Hyun Kim, administrerende direktør og medgründer, Superb AI – Intervjuserien

Hyun Kim er administrerende direktør og medgründer av Fantastisk AI, et selskap som leverer en ny generasjons maskinlæringsdataplattform til AI-team slik at de kan bygge bedre AI på kortere tid. Superb AI Suite er en bedrifts SaaS-plattform bygget for å hjelpe ML-ingeniører, produktteam, forskere og dataannotatorer med å lage effektive arbeidsflyter for opplæringsdata.

Hva tiltrakk deg i utgangspunktet innen AI, Data Science og Robotics?

Som hovedfag i biomedisinsk ingeniørfag ved Duke, var jeg lidenskapelig opptatt av genetikk og hvordan vi kan konstruere vårt DNA for å kurere sykdommer eller lage genmodifiserte organismer. Jeg husker tydelig et eksperiment med våt lab som fortsatte å mislykkes i 6 måneder i strekk. Det mest frustrerende med det var at det var mye repeterende manuelt arbeid, og i ettertid var det sannsynligvis roten til mange potensielle feil.

Den frustrasjonen førte til at jeg ble interessert i alt som har med automatisering å gjøre. Jeg fløt i utgangspunktet rundt i flere laboratorier på Duke til jeg ble med i et laboratorium som forsket på hvordan maskinlæring kan hjelpe til med å diagnostisere Parkinsons sykdom ved hjelp av hjerne-MR-skanninger. Her fikk jeg en skikkelig smakebit for det spillendrende potensialet til Deep Learning-nettverk. Jeg endte opp med å ta et PhD-program i informatikk ved Duke, og jobbet intensivt ved Intelligent Robot Lab for å lære roboter hvordan man lærer ting.

I 2016 var du involvert i Amazon Robotics Challenge. Hva jobbet du med og hvordan likte du denne opplevelsen?

I Amazon Robotics Challenges tjener lag poeng ved å få roboter til å plukke og lagre gjenstander autonomt på en gitt tid. Roboter i fabrikker og samlebånd kan konstrueres til det spesifikke objektet roboten plukker-og-plasserer, men ARC utfordrer robotene våre til å operere i svært dynamiske situasjoner. Jeg var leder for "Team Duke" og dens bevegelsesplanleggingsfunksjon. Jeg designet og implementerte robotbevegelsesplanleggingsmetoder for plukke-og-plasser robotmanipulasjonsoppgaver i et realistisk lagermiljø. Det var en spennende læringsopplevelse da vi måtte sette sammen en mengde komplekse systemer, fra datasynsbaserte robotpersepsjonssystemer til bevegelsesplanleggingsalgoritmer og spesialdesignet mekanisk slutteffektor-maskinvare.

Du jobbet da i nesten 2 år som maskinlæringsingeniør ved SK T-Brain, hva var dette prosjektet?

Omtrent et år etter doktorgraden min, i mars 2016, beseiret Googles AlphaGo Human-mesteren, Lee Sedol, on Go. Det var slike banebrytende nyheter, spesielt i Korea, hvor Go er mye mer populært enn andre steder.

Etter den hendelsen begynte regjeringen og alle store selskaper umiddelbart å investere massevis i AI-forskning. Et av selskapene het SKT, eller SK Telecom, et stort koreansk konglomerat. Jeg ble tilbudt en stilling som maskinlæringsingeniør ved deres splitter nye AI-forskningslaboratorium, kalt SKT Brain. Jeg tok permisjon fra doktorgraden min, og dro tilbake til Korea for å jobbe i ca. 2 år.

Hensikten med teamet mitt var å forske på ulike AI-emner som potensielt kunne spinne ut som et produkt, eller skape en forretningsmulighet for selskapet. I løpet av disse to årene tok jeg noen stikk i emner som selvkjørende biler, spill-AI (spesifikt StarCraft AI) og Generative Adversarial Networks eller GAN-er.

Etter to år, i stedet for å gå tilbake til skolen for å fullføre doktorgradsprogrammet, dro jeg for å starte firmaet mitt, Superb AI.

Hva var inspirasjonen bak lanseringen av Superb AI?

Mens jeg forsket på robotlæring på skolen, og også mens jeg jobbet på et bedriftsforskningslaboratorium, var det veldig tydelig for meg at mesteparten av tiden min ble brukt på datakurering.

På skolen brukte jeg mesteparten av tiden min på å lage simulerte miljøer for robotsimuleringsdata. I mitt forrige firma brukte jeg tid på å samle og merke datasett for selvkjøring og spill-AI.

Og dessverre var det ikke bare for meg. Det var det samme for mine kolleger, og et veldig vanlig smertepunkt for alle forskere og ingeniører i maskinlæringsindustrien.

Jeg ville fikse det. Som du kan se, er jeg en stor fan av maskinlæring og AI, og jeg tror det virkelig kan revolusjonere livene våre. Jeg vil at teknologiske gjennombrudd skal skje raskere, og jeg vil se dem brukt i hverdagen vår.

For å få det til, undersøkte jeg først å få maskinlæringsalgoritmer til å lære med mindre menneskelig innsats. Det fikk meg til å interessere meg for ting som uovervåket læring og meta-læring. Etter å ha publisert en artikkel om GAN-er, skjønte jeg hva jeg ville gjøre. I stedet for å publisere forskningsverk, ønsket jeg å lage et faktisk produkt eller en tjeneste som kan påvirke industrien og begynne å løse dataproblemet akkurat nå.

Hvordan vil du best beskrive tjenestene som tilbys av Superb AI?

Superb AI tilbyr en maskinlæringsdataplattform kalt Superb AI Suite. Suite hjelper bedrifter med å lage, merke og administrere treningsdata effektivt, og akselerere ML Ops-syklusen deres.

Det er velkjent at flertallet av maskinlæringsteam bruker over 50 % av tiden sin på å administrere opplæringsdatasett. Vi hjelper ingeniører med enkelt å filtrere, søke og manipulere opplæringsdatasett, og integrere med ML Ops-stabelen deres, for eksempel datalagring eller dype læringsrammeverk gjennom en kraftig SDK og API-er.

Produktledere bruker også mye tid på opplæringsdata. Vi hjelper til med å gjøre livene deres enklere gjennom sømløs problemsporing, dataanalyse og mange samarbeids- og produktivitetsrelaterte funksjoner.

I tillegg kan vår automerkingsfunksjon, som bruker mange avanserte ML-teknikker som overføringslæring og aktiv læring, hjelpe den automatiske merkings- og kvalitetskontrollprosessen.

Hva har vært det vanskeligste ved å bygge en maskinlæringsdataplattform?

Å bygge en maskinlæringsdataplattform utgjør en interessant ingeniørutfordring, ikke bare fordi maskinlæring krever en enorm mengde ustrukturerte data, som bilder og videoer, men enda mer fordi dataene konstant må leses og oppdateres av mange brukere rundt om i verden.

Hva er noen selskaper som bruker Superb AI-plattformen?

Vi har kunder av varierende størrelse på tvers av mange vertikaler. Store forbrukerelektronikkfirmaer inkludert Samsung og LG bruker plattformen vår til å administrere data og akselerere ML-utviklingsprosessen. Mange bedrifter og oppstartsbedrifter i industrien for autonome kjøretøy, samt selskaper som bruker ubemannede systemer i applikasjoner fra fysisk sikkerhet til konstruksjon, bruker plattformen vår.

I tillegg bruker AR/VR og spillselskaper vår treningsdataplattform til å lage og administrere datasett som kan lære ML-modeller.

I medisinsk sektor bruker forskningslaboratorier ved anerkjente internasjonale universiteter plattformen vår til å administrere treningsdata og mer effektivt trene Computer Vision-modeller til å gjenkjenne svulster innen MR-er og CT-skanninger.

Superb AI var medlem av Winter 2019-klassen til Y Combinator, kan du beskrive denne opplevelsen og hva er noen av de viktigste takeawayene du har lært?

Våre to viktigste takeaways var å lære å fokusere på brukerne, og gjenta raskt. YCs motto er "lag noe folk vil ha". Ofte har startups, og spesielt teknologistartups, en tendens til å fokusere på de tekniske innovasjonene og neglisjere hva brukerne faktisk trenger. Gjennom den tre måneder lange prosessen lærte vi å være ekstremt brukerdrevne – snakke med så mange brukere som mulig, og virkelig prøve å forstå hva de virkelig trenger – samtidig som vi gjentok produktoppdateringer og meldinger for å passe brukerens behov. Siden det er umulig å finne et produkt eller nå produktmarkedstilpasset på første forsøk, er det viktig å hele tiden snakke med brukerne og levere det de ønsker. Det er veldig tydelig når du tenker på det, men veldig vanskelig å fokusere på i praksis.

Er det noe annet du vil dele om Superb AI?

Vi har nettopp styrket vårt gratis produkttilbud som gir brukerne mer rå lagringsplass og flere merking/dataadministrasjon/utviklerfunksjoner og verktøysett. Vi er på et reelt oppdrag for å demokratisere AI og vil at folk skal vite at det er bedriftsbedrifter som oss selv som er opptatt av å tilby så mye som mulig for å fremme adopsjonen og integreringen av AI i hverdagen vår.

Takk for intervjuene, lesere som ønsker å lære mer bør besøke Fantastisk AI.