短字节: 位于马萨诸塞州的公司Gamalon,Inc。提出了一项名为贝叶斯程序综合(BPS)的新技术。它基于概率,可用于训练具有最少可能示例的AI系统。 Gamalon已经证明,与谷歌基于深度学习的Quick,Draw相比,他们的系统在物体识别方面表现更好。

我们身边发生了很多AI嗡嗡声。大多数这些AI系统,无论是由DeepMind,Google Brain,IBM等创建的,都是基于深度学习 - 机器学习的一部分。

我们已经知道,研究人员在培训阶段将大数据集提供给AI系统。因此,他们可以做出更准确的决定。例如,为系统提供数以千计的狗图像,使其将生物识别为狗,甚至区分狗品种。

所有这些都有助于AI系统随着时间的推移获得准确性。但同时,培训这些系统需要大量的计算资源,时间和人力。为什么我们不提出一些快速有效的流程?

位于马萨诸塞州剑桥的公司Gamalon正在做同样的事情。他们使用概率的新贝叶斯程序综合(BPS)技术可以帮助人工智能系统从与深度学习相比较少的示例中学习。 Gamalon声称,这也不会浪费数周或数月。

他们展示了他们的图像识别功能,并将其与由TensorFlow驱动的Google Quick,Draw程序提供的功能进行了比较。培训涉及使BPS系统理解它必须识别的对象的组件。 Gamalon说,使用BPS,人们可以使用平板电脑处理器训练人工智能。所以,你可以考虑你的iPad。它还可以编写自己的代码,以便更好地理解它。

麻省理工学院博士Ben Vigoda博士毕业,是Gamalon的创始人兼首席执行官。在过去,他创立了由DARPA资助的Lyric Semiconductor(后来被ADI公司收购),该公司基于概率而不是二元逻辑创建了一种新型微芯片。

Vigoda的Gamalon目前正在利用BPS的功能为拥有大量非结构化数据的企业提供数据管理服务。您可以以其仓库中存在大量库存的电子商务公司为例。他们可能正在制定其他计划,将其技术推广到其他从事人工智能领域工作的公司。

您如何看待人工智能?放下你的想法和反馈。

为你工作: Robert Gaines & George Fleming | 想与我们联系?

在网站上评论: