Max Versace, CEO e co-fondatore di Neurala – Serie di interviste

Il Dott. Massimiliano Versace è il co-fondatore e CEO di Neurala, e il visionario dell'azienda. Dopo la sua ricerca pionieristica nell'informatica ispirata al cervello e nelle reti profonde, continua a ispirare e guidare il mondo della robotica autonoma. Ha parlato in dozzine di eventi e sedi, tra cui TedX, NASA, Pentagono, GTC, InterDrone, National Labs, Air Force Research Labs, HP, iRobot, Samsung, LG, Qualcomm, Ericsson, BAE Systems, AI World, Mitsubishi, ABB e Accenture, tra molti altri.

Inizialmente hai studiato psicologia e poi sei passato alle neuroscienze, qual era la tua logica in quel momento?

La svolta è stata naturale. La psicologia ha fornito un lato della "moneta dell'addestramento": lo studio del fenomeno psicologico. 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 hai capito che volevi applicare la tua comprensione del cervello umano all'emulazione del cervello umano in un sistema di intelligenza artificiale?

Il passo successivo, dalla neuroscienza 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 raggiungere una comprensione ancora maggiore è costruirne una versione sintetica. Un'analogia che mi piace fare è che si può ottenere una comprensione parziale di come funziona un motore staccando un cilindro e il radiatore e concludendo che cilindri e radiatori sono importanti per il funzionamento del motore. Un altro modo più profondo per comprendere un motore è costruirne uno da zero, vale a dire studiando l'intelligenza costruendone una versione sintetica (artificiale).

Quali sono alcuni dei primi progetti di deep learning su cui hai lavorato?

Nel 2009 per DARPA abbiamo lavorato alla realizzazione di una “emulazione dell'intero cervello” per un robot autonomo che utilizza 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 trasportato e implementato in un piccolo hardware.

Potresti condividere la storia della genesi di Neurala?

Neurala come azienda ha iniziato nel 2006 per contenere alcuni brevetti sull'utilizzo di GPU (unità di elaborazione grafica) per il deep learning. Anche se oggi questo potrebbe sembrare banale, all'epoca le GPU non erano affatto utilizzate per l'intelligenza artificiale e abbiamo aperto la strada a questo concetto immaginando che ogni pixel in una scheda grafica potesse essere utilizzato per elaborare un neurone (rispetto a una sezione di una scena per rendering sullo schermo). Grazie al parallelismo delle GPU, che imita il nostro parallelismo cerebrale in una misura (commercialmente praticabile), siamo stati in grado di raggiungere velocità di apprendimento ed esecuzione per i nostri algoritmi che all'improvviso hanno reso pratici AI e Deep Learning. Abbiamo dovuto aspettare ancora qualche anno per lasciare il mondo accademico mentre il mondo "raggiungeva" (eravamo già convinti sostenitori!) sulla realtà dell'IA. Nel 2013, abbiamo portato l'azienda fuori dalla modalità invisibile (poiché eravamo già finanziati dalla NASA e dagli US Air Force Research Labs) e siamo entrati nel programma Boston Tech Stars. Da lì, abbiamo iniziato ad assumere alcuni dipendenti ea raccogliere capitali privati. Tuttavia, è stato solo nel 2017 che, con nuove iniezioni di capitale e l'ulteriore maturazione del settore, siamo stati in grado di ottenere le prime importanti implementazioni e inserire la nostra intelligenza artificiale in 56 milioni di dispositivi, che vanno dalle fotocamere, agli smartphone, ai droni e ai robot.

Uno dei primi progetti di Neurala stava lavorando al rover su Marte della NASA. Potresti condividere con noi i punti salienti di questo progetto?

La NASA aveva un problema molto specifico: voleva esplorare la tecnologia per alimentare future missioni senza equipaggio, in cui il sistema autonomo (ad esempio, un rover) non si sarebbe affidato alla guida passo dopo passo del controllo della missione terrestre. I ritardi nelle comunicazioni rendono impossibile questo controllo: basta ricordare quanto fosse goffa la comunicazione tra la Terra e Matt Damon nel film "The Martian". La nostra soluzione: dotare ogni rover di un proprio cervello. La NASA si è rivolta a noi, visto che eravamo già esperti nella costruzione di questi “mini-cervelli” autonomi con DARPA, per dotare un rover di un sistema di Deep Learning a fattore piccolo in grado non solo di funzionare sul robot, ma anche di adattarsi in in tempo reale e impara cose nuove mentre il robot è in funzione. Questi includono nuovi oggetti (ad es. rocce, segni d'acqua, ecc.) man mano che vengono incontrati e creano una mappa significativa di un pianeta inesplorato. La sfida era enorme, ma lo era anche il risultato: una tecnologia di Deep Learning in grado di funzionare con una potenza di elaborazione molto ridotta e apprendere anche su un singolo dato (ad esempio un'immagine). Questo è andato oltre ciò che il Deep Learning era in grado di realizzare all'epoca (e anche oggi!).

Neurala ha progettato il Lifelong-DNN, puoi approfondire in che modo differisce da un normale DNN e i vantaggi che offre?

Progettato per il caso d'uso della NASA di cui sopra, Lifelong DNN, come afferma il nome, può apprendere durante l'intero ciclo di vita. Ciò è diverso dalle tradizionali reti neurali profonde (DNN), che possono essere addestrate o eseguire una "inferenza" (ovvero una classificazione). In L-DNN, come negli esseri umani, non c'è differenza tra l'apprendimento e la classificazione. Ogni volta che guardiamo qualcosa, entrambi la "classifichiamo" (questa è una sedia) e impariamo a conoscerla (questa sedia è nuova, mai vista prima, ora ne so un po' di più). A differenza dei DNN, L-DNN impara e confronta sempre ciò che sa del mondo, quali nuove informazioni vengono presentate ed è naturalmente in grado di comprendere le anomalie. Ad esempio, se uno dei miei figli mi facesse uno scherzo e dipingesse la mia sedia di rosa, lo riconoscerei subito. Dal momento che il mio L-DNN ha appreso nel tempo che la mia sedia è nera, e quando la mia percezione di essa non corrisponde al mio ricordo, L-DNN produrrebbe un segnale di anomalia. Questo viene utilizzato nei prodotti Neurala in vari modi (vedi sotto).

Puoi discutere cos'è l'intelligenza artificiale per la visione personalizzata di Brain Builder e come consente applicazioni di robotica più veloci, più facili e meno costose?

Poiché L-DNN impara naturalmente a conoscere il mondo e può capire se qualcosa è anomalo o devia da uno standard appreso, il prodotto di Neurala, Brain Builder e VIA (Visual Inspection Automation) vengono utilizzati per impostare rapidamente attività di ispezione visiva utilizzando solo poche immagini di “buoni prodotti”. Ad esempio, in un ambiente di produzione, si possono utilizzare 20 immagini di “bottiglie buone” e creare un “mini-cervello” di controllo qualità visivo in grado di riconoscere bottiglie buone, o quando una bottiglia difettosa (es. prodotto. Questo può essere fatto con L-DNN molto facilmente, rapidamente e su una semplice CPU, sfruttando la tecnologia della NASA costruita in oltre 10 anni di intensa ricerca e sviluppo.

In una precedente intervista, hai raccomandato agli imprenditori di puntare sempre all'avvio di un'impresa leggermente impossibile. Pensavi che Neurala fosse un po' impossibile quando hai lanciato l'azienda per la prima volta?

Ricordo ancora il mio amico e collega Anatoli che sputava il suo espresso quando dissi “un giorno la nostra tecnologia funzionerà su un cellulare”. Sembrava impossibile, ma tutto ciò che dovevi fare era immaginarlo e lavorarci. Oggi funziona su milioni di telefoni. Immaginiamo un mondo in cui migliaia di occhi artificiali possano individuare macchine e processi industriali per fornire un livello di qualità e controllo precedentemente inimmaginabile, precedentemente impossibile in quanto consumerebbero migliaia di persone per macchina. Spero che nessuno stia bevendo espresso mentre legge questo….

Grazie per l'ottima intervista, Neurala è chiaramente un'azienda che dovremmo tenere sotto controllo. I lettori che desiderano saperne di più dovrebbero visitare Neurala.