分享到微信
分享到微博
内容介绍
对于很多人来说，深度学习看起来就像神奇的魔法。但魔法背后往往意味着单调乏味的过程——精心标记的数据是许多深度学习项目的关键。
在与AI 播客主持人Noah Kravitz的对话中，码隆科技联合创始人兼首席技术官Matt Scott说道：“深度学习有赖于人类注释过的数据，速度必然很慢，这是导致行业进步缓慢的原因之一。”
“新技术必然能够将人类从对数据的处理中解放出来，让深度学习更简单易行，进而得以更广地应用，比如用于自动识别购物车中的产品，”Scott解释说。
码隆科技于2014年在中国成立，该公司开发了一种人工智能算法，能够基于网络上的数据自学，进而实现对有噪音和未标记的图像进行分类。Scott解释说：“这差不多就是我们研究领域的现实情况，比如我们应该如何访问网络上既有的大规模数据。”
今年早些时候，Scott及其团队参加了在CVPR计算机视觉会议期间举办的WebVision挑战赛。凭借94.78％的识别率，码隆科技在与100多家公司和学术实验室的竞争中脱颖而出。
相比之下，人类识别的准确度为95%。
ProductAI是码隆科技基于该技术构建的平台，它能够拍摄一张产品的小照片，然后通过深度学习来解析图像，并确定其为何物。
“为了更上一层楼，我们必须要突破人类注释的障碍。而如今我们已经踏入全新的领地，不再受限。” Scott说道。
订阅英伟达 NVIDIA 技术月刊
