エイジップ株式会社の共同創設者、チェン・ユーベイさん – インタビュー・シリーズ

チェン・ユーベイさんは、世界最小で最も効率的なAIモデルを開発するエイジップ株式会社の共同創設者です。彼はまた、カリフォルニア大学デービス校の電気電子工学科の助教授でもあります。チェンの研究は、計算神経科学と深層学習（自己教師あり学習）の交差点にあり、自己教師あり表現学習の計算原理を理解し、脳と機械の自然信号統計への洞察を再定式化しています。

UCデービス校に参加する前に、チェンさんはNYUセンター・フォー・データ・サイエンス（CDS）およびMetaファンダメンタルAIリサーチ（FAIR）でヤン・ルカン教授の下でポスドク研究を行いました。彼は、UCバークレーのレッドウッド・センター・フォー・セオレティカル・ニューロサイエンスおよびバークレーAIリサーチ（BAIR）で、ブルーノ・オルシャウゼン教授の指導の下で博士号を取得しました。

エイジップは、エッジデバイス用に最適化された超効率的なAIソリューションを開発しています。コンパクトなモデルを提供し、ビジョン、オーディオ、時系列、言語、センサーフュージョンアプリケーションを実現しています。同社の製品は、TinyMLによって動作する顔認識、オブジェクト認識、キーワードスポッティング、ECG/EEG分析、およびデバイス内チャットボットなどのタスクを可能にします。同社のAIナノファクトリー・プラットフォーム、Aiziplineを通じて、基礎モデルと生成モデルを使用してAIモデルの開発を加速し、完全なAI設計自動化に向けて推進しています。エイジップのGizmoシリーズの小型言語モデル（300M～2Bパラメータ）は、幅広いデバイスをサポートし、エッジに知能をもたらします。

ヤン・ルカン氏とNYUおよびMeta FAIRでのポスドク研究について教えてください。その研究とUCバークレーでの研究が、実世界のAIソリューションを構築するアプローチにどのような影響を与えましたか。

バークレーでは、私の研究は科学的探究と数学的厳格さに根ざしていました。私の博士研究は、電気電子工学、コンピューターサイエンス、計算神経科学を組み合わせて、AIシステムを「白箱」から理解することに焦点を当てました。私は、解釈可能で高性能なAIモデルと、ブラックボックスAIシステムの内部構造を明らかにする視覚化技術を開発しました。

Meta FAIRでは、AIシステムをスケールアップして最先端のパフォーマンスを達成することに重点が置かれました。世界クラスの計算リソースを利用し、自己教師あり学習の限界を探求し、現在「ワールドモデル」と呼ばれるAIシステムに貢献しました。AIシステムはデータから学習し、想定される環境を想像することができます。この二重の経験 — バークレーでの科学的理解とMetaでのエンジニアリング主導のスケールアップ — は、AI開発に対する包括的な視点を私に与えました。理論的洞察と実践的実装の両方が、実世界のアプリケーションを開発する上で重要であることを強調しました。

あなたの研究は計算神経科学とAIを組み合わせています。神経科学からの洞察が、どのようにAIモデルの開発に影響を与えていますか。

計算神経科学では、さまざまな刺激に対する脳の反応を測定して、情報をどのように処理するかを研究します。同様に、AIモデルを内部メカニズムを理解するためにプローブします。私のキャリア初期に、私はワード・エンベディングを分析するための視覚化技術を開発しました。単語「リンゴ」をその構成要素「果物」と「技術」に分解しました。後に、このアプローチは、トランスフォーマーと大規模言語モデルなどのより複雑なAIモデルに拡張され、内部で知識をどのように処理して保存するかを明らかにするのに役立ちました。

これらの方法は、実際に神経科学における技術と平行しています。例えば、脳活動を研究するために電極またはfMRIを使用するのと同様に、AIモデルの内部表現をプローブすることで、その推論戦略と新興特性、たとえば、特定のアイデア（たとえば、ゴールデン・ゲート・ブリッジの特徴）に対して活性化する概念ニューロンを理解できます。AnthropicがClaudeをマッピングする際に発見したものと同様に。この研究分野は、業界で広く採用されており、解釈可能性と実用的な介入を可能にし、モデルからの偏見を除去することを実証しています。したがって、神経科学に基づくアプローチは、AIをより説明可能で信頼性が高く効率的なものにします。

あなたがエイジップを共同創設したきっかけについて教えてください。コンセプトから会社設立までの道のりを共有してください。

基礎的なAI研究者として、私の多くの研究は理論的でしたが、研究と実世界のアプリケーションの間のギャップを埋めたいと思っていました。私は、特にエッジデバイスで実用的なAIの革新を実現するためにエイジップを共同創設しました。巨大な基礎モデルを構築するのではなく、世界最小で最も効率的なAIモデルを開発することに焦点を当てました。

旅は基本的に、重要な観察から始まりました。AIの進歩は急速にスケールアップしているのに対し、実世界のアプリケーションは souvent 軽量で非常に効率的なモデルを必要としていました。科学的厳格さと実践的展開のバランスをとる新しい方向性を先導する機会を見出しました。自己教師あり学習とコンパクトなモデル・アーキテクチャの洞察を活用して、エイジップはエッジで効率的に動作し、エンベッディッド・システム、IoT、さらなる分野でAIの新たな可能性を開拓するAIソリューションを提供することができました。

エイジップはエッジデバイス用の小型AIモデルに特化しています。市場で見出したギャップについて教えてください。

AI業界は主にモデルをスケールアップすることに焦点を当ててきましたが、実世界のアプリケーションはしばしばその逆、つまり高効率、低消費電力、最小の遅延を必要とします。現在の多くのAIモデルは、小型のエンベッディッド・デバイスにデプロイするには計算コストが高すぎます。リソース制約が厳しい環境で強力なパフォーマンスを提供するAIソリューションに対する市場のギャップを見出しました。

すべてのAIアプリケーションが巨大なモデルで動作する必要はないこと、またそれがあらゆることのためのスケーラブルな解決策でもないことを認識しました。代わりに、アルゴリズムを最適化して最大の効率性を達成し、精度を維持することに焦点を当てました。エッジアプリケーション向けに、スマート・センサー、ウェアラブル、産業自動化などのデバイスに合わせてAIモデルを設計することで、AIをよりアクセスしやすく、スケーラブルで、エネルギー効率の高いものにしました。これにより、クラウド以外の新しいAIドリブンのイノベーションの可能性が解放されます。

エイジップはSmall Language Models（SLMs）の開発で先駆的な役割を果たしています。SLMsとGPT-4のような大規模モデルはどのように競合または補完し合うでしょうか。

SLMsと大規模モデルは直接競合するものではありません。異なるニーズを満たします。大規模モデルは汎用性と深い推論力に優れていますが、計算リソースを大量に必要とします。SLMsは効率性とエッジデバイスでの展開に特化しています。コンピューティング・パワー、レイテンシ、コストの制約が重要なアプリケーション、たとえばIoTデバイス、ウェアラブル、産業自動化で、AIの能力を提供することで、大規模モデルを補完します。AIの採用が増加するにつれて、クラウドベースの大規模モデルが複雑なクエリを処理し、SLMsがエッジでリアルタイムのローカル・インテリジェンスを提供するハイブリッド・アプローチが現れることを予測しています。

低電力エッジデバイス用にAIモデルを十分に効率化する上での最大の技術的課題について教えてください。

基本的な課題の1つは、AIモデルがどのように機能するかについての完全な理論的理解の欠如です。明確な理論的基礎がないため、最適化努力はしばしば経験的であり、効率性の向上が制限されます。さらに、人間の学習は多様な方法で行われ、現在の機械学習パラダイムが完全に捉えていないため、人間の効率性を模倣するモデルを設計することは困難です。

エンジニアリングの観点から、AIを極端な制約の中で動作させるために、モデル圧縮、量化、設計の革新的な解決策が必要です。さらに、さまざまなデバイスと環境でロバスト性を維持しながら適応できるAIモデルを作成することも課題です。AIがIoTやセンサーを通じて物理世界と相互作用するにつれて、自然で効率的なインターフェイス、たとえば音声、ジェスチャー、またはその他の非伝統的な入力の必要性が重要になります。エッジのAIは、デジタル・ワールドとのシームレスな相互作用を再定義することです。

ソフトバンクのような企業とのエイジップの取り組みについて詳しく教えてください。

私たちは最近、CESイノベーション・アワードを受賞した水産養殖プロジェクトでソフトバンクと提携しました。魚の数を数えるためのエッジベースのAIモデルを開発し、水産養殖業者が魚の養殖場で使用できるようにしました。このソリューションは、持続可能性、食糧浪費、利益性の問題を生み出す可能性のある水産養殖業の重要な課題に対処します。業界は、特に海上での信頼性のある電力と接続性の欠如により、AIの解決策の採用が遅れています。これを解決するために、デバイス内で動作するソリューションを開発しました。ソフトバンクのコンピュータ・グラフィックス・シミュレーションをトレーニング・データに組み合わせ、私たちのコンパクトなAIモデルと組み合わせ、高度な精度のシステムを作成しました。水中の実地テストで95%の認識率を達成し、魚の数の正確性を大幅に改善しました。これにより、農家は保存条件を最適化し、魚を生で輸送するか凍結するかを判断し、魚に潜在的な病気や健康問題を検出できます。

そのブレークスルーは、効率性を向上させ、コストを削減し、手作業への依存を減らし、実世界の問題に実際の影響を与える方法を示しています。

エイジップの「AIナノファクトリー」コンセプトについて説明してください。AIモデルの開発をどのように自動化していますか。

AIナノファクトリーは、私たちの内部AI設計自動化パイプラインで、半導体製造における電子設計自動化（EDA）に着想を得ています。新興技術分野の初期開発には、多くの手作業が必要です。進歩を加速し、解決策をスケールアップするために、自動化が重要になります。

他の業界を加速するためにAIを使用するのではなく、AI自身の開発を加速できるかどうかを問いました。AIナノファクトリーは、データ処理からアーキテクチャ設計、モデル選択、トレーニング、量化、デプロイ、デバッグまで、AIモデルの開発のすべての段階を自動化します。AIを使用して自己最適化することで、新しいモデルの開発時間を平均10倍、場合によっては1,000倍削減することができました。これは、1年以上かかっていたモデルが数時間で開発できることを意味します。

別の利点は、この自動化がAIソリューションを幅広いアプリケーションで経済的に実行可能にすることです。実世界のAIデプロイをよりアクセスしやすくスケーラブルにします。

次の5年間でエッジAIの役割がどのように進化するかについて見通しを教えてください。

エッジAIは、スマートフォンがインターネット・アクセスを革命したのと同様に、テクノロジーとのやり取りを変える可能性があります。現在のほとんどのAIアプリケーションはクラウドベースですが、物理世界と相互作用するセンサーとデバイスに近づくにつれて、エッジでの効率的なリアルタイム処理の必要性が強まっています。

次の5年間で、エッジAIは、ボイス・レコグニション、ジェスチャー・レコグニション、その他の直感的なインターフェイスを通じて、より自然な人間とコンピューターのやり取りを可能にすることが期待されています。これにより、キーボードやタッチスクリーンへの依存が減ります。AIは、スマート・ホームや産業自動化などの日常の環境にさらに埋め込まれ、最小の遅延でリアルタイムの意思決定を可能にします。

別の重要なトレンドは、エッジAIシステムの自律性の増大です。AIモデルは、AIナノファクトリーのような自動化の進歩により、自己最適化と適応性が高まり、デプロイとメンテナンスでの人間の介入の必要性が減少します。これにより、ヘルスケア、自動車、農業などの業界で新たな機会が開けます。

エイジップから今後発売されるAIドライブン・デバイスについて、どれが最も期待していますか。

私たちは、自動車業界向けのAIエージェントに特に興味があります。特に中国の自動車メーカーを中心に、ChatGPTのような言語モデルを内蔵したボイス・アシスタントの開発が進んでいます。ただし、現在のアシスタントは、柔軟な会話のためにクラウドに依存しています。基本的なコマンドと制御（「ACをオンに」や「トランクを開け」など）はローカルで実行されますが、運転手の注意を散漫にさせる可能性のある硬いコマンドの性質です。

私たちは、Gizmoシリーズの超効率的なSLMパワードAIエージェントを開発し、それを車内の「コ・パイロット」として展開することを計画しています。Gizmoは、より繊細な方法で意図を理解するようにトレーニングされており、会話型の自由形式の言語でコマンドを実行できます。たとえば、運転手が「寒い」と言った場合、エージェントはカビンの温度を調整したり、運転手が「明日ボストンへ運転するので、どんな服を着て行くべきか」と尋ねた場合、天気をチェックして提案したりできます。

これらのエージェントはクラウドに依存しないため、デッドゾーンや接続性の悪い地域（トンネル、山、農村部など）でも機能し続けます。また、運転手の注意を道路から逸らさないボイスベースの制御を強化し、安全性を高めます。別の軽いノートとして、現在、車両とBluetoothスピーカー向けのAIパワード・カラオケ・モデルを生産に導入中です。これはコ・パイロットと同様にローカルで実行され、入力オーディオから人間のボイスを除去して、リアルタイムでカラオケ・バージョンのどの曲でも作成できます。したがって、顧客が車内のコントロールをより安全に管理できるだけでなく、体験をより楽しくする方法も探しています。

これらのソリューション、日常生活に実際の違いをもたらすものが、私たちが最も誇りに思っているものです。

エイジップは、エッジデバイス用に最適化された超効率的なAIソリューションを開発しています。コンパクトなモデルを提供し、ビジョン、オーディオ、時系列、言語、センサーフュージョンアプリケーションを実現しています。同社の製品は、TinyMLによって動作し、顔認識、オブジェクト認識、キーワードスポッティング、ECG/EEG分析、およびデバイス内チャットボットなどのタスクを可能にします。同社のAIナノファクトリー・プラットフォーム、Aiziplineを通じて、基礎モデルと生成モデルを使用してAIモデルの開発を加速し、完全なAI設計自動化に向けて推進しています。エイジップのGizmoシリーズの小型言語モデル（300M～2Bパラメータ）は、幅広いデバイスをサポートし、エッジに知能をもたらします。

素晴らしいインタビュー、詳しく知りたい読者はエイジップを訪問してください。