Nick Romano, Đồng sáng lập & CEO của Deeplite – Loạt phỏng vấn

Nick Romano là Đồng sáng lập & CEO của Deeplite một giải pháp Tối ưu hóa được thúc đẩy bởi Trí tuệ nhân tạo để làm cho các Mạng nơ-ron sâu nhanh hơn, nhỏ hơn và tiết kiệm năng lượng từ đám mây đến tính toán biên.

Nick là một doanh nhân nối tiếp & CEO thành đạt mang lại kết quả thành công trong hơn 20 năm. Gần đây anh đã đồng sáng lập & mở rộng một nền tảng SaaS doanh nghiệp với doanh thu định kỳ hàng triệu đô la & hơn 100 nhân viên. Anh đã được vinh danh bởi Trường Kỹ thuật McMaster là một trong 150 cựu sinh viên hàng đầu.

Điều gì ban đầu thu hút bạn đến với Trí tuệ nhân tạo?

Tôi đã ở trong không gian công nghệ trong hơn 25 năm và đã chứng kiến nhiều chu kỳ và xu hướng, một số trong đó là sự cường điệu và một số thực sự. Trí tuệ nhân tạo là một lĩnh vực năng động và đang phát triển, và điều tôi yêu thích về nó là cách công nghệ có thể thực sự được sử dụng theo nhiều cách khác nhau để cải thiện cách mọi người sống và làm việc. Tôi muốn trở thành một phần của phong trào này. Tuy nhiên, có những thách thức khi đưa Trí tuệ nhân tạo vào môi trường thực tế. Nó đòi hỏi rất nhiều khả năng tính toán và năng lượng để Trí tuệ nhân tạo hoạt động đúng cách – nó đòi hỏi tính toán mạnh. Điều đó ổn trong phòng thí nghiệm, nhưng nếu nó quá lớn hoặc quá chậm hoặc chiếm quá nhiều năng lượng, thì rất khó để đưa Trí tuệ nhân tạo vào các kịch bản thực tế. Đó là sứ mệnh và sự thu hút thực sự đối với tôi – cho phép Trí tuệ nhân tạo trong cuộc sống hàng ngày.

Có thể bạn chia sẻ câu chuyện về sự ra đời của Deeplite?

Ý tưởng về Deeplite bắt đầu tại khu vực ươm tạo TandemLaunch ở Montreal. Davis Sawyer, người hiện là giám đốc sản phẩm trưởng của chúng tôi và là một chuyên gia về lĩnh vực Trí tuệ nhân tạo, và Ehsan Saboori, người hiện là CTO của chúng tôi và thực sự là người tạo ra IP của chúng tôi, đã bắt đầu phát triển công nghệ tại đó. Tôi đã tham gia cùng họ vào năm 2019, mang lại nhiều năm kinh nghiệm lãnh đạo công nghệ và mở rộng công ty, và chúng tôi đã chính thức ra mắt Deeplite như một công ty vào giữa năm 2019. Hiện tại chúng tôi có hơn 20 nhân viên với văn phòng tại Montreal và Toronto, và chúng tôi đã công bố một vòng hạt giống 6 triệu đô la vào tháng 4 năm 2021.

Tại sao việc nhúng xử lý Trí tuệ nhân tạo trực tiếp vào phần cứng so với đám mây lại quan trọng trong một số trường hợp như xe tự hành và máy bay không người lái?

Có nhiều lý do tại sao bạn muốn chạy quá trình ra quyết định Trí tuệ nhân tạo, quá trình quyết định Trí tuệ nhân tạo, tại điểm thu thập dữ liệu so với đám mây. Có lẽ lý do lớn nhất trong các ứng dụng quan trọng như xe tự hành là gì được gọi là độ trễ,基本 là bao lâu Trí tuệ nhân tạo mất thời gian để đưa ra quyết định. Nếu bạn cần thu thập dữ liệu, gửi nó đến đám mây để suy luận, sau đó trả về kết quả, điều đó rõ ràng sẽ mất nhiều thời gian hơn so với việc thực hiện nó cục bộ trong thời gian thực. Trong lái xe tự hành, những mili giây rất quan trọng.

Các lý do khác bao gồm quyền riêng tư, giữ dữ liệu nhạy cảm cục bộ so với gửi đến đám mây và,当然, kết nối mà trong sự vắng mặt của nó làm cho suy luận đám mây trở nên vô nghĩa. Các mạng nơ-ron sâu phức tạp thúc đẩy Trí tuệ nhân tạo đòi hỏi rất nhiều năng lực tính toán để chạy, chúng sử dụng nhiều bộ nhớ và tiêu thụ nhiều năng lượng, vì vậy các giải pháp Trí tuệ nhân tạo bị buộc phải sử dụng đám mây. Vì vậy, để thoát khỏi đám mây và làm cho Trí tuệ nhân tạo chạy cục bộ tại biên trong một chiếc xe hoặc máy bay không người lái, ví dụ, bạn cần tìm cách giảm kích thước và hồ sơ năng lượng tổng thể của mô hình, cho phép nó chạy trực tiếp trên phần cứng – thiết bị – với ít tài nguyên hơn. Điều đó quan trọng để phá vỡ rào cản này và đưa Trí tuệ nhân tạo đến nhiều thiết bị hơn phục vụ mọi người hàng ngày. Đó là nơi Deeplite xuất hiện.

Có thể bạn cho chúng tôi biết Deeplite Neutrino là gì cụ thể?

Nền tảng Neutrino của chúng tôi biến Trí tuệ nhân tạo, cụ thể là mạng nơ-ron sâu hoặc DNN, thành một hình thức mới nhỏ hơn, nhanh hơn và tiêu thụ ít năng lượng hơn so với hình thức ban đầu. Với Deeplite Neutrino, các nhóm Trí tuệ nhân tạo có thể tập trung vào việc đào tạo mô hình của họ để đạt được độ chính xác, tần suất quyết định chính xác, và sử dụng nền tảng của chúng tôi để tối ưu hóa mô hình Trí tuệ nhân tạo để nó có thể được triển khai vào phần cứng bị hạn chế tại biên. Deeplite Neutrino thực hiện việc này mà không ảnh hưởng đến độ chính xác ban đầu của Trí tuệ nhân tạo. Về cơ bản, chúng tôi lấy các mô hình Trí tuệ nhân tạo lớn và làm cho chúng nhỏ hơn, nhanh hơn và tiết kiệm năng lượng hơn. Mục tiêu cuối cùng là đưa Trí tuệ nhân tạo ra khỏi phòng thí nghiệm và vào thế giới thực trong những thứ chúng ta sử dụng hàng ngày.

Làm thế nào Deeplite Neutrino có thể làm cho Trí tuệ nhân tạo trở nên hiệu quả, nhanh hơn, nhỏ hơn và mạnh mẽ hơn mà không ảnh hưởng đến độ chính xác của mô hình ban đầu?

Chúng tôi sử dụng một phương pháp khám phá không gian thiết kế đa mục tiêu mới. Chúng tôi sử dụng mô hình ban đầu như một mô hình “giáo viên” và sau đó khám phá kiến trúc của mô hình để tìm mô hình “học sinh” tốt nhất thỏa mãn các ràng buộc thiết kế được chỉ định bởi người dùng Deeplite để tự động tối ưu hóa các mô hình DNN và làm cho chúng đáng kể nhanh hơn, nhỏ hơn và tiết kiệm năng lượng hơn mà không hy sinh hiệu suất.

Có những trường hợp sử dụng hàng đầu nào cho loại Trí tuệ nhân tạo này?

Mặc dù chúng tôi không giới hạn ở đây, nhưng trọng tâm hiện tại của chúng tôi là tầm nhìn máy tính và Trí tuệ nhân tạo dựa trên nhận thức. Công nghệ Trí tuệ nhân tạo của chúng tôi đang được sử dụng trong xe tự hành, máy bay không người lái, máy ảnh, điện thoại di động, cảm biến và các thiết bị IoT khác. Chúng tôi cũng đang thấy các ứng dụng mới cho nó gần đây, bao gồm một chiếc bàn chải đánh răng thông minh và một chiếc máy pha cà phê thông minh. Chúng tôi thậm chí đang làm việc với một công ty đồ chơi hàng đầu quốc tế đang sử dụng nó để phát triển trò chơi. Điều gì thực sự thú vị và phần thưởng về những gì chúng tôi làm là sự đa dạng của các ứng dụng chúng tôi đang thấy ra thị trường nơi chúng tôi có thể giúp nó trở nên sống động.

Quan điểm của bạn về học liên kết và cách nó sẽ ảnh hưởng đến tương lai của học máy?

Việc đào tạo mô hình đòi hỏi rất nhiều dữ liệu và rất nhiều năng lực tính toán. Sự đa dạng của các trường hợp sử dụng càng lớn, càng nhiều dữ liệu được yêu cầu và càng nhiều thời gian tính toán cần thiết để đào tạo mô hình đến mức độ chính xác thỏa mãn. Với học liên kết, việc đào tạo được điều phối tại biên trong mỗi thiết bị dựa trên điều kiện dữ liệu cục bộ. Điều này có thể làm cho việc đào tạo trở nên hiệu quả hơn (tại sao đào tạo cho một con kangaroo băng qua đường ở Alaska) và cũng là một chiến thắng lớn cho quyền riêng tư vì dữ liệu đào tạo – ví dụ, khuôn mặt của một người – không được gửi đến máy chủ trung tâm.

Given rằng quá trình tối ưu hóa của chúng tôi liên quan đến cái mà chúng tôi gọi là “quá trình đào tạo” để bảo tồn độ chính xác của mô hình tối ưu hóa, mục tiêu cuối cùng của chúng tôi sẽ là có những gì chúng tôi đang làm trở thành một phần của quá trình đào tạo ban đầu thay vì như một lượt thứ hai. Hiện tại, điều này là khát khao, nhưng đó là một phần của mục tiêu dài hạn của chúng tôi.

Làm thế nào một công ty khởi nghiệp như bạn thu hút tài năng và trí tuệ cần thiết?

Điều đó là một thách thức lớn để thu hút tài năng Trí tuệ nhân tạo phù hợp ngày nay – có quá ít người ở đó và sự cạnh tranh để tuyển dụng là cao. Đội ngũ của chúng tôi tuyệt vời. Họ là một nam châm tự nhiên cho tài năng. Chúng tôi có những người được tuyển dụng tiềm năng nói chuyện và phỏng vấn với đội ngũ của chúng tôi. Một khi họ thấy chất lượng của những người tại Deeplite, họ muốn ở đây. Là một công ty khởi nghiệp, chúng tôi cung cấp một văn hóa tuyệt vời và cơ hội để làm việc trên một điều gì đó mới và nổi lên có thể là một yếu tố thay đổi trò chơi cho nhiều ngành công nghiệp và sản phẩm khác nhau. Tôi nghĩ rằng cơ hội đó, cùng với đội ngũ, là chìa khóa để chúng tôi thu hút tài năng hàng đầu. Chúng tôi cũng được đặt tại hai trung tâm Trí tuệ nhân tạo hàng đầu của Bắc Mỹ, Montreal và Toronto, điều này giúp. Là một công ty Canada, chúng tôi tận dụng chương trình Dòng tài năng toàn cầu của chính phủ. Chúng tôi có thể tuyển dụng ở bất kỳ nơi nào trên thế giới, tài trợ cho những người mới được tuyển dụng và nhanh chóng đưa họ vào Canada.

Có bất kỳ lời khuyên nào cho các doanh nhân khác trong không gian Trí tuệ nhân tạo?

Điều này vượt ra ngoài Trí tuệ nhân tạo nhưng như một doanh nhân lặp lại, tôi đã học được tầm quan trọng của việc có sự hỗ trợ của gia đình, vì quyết định trở thành một doanh nhân không phải là một quyết định cá nhân – nó ảnh hưởng đến mọi người – vợ, chồng và con cái bao gồm. Mọi người đều là một phần của hành trình cùng bạn, và mọi người đều hy sinh. Bạn phải nhận ra và đánh giá cao điều đó, và đó là cách các gia đình có thể ở bên nhau trong suốt hành trình.

Có điều gì khác mà bạn muốn chia sẻ về Deeplite?

Một trong những khía cạnh độc đáo của Deeplite là các đồng sáng lập của chúng tôi. Davis đang ở độ tuổi 20 và cực kỳ thông minh và năng động. Anh ấy chắc chắn là một chuyên gia về lĩnh vực chúng tôi làm. Ehsan là một người nhập cư Iran với bằng tiến sĩ, và như đã đề cập trước đó, là người tạo ra IP thực sự của chúng tôi. Và tôi là một doanh nhân 50+ tuổi đã xây dựng các công ty trước đây. Ba chúng tôi là một sự kết hợp thú vị mang lại những điểm mạnh và kinh nghiệm khác nhau cho bàn. Tôi rất biết ơn vì tôi có những đối tác tuyệt vời và được bao quanh bởi một đội ngũ tuyệt vời.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, tôi mong đợi theo dõi tiến trình của Deeplite và đó là một công ty sẽ nằm trong tầm ngắm của tôi. Những người đọc muốn tìm hiểu thêm nên truy cập Deeplite.