Questions-réponses avec le PDG et fondateur d’Invision AI, Karim Ali

  • FrançaisFrançais



  • Invision AI est une startup canadienne qui construit le premier système ferroviaire autonome combinant l’IA visuelle et l’informatique de pointe, cherchant à étendre ses solutions au-delà de l’espace de transport. La société a été créée par Karim Ali en 2017 et a été investie par Fontinalis Partners, TA Ventures, le Centre d’excellence de l’Ontario, Jayant Group et TechStars. DIGITIMES a eu un entretien avec le fondateur et PDG Karim Ali, qui a partagé des informations techniques sur l’IA de pointe et sa vision de l’entreprise.

    Q : Pourriez-vous nous présenter brièvement ce qui vous a inspiré pour créer cette entreprise ?

    J’ai une formation technique avec un doctorat. diplôme en apprentissage automatique et vision par ordinateur de l’Ecole polytechnique fédérale de Lausanne en Suisse et a travaillé à l’UC Berkeley et à Harvard en tant que chercheur sur la vision par ordinateur et l’IA. Vers 2013 ~ 2015, l’IA s’est tournée vers l’apprentissage en profondeur, ce qui a entraîné une très forte augmentation de l’imprécision du jour au lendemain. Nous avons obtenu des systèmes qui seraient précis à 50-60 % et des systèmes qui seraient précis à 90 %. Nous sommes arrivés à un point où nous avons réalisé que cela pourrait en fait conduire à des systèmes pratiques qui résolvent de vrais problèmes dans le monde réel.

    Pour déployer des systèmes d’IA, nous devons nous assurer qu’ils sont évolutifs. Cela signifie qu’il doit être sur l’appareil. Nous recherchions des déploiements en périphérie de l’IA. Et cela signifie également que le type d’informations extraites doit être exploitable. Et ce sont les deux gros problèmes que j’ai vus.

    D’une part, vous avez une très grande précision, ce qui est formidable. Mais pour obtenir cette précision, vous avez besoin de beaucoup de puissance de calcul, ce n’est pas vraiment évolutif. Et le type d’informations extraites n’est pas toujours très exploitable. Nous avons donc décidé de résoudre ces problèmes, tels que la façon de prendre l’IA et de la rendre évolutive et de pouvoir créer des produits du monde réel qui résolvent les problèmes du monde réel de manière évolutive.

    Q : Vous avez adapté l’IA visuelle à l’informatique de pointe. Quels sont les cas d’utilisation spécifiques pour lesquels vous souhaiteriez que vos solutions soient mises en œuvre ? Ou quels problèmes réels aimeriez-vous résoudre pour vos utilisateurs ?

    Nous voyons le potentiel de résolution des problèmes à l’aide de l’IA et de la vision par ordinateur, comme l’utilisation de caméras, de radars et de LiDAR, et il n’y a pas de fin au nombre de problèmes qui peuvent être résolus.

    Nous avons trois types de cas d’utilisation principaux. Nous examinons des systèmes de collision avant pour les trains, similaires au système L2 ou L3 pour les voitures mais pour les trains. Nous avons des systèmes de surveillance des intersections. Il peut s’agir d’une intersection de rue ou d’une intersection d’autoroute à la recherche de voitures venant dans le mauvais sens, d’un piéton sur l’autoroute, de véhicules arrêtés, etc. Nous examinons les passages à niveau, tels que les croisements de trains avec des voitures. Pour des raisons de sécurité, notre système peut dire, hé, il y a un véhicule obstruant la trajectoire du train ; maintenir les barrières.

    Et puis, nous examinons également la détection de l’occupation des véhicules, comme le comptage des personnes sur le bord de la route pour automatiser l’application des voies réservées aux véhicules à occupation multiple.

    La clé pour nous est que nous construisons une plate-forme réutilisable dans un grand nombre de ces applications. Et la façon de rendre cette plate-forme réutilisable et évolutive consiste à atteindre trois points importants :

    L’un est à la périphérie, tout doit se passer à la périphérie et non sur le cloud. De cette façon, vous pouvez conserver les données à proximité du terrain et du capteur, et vous n’avez pas à les envoyer dans le cloud, il n’y a donc pas de problèmes de confidentialité et de calcul.

    Le prochain grand point pour permettre la flexibilité d’une plate-forme est la détection collaborative. Vous devez faire collaborer plusieurs capteurs ou plusieurs caméras pour produire une compréhension cohérente du monde.

    Et le troisième point consiste vraiment à extraire des mesures exploitables du système telles que les géolocalisations, les tailles, les vitesses, les caps, etc. pour produire un jumeau numérique. En fin de compte, Invision AI concerne un jumeau numérique sur appareil.

    Dans notre IA de vision par ordinateur, lors de la détection de véhicules et d’autres personnes, nous ne nous contentons pas de détecter ces personnes, nous les géolocalisons. Nous vous disons donc où ils se trouvent dans le monde réel. Quelles sont les coordonnées GPS de ce véhicule ? Quelle est la longueur, la largeur et la hauteur de ce véhicule ? À quelle vitesse se déplace-t-il ? Quelle direction? Est-il orienté ? Où va-t-il être dans les prochaines secondes ? Et, vous savez, la combinaison de caméras embarquées et de ces caméras collaboratives, de capteurs collaboratifs et de l’extraction d’informations sur les jumeaux numériques, qui, pour nous, est la plate-forme clé pour résoudre de très nombreux cas d’utilisation.

    Nous nous concentrons actuellement sur le transport intelligent, car c’est là que notre solution brille le plus, là où il y a le plus grand besoin de jumeaux numériques optimisés, essentiellement. Mais nous pensons que les applications vont bien au-delà de l’espace de transport.

    Q : Vous avez réalisé avec succès plusieurs projets de rails autonomes avec deux entreprises. Je me demande simplement pourquoi choisir le chemin de fer pour fournir vos premières solutions de mobilité intelligente ?

    Une partie de la raison est technologique. Nous pensons que les premiers véhicules autonomes vont effectivement se trouver dans le secteur ferroviaire. Il y a beaucoup de discussions et beaucoup de battage autour des voitures autonomes. Mais ils ont de nombreux problèmes à résoudre car il s’agit d’un environnement beaucoup moins contrôlé que l’environnement ferroviaire.

    Dans le domaine ferroviaire, comme il n’y a qu’un seul opérateur qui contrôle les trains, les passages à niveau et les gares, vous pouvez envisager le problème d’un point de vue cohérent. La plupart des opérateurs qui s’intéressent au secteur ferroviaire ont déjà compris qu’il fallait disposer de systèmes ferroviaires autonomes fonctionnant conjointement et collaborant avec des systèmes d’infrastructure fixes qui seraient installés sur les passages à niveau.

    Nous avons commencé à construire ces systèmes en travaillant ensemble dès le premier jour. C’est très excitant. L’industrie de la voiture autonome, depuis quatre ans, dit que toutes les voitures autonomes fonctionneront toutes seules. Les gens se rendent compte, “Attendez une minute, la plupart des accidents se produisent aux intersections.” Si nous avions une couverture cohérente de l’intersection, c’est beaucoup d’informations qui peuvent être utilisées.

    Une voiture autonome avec tous ses capteurs ne peut pas voir grand-chose. Si vous aviez un œil dans le ciel qui pouvait voir un danger bien à l’avance, cela pourrait envoyer un avertissement bien avant la douleur, comme “Vous devriez vous casser maintenant !” lorsqu’un problème survient à cette intersection dans les cinq prochaines secondes.

    Nous avons eu la chance d’avoir eu une très belle collaboration ces deux dernières années avec Thales, un intégrateur technologique de premier plan. Nous travaillons avec Metrolinx, qui est le deuxième opérateur en importance en Amérique du Nord, ils ont un engagement profond envers la sécurité, c’est pourquoi ils travaillent avec nous sur l’avertissement de collision avant.

    Q : C’est très inspirant d’écouter votre partage, surtout quand vous avez mentionné qu’avec des capteurs IoT coordonnés sur la route, nous pouvons éviter de nombreux accidents. Eh bien, s’il existe une planification urbaine intelligente couvrant tous ces systèmes, est-ce la vision qu’Invision AI doit mettre en œuvre à l’avenir ?

    Nous voulons être une plate-forme qui peut être exploitée pour toutes sortes d’applications. Oui, c’est à 100%, où nous aimerions aller. Lorsque vous envisagez l’avenir, nous croyons fermement que, et c’est ce que nous construisons, des suites de capteurs mobiles fonctionnant avec des suites de capteurs fixes, fondamentalement, ce sera la même technologie sur le même type de détection d’algorithme d’IA et suivi, qui s’exécutent sur les deux et travaillent ensemble. Pour améliorer la sécurité, le débit, réduire la congestion, construisez simplement un système de transport meilleur et plus sûr.

    Q : De quelle manière les entreprises taïwanaises peuvent-elles collaborer avec vous ? Vous recherchez des partenaires ou des partenaires matériels avec lesquels vous pouvez travailler ?

    Nous recherchons des partenaires pour une application axée sur la sécurité, comme une communication à faible latence entre ces caméras, ou entre les nœuds de calcul de chaque caméra. Le type de matériel pour un système multi-capteurs collaboratif peut être déployé sans aucun câblage – sans fil, sans fil à faible latence, capacités 5g, nous pouvons donc fournir une solution clé en main. Taïwan a des intégrateurs et des producteurs de matériel, donc, nous cherchons toujours à voir quel type de relations nous pouvons former.

    Q : Quel est votre statut de collecte de fonds et prévoyez-vous de collecter des fonds cette année ?

    Notre dernière collecte de fonds remonte à la mi-2019. Et nous avons été fortement amorcés depuis lors. Actuellement, nous finançons l’entreprise grâce aux revenus et avons réussi à faire passer l’équipe à 20 personnes. Avec ce modèle, nous pensons que le moment était venu pour une autre collecte de fonds. Nous venons donc de lancer une collecte de fonds, que nous espérons clôturer au troisième trimestre. Et maintenant, nous recherchons principalement un alignement stratégique. Nous visons 5 à 10 millions de dollars américains.

    Q : Quel genre d’entreprises aimeriez-vous avoir ce genre d’alignement stratégique, par exemple, sont-elles celles qui vous complètent ?

    Très possible. Il pourrait s’agir d’entreprises de caméras, d’informatique de pointe, dans l’espace de transport intelligent, etc. Nous serions heureux d’avoir ces discussions. Nous avons déjà plusieurs partenaires, mais nous cherchons toujours à grandir avec des partenaires car nous considérons notre marché comme un marché mondial.

    Q : Et avez-vous l’intention d’étendre vos marchés à l’étranger cette année ?

    Ouais absolument. Partout où nous pouvons obtenir de la traction, c’est là que nous allons. Nous avons des projets dans des pays qui étaient déjà en Grèce, en France et en Suisse, au Canada, aux États-Unis et en Israël. La région Asie-Pacifique est également une région très importante pour nous, car de nombreux pays y sont très avancés en matière de ville intelligente, d’infrastructure intelligente et d’espace de transport. Pour l’APAC, nous travaillons à l’expansion de nos marchés en Corée du Sud, au Japon, à Taïwan, à Singapour et à Hong Kong.

    FACTBOX

    Société

    Invision IA

    Établi en

    2014

    Statut de financement

    Série A ciblant 10 millions de dollars américains en 2022

    Taille

    20+

    Équipe de base

    PDG et fondateur Karim Ali

    Directeur financier Craig Loverock

    CTO Carlos Becker, VP Produit Emanuel Corthay

    Quartier général

    Toronto, Canada

    Bureaux mondiaux

    Toronto (Canada) et Lausanne (Suisse)

    Karim Ali, fondateur et PDG d’Invision AI
    Photo : Invision IA

    L'équipe de Comparaland

    L'équipe rédactionnnelle du site

    Pour contacter personnellement le taulier :

    Laisser un commentaire

    Votre adresse e-mail ne sera pas publiée.