Yashar Behzadi, o CEO da Synthesis AI – Série de Entrevistas

Yashar Behzadi PhD é o CEO e Fundador da Synthesis AI. Ele é um empreendedor experiente que construiu empresas transformadoras em IA, tecnologia médica e mercados de IoT. Ele passou os últimos 14 anos no Vale do Silício construindo e escalando empresas de tecnologia centradas em dados. Yashar tem mais de 30 patentes e patentes pendentes e um PhD pela UCSD com foco em modelagem espacial-temporal de imagens de ressonância magnética funcional do cérebro.

Synthesis AI é uma startup na interseção do aprendizado profundo e CGI, criando um novo paradigma para o desenvolvimento de modelos de visão computacional. Eles permitem que os clientes desenvolvam melhores modelos em uma fração do tempo e do custo das abordagens tradicionais baseadas em anotação humana.

Como você se envolveu inicialmente com ciência da computação e IA?

Eu obtive um PhD pela UCSD em 2006, focado em visão computacional e modelagem espacial e temporal de dados de imagens de ressonância magnética do cérebro. Em seguida, trabalhei no Vale do Silício, na interseção de sensores, dados e aprendizado de máquina, em várias indústrias, durante os 16 anos seguintes. Sinto-me muito afortunado por ter a oportunidade de trabalhar em algumas tecnologias notáveis e tenho mais de 30 patentes emitidas ou arquivadas, focadas em processamento de sinais, aprendizado de máquina e ciência de dados.

Poderia compartilhar a história de gênese da Synthesis AI?

Antes de fundar a Synthesis AI em 2019, eu liderava uma empresa global de serviços de IA, focada no desenvolvimento de modelos de visão computacional para empresas de tecnologia líderes. Não importa o tamanho da empresa, descobri que estávamos extremamente limitados pela qualidade e quantidade de dados de treinamento rotulados. À medida que as empresas expandiam geograficamente, cresciam sua base de clientes ou desenvolviam novos modelos e hardware, novos dados de treinamento eram necessários para garantir que os modelos funcionassem adequadamente. Também ficou claro que o futuro da visão computacional não seria bem-sucedido com o paradigma atual de anotação humana. Aplicações emergentes de visão computacional em autonomia, robótica e aplicações de AR/VR/metaverso exigem um conjunto rico de rótulos 3D, informações de profundidade, propriedades de material, segmentação detalhada, etc., que os humanos não podem rotular. Um novo paradigma era necessário para fornecer o conjunto necessário de rótulos para treinar esses novos modelos. Além dos drivers técnicos, vimos uma crescente escrutínio do consumidor e regulatório em torno de questões éticas relacionadas a viés de modelo e privacidade do consumidor.

Eu estabeleci a Synthesis AI com o objetivo de transformar o paradigma de visão computacional. A plataforma de geração de dados sintéticos da empresa permite a geração sob demanda de dados de imagem fotorealistas com um conjunto expandido de rótulos perfeitos em pixel. Nossa missão é pioneira em tecnologias de dados sintéticos para permitir o desenvolvimento ético de modelos mais capazes.

Para os leitores que não estão familiarizados com esse termo, poderia definir o que é dados sintéticos?

Dados sintéticos são dados gerados por computador que servem como alternativa aos dados do mundo real. Dados sintéticos são criados em mundos digitais simulados, em vez de serem coletados ou medidos no mundo real. Combinando ferramentas do mundo de efeitos visuais e CGI com modelos de IA gerativos, a Synthesis AI permite que as empresas criem vastas quantidades de dados diversificados e fotorealistas sob demanda para treinar modelos de visão computacional. A plataforma de geração de dados da empresa reduziu o custo e a velocidade para obter dados de imagem de alta qualidade por ordens de magnitude, preservando a privacidade.

Poderia discutir como os dados sintéticos são gerados?

Um conjunto de dados sintéticos é criado artificialmente, em vez de por meio de dados do mundo real. Tecnologias da indústria de efeitos visuais são acopladas com redes neurais gerativas para criar vastos, diversificados e fotorealistas dados de imagem rotulados. Dados sintéticos permitem a criação de dados de treinamento em uma fração do custo e do tempo das abordagens atuais.

Como a utilização de dados sintéticos cria uma vantagem competitiva?

Atualmente, a maioria dos sistemas de IA utiliza ‘aprendizado supervisionado’, onde os humanos rotulam atributos-chave em imagens e, em seguida, treinam algoritmos de IA para interpretar imagens. Esse é um processo intensivo em recursos e tempo e é limitado pelo que os humanos podem rotular com precisão. Além disso, preocupações com viés demográfico de IA e privacidade do consumidor foram amplificadas, tornando cada vez mais difícil obter dados humanos representativos.

Nossa abordagem é criar mundos digitais fotorealistas que sintetizam dados de imagem complexos. Como geramos os dados, sabemos tudo sobre as cenas, incluindo informações nunca antes disponíveis sobre a localização 3D de objetos e suas interações complexas entre si e com o ambiente. Adquirir e rotular essa quantidade de dados usando abordagens atuais levaria meses, se não anos. Esse novo paradigma permitirá uma melhoria de 100x na eficiência e no custo e impulsionará uma nova classe de modelos mais capazes.

Como os dados sintéticos são gerados artificialmente, isso elimina muitos vieses e preocupações de privacidade com a coleta tradicional de conjuntos de dados do mundo real.

Como a geração de dados sob demanda permite a escalabilidade acelerada?

Capturar e preparar dados do mundo real para o treinamento de modelos é um processo longo e tedioso. Implantar o hardware necessário pode ser proibitivamente caro para sistemas de visão computacional complicados, como veículos autônomos, robótica ou imagens de satélite. Uma vez que os dados são capturados, os humanos rotulam e anotam recursos essenciais. Esse processo é propenso a erros e os humanos são limitados em sua capacidade de rotular informações-chave, como a posição 3D necessária para muitas aplicações.

Dados sintéticos são muito mais rápidos e baratos do que as abordagens tradicionais de dados reais anotados por humanos e acelerarão a implantação de novos e mais capazes modelos em várias indústrias.

Como os dados sintéticos permitem a redução ou prevenção de viés de IA?

Sistemas de IA estão onipresentes, mas podem conter vieses inerentes que podem impactar grupos de pessoas. Conjuntos de dados podem ser desequilibrados com certas classes de dados e grupos de pessoas super ou sub-representados. Construir sistemas humanocêntricos pode frequentemente levar a vieses de gênero, etnia e idade. Em contraste, dados de treinamento gerados por design são adequadamente equilibrados e carecem de vieses humanos.

Dados sintéticos podem se tornar uma solução robusta para resolver o problema de viés de IA. Dados sintéticos são gerados parcial ou completamente artificialmente, em vez de medidos ou extraídos de eventos ou fenômenos do mundo real. Se o conjunto de dados não for diversificado ou grande o suficiente, dados de IA gerados podem preencher as lacunas e formar um conjunto de dados não tendencioso. A melhor parte? Criar manualmente esses conjuntos de dados pode levar equipes vários meses ou anos para concluir. Com dados sintéticos, isso pode ser feito durante a noite.

Além da visão computacional, quais são alguns outros casos de uso potenciais para dados sintéticos?

Além da multitude de casos de uso de visão computacional relacionados a produtos de consumo, autonomia, robótica, AR/VR/metaverso e mais, dados sintéticos também impactarão outras modalidades de dados. Já estamos vendo empresas aproveitarem abordagens de dados sintéticos para dados tabulares estruturados, processamento de voz e linguagem natural. As tecnologias e pipelines de geração subjacentes diferem para cada modalidade e, no futuro próximo, esperamos ver sistemas multi-modais (por exemplo, vídeo + voz).

Há algo mais que você gostaria de compartilhar sobre a Synthesis AI?

No final do ano passado, lançamos HumanAPI, uma expansão significativa das capacidades de dados sintéticos da Synthesis AI, permitindo a geração programática de milhões de humanos digitais 3D únicos e de alta qualidade. Esse anúncio ocorre meses após o lançamento do produto de dados sintéticos como serviço FaceAPI, que já forneceu mais de 10 milhões de imagens faciais rotuladas para empresas líderes de smartphones, teleconferência, automóveis e tecnologia. HumanAPI é o próximo passo na jornada da empresa para apoiar aplicações avançadas de IA de visão computacional.

HumanAPI também permite uma miríade de novas oportunidades para nossos clientes, incluindo assistentes de IA inteligentes, treinadores de fitness virtuais e, claro, o mundo de aplicações de metaverso.

Ao criar um duplo digital do mundo real, o metaverso permitirá novas aplicações, desde redes sociais reimaginadas, experiências de entretenimento, teleconferência, jogos e mais. A IA de visão computacional será fundamental para como o mundo real é capturado e recriado com alta fidelidade no reino digital. Humanos fotorealistas, expressivos e comportamentalmente precisos serão um componente essencial do futuro das aplicações de visão computacional. HumanAPI é o primeiro produto a permitir que as empresas criem vastas quantidades de dados de corpo inteiro perfeitamente rotulados sob demanda para construir modelos de IA mais capazes, incluindo estimativa de pose, reconhecimento de emoção, caracterização de atividade e comportamento, reconstrução facial e mais.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Synthesis AI.