联系我们

面试

神经性首席执行官兼联合创始人Max Versace– Interview Series

mm

已发表

 on

Massimiliano Versace博士是以下公司的联合创始人兼首席执行官 神经性,并对公司富有远见。在以大脑为灵感的计算和深度网络方面进行了开创性研究之后,他继续启发并领导着自动机器人领域。他曾在数十个活动和地点发表演讲,包括TedX,NASA,五角大楼,GTC,InterDrone,国家实验室,空军研究实验室,惠普,iRobot,三星,LG,高通,爱立信,BAE Systems,AI World,三菱, ABB和埃森哲,等等。

您最初学习心理学,然后转向神经科学,当时的基本原理是什么?

关键是自然的。心理学提供了一方面“training coin” –心理现象的研究。但是,如果对机制导致思想和行为的机制感兴趣,则不可避免地要研究负责思想的器官,最后学习神经科学!

您什么时候意识到想要将对人脑的理解应用于在AI系统中模拟人脑的?

下一步,将神经科学转化为AI会更加棘手。尽管神经科学关注神经系统的解剖结构和生理学的详细研究以及大脑如何引起行为,但是要获得更深入的了解,另一条互补的途径是构建它们的综合版本。我想举一个比喻是,通过敲掉气缸和散热器,并得出气缸和散热器对发动机功能很重要的信息,可以部分了解发动机的工作原理。了解引擎的另一种更深层次的方法是从头开始构建引擎-即通过构建引擎的合成(人工)版本来研究智能。

早期有哪些 深度学习 您从事的项目?

2009年,我们为DARPA设计了一个“全脑仿真”适用于使用惠普(Hewlett Packard)设计的高级芯片的自主机器人。简而言之,我们的任务是模仿小型啮齿动物的大脑以及一些关键的自主行为和学习行为,使其适合携带并在小型硬件中实现。

您能分享一下神经传说的起源故事吗?

神经性作为一家公司成立于2006年,其中包含一些有关使用GPU(图形处理单元)进行深度学习的专利工作。虽然今天可能认为这是微不足道的,但当时GPU根本不用于AI,我们通过设想图形卡中的每个像素都可以用于处理神经元(相对于场景的一部分,在屏幕上呈现)。由于GPU的并行性在某种程度上(在商业上可行的)模仿了我们的大脑并行性,因此我们能够实现算法的学习和执行速度,这突然使AI和深度学习变得实用。我们不得不再等几年才能离开学术界“caught up”(我们已经是坚定的信徒!)关于人工智能的现实。 2013年,我们使公司脱离了隐形模式(因为我们已经获得了NASA和美国空军研究实验室的资助),并进入了波士顿科技之星计划。从那里开始,我们开始雇用一些员工,并筹集了私人资本。直到2017年,随着新的注资和行业的日趋成熟,我们才能够实现首批重要部署并将AI应用于56M设备中,从相机到智能手机,无人机和机器人。

神经性的早期项目之一是研究NASA。’火星探测器。您能否与我们分享该项目的重点?

NASA有一个非常具体的问题:他们想探索为未来的无人飞行任务提供动力的技术,而自主系统(例如流动站)将不会依赖地球’任务控制的逐步指导。通讯延迟使此控制变得不可能–只记得电影中地球和马特·戴蒙(Matt Damon)之间的交流是多么笨拙“The Martian”。我们的解决方案:赋予每个漫游者自己的大脑。 NASA求助于我们,因为我们已经被视为构建这些自治系统的专家“mini-brains”借助DARPA,为流动站提供了一个小型的深度学习系统,该系统不仅可以在机器人上运行,而且可以实时适应并在机器人运行时学习新知识。其中包括遇到的新物体(例如,岩石,水象等),并创建了未探索行星的有意义的地图。挑战是巨大的,但回报也是:深度学习技术能够以非常小的处理能力运行,甚至可以学习单个数据(例如图像)。这超出了深度学习当时(甚至今天!)的能力。

神经性设计了Lifelong-DNN,您能否详细说明一下它与常规DNN有何不同以及它提供的优势?

顾名思义,终身DNN专为上述NASA用例而设计,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,后者可以进行训练或执行“inference”(即分类)。在L-DNN中,就像在人类中一样,学习和分类之间没有区别。每次看东西时,我们俩“classify”(这是一把椅子)并了解它(这把椅子是新的,以前从未见过,我现在对此有所了解)。与DNN不同,L-DNN总是学习并面对它对世界的了解,呈现的新信息,并且自然能够理解异常。例如,如果我的一个孩子向我开玩笑并将我的椅子涂成粉红色,我马上就会认出。由于我的L-DNN随着时间的推移得知我的椅子是黑色的,并且当我对椅子的感知与我的记忆不匹配时,L-DNN会产生异常信号。在Neurala中使用’的产品有多种方式(请参见下文)。

您能否讨论Brain Builder自定义视觉AI是什么,以及它如何实现更快,更容易和更便宜的机器人应用程序?

由于L-DNN自然地了解世界,并且可以了解某些事物是否异常或偏离已学习的标准,因此Neurala’的产品Brain Builder和VIA(视觉检查自动化)用于仅使用以下几张图像快速设置视觉检查任务“good products”。例如,在生产环境中,一个人可以使用20张“good bottles”并创建视觉质量检查“mini-brain”能够识别出好瓶子,或者何时产生了坏瓶子(例如瓶盖破损的瓶子)。利用L-DNN可以非常轻松,快速地在一个简单的CPU上完成这项工作,充分利用了10多年的密集R中内置的NASA技术&D.

在上一次采访中,您建议企业家总是以创办一家几乎不可能的企业为目标。您首次成立Neurala时感觉有点不可能吗?

我仍然记得我的朋友和同事阿纳托利(Anatoli)吐出他的浓缩咖啡时,我说“有一天,我们的技术将在手机上运行”。听起来这是不可能的,但是您要做的就是想象并为此而努力。今天,它可以在数百万部手机上运行。我们设想一个世界,成千上万的人造眼睛可以发现工业机器和过程,以提供以前无法想象的质量和控制水平,而以前是不可能的,因为它们每台机器会消耗数千人。希望没有人在阅读本文时喝浓咖啡….

感谢您接受采访,Neurala显然是我们应该保持关注的公司。希望了解更多信息的读者请访问 神经性.

安东尼·塔迪夫(Antoine Tardif)是 Futurist 他对AI和机器人技术的未来充满热情。他是 BlockVentures.com并已投资了50多个AI和区块链项目。他是的联合创始人 Securities.io 一个专注于数字证券的新闻网站,是unite.AI的创始合伙人。他也是 福布斯技术委员会。