Yashar Behzadi, CEO-ul Synthesis AI – Seria de interviuri

Yashar Behzadi PhD este CEO și fondator al Synthesis AI. El este un antreprenor experimentat care a construit afaceri transformaționale în domeniul inteligenței artificiale, tehnologiei medicale și IoT. A petrecut ultimii 14 ani în Silicon Valley, construind și extinzând companii de tehnologie axate pe date. Yashar are peste 30 de brevete și brevete în așteptare și un doctorat de la UCSD, cu accent pe modelarea spațial-temporală a imaginilor funcționale ale creierului.

Synthesis AI este o companie startup la intersecția învățării profunde și a tehnologiei CGI, creând un nou paradigm pentru dezvoltarea modelului de viziune computerizată. Ei permit clienților să dezvolte modele mai bune la o fracțiune din timpul și costul abordărilor tradiționale bazate pe etichetarea umană.

Cum ai fost implicat inițial în știința computerului și inteligența artificială?

Am obținut un doctorat de la UCSD în 2006, axat pe viziunea computerizată și modelarea spațială și temporală a datelor de imagistică a creierului. Apoi am lucrat în Silicon Valley la intersecția senzorilor, datelor și învățării automate în diferite industrii, timp de 16 ani. Mă simt foarte norocos să am ocazia de a lucra la tehnologii remarcabile și am peste 30 de brevete emise sau depuse, axate pe prelucrarea semnalelor, învățarea automată și știința datelor.

Poți să ne împărtășești povestea de origine a Synthesis AI?

Înainte de a fonda Synthesis AI în 2019, am condus o companie globală de servicii AI, axată pe dezvoltarea de modele de viziune computerizată pentru întreprinderi tehnologice de top. Indiferent de mărimea companiei, am constatat că eram extrem de limitați de calitatea și cantitatea de date de antrenare etichetate. Pe măsură ce companiile se extindeau geografic, creșteau baza de clienți sau dezvoltau noi modele și hardware, era necesară o cantitate nouă de date de antrenare pentru a asigura funcționarea adecvată a modelelor. De asemenea, a devenit clar că viitorul viziunii computerizate nu va fi de succes cu paradigmele actuale de etichetare umană. Aplicațiile emergente de viziune computerizată în autonomie, robotică și realitate virtuală/metavers necesită un set bogat de etichete 3D, informații de adâncime, proprietăți ale materialelor, segmentare detaliată etc., pe care oamenii nu le pot eticheta. Era necesar un nou paradigm pentru a furniza setul necesar de etichete pentru a antrena aceste noi modele. În plus, am văzut o creștere a atenției consumatorilor și a reglementărilor privind problemele etice legate de polarizarea modelului și confidențialitatea consumatorului.

Am fondat Synthesis AI cu scopul de a transforma paradigmele de viziune computerizată. Platforma noastră de generare de date sintetice permite generarea la cerere a datelor de imagine fotorealiste, cu un set extins de etichete pixel-perfect 3D. Misiunea noastră este de a pioniera tehnologiile de date sintetice pentru a permite dezvoltarea etică a unor modele mai capabile.

Pentru cititorii care nu sunt familiarizați cu acest termen, poți să definescă ce este datele sintetice?

Datele sintetice sunt date generate de computer care servesc ca o alternativă la datele lumii reale. Datele sintetice sunt create în lumi digitale simulate, mai degrabă decât colectate din lumea reală. Combinând instrumente din lumea efectelor vizuale cu modele de inteligență artificială generativă, Synthesis AI permite companiilor să creeze cantități uriașe de date diverse și fotorealiste la cerere, pentru a antrena modele de viziune computerizată. Platforma noastră de generare de date a redus costul și viteza de obținere a datelor de imagine de înaltă calitate, prin ordin de mărime, păstrând în același timp confidențialitatea.

Poți să discuți despre modul în care se generează datele sintetice?

Un set de date sintetice este creat artificial, mai degrabă decât prin date din lumea reală. Tehnologiile din industria efectelor vizuale sunt cuplate cu rețele neuronale generative pentru a crea cantități uriașe de date de imagine etichetate și fotorealiste. Datele sintetice permit crearea de date de antrenare la o fracțiune din costul și timpul abordărilor actuale.

Cum utilizează datele sintetice pentru a crea un avantaj competitiv?

În prezent, majoritatea sistemelor de inteligență artificială utilizează “învățarea supravegheată”, în care oamenii etichetează atribute cheie în imagini și apoi antrenează algoritmii de inteligență artificială pentru a interpreta imaginile. Acesta este un proces care consumă resurse și timp și este limitat de ceea ce oamenii pot eticheta cu acuratețe. În plus, preocupările privind polarizarea inteligenței artificiale și confidențialitatea consumatorului au crescut, făcând tot mai dificilă obținerea de date reprezentative umane.

Abordarea noastră este de a crea lumi digitale fotorealiste care sintetizează date de imagine complexe. Deoarece generăm datele, știm totul despre scene, inclusiv informații despre care nu au fost disponibile anterior, cum ar fi locația 3D a obiectelor și interacțiunile lor complexe cu mediul. Obținerea și etichetarea acestei cantități de date utilizând abordările actuale ar dura luni, dacă nu ani. Acest nou paradigm va permite o îmbunătățire de 100 de ori a eficienței și a costului și va conduce la o nouă clasă de modele mai capabile.

Deoarece datele sintetice sunt generate artificial, acest lucru elimină multe dintre polarizările și preocupările privind confidențialitatea asociate cu colectarea tradițională de date din lumea reală.

Cum permite generarea de date la cerere accelerarea scalării?

Capturarea și pregătirea datelor din lumea reală pentru antrenarea modelului este un proces lung și laborios. Implementarea hardware-ului necesar poate fi prohibitiv de scumpă pentru sisteme de viziune computerizată complicate, cum ar fi vehicule autonome, robotică sau imagistică prin satelit. Odată ce datele sunt capturate, oamenii etichetează și anotează caracteristici esențiale. Acest proces este predispus la erori, iar oamenii sunt limitați în capacitatea lor de a eticheta informații cheie, cum ar fi poziția 3D necesară pentru multe aplicații.

Datele sintetice sunt de ordin de mărime mai rapide și mai ieftine decât abordările tradiționale de date reale etichetate de oameni și vor accelera implementarea de noi și mai capabile modele în diferite industrii.

Cum permit datele sintetice reducerea sau prevenirea polarizării inteligenței artificiale?

Sistemele de inteligență artificială sunt omniprezente, dar pot conține polarizări înscrise care pot afecta grupuri de oameni. Seturile de date pot fi dezechilibrate, cu anumite clase de date supra- sau subreprezentate. Construirea de sisteme centrate pe oameni poate duce adesea la polarizări de gen, etnie și vârstă. În contrast, datele de antrenare generate prin proiectare sunt echilibrate și lipsite de polarizări umane.

Datele sintetice pot deveni o soluție robustă pentru rezolvarea problemei polarizării inteligenței artificiale. Datele sintetice sunt generate parțial sau complet artificial, mai degrabă decât măsurate sau extrase din evenimente sau fenomene din lumea reală. Dacă setul de date nu este suficient de divers sau de mare, datele generate de inteligența artificială pot completa lacunele și forma un set de date nepolarizat. Cel mai bun lucru? Crearea manuală a acestor seturi de date poate dura echipei câteva luni sau ani pentru a finaliza. Când sunt proiectate cu date sintetice, acest lucru poate fi realizat peste noapte.

În afara viziunii computerizate, ce sunt alte posibile utilizări viitoare pentru datele sintetice?

În plus față de multitudinea de cazuri de utilizare a viziunii computerizate legate de produsele de consum, autonomie, robotică, realitate virtuală/metavers și multe altele, datele sintetice vor avea, de asemenea, un impact asupra altor modalități de date. Suntem deja martorii faptului că companiile utilizează abordări de date sintetice pentru date tabulare structurate, voce și prelucrare a limbajului natural. Tehnologiile și conductele de generare subiacente diferă pentru fiecare modalitate, și în viitorul apropiat, ne așteptăm să vedem sisteme multimodale (de exemplu, video + voce).

Există altceva pe care ai vrea să-l împărtășești despre Synthesis AI?

La sfârșitul anului trecut, am lansat HumanAPI, o extindere semnificativă a capacităților de date sintetice ale Synthesis AI, care permite generarea programatică a milioanelor de oameni digitali unici și de înaltă calitate 3D. Acest anunț vine la câteva luni după lansarea produsului FaceAPI, care a livrat peste 10 milioane de imagini faciale etichetate pentru companii de top din domeniul smartphone-urilor, teleconferințelor, automobilelor și tehnologiei. HumanAPI este următorul pas în călătoria companiei noastre de a sprijini aplicațiile avansate de inteligență artificială.

HumanAPI oferă, de asemenea, o multitudine de noi oportunități pentru clienții noștri, inclusiv asistenți inteligenți, antrenori virtuali de fitness și, desigur, lumea aplicațiilor metavers.

Prin crearea unui dublu digital al lumii reale, metaversul va permite aplicații noi, de la rețele sociale reimaginare, experiențe de divertisment, teleconferințe, jocuri și multe altele. Inteligența artificială a viziunii computerizate va fi fundamentală pentru modul în care lumea reală este capturată și recreată cu fidelitate în domeniul digital. Oamenii fotorealiști, expresivi și comportamentali vor fi o componentă esențială a viitorului aplicațiilor de viziune computerizată. HumanAPI este primul produs care permite companiilor să creeze cantități uriașe de date de corp întreg etichetate la cerere, pentru a construi modele de inteligență artificială mai capabile, inclusiv estimarea poziției, recunoașterea emoțiilor, caracterizarea activității și a comportamentului, reconstrucția facială și multe altele.

Mulțumim pentru acest interviu minunat; cititorii care doresc să afle mai multe despre Synthesis AI ar trebui să viziteze Synthesis AI.