สัมภาษณ์
Yonatan Geifman, CEO & Co-Founder of Deci – Interview Series
Yonatan Geifman เป็น CEO & Co-Founder ของ Deci ซึ่งเปลี่ยนโมเดล AI ให้เป็นโซลูชันระดับโปรดักชั่นบนฮาร์ดแวร์ใดๆ ก็ตาม Deci ได้รับการยอมรับว่าเป็นผู้นวัตกรรมด้านเทคสำหรับ Edge AI โดย Gartner และรวมอยู่ในรายการ AI 100 ของ CB Insights เทคโนโลยีเฉพาะของ Deci ตั้งค่าใหม่สำหรับการแสดงผลที่ MLPerf พร้อมด้วย Intel
สิ่งใดที่ดึงดูดคุณเข้าสู่เครื่องมือการเรียนรู้ของเครื่องในตอนแรก?
ตั้งแต่ฉันอายุน้อย ฉันเคยหลงใหลในเทคโนโลยีที่ทันสมัย – ไม่ใช่แค่ใช้งาน แต่เข้าใจอย่างแท้จริงว่ามันทำงานอย่างไร
ความหลงใหลนี้เป็นเส้นทางสู่การศึกษาระดับ PhD ในสาขาวิทยาการคอมพิวเตอร์ของฉัน โดยการวิจัยของฉันเน้นไปที่ Deep Neural Networks (DNNs) เมื่อฉันเข้าใจเทคโนโลยีนี้ในระดับวิชาการ ฉันเริ่มเข้าใจว่า AI สามารถส่งผลกระทบเชิงบวกต่อโลกของเราได้อย่างไร ตั้งแต่เมืองอัจฉริยะที่สามารถติดตามการจราจรและลดอุบัติเหตุได้ดีขึ้น ถึงรถยนต์ไร้คนขับที่ต้องการการแทรกแซงจากมนุษย์น้อยที่สุด หรืออุปกรณ์ทางการแพทย์ที่ช่วยชีวิต – มีการใช้งานที่ไม่สิ้นสุดซึ่ง AI สามารถปรับปรุงสังคมได้ ฉันรู้เสมอว่าฉันต้องการเป็นส่วนหนึ่งของการปฏิวัตินั้น
คุณสามารถแบ่งปันเรื่องราวการก่อตั้ง Deci AI ได้หรือไม่?
ไม่ยากที่จะรับรู้ – เช่นเดียวกับที่ฉันทำเมื่อฉันอยู่ในโรงเรียนสำหรับการศึกษาระดับ PhD ของฉัน – ว่า AI มีประโยชน์อย่างไรในกรณีการใช้งานต่างๆ แต่หลายองค์กรต้องดิ้นรนเพื่อใช้ประโยชน์จาก AI อย่างเต็มที่ เนื่องจากนักพัฒนาต้องเผชิญกับการต่อสู้ที่ยากลำบากในการพัฒนาโมเดลการเรียนรู้เชิงลึกที่พร้อมสำหรับการผลิต ในอีกคำหนึ่ง ยังคงยากที่จะสร้างผลิตภัณฑ์ AI
ความท้าทายเหล่านี้สามารถอธิบายได้จากช่องว่างด้านประสิทธิภาพของ AI ที่อุตสาหกรรมต้องเผชิญ อัลกอริทึมมีการเติบโตอย่างรวดเร็วและต้องการพลังการคำนวณมากขึ้น แต่ในขณะเดียวกันก็ต้องถูกนำไปใช้ในรูปแบบที่คุ้มค่าบนอุปกรณ์ Edge ที่มีข้อจำกัดด้านทรัพยากร
ฉันและผู้ร่วมก่อตั้ง Prof. Ran El-Yaniv, Jonathan Elial ก่อตั้ง Deci เพื่อแก้ไขความท้าทายนี้ และเราทำได้เพียงวิธีเดียวที่เราพบว่าเป็นไปได้ – โดยใช้ AI เองในการสร้างรุ่นต่อไปของการเรียนรู้เชิงลึก เราใช้แนวทางอัลกอริทึมเป็นอันดับแรก โดยทำงานเพื่อปรับปรุงประสิทธิภาพของอัลกอริทึม AI ในขั้นตอนแรก ซึ่งจะทำให้นักพัฒนาสามารถสร้างและทำงานกับโมเดลที่มีประสิทธิภาพและความแม่นยำสูงสุดสำหรับฮาร์ดแวร์ Inference ใดๆ
การเรียนรู้เชิงลึกเป็นแก่นหลักของ Deci AI คุณสามารถให้คำจำกัดความสำหรับเราได้หรือไม่?
การเรียนรู้เชิงลึก เช่นเดียวกับการเรียนรู้ของเครื่อง เป็นสาขาย่อยของ AI ที่มีจุดมุ่งหมายเพื่อสร้างยุคใหม่ของแอปพลิเคชัน การเรียนรู้เชิงลึกได้รับแรงบันดาลใจอย่างมากจากโครงสร้างของสมองมนุษย์ ซึ่งเป็นเหตุผลที่เมื่อเราพูดถึงการเรียนรู้เชิงลึก เราจะพูดถึง “เครือข่ายประสาท” สิ่งนี้มีความเกี่ยวข้องอย่างมากสำหรับแอปพลิเคชัน Edge (เช่น กล้องในเมืองอัจฉริยะ เซ็นเซอร์บนรถยนต์ไร้คนขับ โซลูชันการวิเคราะห์ในด้านสุขภาพ) โดยที่โมเดลการเรียนรู้เชิงลึกบนไซต์เป็นสิ่งจำเป็นสำหรับการสร้างข้อมูลเชิงลึกในเวลาจริง
คุณสามารถอธิบายการค้นหาสถาปัตยกรรมประสาทได้หรือไม่?
การค้นหาสถาปัตยกรรมประสาท (Neural Architecture Search, NAS) เป็นสาขาเทคโนโลยีที่มีจุดมุ่งหมายเพื่อให้ได้โมเดลการเรียนรู้เชิงลึกที่ดีกว่า
การทำงานที่เป็นผู้บุกเบิกของ Google ในด้าน NAS ในปี 2017 ช่วยให้หัวข้อนี้เข้าสู่กระแสหลักอย่างน้อยในวงการวิจัยและวิชาการ
จุดมุ่งหมายของ NAS คือการค้นหาสถาปัตยกรรมเครือข่ายประสาทที่ดีที่สุดสำหรับปัญหาใดๆ มันทำให้การออกแบบ DNN อัตโนมัติ โดยรับประกันประสิทธิภาพที่สูงกว่าและขาดทุนน้อยกว่าโครงสร้างที่ออกแบบด้วยมือ มันเกี่ยวข้องกับกระบวนการที่อัลกอริทึมค้นหาในพื้นที่รวมของโครงสร้างโมเดลหลายล้านรูปแบบเพื่อให้ได้โครงสร้างที่เหมาะสมอย่างยิ่งสำหรับแก้ปัญหาเฉพาะนั้น เพื่อทำให้ง่ายๆ มันใช้ AI ในการออกแบบ AI ใหม่ตามความต้องการเฉพาะของโครงการใดๆ
มันถูกใช้โดยทีมเพื่อทำให้กระบวนการพัฒนาง่ายขึ้น ลดการวนซ้ำของการลองผิดลองถูก และรับประกันว่าพวกเขาจะได้โมเดลที่ดีที่สุดซึ่งสามารถให้ความแม่นยำและประสิทธิภาพที่ต้องการของแอปพลิเคชันได้
คุณสามารถอธิบายข้อจำกัดของการค้นหาสถาปัตยกรรมประสาทได้หรือไม่?
ข้อจำกัดหลักของ NAS คือความเข้าถึงและความสามารถในการปรับขนาด NAS ในปัจจุบันส่วนใหญ่ถูกใช้ในสภาพแวดล้อมการวิจัยและโดยทั่วไปแล้วจะดำเนินการโดยยักษ์ใหญ่ด้านเทค เช่น Google และ Facebook หรือในสถาบันวิชาการ เช่น Stanford เนื่องจากเทคนิค NAS แบบดั้งเดิมซับซ้อนและต้องการทรัพยากรการคำนวณจำนวนมาก
นั่นเป็นเหตุผลที่ฉันภูมิใจมากกับการพัฒนาของเราในการสร้างเทคโนโลยี AutoNAC (การก่อสร้างโครงสร้างประสาทอัตโนมัติ) ของ Deci ซึ่งทำให้ NAS เป็นประชาธิปไตยและช่วยให้บริษัททุกขนาดสามารถสร้างโครงสร้างโมเดลแบบกำหนดเองได้ด้วยความแม่นยำและความเร็วที่ดีกว่าระดับของรัฐสำหรับแอปพลิเคชันของตน
การเรียนรู้การตรวจจับวัตถุแตกต่างกันอย่างไรตามประเภทของภาพ?
น่าประหลาดใจที่โดเมนของภาพไม่ส่งผลกระทบต่อกระบวนการฝึกอบรมของโมเดลการตรวจจับวัตถุอย่างมีนัยสำคัญ ไม่ว่าคุณจะกำลังมองหาผู้เดินถนนบนถนน ก้อนเนื้องอกในภาพถ่ายทางการแพทย์ หรืออาวุธที่ซ่อนอยู่ในภาพเอ็กซ์เรย์ที่สนามบิน กระบวนการคือเหมือนกัน ข้อมูลที่คุณใช้ในการฝึกอบรมโมเดลของคุณต้องเป็นตัวแทนของงานที่ต้องทำ และขนาดและโครงสร้างของโมเดลอาจได้รับผลกระทบจากขนาด รูปร่าง และความซับซ้อนของวัตถุในภาพของคุณ
Deci AI เสนอแพลตฟอร์มแบบ end-to-end สำหรับการเรียนรู้เชิงลึกอย่างไร?
แพลตฟอร์มของ Deci ช่วยให้นักพัฒนาสามารถสร้าง ฝึกอบรม และใช้โมเดลการเรียนรู้เชิงลึกที่แม่นยำและเร็วในการผลิตได้ ด้วยการทำเช่นนี้ ทีมสามารถใช้การวิจัยและวิศวกรรมที่ทันสมัยที่สุดด้วยโค้ดเพียงบรรทัดเดียว ลดเวลาในการเข้าสู่ตลาดจากหลายเดือนเป็นเพียงไม่กี่สัปดาห์ และรับประกันความสำเร็จในการผลิต
คุณเริ่มต้นด้วยทีม 6 คน และตอนนี้คุณให้บริการแก่องค์กรขนาดใหญ่ คุณสามารถพูดถึงการเติบโตของบริษัทและความท้าทายที่คุณเผชิญได้หรือไม่?
เรารู้สึกตื่นเต้นกับการเติบโตที่เราได้ทำตั้งแต่เริ่มต้นในปี 2019 ตอนนี้มีพนักงานมากกว่า 50 คน และได้รับเงินทุนมากกว่า 55 ล้านดอลลาร์จนถึงปัจจุบัน เรามั่นใจว่าเราสามารถช่วยให้นักพัฒนาสามารถใช้ประโยชน์จาก AI ได้อย่างแท้จริงต่อไป ตั้งแต่เริ่มก่อตั้ง เราได้รับการจัดอันดับใน CB Insights’ AI 100 ทำการบรรลุผลที่เป็น 里程碑 เช่น โมเดลใหม่ของเราที่ให้ผลการทำงานการเรียนรู้เชิงลึกที่突破ขอบเขต บน CPU และสร้างความร่วมมือที่มีความหมาย รวมถึงกับชื่อใหญ่ๆ เช่น Intel
มีสิ่งอื่นที่คุณต้องการแบ่งปันเกี่ยวกับ Deci AI หรือไม่?
เช่นเดียวกับที่ฉันกล่าวไว้ก่อนหน้านี้ ช่องว่างด้านประสิทธิภาพของ AI ยังคงเป็นอุปสรรคสำคัญต่อการสร้างผลิตภัณฑ์ AI “การเปลี่ยนซ้าย” – พิจารณาข้อจำกัดของการผลิตตั้งแต่เนิ่นๆ ในวงจรชีวิตของการพัฒนา ลดเวลาและค่าใช้จ่ายที่ใช้ในการแก้ไขอุปสรรคที่อาจเกิดขึ้นเมื่อใช้โมเดลการเรียนรู้เชิงลึกในการผลิตในภายหลัง แพลตฟอร์มของเราพิสูจน์แล้วว่าสามารถทำได้โดยการให้บริษัทต่างๆ มีเครื่องมือที่จำเป็นในการพัฒนาและใช้โซลูชัน AI ที่เปลี่ยนแปลงโลกได้สำเร็จ
เป้าหมายของเราง่ายๆ – ทำให้ AI เข้าถึงได้ ราคาไม่แพง และปรับขนาดได้
ขอขอบคุณสำหรับการสัมภาษณ์ที่ดี ผู้อ่านสามารถเยี่ยมชม Deci เพื่อเรียนรู้เพิ่มเติม
