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

马西米利亚诺·维尔萨切博士是 Neurala 的联合创始人和 CEO，也是公司的愿景者。在他开创性的脑启发计算和深度网络研究之后，他继续激励和领导着自主机器人的世界。他曾在数十个活动和场所发表过演讲，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 (QCOM ) 、Ericsson、BAE Systems、AI World、Mitsubishi、ABB 和 Accenture 等。

您最初学习心理学，然后转向神经科学，您当时的理由是什么？

这种转变是自然的。心理学提供了“训练硬币”的一面——对心理现象的研究。然而，如果有人对什么机制上导致思维和行为感兴趣，人们最终会研究负责思维的器官，并最终研究神经科学！

您什么时候意识到您想要将您对人类大脑的理解应用于模拟人类大脑在 AI 系统中？

从神经科学到 AI 的下一步更为复杂。虽然神经科学关注神经系统的详细研究和大脑如何产生行为，但另一个补充路径是构建一个合成版本。一个类比我喜欢给出的就是，一个人可以通过拆掉一个发动机的气缸和散热器，得出结论气缸和散热器在发动机功能中很重要。另一个更深入的理解发动机的方式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“整个大脑仿真”用于一个自主机器人，使用 Hewlett Packard 设计的高级芯片。简而言之，我们的任务是模拟大脑和一些关键的自主和学习行为，适用于小型机器人，并且可以在小型硬件中实现。

您能分享 Neurala 的创立故事吗？

Neurala 公司成立于 2006 年，最初是为了包含一些关于使用 GPU（图形处理单元）进行深度学习的专利工作。虽然这可能被认为是微不足道的，但当时 GPU 并不用于 AI，我们开创了使用 GPU 的概念，想象每个像素可以用来处理一个神经元（而不是渲染场景的一部分）。由于 GPU 的并行性类似于我们的脑并行性（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 AI 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！）AI 的现实。2013 年，我们将公司从隐身模式转为正常运营（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，我们才获得了重要的部署，并将我们的 AI 放入 5600 万台设备中，包括相机、智能手机、无人机和机器人。

Neurala 早期的一个项目是为 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，以便在未来无人驾驶任务中，自主系统（例如，漫游车）不依赖于地球的任务控制一步一步的指导。通信延迟使得这种控制变得不可能——只要记住地球和马特·达蒙在电影“火星救援”中的通信就很笨拙。我们的解决方案是：让每个漫游车拥有自己的大脑。NASA 转向我们，因为我们已经被认为是构建这些自主“小脑”的专家，使用 DARPA 的技术，来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，还可以在运行时适应和学习新事物，例如新对象（例如，岩石，水的迹象等），并创建一个未探索的星球的有意义的地图。挑战很大，但回报也很大：一个深度学习技术，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水平。

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一个“推理”（即分类）。在 L-DNN 中，就像人类一样，没有学习和分类之间的区别。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，我现在对它有了一些了解）。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玩笑，把我的椅子涂成粉色，我会马上认出它。由于我的 L-DNN 已经学会了我的椅子是黑色的，当我的对它的感知与我对它的记忆不符时，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 AI 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）可用于快速设置视觉检查任务，仅需几张“良好产品”的图像。例如，在生产环境中，可以使用 20 张“良好瓶子”的图像来创建一个视觉质量检查“小脑”，能够识别良好的瓶子，或者当生产出一个“坏瓶子”（例如，一个带有破碎盖子的瓶子）时。使用 L-DNN，这可以很容易、很快、在一个简单的 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。您是否觉得 Neurala 在您最初创立公司时就是稍微不可能的？

我仍然记得我的朋友和同事 Anatoli 吐出他的意式浓缩咖啡，当我说“有一天，我们的技术将在手机上运行”。听起来不可能，但你只需要想象并努力工作。今天，它运行在数百万部手机上。我们设想了一个世界，成千上万的人工眼睛可以发现工业机器和工艺，以提供以前难以想象的质量和控制水平，之前这是不可能的，因为它需要成千上万的人来操作每台机器。希望没有人在读这篇文章时正在喝意式浓缩咖啡……

感谢这次精彩的采访，Neurala 显然是一家我们应该关注的公司。希望了解更多的读者可以访问 Neurala。