo che la mia sedia è nera, e quando la mia percezione di essa non corrisponde alla mia memoria di essa, il L-DNN produrrebbe un segnale di anomalia. Ciò viene utilizzato nei prodotti Neurala in vari modi (vedi sotto).

Potrebbe discutere cosa sia il Brain Builder custom vision AI e come consente applicazioni di robotica più veloci, facili e meno costose?

Poiché il L-DNN impara naturalmente sul mondo e può comprendere se qualcosa è anomalo o devia da uno standard appreso, il prodotto Neurala, Brain Builder e VIA (Automazione dell’ispezione visiva) vengono utilizzati per configurare rapidamente compiti di ispezione visiva utilizzando solo alcune immagini di “prodotti buoni”. Ad esempio, in un ambiente di produzione, si può utilizzare 20 immagini di “bottiglie buone” e creare un “mini-cervello” di ispezione visiva in grado di riconoscere bottiglie buone, o quando viene prodotta una bottiglia “cattiva” (ad esempio, con un tappo rotto). Ciò può essere fatto con il L-DNN molto facilmente, rapidamente e su una semplice CPU, sfruttando la tecnologia NASA costruita in oltre 10 anni di intensa ricerca e sviluppo.

In una precedente intervista, ha consigliato agli imprenditori di puntare sempre a creare un’azienda leggermente impossibile. Ha sentito che Neurala fosse leggermente impossibile quando ha fondato l’azienda?

Ricordo ancora quando il mio amico e collega, Anatoli, ha sputato fuori il suo caffè espresso quando ho detto “un giorno, la nostra tecnologia funzionerà su un cellulare”. Sembra impossibile, ma tutto ciò che serve è immaginare e lavorare per questo. Oggi funziona su milioni di telefoni. Noi immaginiamo un mondo in cui migliaia di occhi artificiali possono individuare macchine e processi industriali per fornire un livello di qualità e controllo precedentemente inimmaginabile, precedentemente impossibile poiché avrebbero consumato migliaia di persone per macchina. Spero che nessuno stia bevendo caffè espresso mentre legge questo….

Grazie per la grande intervista, Neurala è chiaramente un’azienda che dovremmo tenere d’occhio. I lettori che desiderano saperne di più possono visitare Neurala.