金賢，Superb AI 首席执行官和联合创始人 – 采访系列

金賢是 Superb AI 的首席执行官和联合创始人，Superb AI 是一家为 AI 团队提供新一代机器学习数据平台的公司，使他们能够更快地构建更好的 AI。Superb AI 套件是一款面向企业的 SaaS 平台，旨在帮助机器学习工程师、产品团队、研究人员和数据注释员创建高效的训练数据工作流。

是什么最初吸引你进入人工智能、数据科学和机器人领域？

在杜克大学学习生物医学工程时，我对基因学和如何工程化我们的 DNA 以治愈疾病或创造基因工程生物体非常感兴趣。我记得一项湿实验特别失败了六个月。最令人沮丧的是，有很多重复的体力劳动，回想起来，那可能是许多潜在错误的根源。

这种沮丧让我对任何与自动化有关的事情都感兴趣。基本上，我在杜克大学的几个实验室里漂泊，直到我加入了一个研究如何使用机器学习帮助诊断帕金森病的实验室，使用脑部 MRI 扫描。我在这里真正体验到了深度学习网络的革命性潜力。最终，我在杜克大学攻读计算机科学博士学位，并在智能机器人实验室工作，教机器人学习新事物。

2016 年，你参与了亚马逊机器人挑战赛。你当时在做什么，如何看待这次经历？

在亚马逊机器人挑战赛中，团队通过让机器人在规定时间内自动拾取和存放物品来获得积分。工厂和装配线中的机器人可以被工程化为特定的物体，但亚马逊机器人挑战赛要求我们的机器人在非常动态的情况下运行。我是“杜克大学团队”的领导者，负责机器人运动规划功能。我为在现实仓库环境中设计和实施了机器人运动规划方法，用于拾取和放置机器人操作任务。这种经历非常令人兴奋，因为我们必须组合许多复杂的系统，从基于计算机视觉的机器人感知系统到运动规划算法和自定义设计的机械末端硬件。

然后，你在 SK T-Brain 工作了近两年，担任机器学习研究工程师，这个项目是什么？

大约在 2016 年 3 月，谷歌的 AlphaGo 战胜了人类冠军李世石，这是开创性的新闻，尤其是在韩国，围棋比其他地方更受欢迎。

在那之后，政府和所有主要公司立即开始大量投资人工智能研究。其中一家公司是 SKT，或称 SK 电信，一家主要的韩国企业集团。我被提供了 SKT Brain 的机器学习研究工程师职位，SKT Brain 是他们的全新人工智能研究实验室。我休假离开了我的博士学位，回到韩国工作了大约两年。

我的团队的目的是进行可能会产生产品或为公司创造商业机会的各种人工智能主题的研究。在那两年里，我尝试了一些主题，如自动驾驶汽车、游戏人工智能（特别是星际争霸人工智能）和生成对抗网络或 GAN。

两年后，我没有回到学校完成我的博士学位，而是离开去创办了我的公司 Superb AI。

是什么启发你创办 Superb AI？

在学校研究机器人学习时，以及在公司的研究实验室工作时，很明显我大部分时间都花在数据整理上。

在学校，我大部分时间都花在创建模拟环境用于机器人模拟数据上。在我的前一家公司，我花时间收集和标记数据集用于自动驾驶和游戏人工智能。

而且，不幸的是，这不仅仅是我。我的同事也一样，机器学习行业的每个研究人员和工程师都面临着同样的痛点。

我想解决这个问题。如你所知，我是机器学习和人工智能的忠实粉丝，我认为它们可以真正改变我们的生活。我希望技术突破能够更快地发生，并希望看到它们应用于我们的日常生活中。

为了实现这一点，我最初研究了如何让机器学习算法需要更少的人类输入。这让我对无监督学习和元学习等事情感兴趣。在发表了一篇关于 GAN 的论文后，我意识到我想做什么。与其发表研究成果，我想创造一个真正能够影响行业并立即解决数据问题的产品或服务。

你如何描述 Superb AI 提供的服务？

Superb AI 提供了一款名为 Superb AI 套件的机器学习数据平台。该套件帮助公司高效地创建、标记和管理训练数据，并加速他们的机器学习运营周期。

众所周知，机器学习团队的大部分时间都花在管理训练数据集上。我们帮助工程师轻松地过滤、搜索和操作训练数据集，并通过强大的 SDK 和 API 与他们的机器学习运营堆栈（如数据存储或深度学习框架）集成。

产品负责人也花费大量时间处理训练数据。我们通过无缝的缺陷跟踪、数据分析和许多协作和生产力相关功能来简化他们的生活。

此外，我们的自动标记功能利用了许多高级机器学习技术，如迁移学习和主动学习，可以协助自动标记和质量控制过程。

构建机器学习数据平台最困难的方面是什么？

构建机器学习数据平台带来了有趣的工程挑战，不仅是因为机器学习需要大量的非结构化数据，如图像和视频，而且因为数据必须不断被世界各地的许多用户读取和更新。

哪些公司正在使用 Superb AI 平台？

我们在各个垂直领域拥有不同规模的客户。包括三星和 LG 在内的大型消费电子公司使用我们的平台来管理数据并加速他们的机器学习开发过程。许多企业和自动驾驶汽车行业的初创公司，以及在物理安全、建筑等应用中使用无人系统的公司都使用我们的平台。

此外，AR/VR 和游戏公司使用我们的训练数据平台来创建和管理可以教机器学习模型的数据集。

在医疗领域，国际知名大学的研究实验室使用我们的平台来管理训练数据，并更高效地训练计算机视觉模型以识别 MRI 和 CT 扫描中的肿瘤。

Superb AI 曾是 2019 年冬季 Y Combinator 的成员，你能描述一下这段经历以及你从中获得的主要收获吗？

我们的两个主要收获是学习专注于用户和快速迭代。Y Combinator 的座右铭是“创造人们想要的东西”。很多时候，初创公司，尤其是科技初创公司，会专注于技术创新并忽视用户真正需要的东西。在三个月的过程中，我们学会了非常注重用户——与尽可能多的用户交谈，并真正了解他们需要什么——同时迭代产品更新和信息以满足用户需求。由于不可能第一次就创造出完美的产品或达到产品市场契合点，因此不断地与用户交谈并提供他们想要的东西至关重要。这很明显，但在实践中很难专注于此。

关于 Superb AI，你还想分享什么吗？

我们刚刚加强了我们的免费产品，提供了更多的原始资产存储和更多的标记/数据管理/开发人员功能和工具包。我们正在执行一项使人工智能民主化的真正使命，我们希望人们知道，有像我们这样的企业公司致力于提供尽可能多的东西来推动人工智能在我们日常生活中的采用和整合。

感谢采访，希望了解更多的读者可以访问 Superb AI。