Max Versace，Neurala 的 CEO 和联合创始人 – 采访系列

马西米利亚诺·维萨斯博士（Dr. Massimiliano Versace）是 Neurala 的联合创始人和 CEO，也是公司的先驱。他在脑启发式计算和深度网络领域的开创性研究之后，继续激励和领导着自主机器人领域。他曾在数十个活动和场合发表过演讲，包括 TedX、NASA、五角大楼、GTC、InterDrone、国家实验室、空军研究实验室、HP、iRobot、Samsung、LG、Qualcomm、Ericsson、BAE Systems、AI World、Mitsubishi、ABB 和 Accenture 等。

您最初学习心理学，后来转向神经科学，您当时的理由是什么？

转向是自然的。心理学提供了“训练硬币”的一面——心理现象的研究。然而，如果有人对思维和行为的机制原因感兴趣，人们最终会研究负责思维的器官，并最终研究神经科学！

您是什么时候意识到要将您对人类大脑的理解应用于模拟人工智能系统中的人类大脑的？

从神经科学到人工智能的下一步更加微妙。虽然神经科学关注的是神经系统的详细研究和生理学，以及大脑如何产生行为，但另一个补充路径来实现更深入的理解是构建一个合成版本。一个我喜欢的类比是，人们可以通过拆除一个气缸和散热器，得出结论，气缸和散热器对于发动机功能很重要。另一个更深入的理解发动机的方法是从头开始构建一个——即通过构建一个合成（人工）的版本来研究智能。

您曾经参与过的一些早期深度学习项目是什么？

2009 年，我们为 DARPA 构建了一个“整体大脑模拟”用于自主机器人，使用由惠普设计的高级芯片。简而言之，我们的任务是模拟大脑和小型啮齿动物的一些关键自主和学习行为，以适应小型硬件。

您能分享 Neurala 的创立故事吗？

Neurala 公司成立于 2006 年，目的是包含一些关于使用 GPU（图形处理单元）进行深度学习的专利工作。在当时，这可能被认为是微不足道的，但我们开创了使用 GPU 进行人工智能的概念，通过想象图形卡中的每个像素可以用来处理一个神经元（而不是渲染屏幕上的一个场景部分）。由于 GPU 的并行性类似于我们大脑的并行性（在商业上是可行的），我们能够实现算法的学习和执行速度，这使得人工智能和深度学习变得实用。我们不得不等待几年，直到世界“赶上”（我们已经是坚定的信徒！）人工智能的现实。2013 年，我们将公司从隐身模式转变出来（因为我们已经获得了 NASA 和美国空军研究实验室的资金），并进入了波士顿科技之星计划。从那里，我们开始雇佣一些员工并筹集私人资本。然而，直到 2017 年，随着新资本的注入和行业的进一步成熟，我们才能够实现首次重要的部署，并将我们的人工智能技术应用于 5600 万台设备，包括相机、智能手机、无人机和机器人。

Neurala 的早期项目之一是为 NASA 的火星探测器工作。您能分享这个项目的亮点吗？

NASA 有一个特定的问题：他们希望探索技术来为未来的无人任务提供动力，在这些任务中，自主系统（例如，漫游车）将不依赖于地球的任务控制一步一步的指导。由于通信延迟，这种控制是不可能的——只要记住地球和马特·达蒙在电影“火星救援”中的通信有多么不流畅。我们的解决方案：赋予每个漫游车一个自己的大脑。NASA 转向我们，因为我们已经被视为在与 DARPA 合作时构建这些自主“迷你大脑”的专家，我们的任务是赋予漫游车一个小型的深度学习系统，不仅可以在机器人上运行，还可以在机器人运行时适应和学习新事物。这些包括新物体（例如，岩石，水的迹象等），当它们被遇到时，创建一个未探索的行星的有意义的映射。挑战是巨大的，但回报也是巨大的：一种深度学习技术，可以在非常小的处理能力上运行，并且可以从单个数据（例如，图像）中学习。这超出了当时（甚至现在！）深度学习可以实现的能力。

Neurala 设计了 Lifelong-DNN，您能解释一下它与普通 DNN有什么不同之处以及它提供的优势吗？

为上述 NASA 用例而设计，Lifelong DNN（如其名称所示）可以在其整个生命周期中学习。这与传统的深度神经网络（DNN）不同，后者可以被训练或执行“推理”（即分类）。在 L-DNN 中，与人类一样，学习和分类之间没有区别。每次我们看某些东西时，我们既“分类”它（这是一个椅子），又学习关于它（这个椅子是新的，从未见过，我现在对它了解了一点）。与 DNN 不同，L-DNN 总是学习并面对它对世界的了解，新的信息是什么，以及它自然地能够理解异常。例如，如果我的一个孩子对我开了一个玩笑，给我椅子涂上粉色，我会立即认出它来。由于我的 L-DNN 已经学会了我的椅子是黑色的，当我对它的感知与我对它的记忆不匹配时，L-DNN 会产生一个异常信号。这在 Neurala 的产品中以各种方式使用（见下文）。

您能讨论 Brain Builder 自定义视觉人工智能是什么，以及它如何实现更快、更容易、更便宜的机器人应用吗？

由于 L-DNN 天然地学习关于世界的知识，并且可以理解什么是异常或偏离已学习的标准，Neurala 的产品 Brain Builder 和 VIA（视觉检查自动化）可用于快速设置仅使用几张“良好产品”图像的视觉检查任务。例如，在生产环境中，人们可以使用 20 张“良好瓶子”的图像创建一个视觉质量检查“迷你大脑”，能够识别良好瓶子或生产出的坏瓶子（例如，一个有破碎盖子的瓶子）。这可以使用 L-DNN 很容易、很快、在简单的 CPU 上完成，利用在 10 多年时间里开发的 NASA 技术。

在之前的一次采访中，您建议企业家应该始终努力创办一家稍微不可能的业务。当您最初启动 Neurala 时，您是否觉得这家公司稍微不可能实现？

我仍然记得我的朋友和同事 Anatoli，当我说“有一天，我们的技术将在手机上运行”时，他吐出了他的意式浓咖啡。听起来不可能，但你只需要想象并为之努力。今天，它在数百万部手机上运行。我们设想一个世界，成千上万的人工智能眼睛可以发现工业机器和工艺，提供以前难以想象的质量和控制水平，之前这是不可能的，因为它们需要消耗成千上万的人来控制每台机器。希望没有人在读这篇文章时正在喝意式浓咖啡……

感谢这次精彩的采访，Neurala 很明显是一家我们应该关注的公司。希望了解更多的读者应该访问 Neurala。