在滑铁卢大学攻读系统设计工程博士学位期间,Alexander Wong没有足够的资金购买其计算机视觉实验所需的硬件。因此,他发明了一项使神经网络模型更小、速度更快的技术。
Sheldon Fernandez回忆道:“Alexander Wong当时正在做项目演示,有人对他说‘嘿,你的博士研究很酷,但你知道吗,你真正的秘密武器,是你为了完成博士研究而发明的技术!’”。
现在,Fernandez和 Wong分别是DarwinAI的首席执行官和首席科学家。而DarwinAI是一家位于加拿大安大略省滑铁卢的初创公司,现在正将那个“秘密武器”商业化。同时,英特尔正在帮助DarwinAI,全面提升从数据中心到边缘应用程序中的软件性能。
DarwinAI首席执行官Sheldon Fernandez(第一排中间穿黑色夹克的男士)与员工合影。
DarwinAI是一家总部位于加拿大安大略省滑铁卢的AI软件初创公司。
在介绍DarwinAI的策略时,Fernandez表示:“我们首先使用其他形式的人工智能,从基础上探索、理解神经网络。在建立对神经网络的复杂了解之后,我们再次使用人工智能技术创建一个全新的神经网络家族,使它与原来的神经网络具备同样优秀的性能,但规模更小,并且能够被解释。”
“原理的可解释性”非常重要。Fernandez指出,人工智能面临的一个重大挑战是“对于设计者而言,人工智能的工作机制并不透明”。如果不知道人工智能应用程序的工作原理及决策原理,开发人员很难提高其性能,或者诊断出问题所在。
比如,DarwinAI的一个汽车客户想要排除一辆自动驾驶汽车的故障——当天空出现某种紫色时,这辆汽车会出现奇怪的左转倾向。DarwinAI的生成合成平台(Generative Synthesis)解决方案帮助客户团队了解到,汽车行为受到了在内华达沙漠中所进行的特定转弯场景训练时的影响,训练时的天空恰巧是那种紫色。
Fernandez解释说,也可以这样理解生成合成平台(Generative Synthesis):想象该人工智能应用程序观察到一栋人类设计的房屋,记录其建造轮廓,然后设计出了更坚固更可靠的全新房屋。Fernandez说:“因为这是人工智能,它具备人脑无法比拟的效率。这就是我们对神经网络的应用。”(神经网络是一种将复杂任务分解为大量简单计算的方法。)
英特尔不仅致力于让所有人都能使用人工智能,并使人工智能速度更快、更易使用。 通过英特尔人工智能创建者项目,英特尔与DarwinAI合作,将生成合成平台(Generative Synthesis)与英特尔OpenVINO工具包以及其他英特尔人工智能软件组件加以结合,实现数量级性能提升。
在最近的案例研究中,基于英特尔至强铂金8153处理器,使用生成合成平台(Generative Synthesis)与面向英特尔架构优化的TensorFlow相结合构建的神经网络,在ResNet50和NASNet这两种流行的图像识别工作负载上,能够提供比基准测试分别高达16.3倍和9.6倍的性能提升。
英特尔机器学习性能副总裁兼总经理Wei Li表示:“英特尔和DarwinAI多次合作,以优化和提升多种英特尔硬件上的人工智能性能。”
Fernandez指出:“两家公司的工具相互辅助:通过DarwinAI的工具获得真正优化的神经网络,同时通过OpenVINO和英特尔工具集将其安装到设备上。”
通过这种结合,可以提供紧凑、精准同时适配部署设备的人工智能解决方案。随着边缘计算的兴起,这种技术正变得至关重要。Fernandez表示:“边缘人工智能会越来越多。可以预见,未来两三年,智能边缘将成为最热门的话题之一。”
疫情期间,对新型冠状病毒的讨论是当前的焦点。DarwinAI本周宣布:“我们已经与滑铁卢大学VIP实验室的研究人员合作开发了COVID-Net,这是一种通过胸片检测COVID-19的卷积神经网络。”DarwinAI目前已经在GitHub上开源了源代码和数据集。
好文章,需要你的鼓励
CIO们正面临众多复杂挑战,其多样性值得关注。除了企业安全和成本控制等传统问题,人工智能快速发展和地缘政治环境正在颠覆常规业务模式。主要挑战包括:AI技术快速演进、IT部门AI应用、AI网络攻击威胁、AIOps智能运维、快速实现价值、地缘政治影响、成本控制、人才短缺、安全风险管理以及未来准备等十个方面。
北航团队发布AnimaX技术,能够根据文字描述让静态3D模型自动生成动画。该系统支持人形角色、动物、家具等各类模型,仅需6分钟即可完成高质量动画生成,效率远超传统方法。通过多视角视频-姿态联合扩散模型,AnimaX有效结合了视频AI的运动理解能力与骨骼动画的精确控制,在16万动画序列数据集上训练后展现出卓越性能。
过去两年间,许多组织启动了大量AI概念验证项目,但失败率高且投资回报率令人失望。如今出现新趋势,组织开始重新评估AI实验的撒网策略。IT观察者发现,许多组织正在减少AI概念验证项目数量,IT领导转向商业AI工具,专注于有限的战略性目标用例。专家表示,组织正从大规模实验转向更专注、结果导向的AI部署,优先考虑能深度融入运营工作流程并产生可衡量结果的少数用例。
这项研究解决了AI图片描述中的两大难题:描述不平衡和内容虚构。通过创新的"侦探式追问"方法,让AI能生成更详细准确的图片描述,显著提升了多个AI系统的性能表现,为无障碍技术、教育、电商等领域带来实用价值。