Max Versace, Neurala의 CEO 및 공동 창립자 – 인터뷰 시리즈

Massimiliano Versace 박사는 Neurala의 공동 창립자이자 CEO이며, 회사의 비전을 담당합니다. 뇌 기반 컴퓨팅과 딥 러닝에 대한 선구적인 연구를 수행한 후, 그는 자율 로봇틱스 세계를 계속해서 영감을 주고 리드합니다. 그는 TedX, NASA, 펜타곤, GTC, InterDrone, 국립 연구소, 공군 연구소, HP, iRobot, 삼성, LG, 퀄컴, 에릭슨, BAE 시스템즈, AI 월드, 미쓰비시, ABB, 액센츄어 등 수십 개의 행사와 장소에서 연설했습니다.

당신은 처음에 심리학을 공부하다가 이후 신경과학으로 전향했습니다. 당시의 이유는 무엇입니까?

전향은 자연스러운 과정이었다. 심리학은 “트레이닝 동전”의 한쪽면을 제공했다. 즉, 심리학적 현상을 연구하는 것이었다. 그러나 만약 누군가가 생각과 행동의 기계적인 원인을 알고 싶다면, 생각을 담당하는 기관인 뇌를 연구해야 한다. 따라서 신경과학을 공부하게 되었다.

당신은 언제 인간의 뇌를 이해하여 인공 지능 시스템에서 인간의 뇌를 모방하고자 하는 생각을 가지게 되었습니까?

다음 단계, 즉 신경과학에서 인공 지능으로의 전환은 더 어렵다. 신경과학은 신경계의详细한 연구와 뇌가 어떻게 행동을 일으키는지에 대한 연구이다. 그러나 더 깊은 이해를 얻는 또 다른 방법은 인공적인 버전을 구축하는 것이다. 내가 좋아하는 비유는 엔진이 어떻게 작동하는지 이해하기 위해 실린더와 라디에이터를 제거하고, 실린더와 라디에이터가 엔진 작동에 중요하다는 결론을 내리는 것이다. 그러나 엔진을 스스로 구축함으로써 더 깊은 이해를 얻을 수 있다. 즉, 인공적인 버전의 지능을 구축함으로써 지능을 연구하는 것이다.

당신이 처음으로 참여한 딥 러닝 프로젝트는 무엇입니까?

2009년 DARPA를 위해 우리는 Hewlett Packard가 설계한 고급 칩을 사용하여 자율 로봇을 위한 “전체 뇌 에뮬레이션”을 구축했습니다. 간단히 말하면, 우리의任务는 작은 로봇의 뇌와 일부 주요 자율 및 학습 행동을 에뮬레이션하는 것이었다. 이를 작은 하드웨어에 구현하여 휴대 가능하고 구현할 수 있는 형태로 만들었다.

Neurala의 창립 이야기를 들려주시겠습니까?

Neurala는 2006년 딥 러닝을 위한 GPU(그래픽 처리 장치) 사용에 관한 특허 작업을 포함하기 위해 설립되었습니다. 당시에는 GPU가 인공 지능에 사용되지 않았으므로, 우리는 각 픽셀이 하나의 뉴런을 처리할 수 있는 개념을 고안해냈습니다. 이를 통해 병렬 처리를 구현하여 알고리즘의 학습과 실행 속도를 크게 향상시킬 수 있었습니다. 우리는 몇 년 후에 학계를 떠나 세계가 인공 지능의 현실을 인식하기 시작했을 때 회사를 설립했습니다. 2013년, 우리는 보스턴 테크 스타즈 프로그램에参加하여 몇 명의 직원을 고용하고 사적 자본을 조달했습니다. 그러나 2017년까지 주요 배포를 thực現하고 5600만 개의 장치(카메라, 스마트폰, 드론, 로봇 등)에 우리의 인공 지능을 탑재하지 못했습니다.

Neurala의 초기 프로젝트 중 하나는 NASA의 화성 로버였다. 이 프로젝트의 주요 내용을 알려주시겠습니까?

NASA는 미래의 무인 임무를 위한 기술을 개발하고자 했습니다. 즉, 자율 시스템(예: 로버)이 지구의 미션 컨트롤의 단계별 지시에 의존하지 않는다는 것입니다. 통신 지연으로 인해 이러한 제어는 불가능합니다. 우리는 로버에 뇌를 부여하여 이 문제를 해결했습니다. NASA는 이미 DARPA와 함께 이러한 자율 “미니 브레인”을 구축한 전문가로 우리를 인정했으므로, 로봇에서 실행되고 실시간으로 적응하고 새로운 것을 학습할 수 있는 딥 러닝 시스템을 개발했습니다. 이는 새로운 물체(예: 바위, 물의 징후 등)를遇遇하고 미탐색된 행성의 의미 있는 맵을 생성하는 것을 포함합니다. 도전은 컸지만 보상도 컸습니다. 즉, 매우 작은 처리 능력에서 실행되고 단 하나의 데이터(예: 이미지)에서 학습할 수 있는 딥 러닝 기술을 개발했습니다. 이는 당시의 딥 러닝이 달성할 수 있는 것(그리고 현재도)을 초越했습니다.

Neurala는 Lifelong-DNN을 설계했습니다. 이는 일반적인 DNN과 어떻게 다른지, 그리고 어떤 장점이 있는지 설명해 주시겠습니까?

NASA의 사용 사례 위에서 설계된 Lifelong DNN은 그 이름에서 알 수 있듯이, 전체 수명주기 동안 학습할 수 있습니다. 이는 전통적인 딥 뉴럴 네트워크(DNN)와 다르며, DNN은 훈련 또는 추론(즉, 분류)만을 수행할 수 있습니다. L-DNN에서는 인간과 마찬가지로 학습과 분류 사이에 차이가 없습니다. 우리가 무언가를 볼 때마다, 우리는 그것을 분류하고(예: 이것은 의자입니다)同时에 학습합니다(예: 이 의자는 새로운 것입니다. 전에 본 적이 없으므로, 이제는 조금 더 알고 있습니다). DNN과 달리 L-DNN은 항상 학습하고 세계에 대한 지식을 새롭게 하며, 비정상성을 자연스럽게 이해할 수 있습니다. 예를 들어, 내 아이들이 장난을 치고 내 의자를 분홍색으로 칠한다면, 나는 즉시 이를 인식할 수 있습니다. 왜냐하면 L-DNN은 내 의자가 검은색이라는 것을 이미 학습했기 때문입니다. 그리고 내 의자의 인식이 내 기억과 일치하지 않는다면, L-DNN은 비정상 신호를 생성합니다. 이는 Neurala의 제품에서 다양한 방식으로 사용됩니다(아래 참조).

Brain Builder 커스텀 비전 AI가 무엇인지, 그리고 로봇틱스 애플리케이션을 더 빠르고 쉽고 저렴하게 만드는 방법을 설명해 주시겠습니까?

L-DNN은 세계를 학습하고 비정상성을 이해할 수 있기 때문에, Neurala의 제품인 Brain Builder와 VIA(Visual Inspection Automation)는 몇 개의 “좋은 제품” 이미지만을 사용하여 시각적 검사 작업을 빠르게 설정할 수 있습니다. 예를 들어, 생산 환경에서 “좋은 병” 20개의 이미지를 사용하여 Visual Quality Inspection “미니 브레인”을 생성할 수 있습니다. 이는 좋은 병을 인식하거나, 나쁜 병(예: 깨진 뚜껑이 있는 병)을 생산할 때 이를 인식할 수 있습니다. 이를 L-DNN으로 쉽고 빠르게 수행할 수 있으며, 이는 10년 이상의 집중적인 연구 개발을 통해 구축된 NASA 기술을 활용합니다.

이전에 인터뷰에서, 당신은 기업가들이 약간 불가능한 사업을 시작하려고 노력해야 한다고 말했습니다. Neurala를 처음 설립했을 때, 당신은 그것이 약간 불가능한 것으로 느꼈습니까?

나는 여전히 내 친구이자 동료인 Anatoli가 내게 “일 يوم, 우리의 기술이 휴대폰에서 실행될 것”이라고 말했을 때, 에스프레소를 뱉어내는 것을 기억합니다. 그것은 불가능해 보였지만, 상상하고 노력하기만 하면 됩니다. 오늘날, 그것은 수백만 개의 휴대폰에서 실행됩니다. 우리는 수천 개의 인공 눈이 산업 기계와 공정을 감시하여 이전에 불가능했던 수준의 품질과 제어를 제공하는 세계를 상상합니다. 이 모든 것이 가능합니다.希望 아무도 이 글을 읽으면서 에스프레소를 마시고 있지 않습니다….

감사합니다. Neurala는 우리가 주시해야 할 회사입니다. 더 많은 정보를 원하는 독자는 Neurala를 방문하십시오.