Nick Romano, Bashkëthemelues dhe Drejtor Ekzekutiv i Deeplite – Series Interview

Nick Romano është bashkëthemelues dhe CEO i E thellë një zgjidhje e optimizimit të drejtuar nga AI për t'i bërë rrjetet nervore të thella më të shpejta, më të vogla dhe me efikasitet energjie nga kompjuteri cloud në skaj.

Nick është një sipërmarrës serial dhe CEO i arritur që jep rezultate të suksesshme për më shumë se 20 vjet. Së fundmi ai bashkëthemeloi dhe zgjeroi një platformë ndërmarrjeje SaaS me të ardhura të përsëritura shumë milionë dollarësh dhe mbi 100 punonjës. Ai është nderuar nga McMaster University Engineering si Top 150 Alumni.

Çfarë ju tërhoqi fillimisht te AI?

Unë kam qenë në hapësirën e teknologjisë për më shumë se 25 vjet dhe kam parë shumë cikle dhe tendenca, disa hype dhe disa reale. Inteligjenca artificiale është një fushë dinamike dhe në rritje, dhe ajo që më pëlqen në të është se si teknologjia mund të përdoret vërtet në mënyra të ndryshme për të përmirësuar mënyrën se si njerëzit jetojnë dhe punojnë. Doja të isha pjesë e kësaj lëvizjeje. Megjithatë, ka sfida për të çuar AI në mjediset e botës reale. Duhet shumë kapacitet dhe energji kompjuterike për ta bërë AI të funksionojë siç duhet – është intensive nga ana llogaritëse. Kjo është mirë në një laborator, por nëse është shumë e madhe ose shumë e ngadaltë ose merr shumë energji, është e vështirë të sjellësh AI në skenarë të botës reale. Ky është misioni ynë dhe tërheqja e vërtetë për mua – duke mundësuar AI për jetën e përditshme.

A mund të ndani historinë e gjenezës pas Deeplite?

Ideja për Deeplite filloi në inkubatorin TandemLaunch në Montreal. Davis Sawyer, i cili tani është zyrtari ynë kryesor i produktit dhe një ekspert i fushës së AI, dhe Ehsan Saboori, i cili tani është CTO ynë dhe është me të vërtetë truri pas IP-së sonë, filluan të zhvillojnë teknologjinë atje. Unë u bashkua me ta në 2019-ën, duke sjellë në tryezë kompanitë e mia shumëvjeçare të lidershipit në teknologji dhe shkallëzimit, dhe ne lançuam zyrtarisht Deeplite si kompani në mesin e 2019. Tani kemi mbi 20 punonjës me zyra në Montreal dhe Toronto, dhe e njoftuam një farë Serie prej 6 milionë dollarësh në prill 2021.

Pse është futja e përpunimit të AI drejtpërdrejt në harduer kundrejt cloud-it kaq i rëndësishëm në raste të caktuara përdorimi si automjetet autonome dhe dronët?

Ka shumë arsye pse dëshironi të ekzekutoni konkluzionet tuaja, procesin e vendimmarrjes së AI, në pikën e kapjes së të dhënave kundrejt cloud. Ndoshta arsyeja më e madhe në aplikacionet kritike të misionit si automjetet autonome është ajo që quhet latente, që në thelb do të thotë se sa kohë i duhet AI për të marrë një vendim. Nëse keni nevojë të kapni të dhënat, dërgojini ato në renë kompjuterike për konkluzione, më pas kthejini rezultatet, që padyshim do të zgjasë shumë më shumë sesa ta bësh atë lokalisht në kohë reale. Në drejtimin autonom, milisekondat kanë rëndësi të madhe.

Arsyet e tjera përfshijnë privatësinë, mbajtjen lokale të të dhënave të ndjeshme kundrejt dërgimit në cloud dhe, natyrisht, lidhjen që në mungesë e bën konkluzionin e resë të diskutueshme. Rrjetet komplekse neutrale të thella që drejtojnë AI kërkojnë shumë fuqi llogaritëse për t'u ekzekutuar, ato përdorin shumë memorie dhe konsumojnë shumë energji, kështu që zgjidhjet e AI u detyruan të përdorin renë. Pra, në mënyrë që të dilni nga cloud dhe të bëni AI të funksionojë lokalisht në skajin e një automjeti ose dron për shembull, ju duhet të gjeni një mënyrë për të zvogëluar madhësinë e përgjithshme dhe profilin e fuqisë së modelit, duke e lejuar atë të funksionojë drejtpërdrejt në harduer - pajisje - me shumë më pak burime. Është e rëndësishme të kapërcehet kjo pengesë për të sjellë AI në shumë më tepër pajisje që u shërbejnë njerëzve çdo ditë. Këtu hyn Deeplite.

A mund të na tregoni se çfarë është konkretisht Neutrino Deeplite?

Platforma jonë Neutrino e transformon AI, veçanërisht rrjetet nervore të thella ose DNN-të, në një faktor të ri formë që është më i vogël, më i shpejtë dhe konsumon më pak energji sesa forma e tij origjinale. Me Deeplite Neutrino, ekipet e AI mund të përqendrohen në trajnimin e modeleve të tyre për saktësinë, sa shpesh është vendimi i saktë dhe të përdorin platformën tonë për të optimizuar modelin e AI në mënyrë që të mund të vendoset në harduer të kufizuar në skaj. Deeplite Neutrino e bën këtë pa kompromentuar saktësinë origjinale të AI. Në thelb, ne marrim modele të mëdha të AI dhe i bëjmë ato më të vogla, më të shpejta dhe më efikase në energji. Qëllimi përfundimtar është të nxjerrim AI nga laboratori dhe në botën reale në gjërat që përdorim çdo ditë.

Si është në gjendje Deeplite Neutrino të bëjë AI që është më efikase, më e shpejtë, më e vogël dhe më e fuqishme pa kompromentuar saktësinë e modelit origjinal?

Ne përdorim një qasje të re të projektimit me shumë objektiva të eksplorimit të hapësirës. Ne përdorim modelin origjinal si një lloj modeli "mësues" dhe më pas eksplorojmë arkitekturën e modelit duke kërkuar modelin më të mirë "student" që plotëson kufizimet e projektimit të specifikuara nga përdoruesi Deeplite për të optimizuar automatikisht modelet DNN dhe për t'i bërë ato dukshëm më të shpejta. më i vogël dhe më efikas në fuqi pa sakrifikuar performancën.

Cilat janë disa nga rastet kryesore të përdorimit për përdorimin e këtij lloji të AI?

Ndërsa ne nuk jemi të kufizuar në këtë, fokusi ynë aktual është në vizionin kompjuterik dhe AI ​​të bazuar në perceptim. Teknologjia jonë AI po përdoret në automjete autonome, drone, kamera, telefona celularë, sensorë dhe pajisje të tjera IoT. Kohët e fundit po shohim gjithashtu aplikacione të reja për të, duke përfshirë një furçë dhëmbësh inteligjente dhe një aparat kafeje inteligjente. Ne po punojmë madje me një kompani ndërkombëtare lidere lodrash që po e përdor atë për zhvillimin e lojërave. Ajo që është tepër emocionuese dhe shpërblyese për atë që bëjmë është diversiteti i aplikacioneve që po shohim të dalin në treg ku mund ta ndihmojmë atë të bëhet i gjallë.

Cilat janë pikëpamjet tuaja për mësimin e federuar dhe si do të ndikojë në të ardhmen e mësimit të makinerive?

Modelet e trajnimit kërkojnë shumë të dhëna dhe shumë fuqi llogaritëse. Sa më i madh të jetë diversiteti i rasteve të përdorimit, aq më shumë të dhëna kërkohen dhe aq më shumë kohë llogaritëse nevojitet për të trajnuar modelin në një nivel të kënaqshëm saktësie. Me mësimin e federuar, trajnimi orkestrohet në skajet e çdo pajisjeje bazuar në kushtet lokale të të dhënave. Kjo mund ta bëjë trajnimin më efikas (pse stërviteni për një kangur që kalon rrugën në Alaskë) dhe gjithashtu është një fitore e madhe për privatësinë pasi të dhënat e trajnimit - për shembull, fytyra e dikujt - nuk dërgohen në një server qendror.

Duke pasur parasysh që procesi ynë i optimizimit përfshin atë që ne e quajmë një "lak trajnimi" për të ruajtur saktësinë e modelit të optimizuar, qëllimi ynë përfundimtar do të ishte që ajo që po bëjmë të jetë pjesë e procesit fillestar të trajnimit dhe jo si një kalim i dytë. Tani për tani, kjo është aspiruese, por kjo është pjesë e qëllimit tonë afatgjatë.

Si një startup, si e tërheqni talentin dhe fuqinë e trurit që nevojitet?

Është një sfidë e madhe për të tërhequr talentin e duhur të AI sot – ka shumë pak njerëz atje dhe konkurrenca për të rekrutuar është e lartë. Ekipi ynë është i mrekullueshëm. Ata janë vetë një magnet për talentin. Ne kemi të punësuar të mundshëm që flasin dhe intervistojnë me ekipin tonë. Pasi të shohin kalibrin e njerëzve në Deeplite, ata duan të jenë këtu. Si startup, ne ofrojmë një kulturë të shkëlqyer dhe mundësinë për të punuar në diçka të re dhe në zhvillim që mund të ndryshojë lojën për shumë industri dhe produkte të ndryshme. Mendoj se kjo mundësi, së bashku me ekipin, është çelësi për të tërhequr talentet e lartë. Ne jemi gjithashtu të vendosur në mënyrë strategjike në dy qendra kryesore të AI të Amerikës së Veriut, Montreal dhe Toronto, gjë që ndihmon. Si një kompani kanadeze, ne shfrytëzojmë gjithashtu programin e qeverisë Global Talent Stream. Ne mund të rekrutojmë kudo në botë, të sponsorizojmë punësime të reja dhe t'i gjurmojmë shpejt në Kanada.

A keni ndonjë këshillë për sipërmarrës të tjerë në hapësirën e AI?

Kjo shkon përtej inteligjencës artificiale, por si një sipërmarrës i përsëritur, kam mësuar se sa e rëndësishme është të kesh mbështetje nga familja, sepse vendimi për të qenë një sipërmarrës nuk është një vendim individual – ai ndikon të gjithë – përfshirë bashkëshortët dhe fëmijët. Të gjithë janë pjesë e rrugëtimit me ju dhe të gjithë bëjnë sakrifica. Duhet ta njohësh dhe ta vlerësosh këtë, dhe kështu familjet mund të qëndrojnë së bashku gjatë gjithë udhëtimit.

A ka ndonjë gjë tjetër që dëshironi të ndani në lidhje me Deeplite?

Një nga aspektet unike të Deeplite janë bashkëthemeluesit tanë. Davis është në mesin e të 20-ave dhe është jashtëzakonisht i zgjuar dhe energjik. Ai është padyshim një ekspert i fushës në atë që ne bëjmë. Ehsan është një emigrant iranian me një doktoraturë, dhe siç u përmend më herët, është truri i vërtetë pas IP-së sonë. Dhe unë jam një veteran 50+ vjeçar që ka ndërtuar kompani më parë. Ne të tre jemi një kombinim interesant që sjell në tryezë pika të forta dhe përvojë të ndryshme. Jam shumë mirënjohës që kam partnerë kaq të mirë dhe jam i rrethuar nga një ekip kaq i madh.

Faleminderit për intervistën e mrekullueshme, mezi pres të ndjek përparimin e Deeplite dhe është një kompani që do të jetë në radarin tim. Lexuesit që dëshirojnë të mësojnë më shumë duhet ta vizitojnë E thellë.