當前位置:
首頁 > 科技 > 深度學習重大突破:具有學習能力的深度學習軟體,不需要在雲端運行的伺服器

深度學習重大突破:具有學習能力的深度學習軟體,不需要在雲端運行的伺服器

深度學習重大突破:具有學習能力的深度學習軟體,不需要在雲端運行的伺服器



人工智慧初創公司Neurala Inc.今天宣布在人工智慧領域取得一項新的重大突破,它聲稱,該突破最終有望讓這項技術造福普通消費者。該公司構建的深度學習神經網路被美國宇航局(NASA)及其他多家組織所使用。

這家公司表示,它已開發出了具有學習能力的深度學習軟體,不需要雲端運行的伺服器,因而能夠帶來新一代的智能汽車、兒童玩具和工業機器。


傳統的深度學習系統基本上依賴基於雲的伺服器,在後台為深度學習系統處理計算任務。這類系統確實可行,不過Neurala表示,這種方法仍然缺乏效率,原因就在於它所說的「災難性遺忘」(catastrophic forgetting)問題:只要需要這類系統學習了解新的對象,這個問題就需要機器重新學習了解它們之前已知道的對象。


該公司聲稱:「就在不久前,如果人工智慧系統學習了解了一定數量的對象,但需要學習了解另一個新對象,就需要拿所有的對象對系統重新訓練。這種傳統方法需要使用功能強大的伺服器,而這些伺服器通常駐留在雲端。」


不過要是採用Neurala的新技術,如今在網路邊緣上就可以學習了解逐步增加的對象,因而一勞永逸地消除了「災難性遺忘」問題。Neurala沒有透露這項技術到底是如何實現的,不過表示其方法結合了不同的神經網路架構;許多人士表示,它採用了一種前所未有的方式來結合。

據Neurala的首席技術官馬西米利亞諾·「馬克斯」·弗塞斯(Massimiliano 「Max」 Versace聲稱,這項新的突破正是從汽車到消費類電子產品的多個行業的公司企業一直苦苦等待的「推動者」(enabler)。


弗塞斯說:「能夠在網路邊緣實時學習,這意味著Neurala的方法能夠直接在設備上面進行學習,沒有雲學習存在的種種弊端。此外,它消除了網路延遲,提升了實時性能,而且在需要隱私的場合下確保了隱私。最重要的是,它為開發一大批無雲應用敞開了大門。」


Neurala與美國宇航局旗下的加利福尼亞噴氣推進實驗室(Jet Propulsion Lab)合作;今年1月,它融得了由Pelion Ventures領投的1400萬美元的A輪資金,因此進入公眾的視線。其Neurala Brain軟體是這樣一種深度學習平台:將視覺、聽覺及其他感官能力整合到單單一個系統中,大致模擬人腦的工作機理,從而讓人工智慧以類似人腦的方式來運作。這家公司聲稱,該軟體還有著廣泛的用途,除了兒童玩具和工業機器外,還可以安裝到需要能夠獨自適應周邊環境的無人駕駛汽車、無人機和機器人中。


Neurala在解釋其軟體的工作原理時表示,實際的人腦看到和聽到移動的車輛後,會估計其位置,然後將這輛車放入到「意境地圖」(mental map)。但是它又認為,全腦人工智慧系統(比如它研製的系統)之所以更擅長執行複雜的任務,原因在於這種天生的整合讓不同的感官能力和模塊能夠相輔相成,彌補對方的缺陷和不足。


Neural表示,它會在今年第三季度將這項新功能添加到其Neurala Brain軟體開發工具包。與此同時,這家公司還在5月8日至11日英偉達公司在聖何塞召開的GPU技術大會上演示其技術。

喜歡這篇文章嗎?立刻分享出去讓更多人知道吧!

本站內容充實豐富,博大精深,小編精選每日熱門資訊,隨時更新,點擊「搶先收到最新資訊」瀏覽吧!


請您繼續閱讀更多來自 雲頭條 的精彩文章:

逆天了!人工智慧可察覺出挖苦和諷刺
今日Google、Facebook、Twitter、Youtube等均出現故障
Facebook、亞馬遜等巨頭是如何建造自己的資料庫的?
我的天!黑客擊敗了雙因子驗證技術,大肆竊取銀行賬戶資金!

TAG:雲頭條 |

您可能感興趣

當前的深度學習框架不會改變機器學習的能力增長
人工智慧要想取得重大突破,還需進行更深度的學習
學習新技能時,講究技巧比努力更重要
深度學習並非萬能:全方位對比深度學習和經典機器學習
什麼是深度強化學習:人工智慧和深度學習的下一步
學習的重點是培養能力
人工智慧,機器學習和深度學習之間存在著細微差別
相比於深度學習,機器學習沒落了嗎?
學習能力強和學習能力弱的人是如何一點點被拉開的
未來比經驗更重要的,是你的持續學習能力
【深度學習並非萬能】全方位對比深度學習和經典機器學習
基於容器雲的深度學習體驗
你需要一台真正的深度學習機
深度學習引擎的終極形態是什麼?
愛是一種需要學習的能力
為什麼深度學習要使用大量數據?
神經進化是深度學習的未來
無需額外硬體,全卷積網路讓機器學習學會夜視能力
港科大劉明:深度學習為機器人研究注入新能量,產業需求是新發展的源動力
模擬器:應用型深度強化學習的關鍵是訓練環境