Макс Версаче, генеральный директор и сооснователь Neurala – Серия интервью

Доктор Массимилиано Версаче является сооснователем и генеральным директором Neurala, и видение компании. После своей пионерской работы в области вычислений, вдохновленных мозгом, и глубоких сетей, он продолжает вдохновлять и лидировать в мире автономной робототехники. Он выступал на десятках мероприятий и площадках, включая TedX, НАСА, Пентагон, GTC, InterDrone, Национальные лаборатории, Исследовательские лаборатории ВВС, HP, iRobot, Samsung, LG, Qualcomm, 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 приходит к изучению органа, ответственного за мысли, и начинает изучать нейробиологию!

Когда вы осознали, что хотите применить свое понимание человеческого мозга к模拟 человеческого мозга в системе ИИ?

Следующий шаг, от нейробиологии к ИИ, более сложный. Хотя нейробиология занимается подробным изучением анатомии и физиологии нервной системы и того, как мозг порождает поведение, другой дополнительный путь к более глубокому пониманию – построить синтетическую версию их. Аналогию, которую я люблю давать, заключается в том, что можно получить частичное понимание того, как работает двигатель, сняв 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, построив синтетическую (искусственную) версию его.

Какие из ранних проектов глубокого обучения вы работали?

В 2009 году для DARPA мы работали над созданием “模拟 целого мозга” для автономного робота с помощью 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.

Не могли бы вы рассказать историю создания Neurala?

Neurala как компания была основана в 2006 году для содержания некоторых патентных работ, связанных с использованием GPU (графических процессоров) для глубокого обучения. Хотя это может показаться тривиальным сегодня, в то время GPU не использовались для ИИ, и мы были пионерами этого концепта, представляя, что каждый пиксель в графической карте можно использовать для обработки нейрона (а не секции сцены для отображения на экране). Благодаря параллелизму GPU, который имитирует наш мозг параллельно (в коммерчески жизнеспособной степени), мы смогли достичь скорости обучения и выполнения наших алгоритмов, что сделало ИИ и глубокое обучение практичными. Нам пришлось подождать еще несколько лет, чтобы покинуть академию, поскольку мир “догонял” (мы уже были坚кими верителями!) реальность ИИ. В 2013 году мы вывели компанию из режима скрытности (поскольку мы уже были профинансированы НАСА 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 осуществить первые важные развертывания и установить наш ИИ на 56 миллионах устройств, от камер до смартфонов, дронов и роботов.

Одним из ранних проектов Neurala было сотрудничество с НАСА над марсоходом. Не могли бы вы рассказать нам об этом проекте?

У НАСА была очень конкретная проблема: они хотели изучить технологию для питания будущих беспилотных миссий, где автономная система (например, марсоход) не будет полагаться на пошаговое руководство центра управления миссией на Земле. Задержки связи делают это управление невозможным – просто вспомните, как неуклюже была связь между Землей и Мэттом Деймоном в фильме “Марсианин”. Наше решение: дать каждому марсоходу свой собственный мозг. НАСА обратилась к нам, поскольку мы уже были признаны экспертами в построении этих автономных “мини-мозгов” с DARPA, чтобы дать марсоходу небольшую систему глубокого обучения, способную 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. Вызов был огромным, 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 превосходило то, что глубокое обучение могло достичь в то время (и даже сегодня!).

Neurala разработала Lifelong-DNN, можете ли вы рассказать, чем она отличается от обычной DNN и какие преимущества она предлагает?

Разработанная для вышеупомянутого случая НАСА, Lifelong DNN, как следует из названия, может учиться на протяжении всего жизненного цикла. Это отличается от традиционных глубоких нейронных сетей (DNN), которые могут быть либо обучены, либо выполнять “инференцию” (а именно, 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 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, представленной ему, и естественно способен понимать аномалии. Например, если один из моих детей сыграл со мной шутку и покрасил мой стул в розовый цвет, я сразу узнал бы его. Поскольку мой L-DNN научился за годы, что мой стул черный, и когда мое восприятие его не совпадает с моей памятью о нем, L-DNN произведет сигнал аномалии. Это используется в продуктах Neurala разными способами (см. ниже).

Не могли бы вы обсудить, что такое Brain Builder custom vision AI, и как она позволяет создавать более быстрые, простые 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 быстрой настройки задач визуального осмотра с помощью всего нескольких изображений “хороших продуктов”. Например, в производственной среде можно использовать 20 изображений “хороших бутылок” и создать “мини-мозг” визуального контроля качества, способный распознавать хорошие бутылки или когда производится бутылка с поломанным колпачком. Это можно сделать с L-DNN очень легко, быстро и на простом процессоре, используя технологию, разработанную НАСА за более чем 10 лет интенсивных исследований и разработок.

В предыдущем интервью вы рекомендовали предпринимателям всегда стремиться к созданию бизнеса, 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 невообразимый уровень качества и контроля, ранее невозможный, поскольку они потребовали бы тысяч людей на машину. Надеюсь, никто не пьет эспрессо, читая это….

Спасибо за отличный интервью, Neurala явно является компанией, которую мы должны держать на нашем радаре. Читатели, которые хотят узнать больше, должны посетить Neurala.