Max Versace, CEO e Co-Fundador da Neurala – Série de Entrevistas

O Dr. Massimiliano Versace é o co-fundador e CEO da Neurala, e o visionário da empresa. Após sua pesquisa pioneira em computação inspirada no cérebro e redes profundas, ele continua a inspirar e liderar o mundo da robótica autônoma. Ele já falou em dezenas de eventos e locais, incluindo TedX, NASA, o Pentágono, GTC, InterDrone, Laboratórios Nacionais, Laboratórios de Pesquisa da Força Aérea, HP, iRobot, Samsung, LG, Qualcomm, Ericsson, BAE Systems, AI World, Mitsubishi, ABB e Accenture, entre muitos outros.

Você inicialmente estudou psicologia e então mudou para neurociência, qual foi sua lógica na época?

A mudança foi natural. A psicologia forneceu um lado da “moeda de treinamento” – o estudo de fenômenos psicológicos. No entanto, se alguém está interessado no que mecanicamente causa pensamentos e comportamento, inevitavelmente chega a estudar o órgão responsável pelos pensamentos, e acaba estudando Neurociência!

Quando você percebeu que queria aplicar sua compreensão do cérebro humano para emular o cérebro humano em um sistema de IA?

O próximo passo, da Neurociência para a IA, é mais complicado. Enquanto a Neurociência se preocupa com o estudo detalhado da anatomia e fisiologia do sistema nervoso e como os cérebros dão origem ao comportamento, outro caminho complementar para alcançar uma compreensão ainda maior é construir uma versão sintética deles. Uma analogia que gosto de dar é que se pode obter uma compreensão parcial de como um motor funciona removendo um cilindro e o radiador e concluindo que cilindros e radiadores são importantes no funcionamento do motor. Outra forma mais profunda de entender um motor é construí-lo do zero – ou seja, estudar a inteligência construindo uma versão sintética (artificial) dela.

Quais são alguns dos primeiros projetos de aprendizado profundo que você trabalhou?

Em 2009, para a DARPA, trabalhamos em um “emulação de todo o cérebro” para um robô autônomo usando um chip avançado projetado pela Hewlett Packard. Em resumo, nossa tarefa era emular o cérebro e alguns dos principais comportamentos autônomos e de aprendizado de um pequeno roedor em um fator de forma que o tornasse portátil e implementável em hardware pequeno.

Pode compartilhar a história de criação da Neurala?

A Neurala como empresa começou em 2006 para conter alguns trabalhos de patente sobre o uso de GPUs (Unidades de Processamento Gráfico) para aprendizado profundo. Embora isso possa ser considerado trivial hoje, na época, as GPUs não eram usadas para IA, e nós pioneiramos esse conceito imaginando que cada pixel em uma placa gráfica poderia ser usado para processar um neurônio (em vez de uma seção de uma cena para renderizar na tela). Graças ao paralelismo das GPUs, que imita nosso cérebro paralelo a um (comercialmente viável) grau, conseguimos alcançar velocidade de aprendizado e execução para nossos algoritmos que, de repente, tornaram a IA e o Aprendizado Profundo práticos. Tivemos que esperar alguns anos para sair da academia, pois o mundo “pegou” (nós já éramos firmes crentes!) na realidade da IA. Em 2013, tiramos a empresa do modo stealth (pois já éramos financiados pela NASA e Laboratórios de Pesquisa da Força Aérea) e entramos no programa Boston Tech Stars. A partir daí, começamos a contratar alguns funcionários e levantamos capital privado. Ainda assim, não foi até 2017 que, com uma injeção fresca de capital e a indústria amadurecendo ainda mais, conseguimos realizar os primeiros deploys importantes e colocar nossa IA em 56 milhões de dispositivos, variando de câmeras, smartphones, drones e robôs.

Um dos primeiros projetos da Neurala foi trabalhar no rover da NASA em Marte. Pode compartilhar conosco os destaques desse projeto?

A NASA tinha um problema muito específico: queriam explorar tecnologia para alimentar missões não tripuladas futuras, onde o sistema autônomo (por exemplo, um rover) não dependeria do controle passo a passo da missão de controle da Terra. Atrasos de comunicação tornam esse controle impossível – lembre-se de como a comunicação era desajeitada entre a Terra e Matt Damon no filme “O Marciano”. Nossa solução: dotar cada rover de um cérebro próprio. A NASA se voltou para nós, pois já éramos vistos como especialistas em construir esses “mini-cérebros” autônomos com a DARPA, para dotar um rover de um sistema de Aprendizado Profundo de pequeno fator capaz não apenas de rodar no robô, mas também adaptar em tempo real e aprender coisas novas enquanto o robô opera. Isso inclui objetos novos (por exemplo, rochas, sinais de água, etc.) à medida que são encontrados e criar um mapa significativo de um planeta inexplorado. O desafio foi enorme, mas também foi o pagamento: uma tecnologia de Aprendizado Profundo capaz de rodar em uma potência de processamento muito pequena e aprender com apenas um pedaço de dados (por exemplo, uma imagem). Isso foi além do que o Aprendizado Profundo era capaz de realizar na época (e mesmo hoje!).

A Neurala projetou o Lifelong-DNN, pode explicar como isso difere de um DNN regular e quais são as vantagens que oferece?

Projetado para o caso de uso da NASA acima, o Lifelong DNN, como o nome indica, pode aprender durante todo o seu ciclo de vida. Isso é diferente dos DNNs tradicionais, que podem ser treinados ou realizar uma “inferência” (ou seja, uma classificação). No L-DNN, como nos humanos, não há diferença entre aprender e classificar. Toda vez que olhamos para algo, classificamos (isto é uma cadeira) e aprendemos sobre isso (esta cadeira é nova, nunca a vi antes, agora sei um pouco mais sobre ela). Diferentemente dos DNNs, o L-DNN está sempre aprendendo e confrontando o que sabe sobre o mundo, o que é nova informação apresentada, e é naturalmente capaz de entender anomalias. Por exemplo, se um dos meus filhos brincou comigo e pintou minha cadeira de rosa, eu a reconheceria imediatamente. Desde que meu L-DNN aprendeu ao longo do tempo que minha cadeira é preta, e quando minha percepção dela não coincide com minha memória dela, o L-DNN produziria um sinal de anomalia. Isso é usado nos produtos da Neurala de várias maneiras (Veja abaixo).

Pode discutir o que é o Brain Builder custom vision AI e como ele habilita aplicações de robótica mais rápidas, fáceis e menos caras?

Como o L-DNN naturalmente aprende sobre o mundo e pode entender se algo é anômalo ou desvia de um padrão aprendido, o produto da Neurala, Brain Builder e VIA (Visual Inspection Automation), são usados para configurar rapidamente tarefas de inspeção visual usando apenas algumas imagens de “produtos bons”. Por exemplo, em um ambiente de produção, pode-se usar 20 imagens de “garrafas boas” e criar uma inspeção visual de qualidade “mini-cérebro” capaz de reconhecer garrafas boas ou quando uma garrafa ruim (por exemplo, uma com uma tampa quebrada) é produzida. Isso pode ser feito com o L-DNN muito facilmente, rapidamente e em um CPU simples, aproveitando a tecnologia da NASA construída em mais de 10 anos de intensa pesquisa e desenvolvimento.

Em uma entrevista anterior, você recomendou que empreendedores sempre visem começar um negócio que seja ligeiramente impossível. Você sentiu que a Neurala era ligeiramente impossível quando você primeiro lançou a empresa?

Ainda me lembro do meu amigo e colega, Anatoli, cuspindo seu espresso quando eu disse “um dia, nossa tecnologia rodará em um celular”. Soava impossível, mas tudo o que você precisava fazer era imaginar e trabalhar para isso. Hoje, ela roda em milhões de telefones. Nós imaginamos um mundo onde milhares de olhos artificiais podem detectar máquinas industriais e processos para fornecer um nível de qualidade e controle anteriormente inimaginável, anteriormente impossível, pois consumiriam milhares de pessoas por máquina. Espero que ninguém esteja bebendo espresso enquanto lê isso….

Obrigado pela grande entrevista, a Neurala é claramente uma empresa que devemos manter em nosso radar. Os leitores que desejam aprender mais devem visitar Neurala.