Helm.ai宣布了一种新的深度教学方法来训练神经网络

加利福尼亚州门洛帕克，2020年6月15日-下一代AI软件的开发商Helm.ai宣布了无监督学习技术的突破。这种称为“深度教学”的新方法使Helm.ai无需人工注释或模拟即可训练神经网络，以推进AI系统。深度教学对计算机视觉和自动驾驶以及航空，机器人，制造甚至零售等行业的未来具有深远的影响。

人工智能(AI)通常被理解为模拟机器处理的人类智能的科学。监督学习是指使用训练示例训练神经网络以执行某些任务的过程，通常由人工注释者或合成模拟器提供给机器以执行某些任务，而无监督学习是使AI系统能够从未标记信息中学习的过程，无需预先建立的输入和输出模式即可推断输入并产生解决方案。

深度教学是AI的下一个前沿发展。它使Helm.ai能够以无人监督的方式训练神经网络，以前所未有的开发速度和准确性提供超越最先进性能的计算机视觉功能。当应用于自动驾驶时，深度教学使Helm.ai可以更高效地对大量数据进行训练，而无需大规模的机队或大量的人工注释者，从而逐渐接近全自动驾驶系统。

例如，作为Helm.ai的“深度教学”技术的第一个用例，它训练了一个神经网络来检测来自世界各地成千上万个行车记录仪视频的数千万个图像上的车道，而无需任何人工注释或模拟。所得到的神经网络具有开箱即用的鲁棒性，可应对一系列在自动驾驶行业中众所周知的困难情况，例如雨，雾，眩光，褪色/缺少车道标记以及各种照明条件。作为一个健全性检查，使用此神经网络，Helm.ai以最少的工程工作便达到了公共计算机视觉基准的最高要求。

此外，Helm.ai还制造了一款全栈自动驾驶汽车，该汽车仅需使用一个摄像头和一个GPU(无地图，无激光雷达和无GPS)即可在陡峭弯曲的山路上自动驾驶，而无需对这些数据进行训练道路，并且性能远远超过当今最先进的生产系统。从那以后，Helm.ai在整个视音频堆栈中应用了深度教学，包括对数十种对象类别的语义分割，单眼视觉深度预测，行人意图建模，激光雷达视觉融合和高清制图自动化。深度示教与手头的物体类别或传感​​器无关，其适用范围远远超过自动驾驶。