Neurala 的首席執行官暨共同創辦人 Max Versace - 專訪系列

馬西米利亞諾·維爾薩奇博士 (Dr. Massimiliano Versace) 的故事

馬西米利亞諾·維爾薩奇博士是 Neurala 公司的共同創辦人和執行長，他是一位具有遠見的領導者。在他對大腦啟發計算和深度學習網絡的開創性研究之後，他繼續激勵並引領自動化機器人的世界。他曾在許多活動和場所發表演講，包括 TEDx、NASA、五角大廈、GTC、InterDrone、國家實驗室、空軍研究實驗室、惠普 (HP)、iRobot、三星 (Samsung)、LG、高通 (Qualcomm)、愛立信 (Ericsson)、BAE 系統、AI 世界、三菱 (Mitsubishi)、ABB 和埃森哲 (Accenture) 等等。

從心理學到神經科學的轉變

你最初學習心理學，然後轉向神經科學，當時的原因是什麼？

這個轉變是自然的。心理學提供了“訓練硬幣”的一面——研究心理現象。然而，如果你對思維和行為的機制感興趣，你就會不可避免地研究大腦這個負責思考的器官，最終學習神經科學！

何時開始想要模擬人類大腦？

從神經科學到人工智慧 (AI) 的下一步是更具挑戰性的。神經科學關注神經系統的解剖學和生理學的詳細研究，以及大腦如何產生行為，而另一條互補的路徑是構建它們的合成版本。我喜歡用一個類比來解釋：你可以通過拆掉引擎的一個氣缸和散熱器來部分了解引擎的運作，並得出氣缸和散熱器在引擎運作中很重要的結論。另一種更深入了解引擎的方式是從零開始構建一個——即通過構建一個合成（人工）版本來研究智能。

早期的深度學習項目

你參與過哪些早期的深度學習項目？

在 2009 年，我們為國防高級研究計畫局 (DARPA) 工作，構建了一個用於自主機器人的“全腦模擬”，使用惠普 (Hewlett Packard) 設計的先進芯片。簡而言之，我們的任務是模擬大腦和小型齧齒動物的一些關鍵自主和學習行為，並使其適合便攜和在小型硬體中實施。

Neurala 的創立故事

Neurala 這家公司於 2006 年成立，專注於使用 GPU（圖形處理單元）進行深度學習的專利工作。雖然今天看起來這可能微不足道，但當時 GPU 根本沒有用於 AI，我們開創了這個概念，想像每個圖形卡上的像素都可以用來處理一個神經元（而不是渲染屏幕上的一部分場景）。感謝 GPU 的並行性，它模擬了我們大腦的並行性（在商業上可行的程度），我們能夠實現我們算法的學習和執行速度，讓 AI 和深度學習變得實用。我們還需要再等幾年才能離開學術界，因為世界“趕上來”了（我們已經是堅定的信徒！）在 2013 年，我們將公司從隱秘模式中解放出來（因為我們已經獲得了 NASA 和美國空軍研究實驗室的資金），並進入了波士頓科技明星計畫。從那時起，我們開始招聘幾名員工並籌集私人資金。直到 2017 年，隨著資金的注入和行業的進一步成熟，我們才能夠實現首個重要的部署，將我們的 AI 應用於 5600 萬個設備，從相機到智能手機、無人機和機器人。

Neurala 與 NASA 的火星探測器項目

Neurala 的早期項目之一是參與 NASA 的火星探測器。你能分享這個項目的亮點嗎？

NASA 有一個非常具體的問題：他們希望探索未來無人任務的技術，讓自主系統（例如探測器）不依賴地球的逐步指導。通訊延遲使這種控制變得不可能——就像電影《火星救援》中馬特·達蒙 (Matt Damon) 與地球之間的笨拙通訊。我們的解決方案是：給每個探測器一個自己的大腦。NASA 找到我們，因為我們已經被視為構建這些自主“迷你大腦”的專家，為探測器提供一個小型的深度學習系統，能夠不僅在機器人上運行，還能在運行時實時適應和學習新事物。這些包括在遇到新物體（例如岩石、水的跡象等）時，並創建一個未探索星球的有意義地圖。挑戰巨大，但回報也同樣豐厚：一種能在非常小的處理能力上運行並能在單一數據（例如圖像）上學習的深度學習技術。這超越了當時（甚至今天）深度學習所能達到的成就。

Lifelong-DNN 的設計

Neurala 設計了 Lifelong-DNN，你能詳細說明它與普通 DNN 的區別和優勢嗎？

Lifelong DNN，顧名思義，是為了在整個生命週期中學習而設計的。這與傳統的深度神經網絡 (DNN) 不同，後者只能進行訓練或執行“推理”（即分類）。在 L-DNN 中，像人類一樣，學習和分類之間沒有區別。每當我們看著某樣東西時，我們都會“分類”它（這是一把椅子）並學習它（這把椅子是新的，我以前從未見過，我現在對它了解更多）。與 DNN 不同的是，L-DNN 總是在學習，並面對它對世界的認知、新信息的呈現，並能自然理解異常。例如，如果我的孩子對我開了一個玩笑，把我的椅子漆成粉紅色，我會立刻認出來。由於我的 L-DNN 隨著時間的推移學會了我的椅子是黑色的，當我對它的感知與我的記憶不匹配時，L-DNN 會產生異常信號。這在 Neurala 的產品中以各種方式使用（見下文）。

Brain Builder 自訂視覺 AI 的功能

你能談談 Brain Builder 自訂視覺 AI 是什麼，以及它如何使機器人應用更快、更容易和更便宜嗎？

由於 L-DNN 自然學習世界並能理解某些東西是否異常或偏離學習標準，Neurala 的產品 Brain Builder 和 VIA（視覺檢查自動化）可以使用僅僅幾張“好產品”的圖片快速設置視覺檢查任務。例如，在生產環境中，可以使用 20 張“好瓶子”的圖片，創建一個能夠識別好瓶子或壞瓶子（例如，蓋子壞掉的瓶子）的視覺質量檢查“迷你大腦”。這可以非常輕鬆、快速地用 L-DNN 在簡單的 CPU 上完成，利用 NASA 在十多年密集研發中建立的技術。

創業的挑戰

在之前的訪談中，你建議企業家總是追求創建一個稍微不可能的業務。當你第一次創立 Neurala 時，你是否覺得它有些不可能？

我仍然記得我的朋友兼同事阿納托利 (Anatoli) 當我說“有一天，我們的技術將在手機上運行”時，噴出了他的濃縮咖啡。這聽起來不可能，但你所需要的只是想像並為之努力。今天，它在數百萬部手機上運行。我們設想一個世界，成千上萬的人造眼睛可以識別工業機器和過程，提供以前無法想像的質量和控制水平，這在過去是不可能的，因為每台機器需要數千人。希望沒有人在閱讀這篇文章時喝著濃縮咖啡……