博客
关于我
那个曾经为美国NASA开发火星大脑的AI公司,现在和华为合作了
阅读量:142 次
发布时间:2019-02-26

本文共 1246 字,大约阅读时间需要 4 分钟。

Neurala公司是一家专注于深度学习技术的波士顿初创公司,他们在2006年成立,致力于开发一种革命性的AI技术。公司的核心技术是Lifelong-DNN(L-DNN),这是一种能够在一次训练后实时学习的算法,模拟了生物大脑的学习方式。

Neurala的发展历程

Neurala成立于2006年,由波士顿大学的四位博士共同创立。他们的研究起点是认知科学和神经网络,目的是模拟人类大脑的感知和决策过程。为了加速算法的执行速度,他们利用GPU技术申请了多项专利。然而,当时AI应用仍处于早期阶段,缺乏商业化需求。因此,他们在2013年加入了加速器技术,开始推动公司的商业化进程。

核心技术L-DNN

L-DNN与传统的深度神经网络(DNN)有显著差异。L-DNN的学习速度快达传统DNN的250倍,在单核ARM芯片上即可完成训练。这种技术的突破性成果源于对传统反向传播算法的重构,特别针对在资源受限的嵌入式设备上部署AI的需求。NASA的火星探测器项目就是L-DNN的重要应用案例。

商业化进程

Neurala在技术研发的同时,积极推进商业化进程。截至目前,公司已获得近1.6亿美元的融资,投资方包括Pelion Ventures、Sherpa Capital等知名机构。公司主要与无人机、智能手机、摄像头等设备制造商合作,将AI技术植入设备中。

此外,Neurala还与摩托罗拉达成合作,应用其AI技术于Si500随身相机,提升失踪儿童和可疑物品的快速定位能力。未来,Neurala计划进一步拓展中国市场,与华为等中国公司开展物体检测等计算机视觉领域的联合研发。

SaaS平台Brain Builder

Neurala于7月正式上线了SaaS平台Brain Builder,目前正在测试版阶段。该平台支持自动视频标注功能,可将数据导入TensorFlow、Caffe等深度学习框架。未来平台将不断迭代,提供更完善的功能,服务于企业用户和开发者。

专访MaxVersace

MaxVersace(Neurala创始人兼CEO)在采访中分享了公司的发展历程和技术优势。他提到,L-DNN的研发历程长达10年,是公司核心技术的重要突破。与传统DNN不同,L-DNN能够实时学习,而非仅仅依赖反向传播机制。这种技术优势使Neurala在嵌入式AI领域占据了重要地位。

技术与应用的扩展

L-DNN目前主要应用于图像领域,但Max表示,该技术原理同样适用于语音和其他数据领域。公司目前重点关注视频应用市场,寻求在更多场景中应用其技术。

公司文化与未来展望

Neurala团队由41名成员组成,包括10名博士、20名工程师和10名市场与管理人员。公司注重技术研发与商业化的结合,致力于为客户提供高效、隐私保护的AI解决方案。未来,Neurala计划推动AI技术在更多行业中的应用,帮助人类完成更复杂的任务。Max强调,公司将继续专注于核心技术的研发,提升L-DNN的性能和应用范围,为人类社会创造更大价值。

转载地址:http://efxy.baihongyu.com/

你可能感兴趣的文章
Netty工作笔记0050---Netty核心模块1
查看>>
Netty工作笔记0084---通过自定义协议解决粘包拆包问题2
查看>>
Netty常见组件二
查看>>
netty底层源码探究:启动流程;EventLoop中的selector、线程、任务队列;监听处理accept、read事件流程;
查看>>
Netty核心模块组件
查看>>
Netty框架的服务端开发中创建EventLoopGroup对象时线程数量源码解析
查看>>
Netty源码—2.Reactor线程模型一
查看>>
Netty源码—4.客户端接入流程一
查看>>
Netty源码—4.客户端接入流程二
查看>>
Netty源码—5.Pipeline和Handler一
查看>>
Netty源码—6.ByteBuf原理二
查看>>
Netty源码—7.ByteBuf原理三
查看>>
Netty源码—7.ByteBuf原理四
查看>>
Netty源码—8.编解码原理二
查看>>
Netty源码解读
查看>>
Netty的Socket编程详解-搭建服务端与客户端并进行数据传输
查看>>
Netty相关
查看>>
Network Dissection:Quantifying Interpretability of Deep Visual Representations(深层视觉表征的量化解释)
查看>>
Network Sniffer and Connection Analyzer
查看>>
NetworkX系列教程(11)-graph和其他数据格式转换
查看>>