Hyun Kim, CEO en mede-oprichter van Superb AI – Interviewreeks

Hyun Kim is de CEO en mede-oprichter van Superb AI, een bedrijf dat een nieuwe generatie machine learning data-platform biedt aan AI-teams, zodat zij betere AI kunnen bouwen in minder tijd. De Superb AI Suite is een enterprise SaaS-platform dat is gebouwd om ML-engineers, productteams, onderzoekers en data-annotators te helpen bij het creëren van efficiënte training data-workflows.

Wat trok je aanvankelijk aan tot het vakgebied van AI, Data Science en Robotics?

Als undergraduate met als hoofdvak Biomedische Techniek aan de Duke, was ik gepassioneerd door genetica en hoe we ons DNA kunnen ontwerpen om ziektes te genezen of genetisch gemodificeerde organismen te creëren. Ik herinner me één natte-lab-experiment dat ik me nog goed herinner, dat zes maanden lang mislukte. Het meest frustrerende deel was dat er veel repetitief handwerk was, en in retrospectief was dat waarschijnlijk de oorzaak van veel potentiële fouten.

Die frustratie leidde ertoe dat ik geïnteresseerd raakte in alles wat te maken had met automatisering. Ik zweefde rond in verschillende laboratoria op Duke totdat ik een lab binnenkwam dat onderzoek deed naar hoe machine learning kon helpen bij het diagnosticeren van de ziekte van Parkinson met behulp van hersen-MRI-scans. Hier kreeg ik een echte smaak voor het potentieel van Deep Learning-netwerken. Ik besloot een PhD-programma in computerwetenschappen te volgen aan Duke en werkte intensief in het Intelligent Robot Lab, waar ik robots leerde om dingen te leren.

In 2016 was je betrokken bij de Amazon (AMZN ) Robotics Challenge. Waar werkte je aan en hoe vond je deze ervaring?

Bij de Amazon Robotics Challenge verdienen teams punten door robots autonoom in te laten pakken en op te slaan in een bepaalde tijd. Robots in fabrieken en assemblagelijnen kunnen worden ontworpen voor specifieke objecten die de robot oppakt en neerzet, maar de ARC-daagde onze robots uit om te functioneren in zeer dynamische situaties. Ik was de leider van “Team Duke” en de Motion Planning-functie. Ik ontwierp en implementeerde robot-motion planning-methoden voor pick-and-place robotmanipulatie taken in een realistische magazijnomgeving. Het was een spannende leerervaring, omdat we een groot aantal complexe systemen moesten samenstellen, van computer vision-gebaseerde robotperceptiesystemen tot motion planning-algoritmen en custom-ontworpen mechanische eind-effectorhardware.

Je werkte daarna bijna 2 jaar als machine learning research engineer bij SK T-Brain, wat was dit project?

Ongeveer een jaar na mijn PhD, in maart 2016, versloeg Google’s AlphaGo de menselijke kampioen, Lee Sedol, in Go. Het was zo’n baanbrekend nieuws, vooral in Korea, waar Go veel populairder is dan elders.

Na dat evenement begonnen de overheid en alle grote bedrijven onmiddellijk veel te investeren in AI-onderzoek. Een van de bedrijven was SKT, of SK Telecom (SKM ), een grote Koreaanse conglomeraat. Ik kreeg een aanbod als Machine Learning Research Engineer in hun gloednieuwe AI-onderzoekscentrum, genaamd SKT Brain. Ik nam een jaar verlof van mijn PhD en ging terug naar Korea om ongeveer 2 jaar te werken.

Het doel van mijn team was om onderzoek te doen naar verschillende AI-onderwerpen die mogelijk als product konden worden gesponnen of een zakelijke kans konden creëren voor het bedrijf. In die twee jaar heb ik een aantal onderwerpen aangepakt, zoals zelfrijdende auto’s, game-AI (specifiek StarCraft AI) en Generative Adversarial Networks of GAN’s.

Na twee jaar, in plaats van terug te keren naar school om mijn PhD-programma af te maken, verliet ik het bedrijf om mijn eigen bedrijf, Superb AI, op te richten.

Wat was de inspiratie achter het lanceren van Superb AI?

Terwijl ik onderzoek deed naar robotlearning op school en ook tijdens mijn werk in een corporate research lab, was het heel duidelijk voor mij dat ik de meeste tijd besteedde aan data-curatatie.

Op school besteedde ik de meeste tijd aan het creëren van gesimuleerde omgevingen voor robot-simulatiegegevens. Bij mijn vorige bedrijf besteedde ik tijd aan het verzamelen en labelen van datasets voor zelfrijdende auto’s en game-AI.

En, helaas, was dat niet alleen voor mij. Het was hetzelfde voor mijn collega’s, en een heel gebruikelijke pijnlijke plek voor elke onderzoeker en ingenieur in de machine learning-industrie.

Ik wilde dat oplossen. Zoals je kunt zien, ben ik een grote fan van machine learning en AI, en ik denk dat het echt ons leven kan veranderen. Ik wil technische doorbraken zien gebeuren en ik wil ze zien worden toegepast in ons dagelijks leven.

Om dat te laten gebeuren, heb ik aanvankelijk onderzoek gedaan naar het maken van machine learning-algoritmen die leren met minder menselijke input. Dat bracht me bij dingen als unsupervised learning en meta-learning. Na het publiceren van een paper over GAN’s, realiseerde ik me wat ik wilde doen. In plaats van onderzoeksresultaten te publiceren, wilde ik een echt product of dienst maken dat de industrie kan beïnvloeden en het dataprobleem nu kan oplossen.

Hoe zou je het best de diensten beschrijven die door Superb AI worden aangeboden?

Superb AI biedt een machine learning data-platform genaamd de Superb AI Suite. De Suite helpt bedrijven bij het creëren, labelen en beheren van training data op een efficiënte manier, en versnelt hun ML Ops-cyclus.

Het is algemeen bekend dat de meeste machine learning-teams meer dan 50% van hun tijd besteden aan het beheren van training datasets. Wij helpen engineers om gemakkelijk te filteren, zoeken en manipuleren van training datasets, en integreren met hun ML Ops-stack, zoals data-opslag of diepe leerframeworks via een krachtige SDK en API’s.

Productleiders besteden ook veel tijd aan training data. Wij helpen hun leven gemakkelijker te maken door middel van naadloze issue-tracking, data-analyse en veel collaboratie- en productiviteitsgerelateerde functies.

Bovendien kan onze auto-labeling-functie, die veel geavanceerde ML-technieken zoals transfer learning en active learning gebruikt, helpen bij het automatisch labelen en kwaliteitscontroleproces.

Wat is het moeilijkste aspect van het bouwen van een machine learning data-platform?

Het bouwen van een machine learning data-platform stelt een interessante technische uitdaging, niet alleen omdat machine learning een enorme hoeveelheid ongestructureerde data vereist, zoals afbeeldingen en video’s, maar ook omdat de data constant moet worden gelezen en bijgewerkt door vele gebruikers over de hele wereld.

Welke bedrijven gebruiken het Superb AI-platform?

Wij hebben klanten van verschillende grootte in veel sectoren. Grote consumentenelektronica-bedrijven, waaronder Samsung en LG, gebruiken ons platform om data te beheren en hun ML-ontwikkelingsproces te versnellen. Veel ondernemingen en start-ups in de autonome voertuigindustrie, evenals bedrijven die onbemande systemen gebruiken in toepassingen van fysieke beveiliging tot bouw, gebruiken ons platform.

Daarnaast gebruiken AR/VR- en gamingbedrijven ons training data-platform om datasets te creëren en te beheren die ML-modellen kunnen leren.

In de medische sector gebruiken onderzoekscentra van internationaal bekende universiteiten ons platform om training data te beheren en om Computer Vision-modellen efficiënter te trainen om tumoren in MRI’s en CT-scans te herkennen.

Superb AI was een lid van de Winter 2019-klas van Y Combinator, kun je deze ervaring beschrijven en wat zijn enkele van de belangrijkste lessen die je hebt geleerd?

Onze twee belangrijkste lessen waren leren om te focussen op de gebruikers en snel te itereren. YC’s motto is “maak iets wat mensen willen”. Vaak focussen start-ups, en vooral technische start-ups, te veel op de technische innovaties en negeren wat de gebruikers echt nodig hebben. Tijdens het drie maanden durende proces leerden we om extreem gebruikersgedreven te zijn – praten met zoveel mogelijk gebruikers en echt proberen te begrijpen wat ze echt nodig hebben – en tegelijkertijd productupdates en messaging te itereren om aan de gebruikersbehoeften te voldoen. Aangezien het onmogelijk is om een product of product-marktfit te bereiken in één keer, is het van cruciaal belang om constant met gebruikers te praten en te leveren wat ze willen. Het is heel duidelijk als je erover nadenkt, maar heel moeilijk om je op te focussen in de praktijk.

Is er nog iets anders dat je wilt delen over Superb AI?

Wij hebben onze gratis productaanbod versterkt, waardoor gebruikers meer ruwe asset-opslag en meer labelen/data-beheer/ontwikkelaarfuncties en -toolkits krijgen. Wij zijn op een echte missie om AI te democratiseren en willen dat mensen weten dat er ondernemingen zijn zoals wij die geïnvesteerd zijn in het bieden van zoveel mogelijk om de adoptie en integratie van AI in ons dagelijks leven te vergemakkelijken.

Bedankt voor de interviews, lezers die meer willen leren, kunnen Superb AI bezoeken op Superb AI.