Dr. Danny Lange, Senior VP för AI på Unity Technologies – Intervjuer

Dr. Danny B. Lange är VP för AI och maskinlärande på Unity Technologies. Tidigare var Danny chef för maskinlärande på Uber, där han ledde ett arbete för att bygga världens mest mångsidiga maskinlärande-plattform för att stödja Ubers snabba tillväxt.

Vad var det som initialt drog dig till Artificiell Intelligens?

Jag byggde och programmerade datorer från en mycket ung ålder och jag blev nästan omedelbart fascinerad av idén att göra dessa system autonoma. Vad som fascinerar mig med autonomi är de utmaningar du som utvecklare måste övervinna för att skapa ett system som består av sekvenser av rigida kod som kan svara säkert på oförutsedda och aldrig tidigare sedda omständigheter. Området Artificiell Intelligens (AI) har under åren gett oss allt kraftfullare verktyg, från objektorienterad programmering, regelbaserad inferens, till maskinlärande och senast djuplärande. Det är de ökade förmågorna hos dessa teknologier som driver den snabba utvecklingen inom AI-området.

Du har varit en ledare inom området under många år, till exempel som General Manager för Amazon (AMZN ) Machine Learning i AWS och som chef för maskinlärande på Uber. Vilka är några av de lärdomar du har dragit från dessa tidigare erfarenheter?

Maskinlärande är en verkligt transformerande teknik, men för att förverkliga dess fulla potential är det nödvändigt att ta det till varje hörn av företaget. Maskinlärande har upprepade gånger visat sin förmåga att skapa ofattbara optimeringar och lyfta affärsprocesser till nivåer som inte kan uppnås av vanliga mänskliga processer ensamma. Men, verklig disruption sker bara när en kritisk massa av affärsprocesser drivs på detta sätt. Organisationer som Amazon och Uber har tydligt visat att om vi gör maskinlärande-systemen breda och tillgängliga för varje team, upplever vi en bred antagande som ofta leder till en positiv spiral av kontinuerliga förbättringar av hela affären som en nätverkseffekt.

Du har varit VP för AI på Unity Technologies sedan 2016. Vad var det med detta företags vision som exciterade dig?

Unity är en fantastisk plats för AI-entusiaster. Vi har en anmärkningsvärd kultur för att lösa svåra problem för våra kunder – med AI som en av de mest imponerande utmaningarna jag kan tänka mig. Vårt ledarskap är engagerat i att driva och forma framtiden för AI. Vi har teknologierna, resurserna, kunderna och partner för att göra just det. Jag kan inte föreställa mig en bättre plats att arbeta med att förändra världen.

Du har tidigare talat om vikten av syntetisk data, kan du dela med oss vad detta är exakt?

Syntetisk data skapas av en algoritm, snarare än data som samlas in från den verkliga världen. En realtids-3D-motor med en realistisk fysik-emulator är det idealiska verktyget för att skapa realistisk men syntetisk träningsdata för en mängd olika tillämpningar, från objekterkännande i datorsystem till banplanering för navigeringsrobotar.

Vad gör syntetisk data så viktig när det gäller att bygga maskinlärande-system?

Jag har vid många tillfällen kallat Unity den perfekta AI-biodomen. Och det är sant. Att arbeta med AI i den verkliga världen och använda verklig data kan vara rätt skrämmande. Måste jag nämna självkörande fordon på gatorna i San Francisco eller ansiktsigenkännings-system som distribueras i offentliga utrymmen? Det finns farhågor om säkerhet, bias lurar alltid och integritetsproblem kolliderar ofta med vanliga användningsfall. Och sedan finns det bristen och den höga kostnaden förknippad med att samla in den nödvändiga mängden träningsdata. Med Unity har vi inte bara demokratiserat data-skapandet, du har också tillgång till ett interaktivt system för att simulera avancerade interaktioner i en virtuell miljö. Inom Unity kan du utveckla kontrollsystem för ett autonomt fordon utan risken att skada någon.

Kan du diskutera hur Unity Simulation kan hjälpa företag med generering av syntetisk data?

Med Unity Simulation har vi tagit en realtids-3D-motor designad för mänsklig konsumtion, antingen det är spel, film eller ingenjörskonst – och förvandlat den till en moln-optimerad instans som inte bara kör med otroliga höga bildhastigheter, utan också tillåter skalning till tusentals instanser som körs parallellt. På detta sätt tillåter Unity Simulation utvecklare att generera upplevelser för sina AI-system i en hastighet som är flera storleksordningar snabbare än väggklockan. Fram till nyligen var denna skala av data-generering endast tillgänglig för ett fåtal privilegerade företag, men med Unity Simulation har vi verkligen nivellerat ut spelplanen.

Nyligen har Unity samarbetat med The Institute for Disease Modeling (IDM) för att bygga realtids-3D-simuleringar i butiker som modellerar COVID-19-spridning. Kan du diskutera hur Unity Simulation kan effektivt simulera spridningen av COVID-19?

Datorsimulation har använts i decennier av forskare, ingenjörer, problemlösare och beslutsfattare inom många områden, inklusive studier av smittsamma sjukdomar. Unity Simulation möjliggör en speciell typ av realtids-spatial simulering som kan skalas på molnet för att holistiskt studera stora, komplexa och osäkra system. Vi byggde ett förenklat demonstrationsprojekt för att simulera coronavirus-spridning i en fiktiv mataffär och undersökte effekten som butikspolicyn har på exponeringsfrekvenser. Genom att köra tiotusentals simuleringar kunde vi identifiera beteenden och policys som tycktes ha den största inverkan på spridningen av denna fruktansvärda smittsamma sjukdom.

Nyligen har du talat mycket om Artificiell Allmän Intelligens (AGI). Kan du förklara vad emergent beteende är och varför det är viktigt för utvecklingen av AGI?

På bara 100 000 år gick den mänskliga rasen från att överleva på att plocka bär i vildmarken till att sätta en person på månen. Vi vet från arkeogenetik att den mänskliga hjärnan inte har förändrats signifikant under den tiden. Du kan säga att det inte fanns några signifikanta hårdvaruförbättringar av processorn. Så vad var det då som var så transformerande? Nyckeln bör ligga i vår förmåga att uppnå något tillsammans. Vi använder termen emergent beteende för ett system som inte beror på dess enskilda delar, utan snarare på deras relationer till varandra. Emergent beteende kan inte förutsägas genom att undersöka systemets enskilda delar. Det kan endast förutsägas genom att förstå relationerna mellan delarna. Emergenta system kännetecknas av observationen att helheten är större än summan av delarna. Medan jag har visat underhållande exempel på emergent beteende i relativt enkla multi-agentsystem, föreställ dig vad som kommer att hända när du har en mängd AI-system som samarbetar i ljusets hastighet.

Tror du att det finns en möjlighet att vi kan uppnå AGI inom de närmaste decennierna?

När det gäller AGI måste vi komma ihåg att det handlar om resan och inte destinationen. Ingen vet exakt när AGI kommer att hända, eftersom det inte kommer att ske vid en specifik tidpunkt, utan snarare en gradvis förändring över tiden. Det är i AGI:s natur att det kommer att vara svårt för oss människor att peka ut exakt hur intelligent ett system är vid en given tidpunkt. Med tanke på de framsteg som gjorts under det senaste decenniet är jag säker på att detta decennium kommer att bringa oss många intressanta framsteg mot AGI.

Finns det något annat du vill dela om Unity Technologies?

På Unity fortsätter vi att se oss själva som drivande kraften bakom AI:s framtid och spelar en betydande roll i utvecklingen av AI-teknologier. Vårt samarbete med DeepMind är ett tydligt exempel på att vår teknik är den perfekta miljön för forskare och utvecklare att tryggt driva gränserna för AI. Vi rustar oss för att stödja våra kunder och partner i att skapa virtuella miljöer som opererar på tidigare osedda skalor för att lösa morgondagens utmaningar, oavsett om det handlar om klimatförändringar, logistik eller hälsoutmaningar.

Tack för den underbara intervjun, jag njöt av att lära mig om Unity och dina synpunkter på AGI. Alla som vill lära sig mer kan besöka Unity Technologies.