Helm.ai宣布了一种新的深度教学方法来训练神经网络
新时代，高科技越来越发达。朋友们读了很多关于科技的重要新闻。我们也应该在生活中使用很多这些高科技的东西。朋友应该注意什么？今天，我想和大家分享一条关于科技的知识。我希望你会喜欢它。
加州门罗公园2020年6月15日讯，下一代ai软件开发商Helm.ai宣布在无监督学习技术方面取得突破。这种被称为“深度教学”的新方法，使得Helm.ai无需人工标注或仿真就能训练神经网络，从而提升ai系统。深度教学对计算机视觉、自动驾驶、航空、机器人、制造甚至零售行业的未来都有着深远的影响。
人工智能通常被理解为模拟机器处理的人类智能科学。监督学习是指利用训练实例训练神经网络执行某些任务的过程，通常由人工标注器或合成模拟器提供，以执行某些任务，而无监督学习是一个使AI系统能够从未标记的信息中学习，推断输入并生成解决方案而无需预先建立输入输出模式的过程。
深度教学是人工智能的下一个前沿发展。它使Helm.ai能够以无监督的方式训练神经网络，并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能够更高效地训练大量数据，而无需庞大的车队或大量的人工标注员，从而逐渐接近全自动驾驶系统。
例如，作为Helm.ai“深度教学”技术的第一个使用案例，它训练了一个神经网络，在全球数千个行车记录仪视频的数千万幅图像上检测车道，无需任何人工标注或模拟。神经网络开箱即用，鲁棒性强，可以处理自动驾驶行业中一系列众所周知的困难情况，如雨、雾、眩光、车道标线褪色/缺失以及各种照明条件。作为健康检查，使用这种神经网络，Helm.ai可以用最少的工程工作满足公共计算机视觉基准的最高要求。
此外，Helm.ai还制造了一款全栈式自动驾驶汽车，只需一个摄像头和一个GPU(无地图、无激光雷达、无GPS)，无需对这些数据进行训练，就能在陡峭弯曲的山路上自动驾驶，性能远超当今最先进的生产系统。此后，Helm.ai将深度教学应用于整个视频和音频堆栈中，包括数十个对象类别的语义分割、单目视觉深度预测、行人意图建模、激光雷达视觉融合和高清制图自动化。深度教学与手边的物体类型或传感器无关，应用范围远远超出自动驾驶。
本文就为大家讲解到这里了。