Макс Вершач, CEO і співзасновник Neurala – Інтерв’ю Серія

Доктор Массіміліано Вершач є співзасновником і генеральним директором компанії Neurala, а також її візіонером. Після своєї піонерської роботи в галузі комп’ютерних систем, натхнених мозком, і глибоких мереж, він продовжує надихати і лідувати у світі автономної робототехніки. Він виступав на десятках заходів і майданчиків, включаючи TedX, NASA, Пентагон, GTC, InterDrone, Національні лабораторії, Лабораторії досліджень Повітряних сил, HP, iRobot, Samsung, LG, Qualcomm (QCOM ), Ericsson, BAE Systems, AI World, Mitsubishi, ABB і Accenture, серед багатьох інших.

Спочатку ви вивчали психологію, а потім перейшли до нейробіології, яка була вашою мотивацією на той час?

Перехід був природним. Психологія надала одну сторону “монети навчання” – вивчення психологічних явищ. Однак, якщо хтось цікавиться тим, що механічно викликає думки і поведінку, то неминуче опиняється у вивченні органу, відповідального за думки, і починає вивчати нейробіологію!

Коли ви зрозуміли, що хочете застосувати свої знання про людський мозок до імітування людського мозку в системі штучного інтелекту?

Наступний крок, нейробіологія до штучного інтелекту, складніший. Хоча нейробіологія займається детальним вивченням анатомії і фізіології нервової системи і того, як мозок дає початок поведінці, інший додатковий шлях до досягнення ще глибшого розуміння полягає у створенні синтетичної версії мозку. Аналогію, яку я люблю давати, полягає у тому, що можна отримати часткове розуміння того, як працює двигун, знімаючи з нього циліндр і радіатор і роблячи висновок, що циліндри і радіатори важливі для функціонування двигуна. Інший, глибший спосіб зрозуміти двигун полягає у створенні його з нуля – тобто вивченні інтелекту шляхом створення синтетичної (штучної) версії.

Які були деякі з перших проектів глибокого навчання, над якими ви працювали?

У 2009 році для DARPA ми працювали над створенням “емуляції всього мозку” для автономного робота за допомогою передової мікросхеми, розробленої Hewlett Packard. У суті, нашою задачею було емулювати мозок і деяку автономну поведінку малих гризунів у форматі, який би зробив його придатним для переносної реалізації та впровадження у малий апарат.

Чи можете ви розповісти історію створення Neurala?

Neurala як компанія була заснована у 2006 році для розробки патентів щодо використання графічних процесорів (GPU) для глибокого навчання. Хоча це сьогодні може здатися тривіальним, на той час GPU не використовувалися для штучного інтелекту, і ми стали піонерами цієї концепції, уявляючи, що кожна піксель у графічній карті могла бути використана для обробки нейрона (на відміну від рендерингу сцени на екрані). Завдяки паралелізму GPU, який частково імітує наш мозок, ми змогли досягти швидкості навчання і виконання алгоритмів, яка зробила штучний інтелект і глибоке навчання практичними. Нам довелося чекати ще кілька років, поки світ “дорос” (ми вже були переконані!) у реальності штучного інтелекту. У 2013 році ми вивели компанію з режиму секретності (ми вже були профінансовані NASA і лабораторіями досліджень Повітряних сил США) і вступили до програми Boston Tech Stars. Відтоді ми почали наймати працівників і збирали приватний капітал. Все ж таки, тільки у 2017 році, з новим інжекцією капіталу і подальшим дозріванням галузі, ми змогли здійснити перші важливі розгортання і встановити наш штучний інтелект на 56 мільйонах пристроїв, починаючи від камер, смартфонів, дронів і роботів.

Одним з перших проектів Neurala було роботу над марсоходом NASA. Чи можете ви розповісти нам про цей проект?

У NASA була дуже конкретна проблема: вони хотіли дослідити технології для майбутніх автономних місій, де автономна система (наприклад, марсоход) не буде залежати від крок за кроком від керівництва Центру управління місією на Землі. Затримки зв’язку роблять це керування неможливим – просто пам’ятайте, наскільки незручно було спілкування між Землею і Меттом Деймоном у фільмі “Марсіянин”. Наше рішення: наділити кожен марсоход своєю власною “мозком”. NASA звернулася до нас, оскільки ми вже були визнані експертами у створенні цих автономних “міні-мозків” за допомогою DARPA, щоб наділити марсоход мозком, який зможе не тільки працювати на роботі, але й адаптуватися в реальному часі і навчатися нових речей під час роботи марсохода. Це включало нові об’єкти (наприклад, камені, ознаки води тощо), які зустрічаються, і створення значущої карти незвіданої планети. Виклик був величезним, але й нагорода була великою: технологія глибокого навчання, яка могла працювати на дуже маленькій обчислювальній потужності і навчатися навіть на одному зразку даних (наприклад, зображенні). Це вийшло за рамки того, чого було здатне глибоке навчання на той час (і навіть сьогодні!).

Neurala розробила технологію Lifelong-DNN, можете ви розповісти про те, як вона відрізняється від звичайної DNN і які переваги вона пропонує?

Розроблена для використання в разі NASA, вищезгаданому, Lifelong DNN, як і назва говорить, може навчатися протягом усього свого життєвого циклу. Це на відміну від традиційних глибоких нейронних мереж (DNN), які можуть бути або навчені, або виконувати “інференс” (тобто класифікацію). У L-DNN, як і у людей, немає різниці між навчанням і класифікацією. Кожного разу, коли ми дивимося на щось, ми і класифікуємо його (це стулка), і вчимося про нього (ця стулка нова, ніколи не бачили її раніше, тепер знаю про неї трохи більше). На відміну від DNN, L-DNN завжди вчиться і зіштовхується з тим, що воно знає про світ, з новою інформацією, яка представляється, і природно здатне зрозуміти аномалії. Наприклад, якщо один з моїх дітей зіграв зі мною жарт і пофарбував мою стулку в рожевий колір, я одразу впізнаю це. Поскольку мій L-DNN навчався протягом часу, що моя стулка чорна, і коли моє сприйняття її не збігається з моїм спогадом про неї, L-DNN видасть сигнал аномалії. Це використовується у продуктах Neurala різними способами (див. нижче).

Чи можете ви обговорити, що таке Brain Builder custom vision AI, і як вона дозволяє створювати швидші, простіші та menos дорогі роботизовані застосування?

Оскільки L-DNN природно вчиться про світ і може зрозуміти, якщо щось аномально чи відхиляється від навченого стандарту, продукт Neurala, Brain Builder і VIA (Visual Inspection Automation), використовуються для швидкої настройки завдань візуальної інспекції за допомогою лише декількох зображень “хороших продуктів”. Наприклад, у виробничому середовищі можна використовувати 20 зображень “хороших пляшок” і створити візуальну інспекцію “міні-мозок”, здатний розпізнавати хороші пляшки, або коли виробляється погана пляшка (наприклад, з поламаною кришкою). Це можна зробити з L-DNN дуже легко, швидко і на простому процесорі, використовуючи технологію, розроблену за понад 10 років інтенсивних досліджень.

У попередньому інтерв’ю ви радили підприємцям завжди ставити за мету створення бізнесу, який є трохи неможливим. Чували ви, що Neurala була трохи неможливою, коли ви вперше запустили компанію?

Я все ще пам’ятаю, як мій друг і колега, Анатолій, виплюнув свій еспресо, коли я сказав: “одного дня наша технологія буде працювати на мобільному телефоні”. Це звучало неможливо, але все, що потрібно було зробити, – це уявити і працювати над цим. Сьогодні це працює на мільйонах телефонів. Ми бачимо світ, у якому тисячі штучних очей можуть виявляти промислові машини і процеси, щоб забезпечити раніше неможливий рівень якості і контролю, який раніше був неможливий, оскільки це потребувало б тисяч людей на машину. Сподіваюсь, ніхто не п’є еспресо, читючи це….

Дякую за велике інтерв’ю, Neurala явно компанія, яку ми повинні тримати на нашому радарі. Читачам, які бажають дізнатися більше, слід відвідати Neurala.