Max Versace, CEO en mede-oprichter van Neurala – Interviewreeks

Dr. Massimiliano Versace is de mede-oprichter en CEO van Neurala, en de visionair van het bedrijf. Na zijn baanbrekende onderzoek naar hersen-geïnspireerde computing en diepe netwerken, blijft hij de wereld van autonome robotica inspireren en leiden. Hij heeft op tientallen evenementen en locaties gesproken, waaronder TedX, NASA, het Pentagon, GTC, InterDrone, National Labs, Air Force Research Labs, HP, iRobot, Samsung, LG, Qualcomm (QCOM ), Ericsson, BAE Systems, AI World, Mitsubishi, ABB en Accenture, om er maar een paar te noemen.

U hebt aanvankelijk psychologie gestudeerd en vervolgens de overstap gemaakt naar neurowetenschappen, wat was uw redenering op dat moment?

De overstap was van nature. Psychologie bood één kant van de “trainingsmunt” – de studie van psychologische fenomenen. Echter, als iemand geïnteresseerd is in wat mechanisch gedachten en gedrag veroorzaakt, komt men uiteindelijk terecht bij het bestuderen van het orgaan dat verantwoordelijk is voor gedachten, en eindigt men met het bestuderen van Neurowetenschappen!

Wanneer realiseerde u zich dat u uw kennis van de menselijke hersenen wilde toepassen op het emuleren van de menselijke hersenen in een AI-systeem?

De volgende stap, van Neurowetenschappen naar AI, is moeilijker. Terwijl Neurowetenschappen zich bezighoudt met de gedetailleerde studie van de anatomie en fysiologie van het zenuwstelsel en hoe hersenen gedrag veroorzaken, is er een andere complementaire weg om een nog grotere kennis te verwerven, namelijk door een synthetische versie ervan te bouwen. Een analogie die ik graag geef, is dat men een gedeeltelijke kennis kan verwerven van hoe een motor werkt door een cilinder en een radiator te verwijderen en te concluderen dat cilinders en radiatoren belangrijk zijn in de werking van de motor. Een andere, diepere manier om een motor te begrijpen, is door er een te bouwen van scratch – namelijk door intelligentie te bestuderen door een synthetische (kunstmatige) versie ervan te bouwen.

Wat waren enkele van de vroege diepe leerprojecten waar u aan werkte?

In 2009 werkten we voor DARPA aan een “gehele hersenemulatie” voor een autonome robot met een geavanceerde chip ontworpen door Hewlett Packard. In een notendop, onze taak was om de hersenen en enkele van de belangrijkste autonome en leerbaar gedrag van een klein knaagdier te emuleren in een formaat dat het geschikt zou maken om draagbaar te zijn en te worden geïmplementeerd in kleine hardware.

Kunt u het verhaal van de oprichting van Neurala delen?

Neurala als bedrijf begon in 2006 om enkele octrooien te doen voor het gebruik van GPUs (Graphics Processing Units) voor diep leren. Hoewel dit vandaag misschien triviaal lijkt, werden GPU’s op dat moment niet voor AI gebruikt, en wij waren de pioniers van dit concept door ons voor te stellen dat elke pixel in een grafische kaart kon worden gebruikt om een neuron te verwerken (in plaats van een deel van een scène om op het scherm te renderen). Dankzij de parallelle verwerking van GPU’s, die onze hersenen parallelleren tot een (commercieel haalbaar) niveau, konden we een leer- en uitvoersnelheid voor onze algoritmen bereiken die plotseling AI en diep leren praktisch maakten. We moesten nog een paar jaar wachten om de academische wereld te verlaten, omdat de wereld “bijging” (wij waren al overtuigd!) van de realiteit van AI. In 2013 brachten we het bedrijf uit de stealth-modus, (aangezien we al gefinancierd werden door NASA en de US Air Force Research Labs) en gingen we de Boston Tech Stars-programma in. Van daaruit begonnen we een paar medewerkers in te huren en particuliere kapitaal aan te trekken. Pas in 2017, met een verse injectie van kapitaal en de verdere ontwikkeling van de industrie, konden we de eerste belangrijke inzetten doen en onze AI in 56 miljoen apparaten plaatsen, variërend van camera’s, smartphones, drones en robots.

Een van de vroege projecten van Neurala was het werken aan NASA’s Mars-rover. Kunt u de highlights van dit project met ons delen?

NASA had een specifiek probleem: ze wilden technologie ontwikkelen om toekomstige onbemande missies te laten functioneren, waarbij het autonome systeem (bijv. een rover) niet afhankelijk zou zijn van stap-voor-stapbegeleiding van de aardse missiecontrole. Communicatievertragingen maken deze controle onmogelijk – denk maar aan hoe onhandig de communicatie was tussen de aarde en Matt Damon in de film “The Martian”. Onze oplossing: elke rover voorzien van een eigen “brein”. NASA keerde zich tot ons, aangezien wij al werden gezien als experts in het bouwen van deze autonome “mini-breinen” met DARPA, om een rover te voorzien van een Deep Learning-systeem dat niet alleen op de robot kon draaien, maar ook in realtime kon leren en nieuwe dingen kon leren terwijl de robot in werking was. Dit omvatte nieuwe objecten (bijv. rotsen, tekenen van water, enz.) naarmate ze werden ontmoet en een zinvolle kaart van een onverkende planeet konden maken. De uitdaging was enorm, maar zo was de beloning: een Deep Learning-technologie die kon draaien op een zeer kleine verwerkingseenheid en kon leren van slechts één stukje gegevens (bijv. een afbeelding). Dit ging verder dan wat Deep Learning op dat moment (en zelfs vandaag!) kon bereiken.

Neurala heeft de Lifelong-DNN ontworpen, kunt u uitleggen hoe dit verschilt van een reguliere DNN en de voordelen die het biedt?

Ontworpen voor het NASA-geval hierboven, kan de Lifelong DNN gedurende zijn hele levenscyclus leren. Dit is in tegenstelling tot traditionele Deep Neural Networks (DNN’s), die kunnen worden getraind of een “inference” (d.w.z. een classificatie) kunnen uitvoeren. In de L-DNN, net als bij mensen, is er geen verschil tussen leren en classificeren. Elke keer dat we naar iets kijken, classificeren we het (dit is een stoel) en leren we erover (deze stoel is nieuw, heb ik nog nooit eerder gezien, ik weet nu een beetje meer over het). In tegenstelling tot DNN’s, is de L-DNN altijd aan het leren en confronteren met wat het weet over de wereld, wat nieuwe informatie wordt gepresenteerd, en kan het van nature afwijkingen begrijpen. Als een van mijn kinderen bijvoorbeeld een grap met me uithaalt en mijn stoel roze verft, zou ik het meteen herkennen. Aangezien mijn L-DNN heeft geleerd dat mijn stoel zwart is, en wanneer mijn perceptie ervan niet overeenkomt met mijn geheugen van het, zou de L-DNN een afwijkingssignaal produceren. Dit wordt in Neurala’s producten op verschillende manieren gebruikt (zie hieronder).

Kunt u bespreken wat de Brain Builder custom vision AI is en hoe het snellere, eenvoudigere en minder dure robotics-toepassingen mogelijk maakt?

Aangezien de L-DNN van nature leert over de wereld en afwijkingen kan begrijpen, worden Neurala’s producten, Brain Builder en VIA (Visual Inspection Automation), gebruikt om visuele inspectietaken snel in te stellen met behulp van slechts een paar afbeeldingen van “goede producten”. Bijvoorbeeld, in een productieomgeving kan men 20 afbeeldingen van “goede flessen” gebruiken en een Visuele Kwaliteitsinspectie “mini-brein” creëren dat kan herkennen of een fles goed of slecht is (bijv. een fles met een gebroken dop). Dit kan gemakkelijk, snel en op een eenvoudige CPU worden gedaan met de L-DNN, met behulp van de NASA-technologie die in meer dan 10 jaar intensief onderzoek is ontwikkeld.

In een eerder interview raadde u ondernemers aan om altijd te streven naar het starten van een bedrijf dat een beetje onmogelijk is. Voelde u dat Neurala onmogelijk was toen u het bedrijf voor het eerst lanceerde?

Ik herinner me nog steeds dat mijn vriend en collega, Anatoli, zijn espresso uitspuugde toen ik zei “op een dag zal onze technologie op een mobiele telefoon draaien”. Het klonk onmogelijk, maar alles wat je hoefde te doen was je voor te stellen en er hard voor te werken. Vandaag draait het op miljoenen telefoons. We zien een wereld waarin duizenden kunstmatige ogen industriële machines en processen kunnen detecteren om een ongekend niveau van kwaliteit en controle te bieden, wat eerder onmogelijk was omdat het duizenden mensen per machine zou kosten. Hopelijk drinkt niemand espresso terwijl hij dit leest….

Bedankt voor het geweldige interview, Neurala is duidelijk een bedrijf dat we in de gaten moeten houden. Lezers die meer willen leren, moeten Neurala bezoeken.