Hyun Kim, dyrektor generalny i współzałożyciel Superb AI – seria wywiadów

Hyun Kim jest dyrektorem generalnym i współzałożycielem Doskonała sztuczna inteligencja, firma dostarczająca platformę danych do uczenia maszynowego nowej generacji zespołom zajmującym się sztuczną inteligencją, dzięki czemu mogą one tworzyć lepszą sztuczną inteligencję w krótszym czasie. Superb AI Suite to korporacyjna platforma SaaS stworzona, aby pomóc inżynierom ML, zespołom produktowym, badaczom i adnotatorom danych w tworzeniu wydajnych przepływów pracy z danymi szkoleniowymi.

Co początkowo przyciągnęło Cię do dziedziny AI, Data Science i Robotyki?

Jako student studiów licencjackich na kierunku inżynieria biomedyczna na uniwersytecie Duke pasjonowałem się genetyką i tym, jak możemy zaprojektować nasze DNA, aby leczyć choroby lub tworzyć organizmy zmodyfikowane genetycznie. Pamiętam wyraźnie jeden eksperyment w mokrym laboratorium, który kończył się niepowodzeniem przez około 6 miesięcy z rzędu. Najbardziej frustrującą częścią było to, że wymagało dużo powtarzalnej pracy ręcznej, co, patrząc z perspektywy czasu, było prawdopodobnie przyczyną wielu potencjalnych błędów.

Ta frustracja sprawiła, że ​​zainteresowałem się wszystkim, co ma związek z automatyzacją. W zasadzie krążyłem po kilku laboratoriach w Duke, aż dołączyłem do jednego, które badało, w jaki sposób uczenie maszynowe może pomóc w diagnozowaniu choroby Parkinsona za pomocą skanów MRI mózgu. Tutaj naprawdę poznałem rewolucyjny potencjał sieci Deep Learning. Skończyłem studia doktoranckie z informatyki w Duke i intensywnie pracowałem w Intelligent Robot Lab, ucząc roboty, jak się uczyć.

W 2016 roku brałeś udział w konkursie Amazon Robotics Challenge. Nad czym pracowałeś i jak podobało ci się to doświadczenie?

W Amazon Robotics Challenges zespoły zdobywają punkty, zmuszając roboty do samodzielnego wybierania i układania przedmiotów w określonym czasie. Roboty w fabrykach i na liniach montażowych można projektować pod kątem konkretnego obiektu, który robot podnosi i umieszcza, ale ARC wymaga od naszych robotów działania w bardzo dynamicznych sytuacjach. Byłem liderem „Team Duke” i jego funkcji Motion Planning. Zaprojektowałem i wdrożyłem metody planowania ruchu robotów do zadań manipulacji robotami typu pick-and-place w realistycznym środowisku magazynowym. To było ekscytujące doświadczenie edukacyjne, ponieważ musieliśmy złożyć wiele złożonych systemów, od systemów percepcji robotów opartych na wizji komputerowej po algorytmy planowania ruchu i specjalnie zaprojektowany sprzęt mechaniczny efektorów końcowych.

Następnie przez prawie 2 lata pracowałeś jako inżynier ds. badań nad uczeniem maszynowym w SK T-Brain. Co to był za projekt?

Mniej więcej po roku mojego doktoratu, w marcu 2016 r., urządzenie Google AlphaGo pokonało w trybie Go mistrza ludzkości, Lee Sedola. To była przełomowa wiadomość, szczególnie w Korei, gdzie Go jest znacznie bardziej popularne niż gdzie indziej.

Po tym wydarzeniu rząd i wszystkie duże firmy natychmiast zaczęły inwestować ogromne kwoty w badania nad sztuczną inteligencją. Jedna z firm nazywała się SKT, czyli SK Telecom i była głównym koreańskim konglomeratem. Zaproponowano mi stanowisko inżyniera ds. badań nad uczeniem maszynowym w ich nowym laboratorium badawczym zajmującym się sztuczną inteligencją, zwanym SKT Brain. Wziąłem urlop od doktoratu i wróciłem do Korei, aby pracować przez około 2 lata.

Celem mojego zespołu było przeprowadzenie badań na różne tematy związane ze sztuczną inteligencją, które mogłyby potencjalnie zaowocować produktem lub stworzyć możliwości biznesowe dla firmy. W ciągu tych dwóch lat zainteresowałem się takimi tematami, jak samochody autonomiczne, sztuczna inteligencja gier (szczególnie sztuczna inteligencja StarCrafta) i generatywne sieci przeciwstawne, czyli GAN.

Po dwóch latach, zamiast wracać do szkoły, aby dokończyć studia doktoranckie, wyjechałem, aby założyć firmę Superb AI.

Co było inspiracją do wprowadzenia Superb AI?

Podczas badań nad uczeniem się robotów w szkole, a także podczas pracy w korporacyjnym laboratorium badawczym, było dla mnie oczywiste, że większość czasu spędzałem na przeglądaniu danych.

W szkole większość czasu spędzałem na tworzeniu symulowanych środowisk dla danych symulacyjnych robotyki. W mojej poprzedniej firmie spędzałem czas na zbieraniu i oznaczaniu zbiorów danych na potrzeby samodzielnej jazdy i sztucznej inteligencji w grach.

I, niestety, nie dotyczyło to tylko mnie. To samo dotyczyło moich kolegów i stanowiło bardzo częsty problem każdego badacza i inżyniera w branży uczenia maszynowego.

Chciałem to naprawić. Jak widać, jestem wielkim fanem uczenia maszynowego i sztucznej inteligencji i uważam, że mogą one naprawdę zrewolucjonizować nasze życie. Chcę, aby przełomy technologiczne następowały szybciej i chcę, aby zastosowano je w naszym codziennym życiu.

Aby tak się stało, początkowo badałem możliwości uczenia się algorytmów uczenia maszynowego przy mniejszym udziale człowieka. To sprawiło, że zainteresowałem się takimi zagadnieniami, jak uczenie się bez nadzoru i metauczenie się. Po opublikowaniu artykułu na temat GAN zdałem sobie sprawę, co chcę robić. Zamiast publikować prace badawcze, chciałem stworzyć rzeczywisty produkt lub usługę, która może wpłynąć na branżę i już teraz zacząć rozwiązywać problem danych.

Jak najlepiej opisałbyś usługi oferowane przez Superb AI?

Superb AI udostępnia platformę danych uczenia maszynowego o nazwie Superb AI Suite. Pakiet pomaga firmom efektywnie tworzyć, oznaczać i zarządzać danymi szkoleniowymi, a także przyspieszać cykl operacji ML.

Powszechnie wiadomo, że większość zespołów zajmujących się uczeniem maszynowym spędza ponad 50% swojego czasu na zarządzaniu zbiorami danych szkoleniowych. Pomagamy inżynierom w łatwym filtrowaniu, przeszukiwaniu i manipulowaniu zbiorami danych szkoleniowych oraz integracji ze stosem ML Ops, takim jak przechowywanie danych lub platformy głębokiego uczenia się, za pośrednictwem potężnego zestawu SDK i interfejsów API.

Liderzy produktów również spędzają dużo czasu na danych szkoleniowych. Pomagamy ułatwić im życie poprzez bezproblemowe śledzenie problemów, analizę danych oraz wiele funkcji związanych ze współpracą i produktywnością.

Dodatkowo nasza funkcja automatycznego etykietowania, która wykorzystuje wiele zaawansowanych technik uczenia maszynowego, takich jak uczenie się transferowe i aktywne uczenie się, może wspomóc proces automatycznego etykietowania i kontroli jakości.

Jaki był najtrudniejszy aspekt budowania platformy danych uczenia maszynowego?

Budowa platformy danych uczenia maszynowego stanowi interesujące wyzwanie inżynieryjne, nie tylko dlatego, że uczenie maszynowe wymaga ogromnej ilości nieustrukturyzowanych danych, takich jak obrazy i filmy, ale jeszcze bardziej dlatego, że dane muszą być stale odczytywane i aktualizowane przez wielu użytkowników na całym świecie.

Jakie firmy korzystają z platformy Superb AI?

Mamy klientów różnej wielkości, działających w wielu branżach. Duże firmy z branży elektroniki użytkowej, w tym Samsung i LG, korzystają z naszej platformy do zarządzania danymi i przyspieszania procesu rozwoju uczenia maszynowego. Z naszej platformy korzysta wiele przedsiębiorstw i start-upów z branży pojazdów autonomicznych, a także firm wykorzystujących systemy bezzałogowe w zastosowaniach od bezpieczeństwa fizycznego po budownictwo.

Ponadto firmy zajmujące się AR/VR i grami korzystają z naszej platformy danych szkoleniowych do tworzenia zestawów danych i zarządzania nimi, które mogą uczyć modeli uczenia maszynowego.

W sektorze medycznym laboratoria badawcze na renomowanych międzynarodowych uniwersytetach korzystają z naszej platformy do zarządzania danymi szkoleniowymi i efektywniejszego trenowania modeli widzenia komputerowego w celu rozpoznawania nowotworów w obrazach MRI i tomografii komputerowej.

Firma Superb AI brała udział w zimowych zajęciach Y Combinator w 2019 r. Czy mógłbyś opisać to doświadczenie i jakie najważniejsze wnioski wyciągnąłeś z tego doświadczenia?

Nasze dwa główne wnioski to nauka skupiania się na użytkownikach i szybkie powtarzanie. Motto YC brzmi: „zrób coś, czego ludzie chcą”. Często startupy, zwłaszcza te technologiczne, skupiają się na innowacjach technicznych i zaniedbują to, czego tak naprawdę potrzebują użytkownicy. W ciągu trzymiesięcznego procesu nauczyliśmy się być niezwykle zorientowani na użytkownika — rozmawialiśmy z jak największą liczbą użytkowników i naprawdę staraliśmy się zrozumieć, czego naprawdę potrzebują — jednocześnie aktualizując produkty i przesyłając komunikaty, aby dopasować je do potrzeb użytkowników. Ponieważ nie da się za pierwszym razem uchwycić produktu ani dopasować go do rynku, niezwykle ważne jest ciągłe rozmawianie z użytkownikami i dostarczanie im tego, czego chcą. Kiedy się nad tym zastanowić, jest to bardzo oczywiste, ale w praktyce bardzo trudno się na tym skupić.

Czy jest coś jeszcze, czym chciałbyś się podzielić na temat Superb AI?

Właśnie wzbogaciliśmy naszą ofertę bezpłatnych produktów, która zapewnia użytkownikom więcej miejsca na surowe zasoby oraz więcej funkcji i zestawów narzędzi do etykietowania/zarządzania danymi/dla programistów. Mamy prawdziwą misję demokratyzacji sztucznej inteligencji i chcemy, aby ludzie wiedzieli, że istnieją duże przedsiębiorstwa, takie jak my, których zadaniem jest zapewnianie jak najwięcej, aby ułatwić wdrażanie i integrację sztucznej inteligencji w naszym codziennym życiu.

Dziękuję za wywiady, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Doskonała sztuczna inteligencja.