블레어 뉴먼, Neuton의 CTO – 인터뷰 시리즈

블레어 뉴먼은 Neuton의 CTO로서, 기존의 모든 프레임워크, 비신경망 알고리즘 또는 AutoML 제품보다 훨씬 더 효과적인 혁신적인 신경망 프레임워크 및 자동 기계 학습(AutoML) 솔루션입니다. 이것은 모든 사람에게 인공 지능(AI)을 제공합니다.

기계 학습과 데이터 과학에 초기에 관심을 갖게 된 것은 무엇입니까?

개인적인 관점에서 나는 항상 ML/데이터 과학이 제공할 수 있는 가능성에 매료되어 왔습니다. 예를 들어, 스마트 시티, 연결된 자동차, 그리고 지금은 TinyML도 제공할 수 있는 것들입니다. 이제 AI의 민주화로 우리는 실제로 모든 곳에서 ML을 보게 됩니다.

Neuton의 기원 이야기를 공유해 줄 수 있습니까?

우리는 여러 프로젝트에서 기계 학습 관점에서 수년간 작업한 후 모든 사람에게 AI를 제공하기 위한 여정을 시작했습니다. 이 기간 동안 우리는 지수적 성장을 제한하는 여러 장벽을 식별했습니다. 그래서真正으로 모든 사람에게 ML을 제공하기 위해… 우리는 존재하는 기술적 장벽을 해결해야 했습니다… 훈련을 수행하는 데大量의 데이터가 필요한 요구 사항… 기술 전문 지식이 필요 없는 자동화된 SaaS 솔루션… 그리고 마지막으로 우리의 플랫폼을 무료로 제공하여 마지막 장벽을 제거했습니다.

TinyML이라는 용어가 익숙하지 않은 독자들을 위해 정의해 줄 수 있습니까?

나는 일반적으로 간단하게 유지하려고 합니다… 물리적 세계가 디지털 세계를 만나는 곳… 그리고 두 개의 엔티티가 교차하는 곳… 그것이 TinyML의 세계입니다… TinyML은 가장자리에 지능을 제공합니다.

TinyML의 가속화를 방해하는 것은 무엇입니까?

TinyML은 일반적으로 HW, 임베디드 엔지니어, 기계 학습 엔지니어, 통합을 위한 소프트웨어 개발자와 같은 자원 관점에서 엄청난 자본이 필요합니다. 우리는 이러한 요구 사항을 크게 줄이는 분야에서 우수합니다.

Neuton은 정확성을 손상하지 않고 컴팩트한 모델을 어떻게 생성합니까?

전통적이고 더 잘 알려진 프레임워크(예: TensorFlow)는 내재적으로 낭비가 포함된 기존 구조에서 시작됩니다. 또한 모델을 구축하는 것은 종종 매우 반복적인 프로세스이며, 모델을 구축한 후에는 통합하기 전에 최적화해야 합니다. 이것이 내가 상위 접근 방식이라고 부르는 것입니다. Neuton에서 우리는 이 패러다임을 완전히 뒤집습니다. 우리는 각 모델을 하나의 뉴런에서부터 아래로 구축하여 다른 프레임워크에서 경험하는 내재된 낭비를 효과적으로 제거합니다. 즉, 네트워크 구조는 사전 정의되지 않으며 훈련 중에 단일 뉴런에서 성장합니다. 우리는 이 접근 방식을 각 뉴런이 적용된 결과 모델에 대한 상수 교차 검증과 결합합니다. 따라서, 최종 모델은 항상 목적을 위해 구축되며, 완성되면 낭비가 없으며 정확합니다.

Neuton은 왜 역전파 또는 확률적 경사 하강과 같은 인기 있는 방법론을 사용하지 않습니까?

우리의 특허된 접근 방식은 글로벌 최적화 방법론을 사용하여 이러한 방법론을 적용할 필요를 효과적으로 제거합니다.

Neuton 솔루션은 전통적인 기계 학습 접근 방식보다 얼마나 효율적입니까?

모델 생성 시간, 정확도, 모델 크기 및 결과적으로 시장 출시 시간과 같은 모든 주요 지표에서 우리는 일관되게 다른 프레임워크와 플랫폼을 능가하는 것을 보게 됩니다. 일반적으로 우리는 우리의 모델이 다른 프레임워크보다 1000배 더 작고 시장 출시 시간이 70% 이상 줄어든 것을 경험합니다. 마지막으로, 우리의 설명 가능성 오피스는 모델과 각 예측에 대한 완전한 투명성을 제공하여 두 번째로 없습니다.

Neuton 플랫폼에서 제공하는 AI 설명 가능성에 대한 자세한 정보를 제공할 수 있습니까?

我们的 설명 가능성 오피스는 여러 형태로 제공됩니다. 먼저, 우리의 EDA(탐색적 데이터 분석) 도구는 훈련 전에 데이터의 통계를 초기 보기를 제공합니다. 그 다음에, 우리의 기능 중요도 행렬은 고객이 예측에 영향을 미치는 상위 10개의 기능과 예측에 거의 영향을 미치지 않는 하위 10개의 기능을 식별할 수 있도록 합니다. 그 다음에, 우리는 고객에게 각 예측을 개별적으로 분석하여 특정 기능의 값이 변경되면 예측이 어떻게 변경되는지 볼 수 있는 다음 수준의 투명성을 제공합니다. 마지막으로, 우리는 모델이衰退하기 시작하고 모델을 다시 훈련해야 하는 경우 고객에게 적극적으로 알리는 라이프 사이클 관리 도구(모델-데이터-관련성 지표)를 제공합니다.

Neuton에 대해 공유하고 싶은 것이 더 있습니까?

Neuton에서의 우리의 임무는 실제로 모든 사람에게 AI를 제공하는 것입니다. 우리는 이러한 가능성을 실현하기 시작한 것으로 믿습니다. 비데이터 과학자에게는 가능성을 제공하거나, 코드가 없는 SaaS 기반 솔루션을 제공하여 계절된 데이터 과학자를 강화하는 것입니다. 이제 TinyML의 가속화로 우리는真正로 AI를 민주화하는 길에 있습니다.

멋진 인터뷰 감사합니다. 더 많은 정보를 배우고 싶은 독자는 Neuton을 방문해야 합니다.