Yashar Behzadi, CEO di Synthesis AI – Serie di interviste

Yashar Behzadi PhD è il CEO e fondatore di Sintesi AI. È un imprenditore esperto che ha creato attività trasformative nei mercati dell'intelligenza artificiale, della tecnologia medica e dell'IoT. Ha trascorso gli ultimi 14 anni nella Silicon Valley costruendo e ridimensionando aziende tecnologiche incentrate sui dati. Yashar ha oltre 30 brevetti e brevetti in corso di registrazione e un dottorato di ricerca. dall'UCSD con particolare attenzione alla modellazione spazio-temporale dell'imaging cerebrale funzionale.

Sintesi AI è una startup all'intersezione tra deep learning e CGI, creando un nuovo paradigma per lo sviluppo di modelli di visione artificiale. Consentono ai clienti di sviluppare modelli migliori in una frazione del tempo e dei costi dei tradizionali approcci basati sull'annotazione umana.

Come sei stato inizialmente coinvolto nell'informatica e nell'intelligenza artificiale?

Ho conseguito un dottorato di ricerca. dell'UCSD nel 2006 si è concentrato sulla visione artificiale e sulla modellazione spaziale e temporale dei dati di imaging cerebrale. Per i successivi 16 anni ho poi lavorato nella Silicon Valley, all'intersezione tra sensori, dati e machine learning in tutti i settori. Mi sento molto fortunato ad avere l'opportunità di lavorare su alcune tecnologie straordinarie e ho oltre 30 brevetti rilasciati o depositati incentrati sull'elaborazione del segnale, sull'apprendimento automatico e sulla scienza dei dati.

Potresti condividere la storia della genesi di Synthesis AI?

Prima di fondare Synthesis AI nel 2019, ho guidato un'azienda globale di servizi di intelligenza artificiale incentrata sullo sviluppo di modelli di visione artificiale per le principali aziende tecnologiche. Indipendentemente dalle dimensioni dell'azienda, ho scoperto che eravamo estremamente limitati dalla qualità e dalla quantità di dati di formazione etichettati. Man mano che le aziende si espandevano geograficamente, ampliavano la loro base di clienti o sviluppavano nuovi modelli e nuovo hardware, erano necessari nuovi dati di addestramento per garantire che i modelli funzionassero in modo adeguato. È diventato anche chiaro che il futuro della visione artificiale non avrebbe avuto successo con l'odierno paradigma di annotazione human-in-the-loop. Le emergenti applicazioni di visione artificiale in applicazioni di autonomia, robotica e AR/VR/metaverso richiedono un ricco set di etichette 3D, informazioni di profondità, proprietà dei materiali, segmentazione dettagliata, ecc., che gli esseri umani non possono etichettare. Era necessario un nuovo paradigma per fornire il ricco set di etichette necessario per addestrare questi nuovi modelli. Oltre ai driver tecnici, abbiamo assistito a un crescente controllo da parte dei consumatori e delle normative sulle questioni etiche relative al pregiudizio del modello e alla privacy dei consumatori.

Ho fondato Synthesis AI con l'intenzione di trasformare il paradigma della visione artificiale. La piattaforma di generazione di dati sintetici dell'azienda consente la generazione su richiesta di dati di immagini fotorealistiche con una serie ampliata di etichette 3D pixel-perfect. La nostra missione è aprire la strada alle tecnologie dei dati sintetici per consentire lo sviluppo etico di modelli più capaci.

Per i lettori che non hanno familiarità con questo termine, potresti definire cosa sono i dati sintetici?

I dati sintetici sono dati generati dal computer che fungono da alternativa ai dati del mondo reale. I dati sintetici vengono creati in mondi digitali simulati piuttosto che raccolti o misurati nel mondo reale. Combinando strumenti del mondo degli effetti visivi e CGI con modelli di intelligenza artificiale generativa, Synthesis AI consente alle aziende di creare grandi quantità di dati fotorealistici e diversificati su richiesta per addestrare modelli di visione artificiale. La piattaforma di generazione dei dati dell'azienda ha ridotto i costi e la velocità per ottenere dati di immagini di alta qualità di ordini di grandezza preservando la privacy.

Potresti parlare di come vengono generati i dati sintetici?

Un set di dati sintetici viene creato artificialmente piuttosto che attraverso dati del mondo reale. Le tecnologie dell'industria degli effetti visivi sono abbinate a reti neurali generative per creare dati immagine etichettati vasti, diversificati e fotorealistici. I dati sintetici consentono di creare dati di addestramento a una frazione del costo e del tempo degli approcci attuali.

In che modo l'utilizzo di dati sintetici crea un vantaggio competitivo?

Attualmente, la maggior parte dei sistemi di intelligenza artificiale sfrutta l'"apprendimento supervisionato" in cui gli esseri umani etichettano la chiave attribuita nelle immagini e quindi addestrano gli algoritmi di intelligenza artificiale per interpretare le immagini. Questo è un processo che richiede molto tempo e risorse ed è limitato da ciò che gli esseri umani possono etichettare con precisione. Inoltre, le preoccupazioni per il pregiudizio demografico dell'IA e la privacy dei consumatori si sono amplificate, rendendo sempre più difficile ottenere dati umani rappresentativi.

Il nostro approccio consiste nel creare mondi digitali fotorealistici che sintetizzano dati immagine complessi. Dal momento che generiamo i dati, sappiamo tutto sulle scene, comprese le informazioni mai disponibili prima sulla posizione 3D degli oggetti e le loro complesse interazioni tra loro e con l'ambiente. L'acquisizione e l'etichettatura di questa quantità di dati utilizzando gli approcci attuali richiederebbe mesi, se non anni. Questo nuovo paradigma consentirà un miglioramento di 100 volte in termini di efficienza e costi e guiderà una nuova classe di modelli più capaci.

Poiché i dati sintetici vengono generati artificialmente, ciò elimina molti pregiudizi e problemi di privacy con la raccolta tradizionale di set di dati dal mondo reale.

In che modo la generazione di dati on demand consente il ridimensionamento accelerato?

L'acquisizione e la preparazione dei dati del mondo reale per l'addestramento del modello è un processo lungo e noioso. La distribuzione dell'hardware necessario può essere proibitivamente costosa per complicati sistemi di visione artificiale come veicoli autonomi, robotica o immagini satellitari. Una volta acquisiti i dati, gli esseri umani etichettano e annotano le caratteristiche essenziali. Questo processo è soggetto a errori e gli esseri umani sono limitati nella loro capacità di etichettare informazioni chiave come la posizione 3D richiesta per molte applicazioni.

I dati sintetici sono ordini di grandezza più veloci ed economici rispetto ai tradizionali approcci di dati reali con annotazioni umane e accelereranno l'implementazione di modelli nuovi e più capaci in tutti i settori.

In che modo i dati sintetici consentono di ridurre o prevenire il pregiudizio dell'IA?

I sistemi di intelligenza artificiale sono onnipresenti ma possono contenere pregiudizi intrinseci che possono avere un impatto su gruppi di persone. I set di dati possono essere sbilanciati con determinate classi di dati e gruppi di persone sovrarappresentati o sottorappresentati. Costruire sistemi incentrati sull'uomo può spesso portare a pregiudizi di genere, etnia ed età. Al contrario, i dati di addestramento generati dal progetto sono adeguatamente bilanciati e privi di pregiudizi umani.

I dati sintetici potrebbero diventare una soluzione solida per risolvere il problema del bias dell'IA. I dati sintetici vengono generati parzialmente o completamente artificialmente piuttosto che misurati o estratti da eventi o fenomeni del mondo reale. Se il set di dati non è diversificato o sufficientemente grande, i dati generati dall'IA possono riempire i buchi e formare un set di dati imparziale. La parte migliore? La creazione manuale di questi set di dati può richiedere ai team diversi mesi o anni per essere completata. Se progettato con dati sintetici, può essere fatto dall'oggi al domani.

Al di fuori della visione artificiale, quali sono altri potenziali casi d'uso futuri per i dati sintetici?

Oltre alla moltitudine di casi d’uso della visione artificiale relativi a prodotti di consumo, autonomia, robotica, AR/VR/metaverso e altro ancora, i dati sintetici avranno un impatto anche su altre modalità di dati. Stiamo già vedendo le aziende sfruttare approcci basati sui dati sintetici per l’elaborazione di dati tabulari strutturati, voce e linguaggio naturale. Le tecnologie sottostanti e le pipeline di generazione differiscono per ciascuna modalità e, nel prossimo futuro, ci aspettiamo di vedere sistemi multimodali (ad esempio, video + voce).

C'è qualcos'altro che vorresti condividere su Synthesis AI?

Alla fine dell'anno scorso, abbiamo rilasciato API umana, una significativa espansione delle capacità di dati sintetici di Synthesis AI che consente la generazione programmatica di milioni di esseri umani digitali 3D unici e di alta qualità. Questo annuncio arriva mesi dopo il lancio del prodotto sintetico FaceAPI data-as-a-service, che ha fornito oltre 10 milioni di immagini facciali etichettate per le principali aziende di smartphone, teleconferenze, automobilistiche e tecnologiche. HumanAPI è il passo successivo nel percorso dell'azienda per supportare applicazioni avanzate di intelligenza artificiale (IA) di visione artificiale.

HumanAPI offre inoltre una miriade di nuove opportunità per i nostri clienti, tra cui assistenti di intelligenza artificiale intelligenti, allenatori di fitness virtuali e, naturalmente, il mondo delle applicazioni del metaverso.

Creando un doppio digitale del mondo reale, il metaverso consentirà nuove applicazioni che vanno dai social network reinventati, alle esperienze di intrattenimento, alle teleconferenze, ai giochi e altro ancora. L'intelligenza artificiale della visione artificiale sarà fondamentale per il modo in cui il mondo reale viene catturato e ricreato con alta fedeltà nel regno digitale. Gli esseri umani fotorealistici, espressivi e comportamentali accurati saranno una componente essenziale del futuro delle applicazioni di visione artificiale. HumanAPI è il primo prodotto che consente alle aziende di creare grandi quantità di dati su tutto il corpo perfettamente etichettati su richiesta per costruire modelli di intelligenza artificiale più capaci, tra cui stima della posa, riconoscimento delle emozioni, caratterizzazione dell'attività e del comportamento, ricostruzione facciale e altro ancora.

Grazie per l'ottima intervista, i lettori che desiderano saperne di più dovrebbero visitare Sintesi AI.