Max Versace, CEO i współzałożyciel Neurala – seria wywiadów

Dr Massimiliano Versace jest współzałożycielem i CEO Neurala, a także wizjonerem firmy. Po swoich pionierskich badaniach nad komputerami inspirowanymi mózgiem i głębokimi sieciami, nadal inspiruje i prowadzi świat robotyki autonomicznej. Wystąpił na dziesiątkach wydarzeń i w różnych miejscach, w tym na TedX, NASA, Pentagonie, GTC, InterDrone, National Labs, Air Force Research Labs, HP, iRobot, Samsung, LG, Qualcomm (QCOM ), Ericsson, BAE Systems, AI World, Mitsubishi, ABB i Accenture, oraz w wielu innych.

Początkowo studiowałeś psychologię, a następnie zmieniłeś kierunek na neurologię, jaki był twój powód w tamtym czasie?

Zmiana kierunku była naturalna. Psychologia dostarczyła jednej strony “monety edukacyjnej” – studiów nad zjawiskami psychologicznymi. Jednakże, jeśli ktoś jest zainteresowany tym, co mechanicznie powoduje myśli i zachowania, nieuchronnie trafia na studia nad organem odpowiedzialnym za myśli, a kończy się na studiach nad neurologią!

Kiedy zrozumiałeś, że chcesz zastosować swoją wiedzę o ludzkim mózgu do naśladownania ludzkiego mózgu w systemie AI?

Następny krok, od neurologii do AI, jest trudniejszy. Podczas gdy neurologia zajmuje się szczegółowym badaniem anatomii i fizjologii układu nerwowego oraz tym, jak mózgi dają początek zachowaniom, inną drogą do osiągnięcia jeszcze głębszego zrozumienia jest zbudowanie syntetycznej wersji mózgu. Podobieństwo, które lubię podawać, jest takie, że można uzyskać częściowe zrozumienie, jak silnik działa, wyjmując cylindry i chłodnicę i dochodząc do wniosku, że cylindry i chłodnice są ważne w funkcjonowaniu silnika. Inny, głębszy sposób zrozumienia silnika jest zbudowanie go od podstaw – a więc studiowanie inteligencji przez zbudowanie syntetycznej (sztucznej) wersji.

Jakie były niektóre z wczesnych projektów głębokiego uczenia, nad którymi pracowałeś?

W 2009 roku dla DARPA pracowaliśmy nad zbudowaniem “całkowitej emulacji mózgu” dla autonomicznego robota przy użyciu zaawansowanego układu scalonego zaprojektowanego przez Hewlett Packard. W skrócie, naszym zadaniem było emulować mózg i niektóre kluczowe autonomiczne i uczące się zachowania małego gryzonia w formacie, który byłby odpowiedni do przeniesienia i zaimplementowania w małym sprzęcie.

Czy mógłbyś opowiedzieć o historii powstania Neurala?

Neurala jako firma powstała w 2006 roku w celu objęcia niektórych prac nad patentami dotyczącymi wykorzystania jednostek przetwarzania grafiki (GPU) do głębokiego uczenia. Chociaż może to być uważane za trywialne dzisiaj, w tamtym czasie GPU nie były używane do AI w ogóle, a my byliśmy pionierami tego pojęcia, wyobrażając sobie, że każdy piksel na karcie graficznej mógłby być użyty do przetwarzania neuronu (zamiast sekcji sceny do renderowania na ekranie). Dzięki równoległości GPU, która naśladuje nasz mózg w sposób (komercyjnie uzasadniony), byliśmy w stanie osiągnąć prędkość uczenia i wykonania algorytmów, co nagle uczyniło AI i głębokie uczenie praktycznymi. Musieliśmy poczekać kilka lat, aby opuścić środowisko akademickie, gdy świat “dogonił” (już wierzyliśmy!) rzeczywistość AI. W 2013 roku, wyprowadziliśmy firmę z trybu ukrytego i weszliśmy do programu Boston Tech Stars. Stamtąd zaczęliśmy zatrudniać kilku pracowników i pozyskać kapitał prywatny. Jednak dopiero w 2017 roku, z nowym zastrzykiem kapitału i dojrzałością branży, byliśmy w stanie uzyskać pierwsze ważne wdrożenia i umieścić nasze AI w 56 milionach urządzeń, od kamer, telefonów komórkowych, dronów i robotów.

Jednym z wczesnych projektów Neurala było współpraca z NASA przy łaziku marsjańskim. Czy mógłbyś opowiedzieć o tym projekcie?

NASA miała bardzo konkretny problem: chcieli rozwijać technologie do zasilania przyszłych misji bezzałogowych, w których system autonomiczny (np. łazik) nie będzie polegał na krok-po-kroku na sterowaniu z Ziemi. Opóźnienia w komunikacji czynią to sterowanie niemożliwym – przypomnij sobie, jak nieporadna była komunikacja między Ziemią a Mattem Damonem w filmie “Marsjanin”. Nasze rozwiązanie: wyposażyć każdy łazik w “mózg” własny. NASA zwróciła się do nas, ponieważ byliśmy już uważani za ekspertów w budowaniu tych autonomicznych “mini-mózgów” z DARPA, aby wyposażyć łazik w system głębokiego uczenia, który nie tylko mógłby działać na robocie, ale także dostosowywać się w czasie rzeczywistym i uczyć nowych rzeczy, gdy robot działał. Obejmowało to nowe obiekty (np. skały, oznaki wody itp.), gdy były spotykane, i tworzyły znaczącą mapę niezbadanego planety. Wyzwanie było ogromne, ale tak samo ogromna była nagroda: technologia głębokiego uczenia, która mogła działać na bardzo małej mocy obliczeniowej i uczyć się nawet z jednego kawałka danych (np. obrazu). To przekroczyło to, co głębokie uczenie mogło osiągnąć w tamtym czasie (i nawet dzisiaj!).

Neurala zaprojektowała Lifelong-DNN, czy mógłbyś wyjaśnić, jak się różni od zwykłej DNN i jakie korzyści oferuje?

Zaprojektowana dla przypadku użycia NASA powyżej, Lifelong DNN, jak sama nazwa wskazuje, może uczyć się przez cały cykl życia. To w przeciwieństwie do tradycyjnych głębokich sieci neuronowych (DNN), które mogą być albo szkolone, albo wykonywać “inferencję” (tj. klasyfikację). W L-DNN, podobnie jak u ludzi, nie ma różnicy między uczeniem a klasyfikacją. Każde spojrzenie na coś powoduje, że i “klasyfikujemy” to (to jest krzesło), i uczymy się o tym (to krzesło jest nowe, nigdy wcześniej nie widziane, teraz wiem o nim trochę więcej). Inaczej niż DNN, L-DNN jest zawsze uczący się i konfrontujący to, co wie o świecie, z nowymi informacjami, i jest w stanie naturalnie zrozumieć anomalie. Na przykład, jeśli jedno z moich dzieci zagrało ze mną żart i pomalowało moje krzesło na różowo, rozpoznałbym to od razu. Ponieważ mój L-DNN nauczył się na przestrzeni czasu, że moje krzesło jest czarne, a gdy moje postrzeganie go nie zgadza się z moimi wspomnieniami o nim, L-DNN wyprodukowałby sygnał anomalii. To jest używane w produktach Neurala na różne sposoby (patrz poniżej).

Czy mógłbyś omówić, co to jest Brain Builder custom vision AI i jak umożliwia szybsze, łatwiejsze i mniej kosztowne aplikacje robotyczne?

Ponieważ L-DNN naturalnie uczy się o świecie i może zrozumieć, czy coś jest anormalne lub odbiega od nauczonego standardu, produkt Neurala, Brain Builder i VIA (Visual Inspection Automation) są używane do szybkiego ustawienia zadań inspekcji wizualnej przy użyciu tylko kilku obrazów “dobrych produktów”. Na przykład, w środowisku produkcyjnym, można użyć 20 obrazów “dobrych butelek” i utworzyć “mini-mózg” inspekcji jakości wizualnej, który może rozpoznać dobre butelki, lub gdy zła butelka (np. z łamaną nakrętką) jest produkowana. To może być zrobione z L-DNN bardzo łatwo, szybko i na prostym procesorze, wykorzystując technologię NASA zbudowaną w ciągu ponad 10 lat intensywnych badań i rozwoju.

W poprzednim wywiadzie zalecałeś przedsiębiorcom, aby zawsze celowali w rozpoczęcie działalności, która jest nieco niemożliwa. Czy czułeś, że Neurala była nieco niemożliwa, gdy po raz pierwszy uruchomiłeś firmę?

Nadal pamiętam, jak mój przyjaciel i kolega, Anatoli, wypluł espresso, gdy powiedziałem “kiedyś nasza technologia będzie działać na telefonie komórkowym”. Brzmiało to niemożliwie, ale wszystko, co trzeba było zrobić, to wyobrazić sobie i pracować nad tym. Dzisiaj działa na milionach telefonów. Wyobrażamy sobie świat, w którym tysiące sztucznych oczu mogą dostrzec maszyny przemysłowe i procesy, aby zapewnić wcześniej niewyobrażalny poziom jakości i kontroli, wcześniej niemożliwy, ponieważ wymagałoby to tysiąca ludzi na maszynę. Mam nadzieję, że nikt nie pije espresso, czytając to….

Dziękuję za wspaniały wywiad, Neurala jest firmą, którą powinniśmy mieć na radarze. Czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Neurala.