Sohaib Khan, Hazen.ai의 공동 창립자 및 CEO – 인터뷰 시리즈

Sohaib Khan은 Hazen.ai의 공동 창립자 및 CEO로, 컴퓨터 비전과 딥 러닝을 사용하여 모든 차량의 동작을 ‘이해’할 수 있는 지능형 교통 분석 소프트웨어를 설계하는 회사입니다.

당신이 초기에 AI 분야에 매료된 것은 무엇입니까?

저는 대학 시절에 처음으로 스테레오 비전(또는 양안 시각 – 두 개의 카메라에서 깊이를 추정하는 방법)이 작동하는 방식에 대해 읽었습니다. 그것이 컴퓨터 비전을 더 탐구하게 만들었습니다. 흥미롭게도, 저는 우리 고향의 길거리에서 매주 금요일에 열리는 시장에서 구식 책을 판매하는 책장에서 책을 하나 집었는데, 그 책에서 처음으로 그것에 대해 읽었습니다. 이후 미국에서 이 분야에서 박사 학위를 취득했습니다.

당신은 이전에 파키스탄의 가장 큰 대학 중 하나인 라호르 관리 과학 대학(LUMS)의 교수였습니다.당신의 가르치고 연구하는 관심 분야는 무엇입니까?

저가 박사 학위를 마치고 LUMS에 합류했을 때, 저는 방위 기관으로부터 받은 큰 보조금으로 대학의 첫 번째 대학원 연구실을 구축했습니다. 컴퓨터 과학의 대학원 프로그램은 매우 새롭고, 당시에는 연구실이 없었습니다. 저는 12년 이상 LUMS에서 컴퓨터 비전을 가르쳤으며, 이 분야에서 활발한 연구실을 운영했습니다. 처음에는 파키스탄의 대학에서 거의 가르치지 않는 과목이었습니다. 그러나 나중에 표준 과목이 되었고, 실제로 저의 많은 학생들이現在 파키스탄의 대학에서 가르치고 있습니다.

비디오 분석을 위한 컴퓨터 비전 및 딥 러닝 알고리즘을 전문으로 하는 스타트업을 출시하도록 영감을 준 것은 무엇입니까?

컴퓨터 비전은 오랫동안 실험적 연구 분야로, 제품에 대한 적용이 제한적이었습니다. 이것은 제품을 구축하는 데 필요한 알고리즘의 성숙도가 충분하지 않았기 때문입니다. 제품을 위해 이미지 이해 알고리즘은 일부 매우 제어된 실험뿐만 아니라 다양한 이미징 및 조명 조건에서 작동해야 합니다. 저희는 2000년대에 박사 과정을 밟을 때 저희 연구실의 대학원 학생들 사이에서 농담을 하곤 했습니다. 즉, 3개의 이미지에서 알고리즘이 작동한다면 논문을 쓸 수 있고, 3개의 비디오에서 작동한다면 매우 좋은 논문을 쓸 수 있습니다! 중요한 점은 많은 비전 알고리즘이 매우 제어된 실험실 시나리오에서만 작동하며 로버스트하지 않았다는 것입니다.

그러나 이제 상황이 바뀌었습니다. 2012년 딥 러닝의 등장으로 이미지 이해에서 매우 빠르고 매혹적인 진행을 보았습니다. 우리는 이제 타이밍이 적절하다고 느꼈으며, 의미 있는 영향을 미칠 수 있는 견고한 제품을 구축할 수 있을 것입니다.

Hazen.ai가 모니터링할 수 있는 유형의 교통 위반은 무엇입니까?

저희의 목표는 도로에서 모든 유형의 위험한 운전 행동을 식별하는 것입니다. 이것은 도로 사고로 인한 사망자를 줄이는 것을 저희의 궁극적인 목표로 하는 것이 원동력입니다. 매 24초마다 누군가가 도로 사고로 사망하며, 이는 매일 약 15개의 787-8 드림라이너가 충돌하는 것과 같습니다! 그래서 이것이 저희를 мотив합니다. 즉, 불법적인 차선 변경, 불법 회전, 적색 신호 또는 정지 신호를 무시하는 것, 보행자 교차로를 차단하는 것, 안전띠를 착용하지 않거나 운전 중 문자를 입력하는 것과 같은 다양한 유형의 위험한 및 안전하지 않은 행동을 обнаруж할 수 있는 소프트웨어를 구축하고 있습니다. 또한 보행자와 자전거 타는 사람의 안전을 위해 저희 소프트웨어에 특정 기능을 구축하기 위해 노력하고 있습니다. 왜냐하면 도로 사고로 인한 사망자의 절반 이상이 보행자, 자전거 타는 사람 및 오토바이 타는 사람과 같은 취약한 도로 사용자 세그먼트에서 발생하기 때문입니다.

고속으로 이동하는 물체를 모니터링하기 위한 컴퓨터 비전을 사용하는 데 따른 고유한 도전은 무엇입니까?

두 가지 유형의 도전이 있습니다. 첫 번째는 컴퓨터 비전 알고리즘 자체의 성능입니다. 24/7 모든 조명 변형에서 작동하는 제품을 원합니다. 기술적으로 이 목표를 향한 많은 진행이 있었지만, 여전히 도로 사용자의 밀도가 इतन히 높은 국가가 있습니다. 예를 들어, 모터사이클이나 보행자의 밀집한 클러스터와 같은 경우, 알고리즘이 개별적으로 추적하고 장면을 이해하는 것이 여전히 도전적입니다. 그러나 두 번째로 더 큰 도전은 컴퓨터 비전 알고리즘에서 견고한 제품을 만드는 것입니다. 즉, 에지에서 제한된 하드웨어 리소스에 배포할 수 있고, 도시 전역에 분산되어 있더라도 쉽게 모니터링하고 관리할 수 있는 제품입니다. 컴퓨터 비전 제품은 많은 비디오 데이터를 처리하므로, IoT 장치로 배포하고, 효과적으로 관리하는 것은 여전히 어려운 작업입니다.

최종 사용자가 소프트웨어를 다른 도로 구성으로 구성하는 과정은 무엇입니까?

모든 교차로에서는 고유한 시나리오를 제공합니다. 즉, 교통량, 차선 구성 및 차량, 자전거 타는 사람 또는 보행자의 상호 작용과 같은 관점에서입니다. 또한, 교통 관리자의 관심은 각 사이트에서 특정 유형의 교통 행동을 식별하는 데 있을 수 있습니다. 예를 들어, 교차로에서 U턴을 금지하여 교통 흐름을 매끄럽게 하기 위해 교통 경찰이 관심을 가질 수 있으며, 그 통계를 캡처하는 데 관심이 있을 수 있습니다. 이것이为什么 저희가 저희 소프트웨어를 다양한 시나리오에 구성할 수 있도록 유지했습니다. 카메라가 저희 소프트웨어와 함께 설정되면, 저희는 간단한 과정으로 최종 사용자가 사이트에서 필요한 것을 구성합니다. 내부적으로, 저희는 교통 시나리오를 간단하게 설명할 수 있는 고급 언어를 구축했습니다. 이것은 저희가 고객을 위해 사이트를 빠르게 구성할 수 있도록 합니다.

이 시스템을 작동시키기 위해 필요한 하드웨어는 무엇입니까?

비디오 분석에는 상당한 컴퓨팅 파워가 필요합니다. 저희는 코드를 최적화하여 에지에서 배포할 수 있는 Nvidia의 작은 GPU에서 실행할 수 있으며, 또한 저희가 제공하는 일부 기능에 대한 Intel CPU에서도 실행할 수 있습니다. 최근 몇 년 동안, 더 강력한 에지 하드웨어가 합리적인 가격으로 उपलब해지면서, 이것은 많은 흥미로운 애플리케이션을 구동하고 있습니다.

현재 Hazen.ai 기술을 사용하거나 테스트하는 관할 구역이 있습니까?

저희는 현재 영국, 미국, 이집트, 사우디 아라비아, 파키스탄, 오만, 페루에서 테스트를 진행 중이며, 다른 국가의 잠재적인 고객과도 접촉 중입니다.

Hazen.ai에 대해 더 공유하고 싶은 내용이 있습니까?

전반적으로, 교통 안전 기술은 문제의 규모에 비해 충분히 발전하지 못했습니다. 그러나 지금은 컴퓨터 비전과 딥 러닝의 엄청난 진행 및 카메라 및 컴퓨팅 하드웨어의 저렴한 가용성으로 인해 타이밍이 적절합니다. 저희는 에지 기반 컴퓨터 비전의 많은 더 많은 애플리케이션을 향후 몇 년 동안 볼 것입니다. 이것이 Hazen.ai를 구동하는 기본 요소입니다.

인터뷰에 감사합니다. 더 많은 정보를 배우고 싶은 독자는 Hazen.ai를 방문하십시오.