Yashar Behzadi, Synthesis AI’nin CEO’su – Röportaj Serisi

Yashar Behzadi PhD, Synthesis AI‘nin CEO’su ve Kurucusu’dur. O, yapay zeka, tıbbi teknoloji ve IoT pazarlarında dönüştürücü işletmeler kuran deneyimli bir girişimcidir. Son 14 yılı, veri odaklı teknoloji şirketleri inşa ederek ve ölçeklendirerek Silicon Valley’de geçirdi. Yashar’ın 30’dan fazla patenti ve patent başvurusu vardır ve UCSD’den spatial-temporal modeling of functional brain imaging alanında doktora sahiptir.

Synthesis AI, derin öğrenme ve CGI’nin kesişimindeki bir startup’tır ve bilgisayar görüşü model geliştirme için yeni bir paradigm oluşturmaktadır. Müşterilere, geleneksel insan-annotasyonlu yaklaşımların zaman ve maliyetinin bir kısmında daha iyi modeller geliştirme olanağı sağlar.

Bilgisayar bilimi ve yapay zeka ile nasıl ilk olarak ilgilenmeye başladınız?

2006 yılında UCSD’den bilgisayar görüşü ve beyin görüntüleme verilerinin spatial ve temporal modellemesi üzerine odaklanan bir doktora derecesi aldım. Ardından, 16 yıl boyunca çeşitli endüstrilerde sensörler, veri ve makine öğrenimi arasındaki kesişimdeki Silicon Valley’de çalıştım. Bazı dikkat çekici teknolojiler üzerinde çalışmak için çok şanslı olduğumu düşünüyorum ve sinyal işleme, makine öğrenimi ve veri bilimine odaklanan 30’dan fazla patentim veya patent başvurusum vardır.

Synthesis AI’nin köken hikayesini paylaşabilir misiniz?

2019 yılında Synthesis AI’yi kurmadan önce, önde gelen teknoloji şirketleri için bilgisayar görüşü modelleri geliştiren bir global AI hizmetleri şirketi yönettim. Şirketin büyüklüğünden bağımsız olarak, etiketlenmiş eğitim verilerinin kalitesi ve miktarı ile çok sınırlı olduğumuzu fark ettim. Şirketler coğrafi olarak genişlediğinde, müşteri tabanını büyüttüğünde veya yeni modeller ve donanımlar geliştirdiğinde, modellerin yeterli performans göstermesini sağlamak için yeni eğitim verilerine ihtiyaç duyuldu. Ayrıca, bilgisayar görüşünün geleceğinin bugün的人-annotasyon paradigmıyla başarılı olamayacağı da açık hale geldi. Otonom, robotik ve AR/VR/metaverse uygulamaları gibi yeni bilgisayar görüşü uygulamaları, insanların etiketleyemeyeceği zengin bir etiket seti, derinlik bilgileri, malzeme özellikleri, ayrıntılı segmentasyon vb. gerektirir. Yeni bir paradigmaya ihtiyaç duyuluyordu.

Sentetik veri terimiyle yabancı olan okuyucular için, sentetik veriyi tanımlayabilir misiniz?

Sentetik veri, gerçek dünya verisine alternatif olarak hizmet veren bilgisayar tarafından oluşturulan veridir. Sentetik veri, gerçek dünyada toplanmak veya ölçülmek yerine simüle edilmiş dijital dünyalarda oluşturulur. Görsel efektler ve CGI’nin araçlarını generatif AI modelleriyle birleştiren Synthesis AI, şirketlerin bilgisayar görüşü modellerini eğitmek için talep üzerine büyük miktarda foto gerçekçi ve çeşitli veri oluşturmasına olanak tanır. Şirketin veri oluşturma platformu, yüksek kaliteli görüntü verilerini elde etme maliyetini ve süresini geleneksel yaklaşımların çok altında tutarken, gizliliği korur.

Sentetik verinin nasıl oluşturulduğunu tartışabilir misiniz?

Bir sentetik veri kümesi, gerçek dünya verisi yerine yapay olarak oluşturulur. Görsel efekt endüstrisinin teknolojileri, generatif sinir ağları ile birleştirilerek büyük, çeşitli ve foto gerçekçi etiketlenmiş görüntü verisi oluşturulur. Sentetik veri, mevcut yaklaşımların maliyetinin ve süresinin bir kısmında eğitim verisi oluşturulmasına olanak tanır.

Sentetik veriyi kullanmanın rekabet avantajı nasıl yaratır?

Şu anda, çoğu AI sistemi, insanların resimlerdeki ana öznitelikleri etiketlediği ve ardından AI algoritmalarının resimleri yorumlayabilmesi için “gözetimli öğrenme” kullanır. Bu, bir kaynak ve zaman yoğun bir süreçtir ve insanların doğru bir şekilde etiketleyebileceği şeylerle sınırlıdır. Ayrıca, AI’de demografik önyargı ve tüketici gizliliği ile ilgili endişeler artmış ve geleneksel veri setlerini elde etmeyi giderek daha zor hale getirmiştir.

Yaklaşımımız, kompleks görüntü verisini sentezleyen foto gerçekçi dijital dünyalar oluşturmaktır. Verileri biz oluşturduğumuz için, sahneler, nesnelerin ve çevrelerinin 3B konumları ve karmaşık etkileşimleri hakkında hiç trước görülmemiş bilgiler dahil her şeyi biliriz. Mevcut yaklaşımları kullanarak bu kadar veri elde etmek ve etiketlemek aylar, hatta yıllar alabilir. Bu yeni paradigm, verimlilik ve maliyette 100 katlık bir iyileşme sağlayacak ve daha yetenekli modellerin geliştirilmesini sağlayacaktır.

Sentetik verinin yapay olarak oluşturulması, geleneksel veri setlerinin toplanmasıyla ilgili birçok önyargı ve gizlilik endişesini ortadan kaldırır.

Talep üzerine veri oluşturmanın ölçeklendirme hızını nasıl hızlandırdığını açıklayabilir misiniz?

Gerçek dünya verisinin model eğitimi için yakalanması ve hazırlanması uzun ve zahmetli bir süreçtir. Otonom araçlar, robotik veya uydu görüntüleri gibi karmaşık bilgisayar görüşü sistemleri için gerekli donanımının dağıtılması, maliyet açısından engelleyici olabilir. Veri bir kez yakalandığında, insanlar önemli özellikleri etiketler ve annotlar. Bu süreç hatalara eğilimlidir ve insanlar, birçok uygulama için gerekli olan 3B konum gibi önemli bilgileri etiketleme yeteneğinde sınırlıdır.

Sentetik veri, geleneksel insan-annotasyonlu gerçek veri yaklaşımından çok daha hızlı ve ucuzdur ve yeni ve daha yetenekli modellerin endüstriler genelinde dağıtımını hızlandıracaktır.

Sentetik verinin AI önyargısını azaltmasını veya önlenmesini nasıl sağlar?

AI sistemleri her yerde mevcut ancak içlerinde doğal olarak bulunan önyargılar olabilir ve insan gruplarını etkileyebilir. Veri setleri, belirli veri sınıfları ile dengesiz olabilir ve insan gruplarını aşırı veya eksik temsil edebilir. İnsan merkezli sistemler inşa etmek, cinsiyet, etnik köken ve yaş önyargılarına yol açabilir. Karşıt olarak, tasarım tarafından oluşturulan eğitim verisi, dengeli bir şekilde oluşturulur ve insan önyargılarından yoksundur.

Sentetik veri, AI’nin önyargı sorununu çözmek için güçlü bir çözüm olabilir. Sentetik veri, kısmen veya tamamen yapay olarak oluşturulur ve gerçek dünya olaylarından veya fenomenlerinden ölçülmüş veya çıkarılmış değildir. Veri seti yeterince çeşitli veya büyük değilse, AI tarafından üretilen veri, boşlukları doldurabilir ve önyargısız bir veri seti oluşturabilir. En iyi tarafı, bu veri setlerini manuel olarak oluşturmak, ekiplere birkaç ay veya yıl alabilir. Sentetik veri ile tasarlandığında, bu, bir gecede yapılabilir.

Bilgisayar görüşü dışında, sentetik verinin gelecekteki diğer olası kullanım alanları nelerdir?

Tüketici ürünleri, otonom, robotik, AR/VR/metaverse ve daha fazlasıyla ilgili bilgisayar görüşü kullanım örneklerinin çokluğuna ek olarak, sentetik veri diğer veri modellerini de etkileyecektir. Şirketlerin, yapılandırılmış tablo verisi, ses ve doğal dil işleme için sentetik veri yaklaşımlarını kullanmaya başladığını zaten görüyoruz. Her mod için temel teknolojiler ve oluşturma boru hatları farklıdır ve yakın gelecekte, çok modlu sistemleri (örneğin, video + ses) görmeyi bekliyoruz.

Synthesis AI hakkında paylaşmak istediğiniz başka bir şey var mı?

Geçen yılın sonlarında, HumanAPI‘yi yayınladık, bu, Synthesis AI’nin sentetik veri yeteneklerinin önemli bir genişlemesiydi ve milyonlarca benzersiz, yüksek kaliteli 3B dijital insan oluşturulmasını programlı olarak ermögildi. Bu duyuru, önde gelen akıllı telefon, telekonferans, otomobil ve teknoloji şirketleri için 10M etiketli yüz resmi teslim eden FaceAPI sentetik veri hizmeti ürününün lansmanından aylar sonra geldi. HumanAPI, şirketin gelişmiş bilgisayar görüşü AI uygulamalarını desteklemek için aldığı yolun bir sonraki adımıdır.

HumanAPI, müşterilerimiz için yeni fırsatlar da sunar, Bunlar arasında akıllı AI asistanları, sanal fitness koçu ve elbette metaverse uygulamaları bulunur.

Gerçek dünyanın dijital bir kopyasını oluşturarak, metaverse, yeniden tasarlanmış sosyal ağlar, eğlence deneyimleri, telekonferans, oyun ve daha fazlası için yeni uygulamalar sağlayacaktır. Bilgisayar görüşü AI, gerçek dünyanın dijital dünyada nasıl yakalandığı ve yeniden yaratıldığı konusunda temel olacaktır. Foto gerçekçi, ifade edici ve davranışsal olarak doğru insanlar, gelecekteki bilgisayar görüşü uygulamalarının temel bir bileşeni olacaktır. HumanAPI, şirketlerin daha yetenekli AI modelleri oluşturmak için talep üzerine büyük miktarda mükemmel etiketlenmiş tüm vücut verisi oluşturmasına olanak tanıyan ilk üründür.

Harika röportaj için teşekkür ederiz, daha fazla bilgi öğrenmek isteyen okuyucular Synthesis AI‘yi ziyaret etmelidir.