Max Versace, CEO และ Co-Founder ของ Neurala – สัมภาษณ์ Series

ดร. Massimiliano Versace เป็น Co-Founder และ CEO ของ Neurala และเป็นนักคิดเชิงวิสัยทัศน์ของบริษัท หลังจากการวิจัยเชิงนวัตกรรมในด้าน brain-inspired computing และ deep networks เขายังคงสร้างแรงบันดาลใจและเป็นผู้นำในด้าน autonomous robotics เขาได้พูดในที่ต่างๆ มากมาย รวมถึง TedX, NASA, ป้อมปราการ, GTC, InterDrone, National Labs, Air Force Research Labs, HP, iRobot, Samsung, LG, Qualcomm, Ericsson, BAE Systems, AI World, Mitsubishi, ABB และ Accenture เป็นต้น

คุณเริ่มศึกษาจิตวิทยาแล้วเปลี่ยนมาเป็นประสาทวิทยา สาเหตุของคุณคืออะไรในขณะนั้น?

การเปลี่ยนแปลงนี้เป็นเรื่องธรรมชาติ จิตวิทยามอบด้านหนึ่งของ “เหรียญการฝึก” – การศึกษาพลังงานจิตวิทยา แต่ถ้าคุณสนใจในสิ่งที่ทำให้เกิดความคิดและพฤติกรรม คุณจะลงเอยด้วยการศึกษาอวัยวะที่รับผิดชอบต่อความคิดและพฤติกรรม ซึ่งก็คือการเรียนประสาทวิทยา!

เมื่อไหร่ที่คุณรู้ว่าคุณต้องการนำความเข้าใจของคุณเกี่ยวกับสมองมนุษย์ไปใช้ในการสร้าง AI ที่เลียนแบบสมองมนุษย์?

ขั้นตอนต่อไปจากประสาทวิทยาไปสู่ AI เป็นเรื่องที่ยากกว่า ประสาทวิทยามุ่งเน้นการศึกษาวิทยานิพนธ์และสรีรวิทยาของระบบประสาทและวิธีการที่สมองสร้างพฤติกรรม ทางเลือกที่เสริมกันในการเข้าใจสิ่งนี้คือการสร้างรูปแบบสังเคราะห์ของมัน อุปมาที่ฉันชอบให้คือคุณสามารถเข้าใจว่าเครื่องยนต์ทำงานอย่างไรโดยการถอดส่วนหนึ่งของเครื่องยนต์และรัศมีและสรุปว่าส่วนเหล่านี้มีความสำคัญต่อการทำงานของเครื่องยนต์ วิธีอีกวิธีหนึ่งในการเข้าใจเครื่องยนต์คือการสร้างเครื่องยนต์จากศูนย์ – โดยการศึกษาอัจฉริยะโดยการสร้างรูปแบบสังเคราะห์ (เทียม) ของมัน

คุณสามารถแบ่งปันเรื่องราวเกี่ยวกับโครงการ Deep Learning ในช่วงแรกที่คุณทำงานได้หรือไม่?

ในปี 2009 สำหรับ DARPA เราทำงานเกี่ยวกับการสร้าง “การจำลองสมอง” สำหรับหุ่นยนต์โดยใช้ชิปที่ทันสมัยที่ออกแบบโดย Hewlett Packard ในใจความแล้ว งานของเราคือการจำลองสมองและพฤติกรรมบางอย่างของสัตว์เล็กๆ ในรูปแบบที่จะทำให้สามารถพกพาและใช้งานในฮาร์ดแวร์ขนาดเล็กได้

คุณสามารถแบ่งปันเรื่องราวเกี่ยวกับการก่อตั้ง Neurala ได้หรือไม่?

Neurala เริ่มต้นในปี 2006 เพื่อรองรับงานด้านสิทธิบัตรเกี่ยวกับการใช้ GPU (Graphic Processing Units) สำหรับการเรียนรู้ลึก ในขณะนั้น การใช้ GPU สำหรับ AI ถือเป็นสิ่งที่ไม่ธรรมดา และเราสร้างแนวคิดที่ว่าแต่ละพิกเซลในกราฟิกการ์ดสามารถใช้ในการประมวลผลニューロน (vs ส่วนหนึ่งของฉากที่จะแสดงบนหน้าจอ) ขอบคุณการประมวลผลขนานของ GPU ซึ่งเลียนแบบสมองของเราในระดับที่สามารถใช้ได้ในเชิงพาณิชย์ เราสามารถบรรลุความเร็วในการเรียนรู้และความเร็วในการทำงานสำหรับอัลกอริธึมของเรา ซึ่งทำให้ AI และ Deep Learning เป็นไปได้จริง เราต้องรอหลายปีเพื่อที่จะออกจากสภาพแวดล้อมทางวิชาการ (เนื่องจากโลก “ติดตาม” เราแล้ว!) เกี่ยวกับความเป็นจริงของ AI ในปี 2013 เรานำบริษัทออกจากโหมดลับ (เนื่องจากเรามีเงินทุนจาก NASA และ US Air Force Research Labs) และเข้าร่วมโปรแกรม Boston Tech Stars จาก那里 เราเริ่มหาพนักงานและระดมทุนส่วนบุคคล ยังคงไม่ถึงปี 2017 ที่เรามีเงินทุนใหม่และอุตสาหกรรมที่เติบโตขึ้น เราสามารถลงนามในข้อตกลงสำคัญๆ และวาง AI ของเราในอุปกรณ์ 56 ล้านเครื่อง ตั้งแต่กล้องถ่ายรูป สมาร์ทโฟน จนถึงโดรนและหุ่นยนต์

หนึ่งในโครงการแรกๆ ของ Neurala คือการทำงานกับ Mars rover ของ NASA คุณสามารถแบ่งปันเรื่องราวเกี่ยวกับโครงการนี้ได้หรือไม่?

NASA มีปัญหาเฉพาะ: พวกเขาต้องการสำรวจเทคโนโลยีเพื่อขับเคลื่อนภารกิจที่ไม่มีมนุษย์ โดยระบบอัตโนมัติ (เช่น รถยนต์บนพื้นผิวดาวอังคาร) จะไม่พึ่งพาการควบคุมแบบขั้นตอนต่อขั้นตอนจากศูนย์ควบคุมบนโลก การชะลอการสื่อสารทำให้การควบคุมนี้เป็นไปไม่ได้ – เพียงจำไว้ว่าการสื่อสารระหว่างโลกและ Matt Damon ในภาพยนตร์ “The Martian” ยังช้าและไม่สะดวก การแก้ปัญหาของเรา: มอบสมองให้กับรถยนต์บนพื้นผิวดาวอังคารแต่ละคัน NASA มองหามาเรา เนื่องจากเราได้รับการยอมรับว่าเป็นผู้เชี่ยวชาญในการสร้าง “สมองเล็กๆ” เหล่านี้สำหรับ DARPA เพื่อมอบสมองให้กับรถยนต์บนพื้นผิวดาวอังคารโดยใช้ระบบ Deep Learning ขนาดเล็กที่สามารถทำงานบนหุ่นยนต์และปรับเปลี่ยนในเวลาจริงและเรียนรู้สิ่งใหม่ๆ ในขณะที่รถยนต์กำลังทำงาน สิ่งเหล่านี้รวมถึงวัตถุใหม่ๆ (เช่น หิน, สัญญาณของน้ำ, ฯลฯ) เมื่อพวกมันถูกพบและสร้างแผนที่ที่มีความหมายของดาวอังคารที่ไม่ได้สำรวจมาก่อน ความท้าทายมีขนาดใหญ่ แต่ผลตอบแทนก็ยิ่งใหญ่: เทคโนโลยี Deep Learning ที่สามารถทำงานบนพลังประมวลผลที่เล็กมากและเรียนรู้จากข้อมูลเพียงชิ้นเดียว (เช่น รูปภาพ) สิ่งนี้ไปไกลกว่าที่ Deep Learning สามารถทำได้ในช่วงเวลานั้น (และแม้กระทั่งในปัจจุบัน!)

Neurala ได้ออกแบบ Lifelong-DNN คุณสามารถอธิบายได้ว่ามันแตกต่างจาก DNN ทั่วไปและข้อดีของมันคืออะไร?

ออกแบบสำหรับการใช้งานของ NASA ข้างต้น Lifelong DNN สามารถเรียนรู้ตลอดช่วงอายุการใช้งาน ซึ่งไม่เหมือนกับ Deep Neural Networks (DNNs) ทั่วไปที่สามารถฝึกหรือทำการ “การอนุมาน” (เช่น การจำแนก) ได้ ใน L-DNN เช่นเดียวกับในมนุษย์ ไม่มีความแตกต่างระหว่างการเรียนรู้และการจำแนก ทุกครั้งที่เรามองเห็นสิ่งใดสิ่งหนึ่ง เราทั้ง “จำแนก” มัน (เช่น นี่คือเก้าอี้) และเรียนรู้เกี่ยวกับมัน (เช่น เก้าอี้นี้ใหม่ ไม่เคยเห็นมาก่อน ตอนนี้ฉันรู้จักมันมากขึ้น) ไม่เหมือนกับ DNNs L-DNN มีการเรียนรู้และเผชิญหน้ากับสิ่งที่มันรู้เกี่ยวกับโลก สิ่งใหม่ที่นำเสนอ และสามารถเข้าใจสิ่งผิดปกติได้อย่างเป็นธรรมชาติ ตัวอย่างเช่น ถ้าลูกๆ ของฉันเล่นกลฉันและทาสีเก้าอี้ของฉันเป็นสีชมพู ฉันจะรู้สึกได้ทันที เนื่องจาก L-DNN ของฉันเรียนรู้ตลอดเวลาว่าเก้าอี้ของฉันสีดำ และเมื่อการรับรู้เกี่ยวกับเก้าอี้ไม่ตรงกับหน่วยความจำเกี่ยวกับเก้าอี้ L-DNN จะสร้างสัญญาณผิดปกติ สิ่งนี้ถูกใช้ในผลิตภัณฑ์ของ Neurala ในหลายวิธี (ดูรายละเอียดด้านล่าง)

คุณสามารถอธิบาย Brain Builder custom vision AI และวิธีที่มันช่วยให้การประยุกต์ใช้หุ่นยนต์เร็วขึ้น ง่ายขึ้น และมีค่าใช้จ่ายน้อยลงได้หรือไม่?

เนื่องจาก L-DNN สามารถเรียนรู้เกี่ยวกับโลกและเข้าใจสิ่งผิดปกติได้อย่างเป็นธรรมชาติ ผลิตภัณฑ์ของ Neurala เช่น Brain Builder และ VIA (Visual Inspection Automation) สามารถใช้ในการตั้งค่างานตรวจสอบการมองเห็นได้อย่างรวดเร็ว โดยใช้เพียงรูปภาพไม่กี่รูปของ “ผลิตภัณฑ์ที่ดี” ตัวอย่างเช่น ในการผลิต คุณสามารถใช้รูปภาพ 20 รูปของ “ขวดที่ดี” และสร้าง “สมองเล็กๆ” สำหรับการตรวจสอบคุณภาพการมองเห็นที่สามารถรู้จักขวดที่ดีหรือเมื่อขวดที่ไม่ดี (เช่น ขวดที่มฝาปิดหัวขวดหัก) ถูกผลิตขึ้น สิ่งนี้สามารถทำได้ด้วย L-DNN ได้อย่างง่ายดายและรวดเร็ว และบน CPU ที่ไม่ซับซ้อน โดยใช้เทคโนโลยีของ NASA ที่พัฒนาในระยะเวลา 10 ปีของการวิจัยและพัฒนา

ในระหว่างสัมภาษณ์ก่อนหน้านี้ คุณแนะนำให้เจ้าของธุรกิจมุ่งเป้าไปที่การเริ่มต้นธุรกิจที่ “เป็นไปไม่ได้เล็กน้อย” คุณรู้สึกว่า Neurala เป็นธุรกิจที่ “เป็นไปไม่ได้เล็กน้อย” เมื่อคุณเริ่มต้นบริษัทหรือไม่?

ฉันยังคงจำได้ว่าเพื่อนและเพื่อนร่วมงานของฉัน Anatoli พ่นกาแฟออกมาเมื่อฉันพูดว่า “วันหนึ่ง เทคโนโลยีของเราจะทำงานบนโทรศัพท์มือถือ” มันฟังดูเป็นไปไม่ได้ แต่ทุกสิ่งที่คุณต้องทำคือจินตนาการและทำงานเพื่อมัน วันนี้มันทำงานบนโทรศัพท์หลายล้านเครื่อง เราเห็นโลกที่จะมี眼睛เทียมหลายพันคู่ที่สามารถตรวจสอบเครื่องจักรและกระบวนการทางอุตสาหกรรมเพื่อให้ได้ระดับคุณภาพและควบคุมที่ไม่เคยเห็นมาก่อน ซึ่งเคยเป็นไปไม่ได้เพราะจะใช้คนหลายพันคนต่อเครื่องจักร หวังว่าไม่มีใครดื่มกาแฟขณะอ่านสิ่งนี้…

ขอขอบคุณสำหรับการสัมภาษณ์ที่ดี Neurala เป็นบริษัทที่เราควรติดตาม ผู้อ่านสามารถเยี่ยมชม Neurala เพื่อเรียนรู้เพิ่มเติม