Hailo ၏ CEO & Co-Founder Orr Danon - Interview Series

Orr Danon သည် CEO & Co-Founder ဖြစ်သည်။ ဟိုင်လိုစမတ်အစွန်းနည်းပညာများကို ၎င်းတို့၏ အလားအလာများ အပြည့်အ၀ရောက်ရှိစေရန် စမတ်အစွန်းရောက်နည်းပညာများကို ပံ့ပိုးပေးသည့် မစ်ရှင်ရှိသော ကုမ္ပဏီတစ်ခုဖြစ်သည်။ ဖြေရှင်းချက် Hailo သည် လက်ရှိနှင့် အနာဂတ် AI နည်းပညာများကြား ကွာဟချက်နှင့် ဤအပလီကေးရှင်းများကို အားဖြည့်ရန်အတွက် လိုအပ်သော ကွန်ပျူတာစွမ်းရည်ကို ပေါင်းကူးပေးသည်။ ကုမ္ပဏီသည် များပြားလှသော ဒေတာပမာဏကို အချိန်နှင့်တပြေးညီတွက်ချက်ပြီး အဓိပ္ပါယ်ဖွင့်ဆိုနိုင်လောက်အောင် ထိရောက်သော AI ပရိုဆက်ဆာများကို တည်ဆောက်ရန် အာရုံစိုက်ထားသည်။

Hailo ရဲ့ နောက်ကွယ်က ဥပါဒ်ဇာတ်လမ်းကို မျှဝေပေးနိုင်မလား။

အစ္စရေးကာကွယ်ရေးတပ်ဖွဲ့ (IDF) လက်ရွေးစင်နည်းပညာယူနစ်တွင် ယခင်က တွေ့ဆုံခဲ့ဖူးသည့် လုပ်ဖော်ကိုင်ဖက်များနှင့်အတူ Hailo ကို 2017 ခုနှစ်တွင် ပူးတွဲတည်ထောင်ခဲ့သည်။ ကျွန်ုပ်၏ပူးတွဲတည်ထောင်သူ Rami Feig နှင့် Avi Baum တို့နှင့်အတူ IoT (Internet of Things) ဖြေရှင်းချက်များတွင် အလုပ်လုပ်နေစဉ်၊ လူသိနည်းသော တည်ဆောက်မှုဖြစ်သည့် “Deep Learning” သည် ကျွန်ုပ်တို့၏ သုတေသနပြုမှုတစ်လျှောက်လုံးတွင် ထွက်ပေါ်လာခဲ့သည်။ နောက်ဆုံးတွင်၊ ကျွန်ုပ်တို့သည် စမတ်ကိရိယာများကို အစွန်းတစ်ဖက်တွင် ပိုမိုထိထိရောက်ရောက်နှင့် ထိရောက်စွာလည်ပတ်နိုင်စေရန်အတွက် အသက်အရွယ်ကြီးရင့်နေသော ကွန်ပျူတာဗိသုကာဆိုင်ရာ ချို့ယွင်းချက်များကို ဖြေရှင်းရန် ရည်ရွယ်သည့် နက်နဲသောသင်ယူမှုဖြေရှင်းချက်အသစ်ကို တီထွင်ရန် နယ်ပယ်အတွင်းရှိ ကျွမ်းကျင်သူများကို စုစည်းခဲ့သည်။ Rami ၏ ကံဆိုးစွာ ကွယ်လွန်သွားပြီးနောက် Hailo အဖွဲ့သည် Hailo ၏ အမိုက်စား AI ပရိုဆက်ဆာကို ဖန်တီးခြင်းဖြင့် သူ၏ အမြင်ကို မြင်ခဲ့ရသည်။

edge computing သည် cloud computing အတွက် သာလွန်ကောင်းမွန်သည့် ဖြေရှင်းချက်တစ်ခု အဘယ်ကြောင့် အတိုချုံးရှင်းပြနိုင်သနည်း။

ကျွန်ုပ်တို့ Hailo ကို စတင်သောအခါတွင် အနှောင့်အယှက်ဖြစ်စေသော AI နည်းပညာများသည် cloud သို့မဟုတ် ကြီးမားသောဒေတာစင်တာများတွင်သာ ကန့်သတ်ထားသောကြောင့် ၎င်းတို့သည် ငွေကုန်ကြေးကျများသောကြောင့်၊ မြင့်မားသောကွန်ပြူတာစွမ်းအင်နှင့် ကျယ်ပြန့်သောဟာ့ဒ်ဝဲများကို လုပ်ဆောင်ရန် လိုအပ်ပြီး စွမ်းအင်များစွာသုံးစွဲကြသည်။ AI သည် ပိုမိုကောင်းမွန်သော၊ ပိုမိုဘေးကင်းသော၊ ပိုမိုထုတ်လုပ်နိုင်ကာ ပိုမိုစိတ်လှုပ်ရှားဖွယ်ကောင်းသော ကမ္ဘာတစ်ခုကို ဖန်တီးရန် ကူညီပေးနေသည်ဟု ကျွန်ုပ်တို့ယုံကြည်သည်၊ သို့သော် ထိုသို့ဖြစ်လာစေရန်အတွက် AI သည် အစွန်းတစ်ဖက်တွင်ရှိရန် လိုအပ်ပါသည်။ ကွန်ရက်ချိတ်ဆက်ထားသော ကင်မရာများ၊ မော်တော်ယာဉ်များနှင့် IoT စက်ပစ္စည်းများကဲ့သို့သော စက်ပစ္စည်းများတွင် အချိန်နှင့်တပြေးညီ ချိန်ညှိမှုနည်းသော အက်ပ်လီကေးရှင်းများကို အကောင်အထည်ဖော်ရန်အတွက်၊ အရင်းအမြစ်တွင် လုပ်ဆောင်ခြင်းသည် ထိရောက်သောလည်ပတ်မှုအတွက် မရှိမဖြစ်လိုအပ်ပါသည်။ edge AI ဖြင့်၊ ကျွန်ုပ်တို့သည် စမတ်မြို့များ၊ ဉာဏ်ရည်ထက်မြက်သောသယ်ယူပို့ဆောင်ရေး၊ ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရမောင်းနှင်မှု၊ ဗီဒီယိုစီမံခန့်ခွဲမှုစနစ်များ (VMS)၊ Industry 4.0 နှင့် အခြားအရာများကို အနာဂတ်တွင် အားကောင်းစေမည့် အဓိကအသုံးပြုမှုကိစ္စရပ်အများအပြားကို အပြည့်အဝ အသုံးချနိုင်သည်။

အစွန်းရှိ အမြင်အာရုံဒေတာကို လုပ်ဆောင်ခြင်း၏ နောက်ကွယ်တွင် စိန်ခေါ်မှုအချို့ကား အဘယ်နည်း။

ရည်မှန်းချက်မှာ စွမ်းဆောင်ရည်နှင့် စွမ်းဆောင်နိုင်သမျှ အများအပြားကို edge devices များထဲသို့ ထုပ်ပိုးနိုင်စေရန်ဖြစ်ပြီး ၎င်းတို့သည် အလွန်များပြားသော အမြင်အာရုံဒေတာပမာဏကို လျင်မြန်စွာနှင့် latency အနည်းငယ်ဖြင့် လုပ်ဆောင်နိုင်စေရန်ဖြစ်သည်။ သို့သော် အဓိက ကန့်သတ်ချက်များထဲမှ တစ်ခုမှာ ပါဝါသုံးစွဲမှုဖြစ်သည် - စက်ပစ္စည်းသို့ ပါဝါမည်မျှ ပို့ဆောင်ပေးနိုင်သည် နှင့် ပရိုဆက်ဆာမှ ထုတ်ပေးသော အပူကို နှစ်မျိုးလုံးတွင် ဖော်ပြထားသည်။

နှင့် အသိဉာဏ်ရှိသောကင်မရာများဥပမာအားဖြင့်၊ ထုတ်လုပ်သူများသည် ကင်မရာသည် ပန်ကာအအေးခံခြင်းကို အသုံးမပြုနိုင်သောကြောင့်၊ ယေဘုယျအားဖြင့် အကန့်အသတ်ရှိသော ပါဝါထောက်ပံ့မှုရှိသောကြောင့် 2-3W စာအိတ်တွင် အံဝင်ခွင်ကျဖြစ်စေရန် ထုတ်လုပ်သူများသည် AI ပရိုဆက်ဆာ လိုအပ်ပါသည်။ ဤကဲ့သို့ ပါဝါနည်းသော အချိန်တွင်၊ စျေးကွက်ရှိ ပရိုဆက်ဆာအများစုကို အသုံးပြုသည့်အခါ စွမ်းဆောင်ရည် အလွန်အမင်း ကန့်သတ်ထားသောကြောင့် ၎င်းတို့သည် ပြင်းထန်သော နာကျင်မှုအချက်များဖြစ်သည်။

Hailo သည် AI ပရိုဆက်ဆာဗိသုကာကို မည်သို့ပြန်လည်ပုံဖော်ခဲ့သနည်း။

အရွယ်အစားနှင့် ပါဝါကန့်သတ်ချက်များကို ထည့်သွင်းစဉ်းစားပြီး edge devices များပေါ်တွင် အလုပ်လုပ်ရန် တည်ဆောက်ထားသည့် AI ပရိုဆက်ဆာကို အထူးဒီဇိုင်းထုတ်ခြင်းဖြင့် ကျွန်ုပ်တို့ ပြုလုပ်ခဲ့ပါသည်။ ထိုသို့လုပ်ဆောင်ခြင်းဖြင့်၊ ၎င်းတို့သည် AI ကို ပိုမိုထိရောက်ပြီး ထိရောက်စွာ လုပ်ဆောင်နိုင်စေရန်နှင့် အရာဝတ္ထုရှာဖွေခြင်း၊ အရာဝတ္ထုအသိအမှတ်ပြုခြင်း၊ အပိုင်းခွဲခြင်းနှင့် အခြားအရာများကဲ့သို့သော ခေတ်မီဆန်းပြားသော နက်ရှိုင်းသောသင်ယူမှုအပလီကေးရှင်းများကို လုပ်ဆောင်နိုင်စေခြင်းဖြင့်၊ ကျွန်ုပ်တို့သည် မကြုံစဖူးသော တွက်ချက်မှုစွမ်းအားကို လုပ်ဆောင်နိုင်စေပါသည်။ တိမ်တိုက်။ ဤထူးခြားသောဗိသုကာလက်ရာသည် အစွန်းထွက်စက်ပစ္စည်းများ၏ စွမ်းဆောင်ရည်နှင့် ကုန်ကျစရိတ်သက်သာမှုတို့ကို ပိုမိုကောင်းမွန်စေကာ Multi-stream နှင့် multi-application processing ကို ခွင့်ပြုပေးပါသည်။

ဤဗိသုကာကိုအသုံးပြုခြင်း၏ဥပမာတစ်ခုမှာ Video Management Systems (VMS) ဖြစ်သည်။ အရေးပေါ်အခြေအနေနှင့် မတော်တဆမှုများအတွက် စောင့်ကြည့်ခြင်း၊ သံသယဖြစ်ဖွယ်လုပ်ဆောင်ချက်၊ ယာဉ်ကြောစီမံခန့်ခွဲမှု၊ ဝင်ရောက်ထိန်းချုပ်မှု၊ ကောက်ခံမှု ကောက်ခံခြင်းနှင့် အခြားအရာများအပါအဝင် လုံခြုံရေးနှင့် လုံခြုံရေးကို ပိုမိုကောင်းမွန်စွာ စီမံခန့်ခွဲရန် ရုံးခန်းအဆောက်အအုံများ၊ အားကစားကွင်းများ၊ စမတ်မြို့အက်ပ်များနှင့် အဝေးပြေးလမ်းများကဲ့သို့သော ကင်မရာအများအပြားရှိသော ဧရိယာများတွင် ဤစနစ်ကို အသုံးပြုထားသည်။ . နှစ်များစွာကြာအောင်၊ လုပ်ငန်းများသည် ဗီဒီယိုဒေတာစုဆောင်းခြင်း၊ ခွဲခြမ်းစိတ်ဖြာခြင်းနှင့် သိမ်းဆည်းခြင်းသို့ရောက်သည့်အခါ လက်စွဲလုပ်ငန်းစဉ်များအပေါ် လုံးလုံးလျားလျားမှီခိုအားထားခဲ့ကြသည်။ ယခုအခါ Hailo ၏ထူးခြားသောအာရုံကြောကွန်ရက်တည်ဆောက်မှုဖြင့်၊ VMS သည် အလုပ်များစွာကို အပြိုင်၊ အချိန်နှင့်တပြေးညီလုပ်ဆောင်နိုင်ပြီး နောက်ထပ်ချန်နယ်များနှင့် အခြားအက်ပ်လီကေးရှင်းများကို တစ်ပြိုင်နက်လုပ်ဆောင်နိုင်မည်ဖြစ်သည်။ အပလီကေးရှင်းများတွင် အဆင့်မြင့်လိုင်စင်နံပါတ်ပြားအသိအမှတ်ပြုခြင်း (LPR)၊ ယာဉ်အသွားအလာစောင့်ကြည့်ခြင်း၊ အပြုအမူသိရှိခြင်း နှင့် အခြားအရာများ ပါဝင်သည်။

neural network processing core နဲ့ neural networks တွေကို parallel နဲ့ sequentially တွက်ချက်နည်းကို ဆွေးနွေးနိုင်မလား။

ကျွန်ုပ်တို့၏ AI ပရိုဆက်ဆာသည် အာရုံကြောကွန်ရက်များ၏ အခြေခံဂုဏ်သတ္တိများကို ဖြေရှင်းပေးသည့် ဆန်းသစ်တီထွင်မှုများစွာကို ပေါင်းစပ်ထားသည်။ ကျွန်ုပ်တို့သည် လည်ပတ်မှုတစ်ခုလျှင် အလွန်နိမ့်သော joules သို့ရောက်ရှိရန် ဟာ့ဒ်ဝဲနှင့် ဆော့ဖ်ဝဲလ်ပေါင်းစပ်မှုအပေါ် အခြေခံထားသည့် ဆန်းသစ်သောထိန်းချုပ်မှုအစီအစဉ်ကို အသုံးပြုထားပါသည်။

ကျွန်ုပ်တို့၏ထူးခြားသော dataflow-oriented ဗိသုကာသည် neural network ၏ဖွဲ့စည်းပုံနှင့်လိုက်လျောညီထွေဖြစ်အောင်ပြုလုပ်ပြီးအရင်းအမြစ်မြင့်မားသောအသုံးချမှုကိုခွင့်ပြုသည်။ Hailo dataflow compiler သည် အာရုံကြောကွန်ရက်များကို ထိရောက်စွာအသုံးချနိုင်စေရန် ကျွန်ုပ်တို့၏ဟာ့ဒ်ဝဲနှင့် ပူးတွဲဒီဇိုင်းထုတ်ထားသည့် ဆော့ဖ်ဝဲအပြည့်အစုံဖြင့် ဖွဲ့စည်းထားသည်။ dataflow compiler သည် user model ကို input အဖြစ် လက်ခံသည်။ တည်ဆောက်မှု စီးဆင်းမှု၏ တစ်စိတ်တစ်ပိုင်းအနေဖြင့်၊ dataflow compiler သည် ကွန်ရက်အလွှာတစ်ခုစီကို လိုအပ်သော တွက်ချက်မှုဆိုင်ရာ ဒြပ်စင်များအဖြစ် ခွဲခြမ်းပြီး ပစ်မှတ်ကွန်ရက်ကို ကိုယ်စားပြုသည့် အရင်းအမြစ်ဂရပ်ကို ဖန်တီးပေးသည်။ ထို့နောက် dataflow compiler သည် ပစ်မှတ်ကွန်ရက်၏ အရင်းအမြစ်ဂရပ်ကို ပရိုဆက်ဆာပေါ်တွင် ရရှိနိုင်သော ရုပ်ပိုင်းဆိုင်ရာအရင်းအမြစ်များနှင့် ကိုက်ညီပြီး ပစ်မှတ်ကွန်ရက်အတွက် စိတ်ကြိုက်ဒေတာပိုက်တစ်ခုကို ဖန်တီးပေးသည်။ ဤပုံစံဖြင့် လုပ်ဆောင်သည့်အခါ၊ စက်ပစ္စည်းတစ်ခုပေါ်တွင် မော်ဒယ်တစ်ခုကို လုပ်ဆောင်ခြင်းသည် အချိန်တိုင်းတွင် အနည်းဆုံး ကွန်ပျူတာအရင်းအမြစ်များကို အသုံးပြု၍ အလွန်ထိရောက်သည်။

စီးပွားရေးလုပ်ငန်းများအတွက် ရရှိနိုင်သော လက်ရှိ Hailo-based ပလပ်ဖောင်းအချို့ကား အဘယ်နည်း။

Hailo-8™ ပရိုဆက်ဆာနှင့် AI မော်ဂျူးများကို မော်တော်ယာဥ်၊ စမတ်မြို့များ၊ စမတ်လက်လီရောင်းချမှုနှင့် စက်မှုလုပ်ငန်း 4.0 အပါအဝင် ကဏ္ဍများစွာကို ပိုမိုကောင်းမွန်သော AI စွမ်းရည်များဖြင့် စွမ်းအားဖြင့် ကူညီပေးသည့် အနားသတ်ကိရိယာအမျိုးမျိုးတွင် ပလပ်ထိုးနိုင်ပါသည်။

Hailo သည် Innovatrics၊ Network Optix၊ GeoVision နှင့် Art of Logic ကဲ့သို့သော ထိပ်တန်း VMS နှင့် ISV ကစားသမားများနှင့် ပူးပေါင်းပြီး စွမ်းဆောင်ရည်အကောင်းဆုံး ဗီဒီယိုခွဲခြမ်းစိတ်ဖြာမှုများကို အတိုင်းအတာတစ်ခုအထိ လုပ်ဆောင်နိုင်စေရန်။

ဒီဖြေရှင်းချက်တွေက AI ဖြေရှင်းချက်တွေကို ပေါင်းစည်းနေတဲ့ ဖောက်သည်တွေကို အချိန်ဘယ်လောက် ကယ်တင်နိုင်မလဲ။

တည်ထောင်ထားသော VMS ပလပ်ဖောင်းများတွင် အသုံးပြုသည့် ပေါင်းစပ်ဖြေရှင်းချက်များအား အရင်းအမြစ်ရှာခြင်းသည် အချိန်ကုန်သက်သာသော်လည်း ၎င်းသည် စနစ်၏ အဓိကအကျိုးကျေးဇူးမဟုတ်ပါ။ Hailo-based VMS ဖြေရှင်းချက်များသည် နောက်ထပ် stream များကို ပြိုင်တူလည်ပတ်နိုင်စေရန်နှင့် stream တစ်ခုစီအတွက် လုပ်ဆောင်ရမည့် အပလီကေးရှင်းများ။

ဗီဒီယိုစီးကြောင်းများစွာကို စီမံဆောင်ရွက်နိုင်ရန် AI ကို စုစည်းနိုင်မှုသည် သိုလှောင်မှုအတွက် သီးခြားဖြစ်ရပ်များကိုသာ cloud သို့ တိုက်ရိုက်ထုတ်လွှင့်ရန် လိုအပ်ပြီး bandwidth နှင့် သိုလှောင်မှုပမာဏအပေါ် သိသာထင်ရှားစွာ ချွေတာနိုင်စေမည်ဖြစ်သည်။

edge စက်များတွင် နက်နဲသော သင်ယူမှု အက်ပ်လီကေးရှင်းများကို အသုံးချခြင်းမှ သင်ရရှိခဲ့သည့် သင်ခန်းစာအချို့ကား အဘယ်နည်း။

လာမည့်နှစ်များတွင် ကဏ္ဍများစွာတွင် AI သည် ကဏ္ဍများစွာတွင် ဆန်းသစ်တီထွင်မှုကို မောင်းနှင်ရာတွင် အဓိကအခန်းကဏ္ဍမှ ပါဝင်လာမည်ကို ကျွန်ုပ်တို့ ကိုယ်တိုင်မြင်တွေ့ခဲ့ရသည်။ စီးပွားရေးလုပ်ငန်းများသည် ၎င်းတို့၏စက်ပစ္စည်းများ ပိုမိုအားကောင်းကာ၊ စွယ်စုံရ၊ တုံ့ပြန်မှုရှိပြီး လုံခြုံကြောင်းသေချာစေမည့် ဖြေရှင်းနည်းများကို ရှာဖွေသည့်အခါ cloud သည် edge devices များနှင့် hybrid မော်ဒယ်များအတွက် ဆက်လက်လုပ်ဆောင်ပေးမည်ဖြစ်သည်။ အစွန်းမှာ AI ကို အကောင်အထည်ဖော်ရာမှာ အောင်မြင်သူတွေဟာ ဘုတ်အဖွဲ့ရဲ့ အနားသတ်တစ်ခုကို ရရှိပါလိမ့်မယ်။

edge computing ရဲ့ အနာဂတ်အတွက် မင်းရဲ့ မျှော်မှန်းချက်က ဘယ်လိုလဲ။

Edge computing — အထူးသဖြင့် အစွန်းရှိ AI — သည် ကျွန်ုပ်တို့ပတ်ဝန်းကျင်ရှိ ကမ္ဘာကြီး၏အလုပ်လုပ်ပုံအား လုံး၀ပြောင်းလဲနိုင်စွမ်းရှိပြီး ဉာဏ်ရည်ထက်မြက်သောကင်မရာများ၊ စမတ်မော်တော်ယာဉ်များ၊ ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရစက်ရုပ်များ၊ အဆင့်မြင့်ယာဉ်သွားလာမှုစီမံခန့်ခွဲရေးကိရိယာများ၊ စမတ်ဆောက်လုပ်ရေးများ၊ စမတ်စက်ရုံများနှင့် အခြားအရာများကဲ့သို့သော စက်ပစ္စည်းများကို အပြည့်အဝပြောင်းလဲနိုင်စွမ်းရှိသည်။ အနားရှိ AI သည် ကျွန်ုပ်တို့၏ကမ္ဘာကို ပိုမိုစမတ်ကျကျနှင့် ပိုမိုလုံခြုံစေရန်အတွက် အပလီကေးရှင်းအသစ်များကို အသုံးပြုနိုင်စေကာ မည်သည့်အရာနှင့်မဆို ပြောင်းလဲနိုင်သော စွမ်းအားရှိပါသည်။ Hailo ၏ AI လုပ်ဆောင်မှုနည်းပညာသည် ဤအသုံးပြုမှုကိစ္စများအားလုံးအတွက် အဓိကလုပ်ဆောင်ပေးသည့်အရာတစ်ခုဖြစ်သည်။ ဤဖြေရှင်းချက်များကို ပိုမိုလက်လှမ်းမီစေရန်အတွက် ကျွန်ုပ်တို့သည် ကမ္ဘာတစ်ဝှမ်းရှိ ထုတ်လုပ်သူများနှင့် ဆန်းသစ်တီထွင်သူများနှင့် ဆက်လက်လက်တွဲသွားပါမည်။

အင်တာဗျူးကောင်းအတွက် ကျေးဇူးတင်ပါသည်၊ ပိုမိုလေ့လာလိုသော စာဖတ်သူများ လာရောက်လေ့လာသင့်ပါသည်။ ဟိုင်လို.