Forskere finder vej til at udnytte AI-kreativitet

Forskere har fundet en måde at kombinere menneskelig kreativitet og kunstig intelligens (AI) kreativitet for dramatisk at øge ydeevnen af ​​dyb læring.

Et hold ledet af Alexander Wong, en Canada Research Chair inden for AI og en professor i systemdesign engineering ved University of Waterloo, udviklet en ny type kompakt familie af neurale netværk, der kunne køre på smartphones, tabletter, og andre indlejrede og mobile enheder.

AttoNet

Netværkene, kaldet AttoNets, bliver brugt til billedklassificering og objektsegmentering, men kan også fungere som byggestenene til videohandlingsgenkendelse, video positur estimering, billedgenerering, og andre visuelle perceptionsopgaver.

"Problemet med nuværende neurale netværk er, at de bygges i hånden og er utroligt store og komplekse og svære at køre i enhver situation i den virkelige verden, " sagde Wong, som også var med til at stifte en startup ved navn DarwinAI for at kommercialisere teknologien. "Disse on-the-edge netværk er små og agile og kan have enorme konsekvenser for bilindustrien, rumfart, landbrug, finansiere, og forbrugerelektroniksektorer."

En vigtig del af designet af Wongs AI-system er, at menneskelige designere arbejder sammen med AI i design af nye netværk, hvilket fører til kompakte, men højtydende netværk, som kan køre på enheder som smartphones, tabletter, og selvkørende køretøjer.

Teknologien, kaldet generativ syntese, blev for nylig valideret af Intel, og i et nyligt papir med Audi Electronics Ventures, der i høj grad fremskynder deep learning-designet til autonom kørsel. Tidligere i år, virksomheden lavede insideBIGDATA Impact 50 List sammen med Google og Microsoft. Deep learning betragtes som banebrydende inden for AI. Sofistikerede kunstige neurale netværk efterligner den menneskelige hjernes kognitive evner til at lære og træffe beslutninger.

"Vi tog en kollaborativ designtilgang, der udnyttede menneskelig opfindsomhed og erfaring med omhyggeligheden og hastigheden af ​​AI, fordi en computer kan knase virkelig hurtigt, " sagde Wong. "Det har allerede en virkning i den virkelige verden, især hvor der er behov for disse avancerede deep learning-løsninger til at drive infrastruktur og intelligenssystemer eller beskytte brugernes privatliv, " sagde Wong.

Wongs masterstuderende Desmond Lin præsenterede for nylig forskningspapiret på den årlige konference om computersyn og mønstergenkendelse (CVPR) 2019 Expo i Long Beach, Californien.