Max Versace, Giám đốc điều hành và Đồng sáng lập của Neurala – Loạt bài phỏng vấn

Tiến sĩ Massimiliano Versace là người đồng sáng lập và Giám đốc điều hành của Thần kinh, và tầm nhìn xa trông rộng của công ty. Sau nghiên cứu tiên phong về điện toán lấy cảm hứng từ não bộ và mạng sâu, ông tiếp tục truyền cảm hứng và dẫn đầu thế giới người máy tự trị. Anh ấy đã phát biểu tại hàng chục sự kiện và địa điểm, bao gồm TedX, NASA, Lầu năm góc, GTC, InterDrone, Phòng thí nghiệm quốc gia, Phòng thí nghiệm nghiên cứu không quân, HP, iRobot, Samsung, LG, Qualcomm, Ericsson, BAE Systems, AI World, Mitsubishi, ABB và Accenture, trong số nhiều người khác.

Ban đầu bạn học tâm lý học và sau đó chuyển sang khoa học thần kinh, lý do cơ bản của bạn vào thời điểm đó là gì?

Trục là tự nhiên. Tâm lý học cung cấp một mặt của “đồng tiền đào tạo” – nghiên cứu về hiện tượng tâm lý. Tuy nhiên, nếu một người quan tâm đến những gì cơ học gây ra suy nghĩ và hành vi, thì chắc chắn người đó sẽ nghiên cứu cơ quan chịu trách nhiệm cho những suy nghĩ, và cuối cùng là nghiên cứu Khoa học thần kinh!

Khi nào bạn nhận ra rằng bạn muốn áp dụng hiểu biết của mình về bộ não con người để mô phỏng bộ não con người trong một hệ thống AI?

Bước tiếp theo, từ Khoa học thần kinh đến AI, phức tạp hơn. Trong khi Khoa học thần kinh quan tâm đến việc nghiên cứu chi tiết về giải phẫu và sinh lý học của hệ thần kinh và cách bộ não hình thành hành vi, thì một con đường bổ sung khác để đạt được sự hiểu biết sâu sắc hơn nữa là xây dựng một phiên bản tổng hợp của chúng. Một phép loại suy mà tôi muốn đưa ra là người ta có thể hiểu một phần về cách thức hoạt động của động cơ bằng cách tháo xi lanh và bộ tản nhiệt, đồng thời kết luận rằng xi lanh và bộ tản nhiệt rất quan trọng đối với hoạt động của động cơ. Một cách khác sâu hơn để hiểu một động cơ là xây dựng một động cơ từ đầu – cụ thể là bằng cách nghiên cứu trí thông minh bằng cách xây dựng một phiên bản tổng hợp (nhân tạo) của nó.

Một số dự án deep learning ban đầu mà bạn đã thực hiện là gì?

Vào năm 2009 cho DARPA, chúng tôi đã làm việc để xây dựng một “mô phỏng toàn bộ não” cho một robot tự động sử dụng chip tiên tiến do Hewlett Packard thiết kế. Tóm lại, nhiệm vụ của chúng tôi là mô phỏng bộ não và một số hành vi học tập và tự chủ quan trọng của một loài gặm nhấm nhỏ ở một yếu tố hình thức phù hợp để có thể di động và triển khai trong phần cứng nhỏ.

Bạn có thể chia sẻ câu chuyện về nguồn gốc của Neurala không?

Neurala với tư cách là một công ty bắt đầu hoạt động vào năm 2006 để chứa một số công việc bằng sáng chế xung quanh việc sử dụng GPU (Bộ xử lý đồ họa) để học sâu. Mặc dù ngày nay điều này có thể được coi là tầm thường, nhưng vào thời điểm đó, GPU hoàn toàn không được sử dụng cho AI và chúng tôi đã đi tiên phong trong khái niệm đó bằng cách tưởng tượng rằng mỗi pixel trong thẻ đồ họa có thể được sử dụng để xử lý một nơ-ron (so với một phần của cảnh để hiển thị trên màn hình). Nhờ tính song song của GPU, bắt chước bộ xử lý song song não bộ của chúng ta ở một mức độ (khả thi về mặt thương mại), chúng tôi có thể đạt được tốc độ học tập và thực thi cho các thuật toán của mình, điều mà đột nhiên biến AI và Deep Learning trở nên thực tế. Chúng tôi phải đợi thêm vài năm nữa để rời khỏi giới học thuật khi thế giới “bắt kịp” (chúng tôi đã là những người tin tưởng vững chắc!) về thực tế của AI. Vào năm 2013, chúng tôi đã đưa công ty ra khỏi chế độ tàng hình (vì chúng tôi đã được NASA và Phòng thí nghiệm nghiên cứu của Lực lượng Không quân Hoa Kỳ tài trợ) và tham gia chương trình Boston Tech Stars. Từ đó, chúng tôi bắt đầu thuê một vài nhân viên và huy động vốn tư nhân. Tuy nhiên, phải đến năm 2017, với việc rót vốn mới và ngành công nghiệp ngày càng phát triển hơn, chúng tôi mới có thể triển khai những triển khai quan trọng đầu tiên và đưa AI của mình vào 56 triệu thiết bị, từ máy ảnh, đến điện thoại thông minh, máy bay không người lái và rô-bốt.

Một trong những dự án ban đầu của Neurala là làm việc trên tàu thám hiểm sao Hỏa của NASA. Xin ông chia sẻ những điểm nổi bật của dự án này?

NASA có một vấn đề rất cụ thể: họ muốn khám phá công nghệ để cung cấp năng lượng cho các sứ mệnh không người lái trong tương lai, trong đó hệ thống tự trị (ví dụ: xe tự hành) sẽ không dựa vào hướng dẫn từng bước kiểm soát sứ mệnh của Trái đất. Sự chậm trễ trong giao tiếp khiến việc điều khiển này trở nên bất khả thi – hãy nhớ rằng giao tiếp giữa Trái đất và Matt Damon trong bộ phim “The Martian” phức tạp như thế nào. Giải pháp của chúng tôi: trang bị cho mỗi xe tự hành một bộ não riêng. NASA đã quay sang chúng tôi, vì chúng tôi đã được coi là chuyên gia trong việc xây dựng những “bộ não nhỏ” tự động này với DARPA, để cung cấp cho một người tự hành một hệ thống Học sâu nhân tố nhỏ không chỉ có thể chạy trên rô-bốt mà còn có thể thích ứng trong thời gian thực và học những điều mới khi robot đang hoạt động. Chúng bao gồm các vật thể mới (ví dụ: đá, dấu hiệu của nước, v.v.) khi chúng bắt gặp và tạo ra một bản đồ có ý nghĩa về một hành tinh chưa được khám phá. Thách thức là rất lớn, nhưng phần thưởng cũng vậy: một công nghệ Deep Learning có thể chạy trên một sức mạnh xử lý rất nhỏ và học hỏi ngay cả trên một mẩu dữ liệu (ví dụ: một hình ảnh). Điều này vượt xa những gì Deep Learning có thể đạt được vào thời điểm đó (và thậm chí cả ngày nay!).

Neurala đã thiết kế Lifelong-DNN, bạn có thể giải thích rõ hơn về sự khác biệt của nó với DNN thông thường và những lợi thế mà nó mang lại không?

Được thiết kế cho trường hợp sử dụng của NASA ở trên, Lifelong DNN, đúng như tên gọi, có thể học trong toàn bộ vòng đời của nó. Điều này không giống như Mạng lưới thần kinh sâu (DNN) truyền thống, có thể được đào tạo hoặc thực hiện “suy luận” (cụ thể là phân loại). Trong L-DNN, giống như ở người, không có sự khác biệt giữa học tập và phân loại. Mỗi khi chúng tôi nhìn vào một thứ gì đó, chúng tôi vừa “phân loại” nó (đây là cái ghế) vừa tìm hiểu về nó (cái ghế này mới, chưa thấy bao giờ, giờ tôi đã biết thêm một chút về nó). Khác với DNN, L-DNN luôn học hỏi và đối mặt với những gì nó biết về thế giới, những thông tin mới nào được đưa ra và có thể hiểu được sự bất thường một cách tự nhiên. Ví dụ, nếu một trong những đứa trẻ của tôi đùa giỡn với tôi và sơn chiếc ghế của tôi màu hồng, tôi sẽ nhận ra ngay. Vì L-DNN của tôi đã học được theo thời gian rằng chiếc ghế của tôi có màu đen và khi nhận thức của tôi về nó không khớp với trí nhớ của tôi về nó, L-DNN sẽ tạo ra một tín hiệu bất thường. Điều này được sử dụng trong các sản phẩm của Neurala theo nhiều cách khác nhau (Xem bên dưới).

Bạn có thể thảo luận AI tầm nhìn tùy chỉnh của Brain Builder là gì và cách nó cho phép các ứng dụng người máy nhanh hơn, dễ dàng hơn và ít tốn kém hơn không?

Vì L-DNN học về thế giới một cách tự nhiên và có thể hiểu liệu có điều gì đó bất thường hoặc sai lệch so với tiêu chuẩn đã học hay không, nên sản phẩm của Neurala, Brain Builder và VIA (Tự động kiểm tra trực quan) được sử dụng để thiết lập nhanh các tác vụ kiểm tra trực quan chỉ bằng một vài hình ảnh của “sản phẩm tốt”. Ví dụ: trong cài đặt sản xuất, người ta có thể sử dụng 20 hình ảnh của “chai tốt” và tạo “bộ não thu nhỏ” để Kiểm tra Chất lượng Hình ảnh có thể nhận ra chai tốt hoặc chai xấu (ví dụ: chai có nắp bị hỏng) là sản xuất. Điều này có thể được thực hiện với L-DNN rất dễ dàng, nhanh chóng và trên một CPU đơn giản, tận dụng công nghệ của NASA được xây dựng trong hơn 10 năm nghiên cứu và phát triển mạnh mẽ.

Trong một cuộc phỏng vấn trước đây, bạn đã khuyến nghị rằng các doanh nhân luôn đặt mục tiêu bắt đầu một doanh nghiệp hơi bất khả thi. Bạn có cảm thấy rằng Neurala hơi bất khả thi khi lần đầu tiên thành lập công ty không?

Tôi vẫn nhớ người bạn và đồng nghiệp của mình, Anatoli, đã phun một tràng cà phê espresso khi tôi nói “một ngày nào đó, công nghệ của chúng ta sẽ chạy trên điện thoại di động”. Nghe có vẻ bất khả thi, nhưng tất cả những gì bạn cần làm là tưởng tượng và hành động vì nó. Ngày nay, nó chạy trên hàng triệu điện thoại. Chúng tôi hình dung một thế giới nơi hàng nghìn con mắt nhân tạo có thể phát hiện ra các máy móc và quy trình công nghiệp để cung cấp mức chất lượng và khả năng kiểm soát không thể tưởng tượng được trước đây, điều mà trước đây không thể thực hiện được vì chúng sẽ tiêu tốn hàng nghìn người trên mỗi máy. Hy vọng không ai đang uống cà phê espresso khi đọc điều này….

Cảm ơn bạn vì cuộc phỏng vấn tuyệt vời, Neurala rõ ràng là một công ty mà chúng tôi nên theo dõi. Bạn đọc có nhu cầu tìm hiểu thêm vui lòng truy cập Thần kinh.