Onderzoekers hebben een manier gevonden om menselijke creativiteit en kunstmatige intelligentie (AI) te combineren om de prestaties van deep learning drastisch te verbeteren.

Een team onder leiding van Alexander Wong, een Canada Research Chair op het gebied van AI en een professor in systeemontwerptechniek aan de Universiteit van Waterloo, ontwikkelde een nieuw type compacte familie van neurale netwerken die op smartphones zouden kunnen draaien, tabletten, en andere embedded en mobiele apparaten.

AttoNet

de netwerken, genaamd AttoNets, worden gebruikt voor beeldclassificatie en objectsegmentatie, maar kan ook dienen als bouwstenen voor video-actieherkenning, schatting van de videopositie, beeld generatie, en andere visuele waarnemingstaken.

"Het probleem met de huidige neurale netwerken is dat ze met de hand worden gebouwd en ongelooflijk groot en complex zijn en moeilijk te gebruiken in een echte situatie. " zei Wong, die ook mede-oprichter was van een startup genaamd DarwinAI om de technologie te commercialiseren. "Deze geavanceerde netwerken zijn klein en wendbaar en kunnen enorme gevolgen hebben voor de automobielindustrie, ruimtevaart, landbouw, financiën, en consumentenelektronica."

Een belangrijk onderdeel van het ontwerp van Wong's AI-systeem is dat menselijke ontwerpers samenwerken met AI bij het ontwerpen van nieuwe netwerken, wat leidt tot compacte maar goed presterende netwerken die kunnen worden uitgevoerd op apparaten zoals smartphones, tabletten, en autonome voertuigen.

De technologie, genaamd generatieve synthese, is onlangs gevalideerd door Intel, en in een recent artikel met Audi Electronics Ventures is aangetoond dat het het deep learning-ontwerp voor autonoom rijden aanzienlijk versnelt. Eerder dit jaar, het bedrijf maakte de insideBIGDATA Impact 50 List samen met Google en Microsoft. Deep learning wordt beschouwd als het allernieuwste van AI. Geavanceerde kunstmatige neurale netwerken bootsen de cognitieve capaciteiten van het menselijk brein na om te leren en beslissingen te nemen.

"We hebben gekozen voor een gezamenlijke ontwerpaanpak die gebruikmaakte van menselijke vindingrijkheid en ervaring met de nauwgezetheid en snelheid van AI, omdat een computer heel snel kan kraken, "zei Wong. "Het heeft al een echte impact, vooral wanneer er behoefte is aan deze geavanceerde deep learning-oplossingen om infrastructuur en inlichtingensystemen van stroom te voorzien of de privacy van gebruikers te beschermen, ' zei Wong.

Wong's masterstudent Desmond Lin presenteerde onlangs het onderzoekspaper op de jaarlijkse Conference on Computer Vision and Pattern Recognition (CVPR) 2019 Expo in Long Beach, Californië.