Yashar Behzadi, CEO Synthesis AI – Seria wywiadów

Yashar Behzadi PhD jest CEO i założycielem Synthesis AI. Jest doświadczonym przedsiębiorcą, który zbudował przełomowe firmy w dziedzinie sztucznej inteligencji, technologii medycznej i IoT. Przez ostatnie 14 lat budował i skalował firmy technologiczne w Dolinie Krzemowej. Yashar ma ponad 30 patentów i wniosków patentowych oraz tytuł doktora z UCSD ze specjalizacją w modelowaniu przestrzennym i czasowym funkcjonalnego obrazowania mózgu.

Synthesis AI to startup na przecięciu głębokiego uczenia i CGI, tworzący nowy paradygmat rozwoju modeli widzenia komputerowego. Umożliwia klientom rozwijanie lepszych modeli w ułamku czasu i kosztów tradycyjnych podejść opartych na annotacji przez ludzi.

Jak zacząłeś się zajmować informatyką i sztuczną inteligencją?

Uzyskałem tytuł doktora na UCSD w 2006 roku ze specjalizacją w widzeniu komputerowym i modelowaniu przestrzennym i czasowym danych obrazowania mózgu. Następnie pracowałem w Dolinie Krzemowej na przecięciu czujników, danych i uczenia maszynowego w różnych branżach przez następne 16 lat. Czuję się bardzo szczęśliwy, że miałem okazję pracować nad niezwykłymi technologiami, i mam ponad 30 patentów wydanych lub złożonych, skupionych na przetwarzaniu sygnałów, uczeniu maszynowym i nauce o danych.

Czy możesz podzielić się historią powstania Synthesis AI?

Przed założeniem Synthesis AI w 2019 roku, kierowałem globalną firmą świadczącą usługi AI, skupioną na rozwijaniu modeli widzenia komputerowego dla wiodących firm technologicznych. Niezależnie od rozmiaru firmy, stwierdziłem, że jesteśmy bardzo ograniczeni przez jakość i ilość oznaczonych danych szkoleniowych. Gdy firmy rozszerzały się geograficznie, zwiększały bazę klientów lub rozwijały nowe modele i sprzęt, wymagane były nowe dane szkoleniowe, aby modele działały odpowiednio. Stało się również jasne, że przyszłość widzenia komputerowego nie będzie udana z dzisiejszym paradygmatem annotacji przez ludzi. Wschodzące aplikacje widzenia komputerowego w autonomii, robotyce i AR/VR/metaverse wymagają bogatego zestawu 3D etykiet, informacji o głębi, właściwości materiałów, szczegółowej segmentacji itp., których ludzie nie mogą oznaczyć. Wymagany był nowy paradygmat, aby dostarczyć niezbędny zestaw etykiet do szkolenia tych nowych modeli. Oprócz czynników technicznych, widzieliśmy rosnącą kontrolę konsumentów i regulacyjną wokół problemów etycznych związanych z biasem modelu i prywatnością konsumentów.

Utworzyłem Synthesis AI, aby przekształcić paradygmat widzenia komputerowego. Platforma generacji danych syntetycznych firmy umożliwia generowanie na żądanie fotorealistycznych danych obrazowych z rozszerzonym zestawem 3D etykiet piksel-perfect. Nasza misja polega na pionierskim rozwoju technologii danych syntetycznych, aby umożliwić etyczny rozwój bardziej zdolnych modeli.

Dla czytelników, którzy nie znają tego terminu, czy możesz wyjaśnić, co to jest dane syntetyczne?

Dane syntetyczne to dane generowane komputerowo, które służą jako alternatywa dla danych ze świata rzeczywistego. Dane syntetyczne są tworzone w symulowanych cyfrowych światach, a nie zbierane z lub mierzone w świecie rzeczywistym. Łącząc narzędzia ze świata efektów wizualnych z modelami generatywnymi AI, Synthesis AI umożliwia firmom tworzenie ogromnych ilości fotorealistycznych, zróżnicowanych danych na żądanie do szkolenia modeli widzenia komputerowego. Platforma generacji danych firmy zmniejszyła koszt i czas uzyskania wysokiej jakości danych obrazowych o rzędy wielkości, zachowując prywatność.

Czy możesz omówić, jak generowane są dane syntetyczne?

Zestaw danych syntetycznych jest tworzony sztucznie, a nie przez dane ze świata rzeczywistego. Technologie z branży efektów wizualnych są łączone z generatywnymi sieciami neuronowymi, aby tworzyć ogromne, zróżnicowane i fotorealistyczne oznaczone dane obrazowe. Dane syntetyczne umożliwiają tworzenie danych szkoleniowych w ułamku kosztów i czasu obecnych podejść.

Jak wykorzystywanie danych syntetycznych tworzy przewagę konkurencyjną?

Obecnie większość systemów AI wykorzystuje „nadzorowane uczenie”, gdzie ludzie oznaczają kluczowe atrybuty w obrazach, a następnie trenują algorytmy AI, aby interpretować obrazy. Jest to proces wymagający zasobów i czasu, i jest ograniczony przez to, co ludzie mogą dokładnie oznaczyć. Dodatkowo, obawy związane z biasem demograficznym AI i prywatnością konsumentów nasiliły się, utrudniając uzyskanie reprezentatywnych danych ludzkich.

Nasze podejście polega na tworzeniu fotorealistycznych cyfrowych światów, które syntetyzują złożone dane obrazowe. Ponieważ generujemy dane, wiemy wszystko o scenach, w tym informacje, których nigdy wcześniej nie było dostępne, na temat 3D lokalizacji obiektów i ich złożonych interakcji ze sobą i ze środowiskiem. Uzyskanie i oznaczenie takiej ilości danych przy użyciu obecnych podejść zajęłoby miesiące, jeśli nie lata. Ten nowy paradygmat umożliwi 100-krotną poprawę wydajności i kosztów, i spowoduje powstanie nowej klasy bardziej zdolnych modeli.

Ponieważ dane syntetyczne są generowane sztucznie, eliminuje to wiele biasów i problemów związanych z tradycyjnym zbieraniem danych ze świata rzeczywistego.

Jak generowanie danych na żądanie umożliwia przyspieszone skalowanie?

Pochwycenie i przygotowanie danych ze świata rzeczywistego do szkolenia modelu jest długim i nudnym procesem. Wdrożenie niezbędnego sprzętu może być zbyt drogie dla skomplikowanych systemów widzenia komputerowego, takich jak pojazdy autonomiczne, robotyka lub obrazy satelitarne. Gdy dane są już pobrane, ludzie oznaczają i annotują istotne cechy. Proces ten jest podatny na błędy, a ludzie są ograniczeni w swojej zdolności do oznaczenia kluczowych informacji, takich jak 3D pozycja wymagana dla wielu aplikacji.

Dane syntetyczne są o rzędy wielkości szybsze i tańsze niż tradycyjne podejścia oparte na annotacji przez ludzi i będą przyspieszać wdrożenie nowych i bardziej zdolnych modeli w różnych branżach.

Jak dane syntetyczne umożliwiają redukcję lub zapobieganie biasowi AI?

Systemy AI są wszechobecne, ale mogą zawierać wewnętrzne biały, które mogą wpłynąć na grupy ludzi. Zestawy danych mogą być niezbalansowane z pewnymi klasami danych i albo nadreprezentowanymi, albo niedoreprezentowanymi grupami ludzi. Budowanie systemów ukierunkowanych na ludzi może często prowadzić do biasów związanych z płcią, etnicznością i wiekiem. W przeciwieństwie do tego, dane generowane przez projekt są odpowiednio zbalansowane i pozbawione biasów ludzkich.

Dane syntetyczne mogą stać się solidnym rozwiązaniem w rozwiązywaniu problemu biasu AI. Dane syntetyczne są generowane częściowo lub całkowicie sztucznie, a nie mierzone lub wyodrębnione z zdarzeń lub zjawisk ze świata rzeczywistego. Jeśli zestaw danych nie jest wystarczająco zróżnicowany lub duży, dane generowane przez AI mogą wypełnić luki i utworzyć niezbyt zbalansowany zestaw danych. Najlepsze w tym jest to, że ręczne tworzenie tych zestawów danych może zająć zespołom kilka miesięcy lub lat. Zaprojektowane z danymi syntetycznymi, mogą być one wykonane w ciągu nocy.

Poza widzeniem komputerowym, jakie są inne potencjalne przypadki użycia danych syntetycznych?

Oprócz wielu przypadków użycia danych syntetycznych związanych z produktami konsumenckimi, autonomią, robotyką, AR/VR/metaverse i więcej, dane syntetyczne będą również wpływać na inne modalności danych. Już teraz widzimy, jak firmy wykorzystują podejścia danych syntetycznych do danych tabelarycznych, głosu i przetwarzania języka naturalnego. Podstawowe technologie i potoki generacji różnią się dla każdej modalności, i w najbliższej przyszłości spodziewamy się zobaczyć systemy wielomodalne (np. wideo + głos).

Czy jest coś jeszcze, co chciałbyś podzielić o Synthesis AI?

Pod koniec zeszłego roku, wydaliśmy HumanAPI, znaczące rozszerzenie możliwości danych syntetycznych Synthesis AI, umożliwiające programistyczne generowanie milionów unikalnych, wysokiej jakości 3D cyfrowych ludzi. To ogłoszenie następuje kilka miesięcy po uruchomieniu produktu FaceAPI, który dostarczył ponad 10 milionów oznaczonych obrazów twarzy dla wiodących firm telefonów komórkowych, wideokonferencji, samochodów i technologii. HumanAPI to kolejny krok w podróży firmy, aby wspierać zaawansowane aplikacje sztucznej inteligencji.

HumanAPI umożliwia również wiele nowych możliwości dla naszych klientów, w tym inteligentne asystenty, wirtualnych trenerów fitness i oczywiście świat aplikacji metaverse.

Tworząc cyfrowy odpowiednik świata rzeczywistego, metaverse umożliwi nowe aplikacje, od zrewolucjonizowanych sieci społecznościowych, doświadczeń rozrywkowych, wideokonferencji, gier i więcej. Widzenie komputerowe AI będzie podstawowe dla tego, jak świat rzeczywisty jest przechwytywany i odtwarzany z wysoką wiernością w świecie cyfrowym. Fotorealistyczne, wyraziste i behawioralnie dokładne ludzie będą niezbędnym składnikiem przyszłych aplikacji widzenia komputerowego. HumanAPI to pierwszy produkt, który umożliwia firmom tworzenie ogromnych ilości idealnie oznaczonych danych całego ciała na żądanie, aby zbudować bardziej zdolne modele AI, w tym estymację pozy, rozpoznawanie emocji, charakterystykę aktywności i zachowania, rekonstrukcję twarzy i więcej.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Synthesis AI.