Офір Мулла, співзасновник і технічний директор Lumana – Серія інтерв’ю

Офір Мулла, співзасновник і технічний директор Lumana, має понад десятирічний досвід роботи з 3D і комп’ютерним зором, розробивши та впровадивши рішення в галузі кодованого світла, стерео та LiDAR-технологій, очолюючи міжгалузеве розроблення програмного забезпечення, електронних систем, робототехніки, машинного навчання та медичних пристроїв. До свого поточного призначення в Lumana він понад 15 років працював в Intel (INTC ), де розробив платформу RealSense 3D та очолював команди з апаратного забезпечення, прошивки та системної архітектури.

Lumana – це компанія з відеобезпеки та візуальної інтелектуальної діяльності, чиї платформи перетворюють існуючі камери на розумні, чутливі агенти, використовуючи штучний інтелект для виявлення та реагування на реальні події в режимі реального часу – від несанкціонованого доступу та порушень безпеки до операційних висновків – дозволяючи підприємствам у сфері освіти, уряду, роздрібної торгівлі, виробництва та гостинності об’єднувати камерну розвідку, автоматизувати моніторинг та розблоковувати дієвані аналітичні дані з відеоінфраструктури.

Як ваш досвід роботи в Intel підготував вас до Lumana та заснування компанії?

Технологія LiDAR була основною частиною RealSense, активним методом проєкції лазерного світла для захоплення геометрії світу. Це прекрасний зразок технології кодованого світла, який наші талановиті інженери в Intel винайшли. Виявлення геометрії має критичне значення для рухомих об’єктів, таких як робототехніка та автомобілі, тому більшість робототехнічних систем сьогодні використовують пристрої RealSense.

Але виникло питання: що відбувається, коли датчики стають стаціонарними, де навігація та час до удару не є основними завданнями? Ми запитали себе, яка технологія може надати найбільшу цінність користувачам в цьому контексті.

Через глибокі дискусії ми зрозуміли, що більшість існуючих стаціонарних систем камер не можуть бути природно розширені. Моніторинг кожної системи є трудомістким. Водночас штучний інтелект досяг такого рівня, що ми почали запитувати: як можна створити доступну систему на місці клієнта, яка може надавати найбільш термінові, надійні реакції безпеки на критичні сповіщення?

Ми створили сильну команду штучного інтелекту, яка швидко перетворила цю бачення в робочий продукт. Інсайт був простим: рухомі транспортні засоби вимагають геометричного відчуття, але стаціонарні датчики, орієнтовані на моніторинг поведінки, а не на планування руху, більше виграють від розширеної відеоаналітики без явної геометричної реконструкції.

Подорож RealSense навчила мене, що кожна проблема потребує свого власного рішення, а справжнє порушення вимагає інновацій. Моя команда в Lumana втілює цей принцип: професіоналізм, інновації та мотивація. Разом ми створили систему на місці, в режимі реального часу, яка приносить продуктивність хмарних технологій на край, доступну, масштабовану та реактивну.

Як Фізичний ШІ перевершує традиційну відеоаналітику, таку як виявлення об’єктів та маркування моделей?

Коли ми говоримо про Фізичний ШІ, ми маємо на увазі систему штучного інтелекту, яка не зупиняється на сприйнятті, а активно взаємодіє з реальним світом. Традиційна відеоаналітика, така як виявлення об’єктів або маркування моделей, є лише першим шаром. Глибша проблема полягає в тому, що відбувається після: впорядкування, відстеження, агрегування, ідентифікація, пошук та верифікація виявлених об’єктів та прискорення реакції. Це також включає можливість текстового доступу та навіть пошук об’єктів, які система не була спочатку навчена виявляти.

Все це має бути досягнуто в компактному, доступному пристрої обчислення. Саме тут Фізичний ШІ перевершує традиційну аналітику: він перетворює сурове виявлення на дієвані, доступні знання. Це не про відкриття законів фізики, наукове дослідження, яке все ще перебуває під сумнівом, а про надання практичних, ефективних способів доступу та дії щодо візуального та аудіо контенту в реальних середовищах.

Які технічні підвалини дозволяють Lumana об’єднувати дані з декількох камер, інтерпретувати поведінку в режимі реального часу та безперервно адаптуватися на основі контекстних та історичних даних?

Відмінне питання. Одним з наших основних технічних підвалин є здатність системи на місці безперервно адаптуватися до сцени, яку вона спостерігає, що зараз часто називається безперервним навчанням. Ви можете вважати це системою, яка еволюціонує зі своїм середовищем, покращуючи з часом. Цей підхід дозволив нам доставити високу продуктивність при дуже низькій вартості та винятковій гнучкості.

Іншим ключовим підвалином є наш ієрархічна архітектура, яка розумно ескалує зусилля обчислень лише тоді, коли це потрібно. Це забезпечує те, що складні дії отримують ресурси, які їм потрібні, без навантаження всієї системи.

Взяті разом, ці принципи формують платформу, яка є простою, ефективною та високо масштабованою, дозволяючи користувачам досвідчувати потужні знання в режимі реального часу та інтерпретацію поведінки при найнижчій можливій вартості.

Чи можете ви поділитися однією чи двома реальними розгортаннями, де система Lumana виявила події, такі як ескалація насильства, порушення безпеки або затримання, та пояснити вплив цих подій на безпеку чи операційну реакцію?

Розгортання Lumana в містах показують явні покращення у свідомості та реакції в режимі реального часу. У одному з великих міст Ізраїлю система перетворила існуючу відеомережу на інтелектуальний ранній попереджувальний шар, який виявив затримання в обмежених зонах, аномалії натовпу, післягодинні вторгнення та ексцентричні рухи. Це призвело до меншої кількості вторгнень, зниження вандалізму та швидшої інтервенції в зонах високого ризику.

У одному з муніципалітетів США спостерігалися подібні здобутки в історичному районі, який стикався з вандалізмом, розбиттям машин, порушеннями та затриманням. Lumana забезпечила безперервний моніторинг та негайні сповіщення, дозволяючи проводити превентивні патрулі та швидшу реакцію. Це призвело до безпечнішої громадської території та меншої операційної витрати для міста.

Ці приклади ілюструють, як виявлення поведінки в режимі реального часу, таких як затримання та порушення кордонів, зміцнює громадську безпеку та оптимізує операції.

З штучними інтелектними системами, які інтерпретують чутливу фізичну поведінку, які заходи безпеки закладені в ваш процес розроблення та розгортання?

Технологія та дизайн Lumana підкреслюють сильне управління та мінімальне переміщення даних. Обробка здійснюється на краю, коли це можливо, для обмеження доступу та посилення безпеки. Доступ обмежений через чіткі контролю та аудиторські сліди, щоб команди могли слідкувати за кожним робочим процесом. Система тримає відео локально,分享 лише необхідні метадані, які підтримують очікування безпеки в регульованих середовищах.

Ці заходи безпеки забезпечують, що чутливі візуальні дані обробляються відповідально, зберігаючи при цьому продуктивність, необхідну для операцій в режимі реального часу.

Що рухає вашу гібридну хмарну архітектуру, та як вона підтримує оброблення в режимі реального часу та безперервне навчання?

Lumana використовує гібридний підхід для об’єднання продуктивності систем на місці з гнучкістю хмарних технологій. Оброблення на краю забезпечує штучний інтелект, зберігання та управління відео локально за замовчуванням. Це знижує вимоги до пропускної здатності та посилює безпеку, зберігаючи при цьому можливість хмарної підтримки, коли це потрібно для ширшої координації чи навчання по розгортанням.

Ця архітектура забезпечує користувачам негайну реакцію, зберігаючи при цьому можливість масштабування та покращення через безперервну адаптацію по місцях.

Як була розроблена здатність до самообучення, та як вона покращується з часом у багатосайтових розгортаннях?

Архітектура нашої здатності до самообучення побудована навколо масштабу. Чим більше місць ми розгортаємо, тим ширша наша перспектива стає по краях пристроїв. Кожне нове середовище додає свіжі дані, розширюючи різноманітність сценаріїв та сцен, які система може вивчити.

Наш метод безперервного навчання використовує цю колективну знання. Коли система вдосконалюється по розгортанням, процес онлайн-навчання стає простішим та ефективнішим. У практичному сенсі, чим ширше розгортання, тим швидше та точніше адаптація, в результаті чого система безперервно покращується з часом по всіх місцях.

Хто ви бачите як ваших основних конкурентів чи партнерів у цій сфері, та що робить Lumana унікальною?

Наша справжня унікальність лежить в наших людях. За Lumana стоїть команда талановитих інженерів та інноваторів, починаючи з нашої групи штучного інтелекту, підтримуваної нашими фахівцями з хмарних технологій, дизайнерами UX/UI та посиленою підтримкою клієнтів та продажів. Хоча штучний інтелект утворює хребет нашої технології, це наш людський двигун, який рухає наш успіх. Креативність, професіоналізм та відданість нашої команди – це те, що відрізняє Lumana, як у конкурентній боротьбі, так і у співробітництві.

Lumana підкреслює “Думайте велико”, “Клієнт на першому місці”, “Одна команда” та “Володійте своїм ремеслом”. Як ви операціоналізуєте ці цінності у наборі персоналу, розробці продукту та повсякденному житті?

Ми приймаємо на роботу інноваторів, які думають велико, розв’язують проблеми, співпрацюють та зобов’язуються розвиватися.

Команди розроблення продукту створюють масштабований штучний інтелект з амбітійним баченням, ітерують через зворотний зв’язок клієнтів, сприяють спільній роботі та прагнуть до досконалості.

Повсякденна діяльність використовує агільні методи для реалізації сміливих ідей, пріоритету потреб клієнтів, будівництва єдності команди та підтримки професійного розвитку.

Ці практики рухають інновації, успіх клієнтів та вплив у сфері штучного інтелекту відеобезпеки.

Оглядаючи вперед через п’ять років, як ви бачите еволюцію ролі Lumana в ширшій екосистемі штучного інтелекту – та який вплив ви сподіваєтеся, що Фізичний ШІ матиме на галузях, таких як безпека, виробництво чи розумні міста, до того часу?

Оглядаючи вперед через п’ять років, ми бачимо роль Lumana, яка еволюціонує як ключовий засіб практичного Фізичного ШІ по галузях. Хоча розшифрування фундаментальних законів фізики залишається науковою загадкою, наш фокус сьогодні полягає на клієнтській цінності, розробці інструментів, які дозволяють організаціям краще моніторити та реагувати на світ навколо них, по будь-якій застосуванню.

Ми вже підтримуємо довгострокові співробітництва з медичними центрами та досліджуємо розширення до рухомих платформ, таких як робототехніка та транспортування. З часом, коли ми зростаємо та масштабуємося, ми також плануємо інвестувати в більш фундаментальні дослідження: чи може штучний інтелект розкрити глибші закономірності в природі, чи навіть допоможе нам сформулювати нові теорії про закони фізики? Чи можуть концепції, такі як вимірність часу, бути освітлені навчальними системами?

Наша амбіція – мати вплив на безпеку, виробництво та розумні міста, зберігаючи при цьому огляд на більший горизонт, розширюючи межі того, що штучний інтелект може допомогти нам відкрити.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Lumana.