الأخبار التكنولوجية والاستعراضات والنصائح!

يوناتان جيفمان ، الرئيس التنفيذي والمؤسس المشارك لـ Deci – Interview Series

ستساعدك المقالة التالية: يوناتان جيفمان ، الرئيس التنفيذي والمؤسس المشارك لـ Deci – Interview Series

يوناتان جيفمان هو الرئيس التنفيذي والشريك المؤسس لـ ديسي الذي يحول نماذج الذكاء الاصطناعي إلى حلول إنتاجية على أي جهاز. تم الاعتراف بـ Deci كمبتكر تقني لـ Edge AI بواسطة Gartner وتم تضمينه في قائمة AI 100 لـ CB Insights. سجل أداء التكنولوجيا الخاصة بها أرقامًا قياسية جديدة في MLPerf مع Intel.

ما الذي جذبك في البداية إلى التعلم الآلي؟

منذ سن مبكرة ، كنت دائمًا مفتونًا بأحدث التقنيات – ليس فقط استخدامها ، ولكن فهم كيفية عملها حقًا.

مهد هذا الانبهار مدى الحياة الطريق نحو دراساتي لنيل درجة الدكتوراه في علوم الكمبيوتر حيث ركزت أبحاثي على الشبكات العصبية العميقة (DNNs). عندما فهمت هذه التكنولوجيا المهمة في بيئة أكاديمية ، بدأت أفهم حقًا الطرق التي يمكن أن يؤثر بها الذكاء الاصطناعي بشكل إيجابي على العالم من حولنا. من المدن الذكية التي يمكنها مراقبة حركة المرور بشكل أفضل وتقليل الحوادث ، إلى المركبات ذاتية القيادة التي تتطلب القليل من التدخل البشري ، إلى الأجهزة الطبية المنقذة للحياة – هناك تطبيقات لا حصر لها حيث يمكن للذكاء الاصطناعي تحسين المجتمع. كنت أعلم دائمًا أنني أريد المشاركة في تلك الثورة.

هل يمكنك مشاركة قصة التكوين وراء Deci AI؟

ليس من الصعب التعرف – كما فعلت عندما كنت في المدرسة للحصول على درجة الدكتوراه – إلى أي مدى يمكن أن يكون الذكاء الاصطناعي مفيدًا في حالات الاستخدام في جميع المجالات. ومع ذلك ، تكافح العديد من الشركات للاستفادة من الإمكانات الكاملة للذكاء الاصطناعي حيث يواجه المطورون باستمرار معركة شاقة لتطوير نماذج التعلم العميق الجاهزة للإنتاج للنشر. بعبارة أخرى ، لا يزال من الصعب للغاية تحويل الذكاء الاصطناعي إلى منتجات.

يمكن أن تُعزى هذه التحديات إلى حد كبير إلى فجوة كفاءة الذكاء الاصطناعي التي تواجه الصناعة. تزداد قوة الخوارزميات أضعافًا مضاعفة وتتطلب المزيد من قوة الحوسبة ولكن بالتوازي يجب نشرها بطريقة فعالة من حيث التكلفة ، غالبًا على أجهزة حافة محدودة الموارد.

مؤسسي شركائي البروفيسور ران اليانيف ، جوناثان إليال ، شاركنا في تأسيس Deci لمواجهة هذا التحدي. وقد فعلنا ذلك بالطريقة الوحيدة التي رأيناها ممكنة – باستخدام الذكاء الاصطناعي نفسه لصياغة الجيل التالي من التعلم العميق. لقد تبنينا نهج الخوارزمية أولاً ، حيث نعمل على تحسين فعالية خوارزميات الذكاء الاصطناعي في المراحل السابقة ، والتي بدورها ستمكن المطورين من بناء النماذج التي تقدم أعلى مستويات الدقة والكفاءة لأي جهاز استدلال معين والعمل معها.

التعلم العميق هو جوهر Deci AI ، هل يمكنك تحديده لنا؟

التعلم العميق ، مثل التعلم الآلي ، هو حقل فرعي من الذكاء الاصطناعي ، تم إعداده لتمكين عصر جديد من التطبيقات. التعلم العميق مستوحى بشكل كبير من كيفية بناء الدماغ البشري ، ولهذا السبب عندما نناقش التعلم العميق ، نناقش “الشبكات العصبية”. هذا ملائم للغاية للتطبيقات المتطورة (فكر في الكاميرات في المدن الذكية ، وأجهزة الاستشعار في المركبات ذاتية القيادة ، والحلول التحليلية في مجال الرعاية الصحية) حيث تكون نماذج التعلم العميق في الموقع ضرورية لتوليد مثل هذه الأفكار في الوقت الفعلي.

ما هو بحث العمارة العصبية؟

يعد بحث العمارة العصبية (NAS) تخصصًا تقنيًا يهدف إلى الحصول على نماذج أفضل للتعلم العميق.

ساعد عمل Google الرائد على NAS في عام 2017 في إدخال الموضوع إلى التيار الرئيسي ، على الأقل في الأوساط البحثية والأكاديمية.

الهدف من NAS هو العثور على أفضل بنية شبكة عصبية لمشكلة معينة. تعمل على أتمتة تصميم DNNs ، مما يضمن أداءً أعلى وخسائر أقل من البنى المصممة يدويًا. إنها تنطوي على عملية تقوم من خلالها الخوارزمية بالبحث بين مساحة إجمالية لملايين من نماذج arcuitecures المتاحة ، لإنتاج بنية مناسبة بشكل فريد لحل هذه المشكلة بالذات. ببساطة ، يستخدم الذكاء الاصطناعي لتصميم ذكاء اصطناعي جديد ، بناءً على الاحتياجات المحددة لأي مشروع معين.

يتم استخدامه من قبل الفرق لتبسيط عملية التطوير وتقليل تكرار التجربة والخطأ والتأكد من أنها تنتهي بالنموذج النهائي الذي يمكن أن يخدم أهداف دقة التطبيقات والأداء بشكل أفضل.

ما هي بعض قيود بحث العمارة العصبية؟

تتمثل قيود NAS التقليدية في إمكانية الوصول وقابلية التوسع. تُستخدم NAS اليوم في الغالب في إعدادات البحث وعادةً ما يتم تنفيذها فقط بواسطة عمالقة التكنولوجيا مثل Google و Facebook، أو في المعاهد الأكاديمية مثل ستانفورد ، حيث إن تقنيات NAS التقليدية معقدة في تنفيذها وتتطلب الكثير من الموارد الحسابية.

لهذا السبب أنا فخور جدًا بإنجازاتنا في تطوير تقنية AutoNAC (البناء الآلي للعمارة العصبية) الرائدة في Deci ، والتي تضفي طابعًا ديمقراطيًا على NAS وتمكن الشركات من جميع الأحجام من بناء هياكل نموذجية مخصصة بسهولة ودقة أفضل من أحدث التقنيات. السرعة لتطبيقاتهم.

كيف يختلف التعرف على اكتشاف الاعتراض بناءً على نوع الصورة؟

من المثير للدهشة أن مجال الصور لا يؤثر بشكل كبير على عملية التدريب لنماذج اكتشاف الأشياء. سواء كنت تبحث عن أحد المشاة في الشارع ، أو عن ورم في الفحص الطبي ، أو سلاح مخفي في صورة بالأشعة السينية تم التقاطها بواسطة أمن المطار ، فإن العملية هي نفسها إلى حد كبير. يجب أن تكون البيانات التي تستخدمها لتدريب النموذج الخاص بك ممثلة للمهمة المطروحة ، وقد يتأثر حجم النموذج وهيكله بحجم وشكل وتعقيد الكائنات في صورتك.

كيف تقدم Deci AI منصة شاملة للتعلم العميق؟

تُمكِّن منصة Deci المطورين من بناء وتدريب ونشر نماذج تعلم عميقة دقيقة وسريعة للإنتاج. عند القيام بذلك ، يمكن للفرق الاستفادة من أفضل الممارسات البحثية والهندسية المتطورة بسطر واحد من التعليمات البرمجية ، وتقصير الوقت اللازم للتسويق لشهور إلى أسبوعين وضمان النجاح في الإنتاج.

لقد بدأت في البداية بفريق مكون من 6 أشخاص ، وأنت الآن تخدم مؤسسات كبيرة. هل يمكنك مناقشة نمو الشركة وبعض التحديات التي واجهتها؟

نحن سعداء بالنمو الذي حققناه منذ بداية عام 2019. الآن ، أكثر من 50 موظفًا ، وأكثر من 55 مليون دولار في التمويل حتى الآن ، نحن على ثقة من أنه يمكننا الاستمرار في مساعدة المطورين على إدراك الإمكانات الحقيقية للذكاء الاصطناعي والعمل وفقًا لها. منذ الإطلاق ، تم تضميننا في الذكاء الاصطناعي لـ CB Insights 100، حققوا إنجازات رائدة ، مثل عائلتنا من العارضات التي تقدم اختراقات أداء التعلم العميق على وحدات المعالجة المركزية، والتعاون الهادف المعزز ، بما في ذلك مع الأسماء الكبيرة مثل شركة انتل.

هل هناك أي شيء آخر تود مشاركته حول Deci AI؟

كما ذكرت من قبل ، لا تزال فجوة كفاءة الذكاء الاصطناعي تسبب عقبات كبيرة أمام إنتاج الذكاء الاصطناعي. “التحول إلى اليسار” – احتساب قيود الإنتاج في وقت مبكر من دورة حياة التطوير ، يقلل الوقت والتكلفة التي يتم إنفاقها على إصلاح العقبات المحتملة عند نشر نماذج التعلم العميق في الإنتاج أسفل الخط. أثبتت منصتنا قدرتها على القيام بذلك من خلال تزويد الشركات بالأدوات اللازمة لتطوير ونشر حلول الذكاء الاصطناعي المتغيرة للعالم بنجاح.

هدفنا بسيط – جعل الذكاء الاصطناعي متاحًا على نطاق واسع وبأسعار معقولة وقابل للتطوير.

شكرا لك على المقابلة الرائعة ، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا ديسي.