Hyun Kim、Superb AIのCEO兼共同創設者 – インタビュー・シリーズ

Hyun Kimは、Superb AIのCEO兼共同創設者です。Superb AIは、AIチームがより優れたAIを短時間で構築できるように、新世代のマシンラーニングデータプラットフォームを提供する会社です。Superb AI Suiteは、MLエンジニア、製品チーム、研究者、データアノテーターが効率的なトレーニングデータワークフローを作成できるように設計されたエンタープライズSaaSプラットフォームです。

あなたがAI、データサイエンス、ロボティクスの分野に興味を持ったきっかけは何ですか?

デューク大学で生物医学工学を専攻していたとき、遺伝子とそれを操作して疾患を治療したり遺伝子操作された生物を作成したりする方法に興味を持っていました。ある実験を思い出していますが、6ヶ月間続けても失敗し続けたのです。最も苛立たしいのは、多くの繰り返しの手作業が必要で、後から考えれば多くの潜在的なエラーの原因だったのだと思います。

その苛立ちは、私を自動化に関心を持たせることになりました。デューク大学のさまざまな研究室を転々としていましたが、最終的にパーキンソン病の脳MRIスキャンを使用してマシンラーニングで診断する研究をしていた研究室に参加しました。そこで私はディープラーニングネットワークの革命的な可能性を実感しました。私はデューク大学のコンピューターサイエンスの博士課程に進み、インテリジェントロボット研究所でロボットが学習する方法を研究しました。

2016年、あなたはAmazon Robotics Challengeに参加しました。どのようなプロジェクトでしたか?

Amazon (AMZN ) Robotics Challengeでは、チームはロボットが自律的にアイテムをピッキングしてストウすることでポイントを獲得します。工場や組み立てラインのロボットは、ロボットがピッキングして配置する特定のオブジェクトに特化するように設計できますが、ARCではロボットが非常にダイナミックな状況で動作する必要があります。私は「Team Duke」のリーダーで、モーションプランニング機能を担当しました。ロボットのモーションプランニング方法を設計して実装し、現実的な倉庫環境でのピッキングと配置タスクを実行しました。コンピュータビジョンに基づくロボットの認識システムからモーションプランニングアルゴリズム、カスタム設計の機械的エンドエフェクタハードウェアまで、複雑なシステムを組み合わせる必要がありました。

その後、SK T-Brainで約2年間、マシンラーニング研究エンジニアとして働きました。どのようなプロジェクトでしたか?

博士課程の1年目、2016年3月、GoogleのAlphaGoが人間のチャンピオン、李世石を囲碁で破ったというニュースがありました。特に韓国では囲碁が非常に人気があるため、非常に衝撃的なニュースでした。

その後、政府と大手企業はすぐにAI研究に大量の投資を開始しました。韓国の大手コングロマリットであるSKT（SKテレコム）がその1つでした。私はSKT Brainという新しいAI研究ラボでマシンラーニング研究エンジニアのポジションを提示され、博士課程を中断して約2年間韓国で働きました。

私のチームの目的は、会社にとって製品またはビジネス機会を生み出す可能性のあるさまざまなAIトピックを研究することでした。2年間で、自律走行車、ゲームAI（特にStarCraft AI）、生成対抗ネットワーク（GAN）などのテーマに取り組みました。

2年後、博士課程に戻るのではなく、Superb AIを設立するためにSKT Brainを辞めました。

Superb AIを設立したきっかけは何ですか?

ロボットの学習を研究していたとき、また企業の研究ラボで働いていたとき、ほとんどの時間をデータキュレーションに費やしていたことは明らかでした。

大学では、ロボットシミュレーションデータのためのシミュレーテッド環境を作成するのに多くの時間を費やしていました。前の会社では、自律走行車やゲームAIのためのデータセットを収集してラベル付けしていました。

残念ながら、それは私だけの問題ではありませんでした。同僚やマシンラーニング業界の研究者、エンジニアにとって共通の痛みでした。

私はそれを解決したかったです。マシンラーニングやAIが大好きで、人生を変える可能性があると思っているからです。テクノロジーのブレークスルーが早く起こり、日常生活に応用されることを願っています。

それが起こるためには、まずマシンラーニングアルゴリズムが人間の入力なしで学習できるようにすることに興味を持っていました。無監督学習やメタラーニングなどのテーマに取り組みました。GANに関する論文を発表した後、実際の製品やサービスを作成して業界のデータ問題を解決したいと思いました。

Superb AIが提供するサービスを簡単に説明してください。

Superb AIは、Superb AI Suiteというマシンラーニングデータプラットフォームを提供しています。Suiteは、企業がトレーニングデータを作成、ラベル付け、管理するのを効率化し、ML Opsサイクルを加速するのに役立ちます。

マシンラーニングチームのほとんどがトレーニングデータの管理に50％以上の時間を費やすことはよく知られています。エンジニアがトレーニングデータセットを簡単にフィルタリング、検索、操作し、ML Opsスタック（データストレージやディープラーニングフレームワークなど）と統合できるように支援します。

製品リーダーもトレーニングデータに多くの時間を費やします。問題追跡、データ分析、コラボレーションや生産性関連の機能など、さまざまな機能で彼らの生活を容易にします。

さらに、自動ラベル付け機能は、転送学習やアクティブラーニングなどの高度なマシンラーニング技術を利用して、自動ラベル付けと品質管理プロセスを支援します。

マシンラーニングデータプラットフォームを構築する最も難しい側面は何ですか?

マシンラーニングデータプラットフォームを構築することは、興味深いエンジニアリングの課題です。マシンラーニングには大量の構造化されていないデータ（画像やビデオなど）が必要であるだけでなく、世界中の多くのユーザーによってデータが常に読み出され更新される必要があります。

Superb AIプラットフォームを使用している会社を教えてください。

さまざまな業界のさまざまなサイズのクライアントがいます。サムスンやLGなどの大手家電メーカーが、データを管理してML開発プロセスを加速するためにプラットフォームを使用しています。自動運転車業界や、物理的なセキュリティから建設までのさまざまなアプリケーションで無人システムを使用する企業やスタートアップもプラットフォームを使用しています。

さらに、AR/VRやゲーム会社が、MLモデルを教育するためのデータセットを作成して管理するためにプラットフォームを使用しています。

医療分野では、国際的な大学の研究ラボが、プラットフォームを使用してトレーニングデータを管理し、コンピュータビジョンモデルをより効率的にトレーニングしてMRIやCTスキャン内の腫瘍を認識できるようにしています。

Superb AIは2019年冬のY Combinatorのメンバーでした。そこでの経験と得た知識について教えてください。

私たちが得た2つの重要な教訓は、ユーザーに焦点を当てることと、迅速に反復することです。YCのモットーは「ユーザーが欲しいものを作れ」です。スタートアップ、特にテクノロジー系スタートアップは、技術的な革新に焦点を当ててユーザーのニーズを無視することがあります。3ヶ月間のプロセスを通じて、ユーザーと積極的に話をし、彼らの実際のニーズを理解することに重点を置くことを学びました。製品の更新やメッセージをユーザーのニーズに合わせて反復することも重要です。製品や市場への適合性を最初の試みで達成することは不可能です。ユーザーと話をし、彼らが欲しいものを提供することが重要です。考えれば当たり前のことですが、実践するのは非常に難しいです。

Superb AIについてさらに何か共有したいことがありますか?

私たちは無料製品の提供を強化し、ユーザーがより多くの生のアセットストレージやラベル付け/データ管理/開発者向けの機能やツールキットを利用できるようにしました。私たちはAIを民主化するという使命に従事しており、企業としてAIの採用と統合を推進するためにできる限りのことを提供したいと思っています。

インタビューに感謝します。詳しく知りたい読者は、Superb AIを訪問してください。