Макс Версаче, генеральный директор и сооснователь Neurala – Интервью

Доктор Массимилиано Версаче является сооснователем и генеральным директором Neurala, и видением компании. После своей пионерской работы в области вычислений, вдохновленных мозгом, и глубоких сетей, он продолжает вдохновлять и возглавлять мир автономной робототехники. Он выступал на десятках мероприятий и площадках, включая TedX, NASA, Пентагон, GTC, InterDrone, Национальные лаборатории, Исследовательские лаборатории ВВС, HP, iRobot, Samsung, LG, Qualcomm (QCOM ), Ericsson, BAE Systems, AI World, Mitsubishi, ABB и Accenture, среди многих других.

Вы изначально изучали психологию, а затем перешли к нейробиологии, какова была ваша логика в то время?

Переход был естественным. Психология дала одну сторону “монеты обучения” – изучение психологических явлений. Однако, если кто-то интересуется тем, что механически вызывает мысли и поведение, он неизбежно оказывается изучающим орган, ответственный за мысли, и начинает изучать нейробиологию!

Когда вы поняли, что хотите применить свое понимание человеческого мозга к模ированию человеческого мозга в системе ИИ?

Следующий шаг, нейробиология к ИИ, более сложный. Хотя нейробиология занимается подробным изучением анатомии и физиологии нервной системы и того, как мозг порождает поведение, другой补充ный путь к достижению еще большего понимания – построить синтетическую версию их. Аналогия, которую я люблю давать, заключается в том, что можно получить частичное понимание того, как работает двигатель, сняв с него цилиндр и радиатор и заключив, что цилиндры и радиаторы важны для функционирования двигателя. Другой, более глубокий способ понять двигатель – построить его с нуля, а именно изучать интеллект, строя синтетическую (искусственную) версию его.

Какие были некоторые из ранних проектов глубокого обучения, над которыми вы работали?

В 2009 году для DARPA мы работали над созданием “модели整个 мозга” для автономного робота с использованием передовой микросхемы, разработанной Hewlett Packard. В двух словах, нашей задачей было смоделировать мозг и некоторые ключевые автономные и обучающие поведения небольшого грызуна в форм-факторе, который сделал бы его пригодным для переноски и реализации на небольшом оборудовании.

Можете ли вы рассказать историю создания Neurala?

Neurala как компания была основана в 2006 году для содержания некоторых патентных работ по использованию GPU (графических процессоров) для глубокого обучения. Хотя это может показаться тривиальным сегодня, в то время GPU не использовались для ИИ вообще, и мы были пионерами этой концепции, представляя, что каждый пиксель на графической карте можно использовать для обработки нейрона (а не секции сцены для рендеринга на экране). Благодаря параллелизму GPU, который имитирует наш мозг параллельно (в коммерчески жизнеспособной степени), мы смогли добиться скорости обучения и выполнения наших алгоритмов, что вдруг сделало ИИ и глубокое обучение практичными. Нам пришлось подождать несколько лет, чтобы покинуть академию, поскольку мир “догнал” (мы уже были убежденными!) реальность ИИ. В 2013 году мы вывели компанию из режима скрытности (поскольку мы уже были профинансированы NASA и исследовательскими лабораториями ВВС) и вошли в программу Boston Tech Stars. Оттуда мы начали нанимать несколько сотрудников и привлекать частный капитал. Однако только в 2017 году, с свежим вливанием капитала и дальнейшим созреванием отрасли, мы смогли обеспечить первые важные развертывания и разместить наш ИИ на 56 миллионах устройств, от камер до смартфонов, дронов и роботов.

Одним из ранних проектов Neurala было сотрудничество с NASA по марсоходу. Можете ли вы рассказать нам об этом проекте?

NASA имела очень конкретную проблему: они хотели изучить технологии для будущих беспилотных миссий, где автономная система (например, марсоход) не полагалась бы на пошаговое руководство центра управления с Земли. Задержки связи делают это управление невозможным – просто вспомните, как было неуклюже общение между Землей и Мэттом Деймоном в фильме “Марсианин”. Наше решение: дать каждому марсоходу свой “мозг”. NASA обратилась к нам, поскольку мы уже были признаны экспертами в построении этих автономных “мини-мозгов” с DARPA, чтобы дать марсоходу небольшой фактор глубокой системы обучения, способной не только работать на роботе, но и адаптироваться в реальном времени и учиться новому, когда робот работает. Это включает новые объекты (например, камни, признаки воды и т. д.), когда они встречаются, и создают осмысленную карту неисследованной планеты. Задача была огромной, но и вознаграждение было огромным: технология глубокого обучения, способная работать на очень маленькой мощности обработки и учиться даже на одном образце данных (например, на одном изображении). Это вышло за рамки того, что глубокое обучение могло достичь в то время (и даже сегодня!).

Neurala разработала Lifelong-DNN, можете ли вы рассказать об этом и о том, чем он отличается от обычной DNN?

Разработанный для случая NASA выше, Lifelong DNN, как следует из названия, может учиться на протяжении всего своего жизненного цикла. Это отличается от традиционных глубоких нейронных сетей (DNN), которые могут быть либо обучены, либо выполнять “инференцию” (т. е. классификацию). В L-DNN, как и у людей, нет разницы между обучением и классификацией. Каждый раз, когда мы смотрим на что-то, мы и “классифицируем” его (это стул), и учимся о нем (этот стул новый, никогда не видел его раньше, теперь я знаю немного больше о нем). В отличие от DNN, L-DNN всегда учится и сталкивается с тем, что он знает о мире, с новой информацией, и естественно способен понимать аномалии. Например, если один из моих детей поиграл со мной шутку и покрасил мой стул в розовый цвет, я сразу узнал бы его. Поскольку мой L-DNN научился за время, что мой стул черный, и когда мое восприятие его не совпадает с моей памятью о нем, L-DNN произвел бы сигнал аномалии. Это используется в продуктах Neurala различными способами (см. ниже).

Можете ли вы рассказать о Brain Builder и том, как он позволяет создавать быстрые, легкие и менее дорогие робототехнические приложения?

Поскольку L-DNN естественно учится о мире и может понимать, если что-то аномально или отклоняется от изученного стандарта, продукт Neurala, Brain Builder и VIA (Visual Inspection Automation), используются для быстрого создания задач визуального осмотра с помощью всего нескольких изображений “хороших продуктов”. Например, в производственной среде можно использовать 20 изображений “хороших бутылок” и создать визуальный осмотр “мини-мозга”, способного распознавать хорошие бутылки или когда производится плохая бутылка (например, с сломанной крышкой). Это можно сделать с L-DNN очень легко, быстро и на простом CPU, используя технологию NASA, разработанную за более чем 10 лет интенсивных исследований и разработок.

В предыдущем интервью вы рекомендовали предпринимателям всегда стремиться начинать бизнес, который немного невозможен. Чувствовали ли вы, что Neurala была немного невозможна, когда вы впервые запустили компанию?

Я все еще помню, как мой друг и коллега, Анатолий, выплюнул свой эспрессо, когда я сказал: “однажды наша технология будет работать на мобильном телефоне”. Это звучало невозможным, но все, что нужно было сделать, – представить и работать над этим. Сегодня она работает на миллионах телефонов. Мы представляем себе мир, где тысячи искусственных глаз могут обнаружить промышленные машины и процессы, чтобы обеспечить ранее немыслимый уровень качества и контроля, ранее невозможный, поскольку они потребовали бы тысяч людей на машину. Надеюсь, никто не пьет эспрессо, читая это….

Спасибо за отличное интервью, Neurala – это явно компания, которую мы должны держать на нашем радаре. Читателям, которые хотят узнать больше, следует посетить Neurala.