HackerNoon's Building with AIインタビューシリーズへようこそ、世界中の開発者がどのようにAIを採用し、形作り、現地のエコシステムで実験しているかを学びましょう。 ハッカーノウンのようこそ インタビューシリーズでは、世界中の開発者がどのようにAIを地元の生態系で採用、形作り、実験しているかを学びます。 Building with AI 今日、我々はベイエリアとシリコンバレーのAIの最前線で働くSuki MLプラットフォームのリーダー兼スタッフMLエンジニアであるVal Garnagaと話している。 あなたのAIへの旅の背後にある物語を教えてください - あなたが最初にそれに惹かれたものは何であり、あなたが現在構築しているプロジェクトにインスピレーションを与えたものは何ですか? できるだけ詳細に答える(少なくとも3~5文) できるだけ詳細に答える(少なくとも3~5文) 私のAIへの旅は、2000年に博士号の研究中に始まり、雪の流れを予測するためのハイブリッド統計およびニューラルネットワーク予測モデルを開発しました。この研究は、パラメータを自主的に選択し最適化する繰り返しのニューラルネットワークと統計的ARIMAモデルを組み合わせました。この研究は、部分的に監督されたニューラルネットワークトレーニングとカテゴリパラメータコーディングの新しい方法を導入し、これがクラシック統計モデリングと適応型AIシステムを組み合わせる私の長期的な関心の基礎を築きました。 この経験は、数学モデリングと適応型学習システムを組み合わせるという私の長期的な関心を形作りました。今日、私はSuki AIの機械学習プラットフォームをリードし、臨床医を支援するために深い学習と自然言語の理解を適用する大規模な医療AIシステムに焦点を当てました。並行して、私は量子神経ネットワーク(QNNs)を探索し、量子回路が微妙な生物医学的パターンを検出するために使用されています。最近のプロジェクトの1つで、私は早期段階のパーキンソン病を音声データから識別するための量子クラシックハイブリッドモデルを実装し、99%の診断精度を達成し、ランダムフォースや標準の神経ネットワーク あなたの地元の生態系でAIで構築する際に直面した最大の課題や限界は何ですか(そしてあなたはどのようにそれらを取り巻いているのですか)? できるだけ詳細に答える(少なくとも3~5文) できるだけ詳細に答える(少なくとも3~5文) ベイエリアでは、最大の課題は、スケーラビリティ、コスト、精度のバランスをとりながら、AIシステムが安全で解釈可能であることを保証することです。ヘルスケアAIは、モデルがリアルな変化の下で厳格なコンプライアンスと信頼性を維持しなければならないため、さらなる複雑性を加えています。GPUベースのシステムから、TPUなどの専門的なASICベースのAI加速器に移行するには、トレーニングオーケストラリングと大規模な最適化を再考慮する必要があります。 これらの課題を解決するために、私はデータの品質を自動的に監視し、必要に応じてモデルをリトレインし、実行を最適化するモジュールおよびエラー耐性パイプラインを設計しました。 あなたは、あなたが住んでいるAIエコシステムを、才能、コミュニティ、教育、投資の観点でどのように表現しますか? それぞれの回答に少なくとも1段落を割り当てます。 それぞれの回答に少なくとも1段落を割り当てます。 私の視点から見ると、ベイエリアをユニークなものにするのは、アイデアが研究論文からプロトタイプやスタートアップにどのように迅速に移動するかです。 スタンフォードとバークレーの教育財団は革新の絶え間ない流れを生み出し、GoogleのAIデザインパートナーイニシアチブやOpenAI研究コラボレーションなどのコミュニティプログラムは実践的な実験を奨励しています。 投資家はますます効率性と専門化、ドメイン調整医療LLMやコスト最適化推測システムなどの資金調達ソリューションに焦点を当てています。 あなたの仕事で最も役に立つツール、フレームワーク、またはモデルは何ですか?そして、なぜ彼らはあなたのアプローチに適していますか? できるだけ詳細に答える(少なくとも3~5文) できるだけ詳細に答える(少なくとも3~5文) 私のコアエコシステムには、TensorFlow、PyTorch、およびGoogle Vertex AIが組み立てられ、異なるアーキテクチャのAI/ML加速器と並んでいます。スピーチと言語のタスクのために、OpenAI WhisperとGoogle Geminiを使用して、スケーラブルで多様なパイプラインを構築します。これらのツールは、再生可能で生産レベルのMLパイプラインを維持しながら、迅速に実験する私のアプローチと一致しています。 古典的なMLフレームワークを超えて、私は、バイオメディカルパターン検出などの、より高い順序の表示を必要とする問題を解決するための量子強化アーキテクチャを探求します。私は、クラシックのニューラルコントローラと、混乱した表現を学ぶ能力のある量子回路を組み合わせたハイブリッドモデルを統合します。コントローラネットワークは、量子コードのためのデータを準備することを学びますが、量子層は、古典的なモデルがしばしば欠けている高次元の関係を抽出します。 5. 将来を見ると、AIの未来についてあなたが最も興奮するものは何ですか?そして、開発者に、彼らの旅の始まりにあたってどんなアドバイスをしますか? できるだけ詳細に答える(少なくとも3~5文) できるだけ詳細に答える(少なくとも3~5文) AIの未来はクロスドメイン合併で、量子計算、象徴的推論、生成インテリジェンスが融合している。私は特に、生物医学データにおける不確実性、騒音、複雑な関連性を管理できるハイブリッド量子神経ネットワークを通じて探求する領域である量子強化学習に興奮しています これらのシステムは、新しい診断ツール、適応アシスタント、および物理的および情報的制約を両方で推論するモデルを可能にすることができます。 大規模なMLプラットフォームをリードする私の経験から、数学、統計、およびデータ構造の基礎をマスターすることから始める開発者は、高レベルのフレームワークを使用する前により強力な直感を構築することを発見しました。