โซฮาอิบ ข่าน ผู้ร่วมก่อตั้งและซีอีโอของ Hazen.ai – ซีรีส์สัมภาษณ์

โซฮาอิบ ข่าน เป็นผู้ร่วมก่อตั้งและซีอีโอของ Hazen.ai บริษัทที่ใช้การมองเห็นของคอมพิวเตอร์และการเรียนรู้ลึกเพื่อออกแบบซอฟต์แวร์วิเคราะห์จราจรที่ฉลาด ซึ่งออกแบบมาเพื่อ “เข้าใจ” การเคลื่อนไหวของรถยนต์ทุกคัน

สิ่งใดที่ดึงดูดคุณเข้าสู่สาขา AI ในตอนแรก?

เมื่อฉันเรียนปริญญาตรี ฉันเคยอ่านเกี่ยวกับวิสัยทัศน์สเตอริโอ (หรือการมองเห็นแบบทวินาม – การประมาณความลึกจากกล้องสองตัว) วิธีการทำงาน ฉันจึงเริ่มสนใจในการสำรวจการมองเห็นของคอมพิวเตอร์มากขึ้น น่าสนใจที่ฉันเคยอ่านเกี่ยวกับเรื่องนี้ในหนังสือที่ฉันหยิบมาจากตลาดวันศุกร์ที่ขายหนังสือเก่าบนถนนในเมืองของเรา ฉันจึงไปทำปริญญาเอกในด้านนี้จากสหรัฐอเมริกา

คุณเคยเป็นอาจารย์ที่มหาวิทยาลัย Lahore University of Management Sciences (LUMS) ในปากีสถานมาก่อน คุณสอนและวิจัยเกี่ยวกับอะไร?

เมื่อฉันเข้าร่วม LUMS หลังจากทำปริญญาเอก ฉันสร้างห้องปฏิบัติการวิจัยระดับบัณฑิตศึกษาแห่งแรกในมหาวิทยาลัย โดยได้รับทุนจากองค์กรป้องกันประเทศ โปรแกรมบัณฑิตศึกษาในด้านวิทยาการคอมพิวเตอร์ยังใหม่มาก และไม่มีห้องปฏิบัติการวิจัยในขณะนั้น ฉันสอนการมองเห็นของคอมพิวเตอร์เป็นเวลา 12 ปีที่ LUMS และมีห้องปฏิบัติการที่มีงานวิจัยในด้านนี้ ตั้งแต่เริ่มต้น การมองเห็นของคอมพิวเตอร์แทบจะไม่ได้สอนในมหาวิทยาลัยปากีสถาน แต่หลังจากนั้นจึงกลายเป็นวิชาที่มาตรฐาน และจริงๆ แล้ว นักเรียนหลายคนของฉันกำลังสอนในมหาวิทยาลัยปากีสถาน

คุณสามารถพูดคุยเกี่ยวกับสิ่งที่สร้างแรงบันดาลใจให้คุณเปิดตัวสตาร์ทอัพซึ่งเชี่ยวชาญด้านการมองเห็นของคอมพิวเตอร์และการเรียนรู้ลึกสำหรับการวิเคราะห์วิดีโอได้หรือไม่?

การมองเห็นของคอมพิวเตอร์เป็นเวลานานเป็นสาขาวิจัยเชิงทดลอง โดยมีการใช้งานจริงน้อยมาก สาเหตุหลักๆ คือความต้องการความเข้าใจภาพที่ต้องการสำหรับการสร้างผลิตภัณฑ์ยังไม่พร้อมสำหรับการใช้งานในผลิตภัณฑ์ สำหรับผลิตภัณฑ์ อัลกอริทึมการเข้าใจภาพต้องทำงานในหลายๆ สภาพแวดล้อมและแสง แต่ไม่ใช่แค่ในสถานการณ์ทดลองที่ควบคุมได้ มีเรื่องตลกในหมู่นักเรียนระดับบัณฑิตศึกษาในห้องปฏิบัติการของฉันเมื่อฉันทำปริญญาเอกในปี 2000 ว่าหากคุณสามารถหาภาพสามภาพที่อัลกอริทึมของคุณทำงานได้ คุณสามารถเขียนบทความได้ หากมันทำงานบนสามวิดีโอ คุณจะได้บทความที่ดีมาก! จุดสำคัญคืออัลกอริทึมการมองเห็นของคอมพิวเตอร์หลายตัวทำงานได้เฉพาะในสถานการณ์ห้องปฏิบัติการที่ควบคุมได้เท่านั้น และไม่แข็งแรงมาก

แต่สิ่งต่างๆ ได้เปลี่ยนไปแล้ว ด้วยการมาถึงของการเรียนรู้ลึกในปี 2012 เราได้เห็นความก้าวหน้าที่รวดเร็วและน่าสนใจในการเข้าใจภาพ เมื่อเราพบว่าเรารู้สึกว่าตอนนี้เป็นเวลาที่เหมาะสมที่จะสร้างผลิตภัณฑ์ที่มีผลกระทบอย่างมีนัยสำคัญ

คุณสามารถพูดคุยเกี่ยวกับประเภทการละเมิดจราจรที่ Hazen.ai สามารถติดตามได้หรือไม่?

เป้าหมายของเราคือการระบุพฤติกรรมขับรถที่อันตรายทุกประเภทบนถนน ซึ่งได้รับแรงผลักดันจากวัตถุประสงค์หลักของเราในการลดการเสียชีวิตบนถนน ทุกๆ 24 วินาที มีคนตายในอุบัติเหตุทางถนน ซึ่งเทียบเท่ากับเครื่องบิน Boeing 787-8 จำนวน 15 ลำตกทุกๆ วัน! ดังนั้นนี่คือสิ่งที่สร้างแรงบันดาลใจให้เรา เรากำลังสร้างซอฟต์แวร์ที่สามารถตรวจจับพฤติกรรมที่อันตรายและไม่ปลอดภัยต่างๆ เช่น การเปลี่ยนเลนไม่ปลอดภัย การเลี้ยวผิดกฎหมาย การข้ามสัญญาณไฟแดงหรือสัญญาณหยุด การปิดกั้นทางเดินคนเดิน ไม่สวมเข็มขัดนิรภัยหรือส่งข้อความขณะขับรถ เรากำลังทำงานเพื่อสร้างคุณสมบัติในซอฟต์แวร์ของเราสำหรับความปลอดภัยของคนเดินและนักปั่นจักรยาน เนื่องจากผู้เสียชีวิตมากกว่าครึ่งหนึ่งในอุบัติเหตุทางถนนเกิดขึ้นในกลุ่มผู้ใช้ถนนอ่อนแอ เช่น คนเดิน นักปั่นจักรยาน และนักขับรถจักรยานยนต์

คุณสามารถพูดคุยเกี่ยวกับความท้าทายที่ไม่เหมือนใครในการใช้การมองเห็นของคอมพิวเตอร์เพื่อติดตามวัตถุที่เคลื่อนที่ด้วยความเร็วสูงได้หรือไม่?

มีความท้าทายสองประการ ประการแรกคือประสิทธิภาพของอัลกอริทึมการมองเห็นของคอมพิวเตอร์เอง – คุณต้องการผลิตภัณฑ์ที่สามารถทำงานในสภาพจราจรที่ท้าทาย 24/7 ในทุกๆ สภาพแวดล้อมและแสง ในขณะที่มีความก้าวหน้าทางเทคนิคมากมายเพื่อบรรลุเป้าหมายนี้ แต่ยังมีประเทศที่มีความหนาแน่นของผู้ใช้ถนนสูง เช่น กลุ่มรถจักรยานหรือคนเดินในระยะห่างที่ใกล้กันมาก ทำให้ยังท้าทายสำหรับอัลกอริทึมในการติดตามพวกมันอย่างอิสระและเข้าใจฉาก แต่ประการสำคัญที่สุดคือการสร้างผลิตภัณฑ์ที่มีประสิทธิภาพจากอัลกอริทึมการมองเห็นของคอมพิวเตอร์ ซึ่งสามารถติดตั้งบนฮาร์ดแวร์ที่มีทรัพยากรจำกัดที่ด้านข้าง และสามารถติดตามและจัดการได้ง่ายๆ แม้ว่าจะกระจายไปทั่วเมืองก็ตาม เนื่องจากผลิตภัณฑ์การมองเห็นของคอมพิวเตอร์จัดการข้อมูลวิดีโอมากมาย การติดตั้งผลิตภัณฑ์เหล่านี้ที่ด้านข้างในฐานะอุปกรณ์ IoT และการจัดการมันอย่างมีประสิทธิภาพยังคงเป็นงานที่ยาก

คุณสามารถอธิบายกระบวนการสำหรับผู้ใช้ปลายทางในการกำหนดค่าซอฟต์แวร์ให้เหมาะสมกับการกำหนดค่าถนนต่างๆ ได้หรือไม่?

ทุกๆ จุดตัดกันให้สถานการณ์ที่ไม่เหมือนใครในแง่ของปริมาณการจราจร การกำหนดค่าเลน และการโต้ตอบของรถยนต์ จักรยาน และคนเดิน นอกจากนี้ ความสนใจของเจ้าหน้าที่จราจรอาจเฉพาะเจาะจงในการระบุพฤติกรรมจราจรที่เฉพาะเจาะจงที่แต่ละจุด ตัวอย่างเช่น ตำรวจจราจรอาจห้ามการเปลี่ยนเลน U ที่จุดตัดกันเพื่อทำให้การไหลของจราจรเรียบง่ายขึ้น และสนใจที่จะจับข้อมูลสถิตินั้น นี่คือเหตุผลที่เราทำให้ซอฟต์แวร์ของเราสามารถกำหนดค่าให้เหมาะสมกับสถานการณ์ต่างๆ ได้ เมื่อกำหนดกล้องพร้อมซอฟต์แวร์ของเรา เราจะกำหนดค่ามันผ่านกระบวนการที่เรียบง่ายสำหรับสิ่งที่ผู้ใช้ปลายทางต้องการที่ไซต์นั้น ภายใน เราได้สร้างภาษาระดับสูงที่เราสามารถอธิบายสถานการณ์จราจรที่น่าสนใจได้อย่างกระชับและง่ายดาย ซึ่งช่วยให้เราสามารถกำหนดค่าไซต์สำหรับลูกค้าของเราทางด้านซ้ายได้อย่างรวดเร็ว

คุณสามารถพูดคุยเกี่ยวกับฮาร์ดแวร์ที่จำเป็นในการใช้งานระบบนี้ได้หรือไม่?

การวิเคราะห์วิดีโอจำเป็นต้องมีพลังการประมวลผลที่มาก เราได้ปรับโค้ดของเราให้ทำงานบน Nvidia GPU ที่เล็กกว่าซึ่งสามารถติดตั้งที่ด้านข้างได้ เช่น ซีรี่ส์ Jetson และบน Intel CPU สำหรับคุณสมบัติบางอย่างที่เรานำเสนอ ในช่วงไม่กี่ปีที่ผ่านมา ฮาร์ดแวร์ด้านข้างที่มีพลังมากขึ้นกำลังเป็นที่นิยมในราคาไม่แพง ซึ่งทำให้เกิดการประยุกต์ใช้งานที่น่าตื่นเต้นมากมาย

คุณสามารถพูดคุยเกี่ยวกับเขตอำนาจศาลใดๆ ที่กำลังทดลองหรือใช้เทคโนโลยี Hazen.ai ได้หรือไม่?

เรามีการทดลองที่กำลังดำเนินอยู่ในหลายประเทศ รวมถึงสหราชอาณาจักร สหรัฐอเมริกา อียิปต์ ซาอุดีอาระเบีย ปากีสถาน โอมาน เปรู และเรากำลังติดต่อลูกค้าที่มีศักยภาพในประเทศอื่นๆ ด้วย

มีสิ่งใดที่คุณต้องการแบ่งปันเกี่ยวกับ Hazen.ai หรือไม่?

โดยรวมแล้ว เรารู้สึกว่าเทคโนโลยีความปลอดภัยจราจรไม่ได้ก้าวหน้ามากพอที่จะเทียบเท่ากับขนาดของปัญหา อย่างไรก็ตาม ตอนนี้เป็นเวลาที่เหมาะสมแล้ว เนื่องจากความก้าวหน้าอย่างมากในด้านการมองเห็นของคอมพิวเตอร์และการเรียนรู้ลึก เช่นเดียวกับการมีฮาร์ดแวร์กล้องและคอมพิวเตอร์ที่มีราคาไม่แพง เราจะเห็นการประยุกต์ใช้งานการมองเห็นของคอมพิวเตอร์ที่ด้านข้างมากขึ้นในอนาคต สิ่งเหล่านี้คือหลักการพื้นฐานที่ขับเคลื่อน Hazen.ai

ขอขอบคุณสำหรับการสัมภาษณ์ ผู้อ่านสามารถเยี่ยมชม Hazen.ai เพื่อเรียนรู้เพิ่มเติม