Yonatan Geifman, CEO și Co-Fondator al Deci – Seria de Interviuri

Yonatan Geifman este CEO și Co-Fondator al Deci care transformă modelele de inteligență artificială în soluții de producție de înaltă calitate pe orice hardware. Deci a fost recunoscută ca inovator tehnologic pentru Edge AI de către Gartner și a fost inclusă în lista CB Insights’ AI 100. Tehnologia sa proprietară a stabilit noi recorduri la MLPerf cu Intel.

Ce v-a atras inițial spre învățarea mașinilor?

De la o vârstă fragedă, am fost întotdeauna fascinat de tehnologiile de ultimă generație – nu doar utilizându-le, ci și înțelegând cu adevărat cum funcționează.

Această fascinație de-o viață întreagă m-a condus spre studiile mele de doctorat în informatică, unde cercetarea mea s-a axat pe Rețelele Neuronale Profunde (DNN). Pe măsură ce am înțeles această tehnologie critică într-un mediu academic, am început să înțeleg cu adevărat modurile în care inteligența artificială poate avea un impact pozitiv asupra lumii din jurul nostru. De la orașe inteligente care pot monitoriza mai bine traficul și reduce accidentele, la vehicule autonome care necesită puțină sau deloc intervenție umană, la dispozitive medicale care pot salva vieți – există aplicații infinite în care inteligența artificială poate îmbunătăți societatea. Am știut întotdeauna că vreau să particip la acea revoluție.

Puteți împărtăși povestea de origine din spatele Deci AI?

Nu este greu de recunoscut – așa cum am făcut și eu când eram la școala de doctorat – cât de benefică poate fi inteligența artificială în cazuri de utilizare de-a lungul drumului. Însă multe întreprinderi se luptă să valorifice pe deplin potențialul inteligenței artificiale, deoarece dezvoltatorii se confruntă cu o luptă dificilă pentru a dezvolta modele de învățare profundă gata pentru producție. Cu alte cuvinte, este foarte greu să se “produse” inteligența artificială.

Aceste provocări pot fi atribuite în mare măsură golului de eficiență a inteligenței artificiale cu care se confruntă industria. Algoritmii devin exponențial mai puternici și necesită mai multă putere de calcul, dar în același timp trebuie să fie implementați într-un mod eficient din punct de vedere al costurilor, adesea pe dispozitive cu resurse limitate de pe margine.

Co-fondatorii mei, Prof. Ran El-Yaniv, Jonathan Elial și eu am fondat Deci pentru a aborda această provocare. Și am făcut-o în singurul mod pe care l-am văzut posibil – folosind inteligența artificială însăși pentru a crea următoarea generație de învățare profundă. Am adoptat o abordare orientată spre algoritmi, lucrând pentru a îmbunătăți eficacitatea algoritmilor de inteligență artificială în stadiile inițiale, ceea ce va permite dezvoltatorilor să construiască și să lucreze cu modele care oferă cele mai înalte niveluri de acuratețe și eficiență pentru orice hardware de inferență dat.

Învățarea profundă este la baza Deci AI, puteți defini-o pentru noi?

Învățarea profundă, la fel ca și învățarea mașinilor, este un subdomeniu al inteligenței artificiale, menit să împuternicească o nouă eră de aplicații. Învățarea profundă este puternic inspirată de structura creierului uman, de aceea când discutăm despre învățare profundă, discutăm despre “rețele neuronale”. Acest lucru este foarte relevant pentru aplicațiile de pe margine (cum ar fi camerele din orașele inteligente, senzorii de pe vehiculele autonome, soluțiile analitice din sănătate) unde modelele de învățare profundă de pe loc sunt esențiale pentru generarea unor astfel de informații în timp real.

Ce este Căutarea Arhitecturii Neuronale?

Căutarea Arhitecturii Neuronale (NAS) este o disciplină tehnologică menită să obțină modele de învățare profundă mai bune.

Lucrarea pionieră a Google (GOOGL ) asupra NAS în 2017 a ajutat la aducerea subiectului în mainstream, cel puțin în cercetarea și cercurile academice.

Scopul NAS este de a găsi cea mai bună arhitectură de rețea neuronală pentru o problemă dată. Automatizează proiectarea rețelelor neuronale, asigurând o performanță mai ridicată și pierderi mai mici decât arhitecturile proiectate manual. Implică un proces prin care un algoritm caută printre un spațiu agregat de milioane de arhitecturi de modele disponibile, pentru a obține o arhitectură unică, potrivită pentru a rezolva acea problemă particulară. Pentru a pune lucrurile simplu, utilizează inteligența artificială pentru a proiecta noi inteligențe artificiale, pe baza nevoilor specifice ale oricărui proiect dat.

Este utilizată de echipe pentru a simplifica procesul de dezvoltare, a reduce iterațiile de încercare și eroare și a se asigura că ajung la modelul final care poate servi cel mai bine țintelor de acuratețe și performanță ale aplicației.

Care sunt unele dintre limitările Căutării Arhitecturii Neuronale?

Limitările principale ale NAS tradiționale sunt accesibilitatea și scalabilitatea. NAS de astăzi este utilizat în mare parte în medii de cercetare și de obicei este efectuat doar de giganți tehnologici precum Google și Facebook (META ), sau în institute academice precum Stanford, deoarece tehnicile NAS tradiționale sunt complicate și necesită multe resurse computaționale.

De aceea sunt atât de mândru de realizările noastre în dezvoltarea tehnologiei noastre revoluționare AutoNAC (Construcție Automată de Arhitectură Neuronală), care democratizează NAS și permite companiilor de toate dimensiunile să construiască cu ușurință arhitecturi de modele personalizate cu o acuratețe și o viteză mai bună decât cele actuale pentru aplicațiile lor.

Cum este învățarea detecției obiectelor diferită în funcție de tipul de imagine?

În mod surprinzător, domeniul de imagini nu afectează dramatic procesul de antrenare a modelelor de detecție a obiectelor. Indiferent dacă căutați un pieton pe stradă, un tumoră într-o scanare medicală sau un obiect ascuns într-o imagine cu raze X luată de securitatea aeroportuară, procesul este aproximativ același. Datele pe care le utilizați pentru a antrena modelul dvs. trebuie să fie reprezentative pentru sarcina de îndeplinit, iar dimensiunea și structura modelului pot fi afectate de dimensiunea, forma și complexitatea obiectelor din imaginea dvs.

Cum oferă Deci AI o platformă de la cap la coadă pentru învățarea profundă?

Platforma Deci împuternicește dezvoltatorii să construiască, să antreneze și să implementeze modele de învățare profundă precise și rapide în producție. Prin urmare, echipele pot valorifica cele mai recente cercetări și cele mai bune practici de inginerie cu o singură linie de cod, pot scurta timpul de lansare de la luni la câteva săptămâni și pot garanta succesul în producție.

Ați început inițial cu o echipă de 6 persoane și acum deserviți mari întreprinderi. Puteți discuta despre creșterea companiei și despre unele dintre provocările cu care v-ați confruntat?

Suntem încântați de creșterea pe care am realizat-o de la înființare, în 2019. Acum, cu peste 50 de angajați și peste 55 de milioane de dolari în finanțare până în prezent, suntem încrezători că putem continua să ajutăm dezvoltatorii să valorifice pe deplin potențialul inteligenței artificiale. De la lansare, am fost incluși în lista CB Insights’ AI 100, am realizat realizări deosebite, cum ar fi familia noastră de modele care oferă o performanță de învățare profundă revoluționară pe procesoare, și am consolidat colaborări semnificative, inclusiv cu nume mari precum Intel.

Există altceva pe care ați dori să-l împărtășiți despre Deci AI?

După cum am menționat anterior, golul de eficiență a inteligenței artificiale continuă să cauzeze obstacole majore pentru “produsizarea” inteligenței artificiale. “Mutarea spre stânga” – luarea în considerare a constrângerilor de producție devreme în ciclul de dezvoltare, reduce timpul și costul cheltuit pentru remedierea potențialelor obstacole atunci când se implementează modele de învățare profundă în producție. Platforma noastră a dovedit că poate face exact acest lucru, oferind companiilor instrumentele necesare pentru a dezvolta și implementa cu succes soluții de inteligență artificială care pot schimba lumea.

Scopul nostru este simplu – să facem inteligența artificială larg accesibilă, ieftină și scalabilă.

Vă mulțumim pentru acest interviu minunat, cititorii care doresc să afle mai multe despre Deci pot vizita Deci.