նախընտրելի դարձնել
Չնայած երիտասարդ տարիքին Դավիթ Բունիաթյանը անվանի ձեռնարկատեր է եւ արհեստական ինտելեկտի ոլորտի գիտնական: Այս ոգեշնչող պատմությունը սկսվում է այն դիտարկումից, թե ինչպես է աշխատում ուղեղը ընդհուպ մինչեւ դրա կառուցում: Ճանապարհորդությունը, որը սկսվում է Պրիստոնի համալսարանից, որտեղ նա ասպիրանտ է, շարունակվում է «Y Combinator»-ում, որտեղ դարձել է «Snark AI»-ի համահիմնադիր:
Վերջին 5 տարիներին ամբողջ աշխարհում արհեստական ինտելեկտի ոլորտը լրջորեն զարգացել է: ԱՄՆ-ն, Չինաստանը, Ֆրանսիան, Գերմանիան միլիարդավոր դոլարներ են ծախսում ԱԻ ենթակառուցվածքի ստեղծման համար:
Պատկերներով օբյեկտների ճանաչման խորը ուսուցման օգտագործման հաջողությունը հսկայական ազդեցություն ունեցավ միլիարդավոր մարդկանց առօրյա կյանքի վրա: Հավելվածները ներառում են մեր դեմքերի ճանաչումը, վիրտուալ օգնականների հետ շփումը եւ մեքենաների ինքնուրույն վարումը:
Իրական կյանքում օգտագործվող բարձր ճշգրտության մոդելների ստացման համար տեռաբայթերի կամ անգամ պետաբայթերի տեղեկատվություն է պետք: Խորը նեյրոցանցերի համար հսկայական հաշվիչ ռեսուրսներ են անհրաժեշտ:
Խորը նեյրոցանցերը բաղկացած են արհեստական նեյրոնների շերտերից, որոնք կարող են արտահայտվել սովորական գծային հանրահաշվում:
Շատ շերտեր կուտակելով եւ մեծ թվով տվյալներ փոխանցելով՝ այդ մոդելները տեղեկատվության բարդ օրինակներ են ուսումնասիրում, որոնք կարող են օգնել պատկերներում օբյեկտները ճանաչել կամ դասակարգել կամ անգամ խոսքը տեքստի վերածել:
Թիթեռի էֆեկտը՝ Պրինսթոնի համալսարանում
Դավիթը ծնվել է Երեւանում եւ սովորել «Քվանտ» վարժարանում: 2013-ին նա ընդունվել է Լոնդոնի համալսարանական քոլեջ ինֆորմատիկայի մասնագետի բակալավրի աստիճան ստանալու համար: 2014-ին արհեստական ինտելեկտի ոլորտում նրա առաջին քայլը ընկերների հետ մեքենայական ուսուցման ալգորիթմի ստեղծումն էր, որը նախատեսված է օգտատետերի լրատվական նախընտրությունների ուսումնասիրման ահմար:
Լոնդոնի Techcrunch Disrupt հեղինակավոր սթարթափ միջոցառման ժամանակ այս նախագիծը հարյուր լավագույններից անցավ հնգյակի մեջ, այնուհետ ներկայացվեց TechCrunch կայքում:
Newsly Hack՝ հավելված լրատվական հոդվածների համար
Խորը ուսուցման մոդելներն ավելի արդյունավետ սովորելու համար հետազոտողները հաճախ գրաֆիկական պրոցեսորներ են օգտագործում՝ հատուկ սարք, որը ի սկզբանե մշակվել էր խաղերի համար: Լուրերի համար լավագույն մոդելը պատրաստելու համար նրա ընկերոջը՝ Կարեն Համբարձումյանին գրաֆիկական պրոցսոր էր անհրաժեշը, բայց նրանք չէին կարող իրենց դա թույլ տալ:
Այդ նպատակով Դավիթը գրանցվել էր գրաֆիկական պրոցեսորի օգտագործման երկօրյա դասընթացին, որտեղ դասընթացի ավարտից հետո 50 տոկոս զեղչ էին տալիս:
«Իմ միակ նպատակը զեղչ ստանալն էր, որպեսզի մենք կարողանայինք մեկ գրաֆիկական պրոցեսոր գնել եւ մեծ քանակությամբ տվյալներով ավելի շատ ճշգրիտ մոդելների սովորեցնեինք», - ասում է Դավիթը:
Սակայն այն ժամանակ նա չէր կարող իմանալ, որ այդ դասընթացի ընթացքում նա կհանդիպի պրոֆեսորի, որը նրան կներկայացնի ապագա գիտական ղեկավար, պրոֆեսոր Լուրդես Ագապիտոյին:
Աշխատելով պրոֆեսոր Ագապիտոյի գլխավորությամբ՝ Դավիթը սովորեց, թե ինչպես հետազոտություններ անցկացնի ինֆորմատիկայի ոլորտում եւ ինչպես զրոյից ԱԻ բարդ ալգորիթմներ մշակի:
Պրոֆեսոր Ագապիտոն խորհուրդ էր տվել Դավիթին ներառել ինֆորմատիկայի ոլորտի ամենահեղինակավոր ծրագերից մեկում, որտեղ հետազոտություններ էին անցկացնում ինֆորմատիկայի եւ արհեստական ինտելեկտի առաջատար մասնագետները, ինչպիսիք են՝ Ալան Թյուրինգը, Կլոդ Է. Շենոնը եւ Մարվին Մինսկին:
20 տարեկանում Դավիթը Պրինսթոնի համալսարանից առաջարկ ստացավ: Նա Գորդոն Վուի կրթաթոշակ ստացավ՝ ասպիրանտների համար ամենահեղինակավոր կրթաթոշակներից մեկը:
Նկարն արվել է 2016 թվականին Պրինսթոնի համալսարանում գծային ծրագրերի եւ Լեոնիդ Խաչիյանի էլիփսոիդի ալգորիթմի մասին դասի ժամանակ:
«Ամենաառաջին դասերից մեկը, որը ես յուրացրել եմ Պրինսթոնում. Իրական ինֆորմատիկան արվում է գրատախտակին առանց որեւէ համակարգչի եւ բարդ մաթեմատիկայով», - ասում է նա: Դավիթը հիշում է, որ դասերից մեկի ժամանակ պրոֆեսորը պատմել էր, թե ինչպես է խորհրդային հայ դոկտոր Լեոնիդ Խաչիյանի տեսության նշանակալի բեկումը ԱՄՆ-ու նորությունների առիթ դարձել:
«Խորհրդային բացահայոտւմը ցնցել էր մաթեմատիկայի աշխարհը». Նյու Յորք Թայմս, 1979 թ.: Ավելի ուշ դոկտոր Խաչիյանը դարձավ Ռութգերսի համալսարնաի պրոֆեսոր
Զրույց արհեստական ինտելեկտի հետ
2016 թվականին Amazon-ը հայտարարեց «AlexaPrizeCompetition» մրցույթը: Պրինսթոնի թիմը 10 թիմերից մեկն էր, որ չաթ-բոթի ստեղծման ֆինանսավորում ստացավ, որը կարող է մարդու հետ ավելի քան 20 րոպե զրույց վարել: Պրինսթոնի թիմը մեկն էր նրանցից, ում ընտրեցին: «Վերլուծելով պատահական մարդկանց հետ մեր բոթի 10 հազար զրույցները՝ ես երջանիկ էի, երբ տեսա, որ այն հասավ իր նպատակին»,- ասում է նա: Նրանց նախագիծը ներկայացվել է CNET կայքում [հղում 1, հղում 2]: Այս նախագծի վրա աշխատելիս Դավիթը հանդիպեց նաեւ իր ապագա համահիմնադրին՝ Ջեյսոն Գեին եւ հաջորդ տարի ստացավ AWS Machine Learnnig մրցանակը:
Նեյրոններին հետեւելով
Պրինսթոնի պրոֆեսոր Սեբաստյան Սեունգը TED գիտաժողովում իր հայտնի ելույթում հանրահայտ դարձրեց «կոնեկտոմ» տերմինը, մարդու կոնեկտոմի քարտեզի ստեղծման գաղափարը, ինչպես նաեւ միկոմակարդակում ուղեղի հյուսվածքի նեյրոնային եռաչափ քարտեզի ստեղծման շարունակվող ջանքերը: Հասկանալու համար, թե ուղեղն ինչպես է աշխատում, բավական չէ մեկ նեյրոնը դիտելը: Անհրաժեշտ է հասկանալ դրա կապերը: Դավիթը միացավ մկան ուղեղում կապերի վերականգնման հավակնոտ նախագծին, որը ղեկավարում էր պրոֆեսոր Սեունգը եւ Պրինսթոնում Նեյրոգիտության ինստիտուտի նրա աշակերտները:
Սեունգի լաբորատորիայի անդամները՝ ձախից. նստած են՝ Ալեքսանդր Բե, Թոմաս Մաքրինա, Սերգեյ Պոպովիչ, Ցզինպեն Վու, կանգնած են՝ Նիկոլաս Թյորներ, Սվեն Դորքենվալդ, Քրիս Ջորդան, Դավիթ Բունիաթյան, Չժեն Ցզյա, Սեբաստյան Սեունգ, Ուիլյամ Սիլվերսմիթ, Ռան Լու, Կիսուկ Լի, Քայլ Լյութեր, Նիկո Կեմնից, Ուիլյամ Վոնգ, Շան Մու, Ալիսա Ուիլսոն, Մայսուն Հուսեյնի: Լուսանկարը տրամադրել է Ջանեթ Ջեքելը:
Մկան ուղեղը շատ բարակ շերտերի է բաժանվում ալմաստե դանակով: Կտրվածքի պատկերը ստացվել է էլեկտրոնային մանրադիտակով: «Մենք կարող էինք հազարավոր կտրվածքներ ստանալ՝ 50 հազար պիքսել լայնությամբ եւ բարձրությամբ: Յուրաքանչյուրը կարող էր թեթեւակի ձեւախախտված, վնասված լինել կամ ամբողջությամբ բաց թողնված: Այս պատկերներից նեյրոնները վերականգնելու համար մենք պետք է նախ դրանք հավասարեցնեինք»,- ասում է Դավիթը: Նա աշխատել է ծավակային տարածքում պատկերների հավասարեցման խնդրի վրա, որպեսզի խզումներ չլինեին: Սա նման է կտրատված հացը հավաքելուն: Այն բանից հետո, երբ հացը կտրված է, այլեւս նախատիպ չկա, որը կարելի է համեմատել բնօրինակի հետ:
Պրոֆեսոր Սեունգի ղեկավարությամբ՝ Դավիթը եւ նրա գործընկերները ալգորիթմ են ստեղծել մկան ուղեղի ծավալուն պատկերի վերականգնման համար, որը գործնականում մարդու վերահսկողության կարիք չունի: Ալգորիթմն ինքն է սովորեցնում, թե կտորներն ինչպես միմյանց հավասերեցնել: Մեկ սխալը կարող է տարածվել սխալ կոնեկտոմի վրա: Անչափ կարեւոր է սխալներին ենթակա լինելը:
«Մինչ ես ալգորիթմն էի մշակում, ուսուցումը ժամանակ առ ժամանակ ընդհատվում էր: Ես ծածկագրում մի սխալ ունեի, որը փչացնում էր ամբողջ պատկերը: Ես այս խնդիրն ուսումնասիրում էի գրեթե 6-7 ամիս եւ չէի հասկանում, թե բանն ինչում է»,- Դավիթը փոխանցում է հետազոտությունների անցկացման իր փորձը: «Ես իմ ղեկավարին հայտնեցի այդ խնդրի մասին: Նա ինձ ուղղակի խորհուրդ տվեց ծածկագիրն իր համար մաթեմատիկական տերմիններով նկարագրել գրատախտակի վրա (ոչ թե կեղծ ծածկագիրը, այլ իսկական մաթեմատիկականը): Մաթեմատիկական գրառումների կատարելու մեկ շաբաթից հետո հանկարծ գրատախտակի վրա հայտնվեց խնդիրը, որը ձեւակերպվեց որպես ծրագրային ապահովման հետ կապված խնդիր»,- հիշում է գիտնականը: Այս խնդրի հայտնաբերումը կրկին հաստատեց առաջին դասի ճիշտ լինելը, որը Դավիթը յուրացրել էր Պրինսթոնում սովորելու ժամանակ:
Պրոֆեսոր Սեունգը եւ նրա լաբորատորիան արհեստական նեյրոնային ցանցեր են օգտագործում՝ հասկանալու համար, թե ինչպես են իրական նեյրոնային ցանցերը սովորում՝ դիտարկելով ամեն մի առանձին բջիջը եւ նրա միացությունները:
«Իմ բախտն իսկապես բերել է, որ ես կարող եմ աշխատել պրոֆեսոր Սեունգի եւ իմ գործընկերների հետ», - ասում է Դավիթը:
Կապելով հաշվողական ռեսուրսները
Մկան ուղեղի պատկերները տվյալների տեռաբայթեր եւ անգամ պետաբայթեր են պարունակում: Նման ծավալի խորը ներյրոցանցերի հետ աշխատանքի համար շատ հաշվողական ռեսուրսներ են պետք:
«NeuroIPS համաժողովին Ջեյսոնի հետ միասին մենք մտածում էինք, թե ինչպես պետք է բոլոր գրաֆիկական պրոցեսորները մեկ ցանցում միավորել նեյրորանյին ցանցերի գործարկման համար»,- պատմում է Դավիթը: Դրա համար նա եւ ասպիրանտուրայի իր գործընկերները մշակել են յուրահատուկ ալգորիթմ, որը կարող է միաժամնակ մեկ գրաֆիկական պրոցեսորում ալգորիթմներ եւ կրիպտոմայնինգ գործարկել: Սա օգնել էր մայներներին բիթքոինի ամենաթեժ շրջանում նեյրոնային ցանցեր գործարկել:
2018 թվականին Ջեյսոն Գենը, Սերգեյ Պոպովիչը եւ Դավիթ Բունիաթյանը «Y Combinator» ընդունվելուց հետո
TechCrunch կայքում այդ հայտնագործության մասին եւս մեկ հոդված հայտնվեց: Դավիթը եւ նրա թիմը ընդունվել էին «Y Combinator»-ների թոփ աքսելերատոր, ուր ցանկացողների միայն մեկ տոկոսն է ընդունվում:
«Մինչ մենք Պրինսթոնում հետազոտություններ էինք անցկացնում, մենք հայտնաբերեցինք, որ ամպային տեխնոլոգիաների ուսումնասիրման համար էկոհամակարգը բավական թերի է: Ամպում ուսուցումը եւ մեծածավալ խորը ուսուցման տեղակայումը շատ թանկ եւ դժվար գործընթաց էր:
Հենց դա էր մեզ ոգեշնչում այդ խնդրի լուծման համար ընկերություն ստեղծել»,- պատմում է նա:
«Snark AI»-ը ամպում խորը ուսուցման համար հարթակ է ստեղծում: Դա օգնում է ընկերություններին իրենց ԱԻ ալգորիթմները ամպում իրականացնել:
Օրինակ՝ նրանց ծրագրային ապահովման միջոցով ցանկացած ամպային պրովայդերից վերեւում կարող է հեշտությամբ 100 մլն փաստաթղթերի կամ միլիոնավոր պատկերների մշակում իրականացվել:
Հետագա քայլերը
Եթե առաջ նա չէր կարող իրեն մեկ գրաֆիկական պրոցեսոր թույլ տալ, ապա այժմ նրանց ծրագրային ապահովումը մեկ ցանցում վերահսկում է ավելի քան տասնյակ հազարավոր գրաֆիկական պրոցեսորներ՝ խորը ուսուցման մոդելների տեղակայման եւ ուսուցման համար:
«Snark AI»-ը ներգրավել է հայտնի վենչուրային կապիտալների եւ Կրեմնիումի հովտի գործարարների ներդրումները՝ ներառյալ հայ ներդրողներին:
Սպասվում է, որ ամբողջ մարդկային ուղեղի քարտեզի ստեղծումը հնարավոր կլինի միայն 50 տարի անց: Դավիթը ձգտում է արագացնել այդ գործընթացը:
Նա ծրագրում է նաեւ Հայաստանում մեքենայական ուսուցման կիրառական լաբորատորիա բացել:
Ջենսեն Խուանգը՝ «Nvidia»-ի (գրաֆիկական պրոցեսորների խոշորագույն արտադրող) գլխավոր տնօրենը եւ հիմնադիրը
