ยาชาร์ เบซาดี ซีอีโอของ Synthesis AI – ซีรีส์สัมภาษณ์

ยาชาร์ เบซาดี PhD เป็นซีอีโอและผู้ก่อตั้ง Synthesis AI เขาเป็นนักธุรกิจที่มีประสบการณ์ในการสร้างธุรกิจที่เปลี่ยนแปลงในด้าน AI เทคโนโลยีทางการแพทย์ และ IoT เขาใช้เวลา 14 ปีที่ผ่านมาใน Silicon Valley ในการสร้างและขยายธุรกิจที่มีศูนย์กลางอยู่ที่ข้อมูล ยาชาร์มีมากกว่า 30 สิทธิบัตรและกำลังอยู่ในระหว่างการขออนุญาต และได้รับ PhD จาก UCSD โดยมุ่งเน้นไปที่การสร้างแบบจำลองพื้นที่-เวลาของการถ่ายภาพสมองแบบฟังก์ชัน

Synthesis AI เป็นสตาร์ทอัพในจุดตัดกันของการเรียนรู้ลึกและ CGI ซึ่งสร้างพาราไดม์ใหม่สำหรับการพัฒนารูปแบบการมองเห็นของคอมพิวเตอร์ พวกเขาทำให้ลูกค้าสามารถพัฒนารูปแบบที่ดีขึ้นในเวลาที่สั้นลงและต้นทุนน้อยกว่าวิธีการแบบดั้งเดิมที่ใช้การทำเครื่องหมายโดยมนุษย์

คุณเริ่มเข้าสู่ด้านวิทยาการคอมพิวเตอร์และ AI อย่างไร?

ฉันสำเร็จการศึกษาระดับ PhD จาก UCSD ในปี 2006 โดยมุ่งเน้นไปที่การมองเห็นของคอมพิวเตอร์และการสร้างแบบจำลองพื้นที่-เวลาของการถ่ายภาพสมอง ฉันทำงานใน Silicon Valley ในจุดตัดกันของเซ็นเซอร์ ข้อมูล และการเรียนรู้ของเครื่องจักรข้ามอุตสาหกรรมต่างๆ ในช่วง 16 ปีที่ผ่านมา ฉันรู้สึกตื่นเต้นที่ได้ทำงานในเทคโนโลยีที่น่าเหลือเชื่อเหล่านี้ และฉันมีสิทธิบัตรมากกว่า 30 ฉบับที่ได้รับอนุญาตหรืออยู่ในระหว่างการขออนุญาต โดยมุ่งเน้นไปที่การประมวลผลสัญญาณ การเรียนรู้ของเครื่องจักร และวิทยาศาสตร์ข้อมูล

คุณสามารถแบ่งปันเรื่องราวของ Synthesis AI ได้หรือไม่?

ก่อนที่จะก่อตั้ง Synthesis AI ในปี 2019 ฉันเป็นผู้นำบริษัทบริการ AI ที่มุ่งเน้นไปที่การพัฒนารูปแบบการมองเห็นของคอมพิวเตอร์สำหรับธุรกิจเทคโนโลยีชั้นนำ ไม่ว่าบริษัทจะมีขนาดใหญ่หรือเล็ก ฉันพบว่าเราถูกจำกัดอย่างมากด้วยคุณภาพและปริมาณของข้อมูลการฝึกอบรมที่มีเครื่องหมาย เมื่อบริษัทขยายตัวทางภูมิศาสตร์ เพิ่มฐานลูกค้า หรือพัฒนารูปแบบและฮาร์ดแวร์ใหม่ๆ ข้อมูลการฝึกอบรมใหม่ๆ จึงจำเป็นต้องแน่ใจว่ารูปแบบเหล่านั้นสามารถทำงานได้ดี นอกจากนี้ยังชัดเจนว่าอนาคตของการมองเห็นของคอมพิวเตอร์จะไม่ประสบความสำเร็จด้วยพาราไดม์ของการทำเครื่องหมายโดยมนุษย์ในวงจรปัจจุบัน การใช้งานการมองเห็นของคอมพิวเตอร์ที่เกิดขึ้นใหม่ในด้านระบบอัตโนมัติที่ตัดสินใจได้ด้วยตนเอง หุ่นยนต์ และ AR/VR/metaverse ต้องการชุดเครื่องหมาย 3D ที่มีรายละเอียด เช่น ข้อมูลความลึก คุณสมบัติวัสดุ การแบ่งส่วนอย่างละเอียด ฯลฯ ซึ่งมนุษย์ไม่สามารถทำเครื่องหมายได้ พาราไดม์ใหม่จึงจำเป็นต้องให้เครื่องหมายที่มีรายละเอียดเพียงพอในการฝึกอบรมรูปแบบใหม่เหล่านี้ นอกจากปัจจัยทางเทคนิคแล้ว เรายังพบว่าผู้บริโภคและหน่วยงานกำกับดูแลตรวจสอบประเด็นจริยธรรมเกี่ยวกับอคติของโมเดลและความเป็นส่วนตัวของผู้บริโภคมากขึ้น

ฉันก่อตั้ง Synthesis AI เพื่อเปลี่ยนแปลงพาราไดม์ของการมองเห็นของคอมพิวเตอร์ แพลตฟอร์มการสร้างข้อมูลสังเคราะห์ของบริษัทช่วยให้สามารถสร้างข้อมูลภาพสมจริงราวภาพถ่ายได้ตามความต้องการ พร้อมชุดป้ายกำกับสามมิติที่ขยายขอบเขตและแม่นยำถึงระดับพิกเซล วิสัยทัศน์ของเราคือการเป็นผู้บุกเบิกเทคโนโลยีข้อมูลสังเคราะห์เพื่อให้สามารถพัฒนารูปแบบที่มีความสามารถมากขึ้นได้อย่างมีจริยธรรม

สำหรับผู้อ่านที่ไม่คุ้นเคยกับคำนี้ คุณสามารถอธิบายว่าข้อมูลสังเคราะห์เป็นอะไรได้หรือไม่?

ข้อมูลสังเคราะห์เป็นข้อมูลที่สร้างขึ้นโดยคอมพิวเตอร์ ซึ่งเป็นทางเลือกแทนข้อมูลจากโลกแห่งความเป็นจริง ข้อมูลสังเคราะห์ถูกสร้างขึ้นในโลกดิจิทัลที่จำลองขึ้น มากกว่าที่จะเก็บข้อมูลจากโลกแห่งความเป็นจริงหรือวัดจากโลกแห่งความเป็นจริง โดยการรวมเครื่องมือจากโลกของเอฟเฟกต์ภาพและ CGI เข้ากับโมเดล AI เชิงกำเนิด Synthesis AI ช่วยให้บริษัทต่างๆ สามารถสร้างข้อมูลที่มีรายละเอียดสูงและหลากหลายได้ตามความต้องการ เพื่อฝึกอบรมรูปแบบการมองเห็นของคอมพิวเตอร์ แพลตฟอร์มการสร้างข้อมูลของบริษัทช่วยลดต้นทุนและระยะเวลาที่ใช้ในการได้มาซึ่งข้อมูลภาพคุณภาพสูงได้หลายลำดับขนาด ในขณะเดียวกันก็รักษาความเป็นส่วนตัว

คุณสามารถอธิบายว่าข้อมูลสังเคราะห์ถูกสร้างขึ้นได้อย่างไร?

ชุดข้อมูลสังเคราะห์ถูกสร้างขึ้นโดยใช้เทคโนโลยีจากอุตสาหกรรมเอฟเฟกต์ภาพและโครงข่ายประสาทเชิงกำเนิด ช่วยให้สามารถสร้างข้อมูลภาพที่มีรายละเอียดสูงและหลากหลายได้ตามความต้องการ ข้อมูลสังเคราะห์ช่วยให้สามารถสร้างข้อมูลการฝึกอบรมได้ในเวลาที่สั้นลงและต้นทุนน้อยกว่าวิธีการแบบดั้งเดิม

การนำข้อมูลสังเคราะห์ไปใช้สามารถสร้างความได้เปรียบในการแข่งขันได้อย่างไร?

ปัจจุบันระบบ AI ส่วนใหญ่นำการเรียนรู้แบบมีผู้สอนมาใช้ โดยที่มนุษย์ทำเครื่องหมายคุณลักษณะสำคัญในภาพและฝึกอบรมอัลกอริธึม AI เพื่อทำความเข้าใจภาพ นี่เป็นกระบวนการที่ใช้เวลานานและต้องใช้ทรัพยากรมาก นอกจากนี้ยังมีข้อกังวลเกี่ยวกับอคติของ AI และความเป็นส่วนตัวของลูกค้าที่เพิ่มขึ้น ทำให้ยากต่อการได้รับข้อมูลที่เป็นตัวแทนของมนุษย์ กระบวนการนี้ยังถูกจำกัดด้วยขอบเขตของสิ่งที่มนุษย์สามารถกำกับป้ายข้อมูลได้อย่างถูกต้อง

แนวทางของเราคือการสร้างโลกดิจิทัลที่สังเคราะห์ข้อมูลภาพที่ซับซ้อน เนื่องจากเราสร้างข้อมูลด้วยตนเอง เราจึงรู้ทุกอย่างเกี่ยวกับฉาก รวมถึงข้อมูลที่ไม่เคยพร้อมใช้งานมาก่อนเกี่ยวกับตำแหน่ง 3D ของวัตถุและปฏิสัมพันธ์ที่ซับซ้อนระหว่างวัตถุและกับสภาพแวดล้อม การได้รับและทำเครื่องหมายข้อมูลในปริมาณนี้โดยใช้วิธีการแบบดั้งเดิมจะใช้เวลาหลายเดือนหรือหลายปี พาราไดม์ใหม่นี้จะช่วยให้สามารถปรับปรุงประสิทธิภาพและต้นทุนได้ 100 เท่า และขับเคลื่อนรูปแบบที่มีความสามารถมากขึ้น

เนื่องจากข้อมูลสังเคราะห์ถูกสร้างขึ้นโดยใช้กระบวนการสร้างขึ้น มันจึงกำจัดอคติและข้อกังวลเกี่ยวกับความเป็นส่วนตัวที่เกี่ยวข้องกับการรวบรวมข้อมูลจากโลกแห่งความเป็นจริง

การสร้างข้อมูลตามความต้องการสามารถช่วยให้การขยายตัวเร็วขึ้นได้อย่างไร?

การเก็บและเตรียมข้อมูลจากโลกแห่งความเป็นจริงสำหรับการฝึกอบรมรูปแบบเป็นกระบวนการที่ยาวและซับซ้อน การติดตั้งฮาร์ดแวร์ที่จำเป็นอาจมีต้นทุนสูงสำหรับระบบการมองเห็นของคอมพิวเตอร์ที่ซับซ้อน เช่น ยานพาหนะอัตโนมัติ หุ่นยนต์ หรือภาพถ่ายดาวเทียม เมื่อได้รับข้อมูลแล้ว มนุษย์จะทำเครื่องหมายและทำเครื่องหมายคุณลักษณะที่สำคัญ กระบวนการนี้มีแนวโน้มที่จะเกิดข้อผิดพลาด และมนุษย์มีข้อจำกัดในการทำเครื่องหมายข้อมูลสำคัญ เช่น ตำแหน่ง 3D ที่จำเป็นสำหรับการใช้งานหลายอย่าง

การสร้างข้อมูลสังเคราะห์รวดเร็วกว่าและมีต้นทุนต่ำกว่าวิธีดั้งเดิมที่ให้มนุษย์กำกับข้อมูลจริงหลายลำดับขนาด และจะช่วยให้สามารถใช้รูปแบบใหม่ๆ ที่มีความสามารถมากขึ้นได้

ข้อมูลสังเคราะห์สามารถช่วยลดหรือป้องกันอคติของ AI ได้อย่างไร?

ระบบ AI มีอยู่ทั่วไป แต่สามารถมีอคติที่ซ่อนอยู่ซึ่งสามารถส่งผลกระทบต่อคนกลุ่มหนึ่ง ชุดข้อมูลอาจไม่สมดุลกับคลาสข้อมูลบางอย่างและอาจมีตัวแทนของคนบางกลุ่มมากเกินไปหรือน้อยเกินไป การสร้างระบบที่มีศูนย์กลางอยู่ที่มนุษย์สามารถนำไปสู่อคติทางเพศ ชาติพันธุ์ และอายุ ในทางกลับกัน ข้อมูลที่สร้างขึ้นโดยการออกแบบจะได้รับการจัดสมดุลอย่างเหมาะสมและปราศจากอคติของมนุษย์

ข้อมูลสังเคราะห์อาจเป็นทางออกที่แข็งแกร่งในการแก้ไขปัญหาอคติของ AI ข้อมูลสังเคราะห์ถูกสร้างขึ้นโดยใช้กระบวนการสร้างขึ้นโดยไม่ต้องวัดหรือเก็บข้อมูลจากโลกแห่งความเป็นจริง หากชุดข้อมูลไม่หลากหลายหรือไม่ใหญ่พอ ข้อมูลที่สร้างขึ้นโดย AI สามารถเติมช่องว่างและสร้างชุดข้อมูลที่ไม่มีอคติได้ สิ่งที่ดีที่สุดคือ การสร้างชุดข้อมูลเหล่านี้ด้วยตนเองอาจใช้เวลาหลายเดือนหรือหลายปี แต่ด้วยข้อมูลสังเคราะห์ สามารถทำได้ภายในคืน

นอกเหนือจากการมองเห็นของคอมพิวเตอร์แล้ว ยังมีการใช้งานอื่นๆ ที่เป็นไปได้สำหรับข้อมูลสังเคราะห์หรือไม่?

นอกเหนือจากการใช้งานการมองเห็นของคอมพิวเตอร์ที่หลากหลาย เช่น ผลิตภัณฑ์สำหรับผู้บริโภค ระบบอัตโนมัติที่ตัดสินใจได้ด้วยตนเอง หุ่นยนต์ AR/VR/metaverse และอื่นๆ ข้อมูลสังเคราะห์จะส่งผลกระทบต่อโหมดข้อมูลอื่นๆ เช่น ข้อมูลแบบตาราง ข้อมูลเสียง และการประมวลผลภาษาธรรมชาติ เทคโนโลยีและกระบวนการสร้างข้อมูลที่ใช้แตกต่างกันไปสำหรับโหมดข้อมูลแต่ละอย่าง และในอนาคตเราคาดว่าจะเห็นระบบหลายโหมด เช่น ระบบวิดีโอ + เสียง

มีสิ่งอื่นที่คุณต้องการแบ่งปันเกี่ยวกับ Synthesis AI หรือไม่?

ปลายปีที่แล้ว เราเปิดตัว HumanAPI ซึ่งขยายความสามารถด้านข้อมูลสังเคราะห์ของ Synthesis AI อย่างมาก โดยช่วยให้สร้างมนุษย์ดิจิทัลสามมิติที่มีคุณภาพสูงและมีเอกลักษณ์เฉพาะตัวหลายล้านคนได้ด้วยโปรแกรม การประกาศนี้เกิดขึ้นไม่กี่เดือนหลังเปิดตัว FaceAPI ซึ่งให้บริการข้อมูลสังเคราะห์และส่งมอบภาพใบหน้าที่มีป้ายกำกับแล้วมากกว่า 10 ล้านภาพให้บริษัทชั้นนำด้านสมาร์ตโฟน การประชุมทางไกล ยานยนต์ และเทคโนโลยี HumanAPI เป็นก้าวต่อไปของบริษัทในการรองรับการประยุกต์ใช้ปัญญาประดิษฐ์ด้านคอมพิวเตอร์วิทัศน์ขั้นสูง

HumanAPI ยังช่วยให้ลูกค้าของเรามีโอกาสใหม่ๆ เช่น ผู้ช่วย AI ที่มีความฉลาด การฝึกสอนฟิตเนสเสมือนจริง และแน่นอนว่าโลกของ metaverse

การสร้างโลกดิจิทัลที่เป็นสำเนาของโลกจริงจะช่วยให้เมตาเวิร์สรองรับแอปพลิเคชันใหม่ ตั้งแต่เครือข่ายสังคมรูปแบบใหม่ ประสบการณ์ความบันเทิง การประชุมทางไกล ไปจนถึงเกมและอื่นๆ ปัญญาประดิษฐ์ด้านคอมพิวเตอร์วิทัศน์จะเป็นพื้นฐานของการเก็บข้อมูลโลกจริงและสร้างขึ้นใหม่อย่างเที่ยงตรงในโลกดิจิทัล มนุษย์ดิจิทัลที่สมจริงราวภาพถ่าย แสดงอารมณ์ได้ และมีพฤติกรรมถูกต้องจะเป็นองค์ประกอบสำคัญของแอปพลิเคชันคอมพิวเตอร์วิทัศน์ในอนาคต HumanAPI เป็นผลิตภัณฑ์แรกที่ช่วยให้บริษัทสร้างข้อมูลร่างกายทั้งตัวพร้อมป้ายกำกับที่ถูกต้องสมบูรณ์ได้ในปริมาณมหาศาลตามต้องการ เพื่อพัฒนาโมเดล AI ที่มีความสามารถมากขึ้น เช่น การประมาณท่าทาง การรู้จำอารมณ์ การระบุลักษณะกิจกรรมและพฤติกรรม และการสร้างใบหน้าขึ้นใหม่

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมสามารถเยี่ยมชม Synthesis AI ได้