С 18 марта по 12 апреля.
Я записал обсуждение подкаста, состоящего из двух частей, с Ником Мораном @ The Full Ratchet. Ознакомьтесь с частью 1 здесь и дайте мне знать, что вы думаете! Куча сложных вопросов :) Впереди 2-я часть.
Вот мое исследование глобального рынка частных ИИ-компаний на предмет инвестиций и выходов.
Новости, тенденции и мнения в области технологий
ИИ, связанный со здоровьем 🔬💊
- Картирование мозга для создания лучших машин. Компания Intelligence Advanced Research Projects Activity (IARPA) профинансировала программу Машинный интеллект из кортикальных сетей (MICrONS) на сумму 100 миллионов долларов в течение 5 лет. Три команды будут отслеживать нейронную активность десятков тысяч нейронов в целевом кубе зрительной коры, чтобы создать трехмерную модель нейронных цепей. Эта модель будет использоваться для обнаружения правил, управляющих цепью, которые могут помочь нам понять петли обратной связи между нейронами, чтобы построить более биологически вдохновленные искусственные нейронные сети.
- Массачусетская больница общего профиля в Бостоне, больница №1 в США, открыла свой Центр изучения клинических данных, чтобы создать центр, ориентированный на использование технологий искусственного интеллекта для диагностики и лечения заболеваний. Мы видели, как несколько стартапов намеревались решить эту проблему, но то, что крупный поставщик медицинских услуг сделал это объявление с Nvidia в качестве технологического партнера-основателя, - это большая новость.
Беспилотные автомобили 🏁🚗
- Тойота объявляет об открытии своего нового исследовательского центра в области искусственного интеллекта и робототехники в Анн-Арборе, штат Мичиган вслед за сайтами в Пало-Альто, Калифорния, и Кембридже, Массачусетс. Следует отметить, что у Toyota уже есть два технических центра, которые проводят исследования в области автономных транспортных средств в этом районе, где также находится мини-городской полигон площадью 23 акра для экспериментальных автомобилей. Помните, Toyota также является вероятным претендентом на покупку принадлежащей Google компании Boston Robotics, производителя Big Dog и роботов-гуманоидов.
- Колонна беспилотных грузовиков под наблюдением завершает первый европейский трансграничный рейс, в котором представлены производители DAF, Daimler, Iveco, MAN, Scania и Volvo. Этот вид транспорта выглядит как низко висящий фрукт!
Оборудование и инструменты разработчика ⌨
- Microsoft представила проект нового видения на своей конференции разработчиков Build в Сан-Франциско. Seeing AI (демонстрационное видео здесь) использует компьютерное зрение и НЛП для описания окружающего человека, чтения текста, ответа на вопросы и определения эмоций на лицах людей. Это сродни продукту Baidu DuLight и по результату похоже на недавнее объявление Facebook, делающее сайт« доступным для слепых». Microsoft также анонсировала CaptionBot для подписи к любой фотографии, а также их новую Bot Framework (сантехнику, необходимую для управления и развертывания ботов) и Builder (включая их продукт для понимания естественного языка, LUIS). Это свидетельствует о том, что бот-технология сама по себе вряд ли будет основным отличием на рынке.
- Три шага на фронте аппаратного обеспечения глубокого обучения! Nvidia объявила о создании программы исследований и разработок на сумму 2 млрд долларов - GPU Tesla P100 на базе архитектуры Pascal, а также первого в мире суперкомпьютера с глубоким обучением - DGX-1. Он сочетает в себе 8 графических процессоров Tesla по 16 ГБ для обеспечения пропускной способности 250 серверов на базе ЦП, сетей, кабелей и стоек - все в одном корпусе. Они обучаются в 12 раз быстрее, чем системы на базе четырехполосной архитектуры Maxwell год назад. Тем временем Лоуренс Ливермор и IBM вместе создают новый суперкомпьютер, вдохновленный мозгами.
Технические концепции, объяснение
- MIT Tech Review подготовил всестороннюю подборку интервью (например, Джефф Дин / Google, Эндрю Нг / Байду), профилей проектов (например, Skype-переводчик, автомобили без водителя Toyota), важных исследовательских работ и мнений, чтобы продемонстрировать успехи ИИ мейнстрим.
- Глубокое обучение: правда, стоящая за шумихой - очень хорошее прочтение о символических и коннекционистских моделях искусственного интеллекта, и путь вперед, возможно, объединит их.
- Что стоит за успехом систем искусственного интеллекта в наши дни и как это работает? В этой аннотированной презентации рассматривается множество важных концепций. Все еще не знаете, могут ли эти технические достижения найти более широкое применение? Эта (нетехническая) статья утверждает это, опираясь на способность сетей улавливать« интуицию ».
Исследования, разработки и ресурсы
Deep3D: полностью автоматическое преобразование видео из 2D в 3D с помощью глубоких сверточных нейронных сетей, Вашингтонский университет, код здесь. Популярность 3D-фильмов растет (помните Аватар в 2008 году?), Но их дорого производить с использованием 3D-камер или 2D-видео, вручную преобразованного в 3D. Чтобы автоматически преобразовать 2D в 3D, нужно вывести карту глубины для каждого пикселя в изображении (то есть, как далеко каждый пиксель находится от камеры), чтобы можно было создать изображение для противоположного глаза. Существующие автоматизированные конвейеры на основе нейронных сетей требуют для обучения пары глубина изображения, которые сложно найти. Здесь авторы используют пары стереокадров, которые существуют в уже созданных 3D-фильмах, чтобы обучить глубокую сверточную нейронную сеть предсказывать новый вид (вид правого глаза) из данного вида (вид левого глаза), используя внутреннюю оценку мягкого (вероятностного) ) карта несоответствия.
« Почему я должен тебе верить? Объясняя предсказания любого классификатора », Вашингтонский университет. Код здесь. Ключевым препятствием для массового внедрения моделей машинного обучения в коммерческих условиях, нетерпимых к ошибкам (например, в финансах, здравоохранении, безопасности), является способность объяснять, почему были сделаны определенные прогнозы. Многие модели, особенно нейронные сети, сегодня функционально являются черными ящиками, надежность которых зависит от точности перекрестной проверки. Авторы представляют алгоритм, не зависящий от модели, который представляет текстовые или визуальные артефакты с использованием интерпретируемых представлений базовых данных (не обязательно характеристик модели), чтобы предоставить пользователю качественное понимание того, на чем данная модель основывает свои классификационные прогнозы. Это очень изящная работа. Дальнейшее объяснение здесь.
Сети динамической памяти для визуального и текстового ответа на вопросы, MetaMind. Год назад команда MetaMind опубликовала сеть динамической памяти, архитектуру нейронной сети, которая обрабатывает входные последовательности и вопросы, формирует эпизодические воспоминания и генерирует соответствующие ответы. В этой работе команда представляет новый модуль ввода для обработки изображений вместо текста, так что теперь сеть может отвечать на вопросы на естественном языке, исходя из своего понимания функций изображения. В частности, модуль ввода разбивает изображение на небольшие локальные области и считает каждую область эквивалентной предложению в модуле ввода для текста. Любопытный робот: изучение визуальных представлений через физические взаимодействия, Университет Карнеги-Меллона . Задача изучения визуальных представлений в реальном мире с помощью CNN обычно требует большого набора данных с примерами помеченных изображений. Вместо этого эта группа исследует, может ли роботизированная рука Бакстера изучать визуальные представления только путем выполнения четырех физических взаимодействий: толкание, толкание, хватание и активное зрение. Они показывают, что, испытав 130 тыс. Таких взаимодействий с предметами домашнего обихода (например, чашки, миски, бутылки) и используя каждую точку данных для обратного распространения через CNN, сеть может изучить некоторые обобщенные функции, которые помогут ей классифицировать изображения предметов домашнего обихода в ImageNet без ранее видевшие изображения с пометками.
Глубокое обучение для чат-ботов, часть 1 - Введение. Учитывая ажиотаж вокруг интерфейсов чата и их способность развивать пользовательский интерфейс для сегодняшнего поколения технофилов, вот статья, в которой описывается, где мы находимся технически, что возможно, а что останется почти невозможным хотя бы на некоторое время. Подробности реализации этой серии будут опубликованы в следующих публикациях.
Финансирование венчурного капитала и выход
34 инвестиционных раунда на общую сумму 116 млн долларов США и 5 приобретений, в том числе:
- X.ai, (все более и более) автоматизированный цифровой персональный помощник на основе НЛП для планирования встреч, поднял раунд серии B на 23 миллиона долларов, возглавляемый Two Sigma Ventures. Снимаю шляпу перед Деннисом и его командой за отличную демонстрацию того, как совместная работа человека и ИИ может решить очевидную проблему рабочего процесса. Посмотрите, как он выступает в этом году на Саммите виртуальных помощников в Сан-Франциско от Re.Work.
- Twiggle, довольно тихий стартап из Тель-Авива, работающий над улучшенным стеком базовых технологий, ориентированным на поиск в электронной коммерции, объявил о Серии A стоимостью 12,5 млн долларов, возглавляемой Naspers, публичной южноафриканской интернет-медиа-группой.
- Kreditech, немецкий онлайн-кредитор, андеррайтинговый ссуды с использованием нетрадиционных точек данных, закрыл последние $ 11 млн из своей серии C в $ 103 млн за счет инвестиций Международной финансовой корпорации (подразделения Всемирного банка). * Хосе Гарсия Морено-Торрес, директор Kreditech по науке о данных, выступает на нашем втором мероприятии Playfair AI, которое состоится 1 июля в Лондоне.
- Gauss Surgical, производитель Triton, одобренной FDA мобильной системы зрения, работающей на iPad, которая точно оценивает внутриоперационный гемоглобин и кровопотерю на губках в режиме реального времени, подняла серию A стоимостью 12,6 млн долларов, возглавляемую Providence Ventures.
- Drive.ai, компания-разработчик программного обеспечения для стелс-автономных транспортных средств, основанная Кэрол Рейли (которая, кстати, также является партнером Эндрю Нг - известность в Стэнфорде / Google / Baidu), получила $ 12 млн от неизвестных инвесторов.
- Comma.ai, основанный известным хакером и бывшим инженером-викариусом Джорджем Хотцем, собрал посевной раунд на $ 3,1 млн от Andreessen Horowitz. Крис Диксон пишет об этом здесь.
- Salesforce приобрела компанию MetaMind, основанную доктором наук из Стэнфорда Ричардом Сохером, который работал над НЛП, а затем и над видением, за нераскрытую сумму (якобы в целях приобретения). Бизнес привлек 8 млн долларов от Khosla Ventures и основателя / генерального директора Salesforce Марка Бениоффа. Следует отметить, что Ричард пишет: [Salesforce будет использовать MetaMind] для автоматизации и персонализации поддержки клиентов, автоматизации маркетинга и [улучшения] многих других бизнес-процессов. Мы расширим возможности Salesforce по обработке данных, встроив глубокое обучение в платформу Salesforce . Действительно очень интересно.
Что еще привлекло ваше внимание? Просто нажмите "Ответить"! Я активно ищу предпринимателей, создающих компании, которые создают / используют ИИ, чтобы переосмыслить то, как мы живем и работаем.
