Im November 2018 Hyundai angekündigt eine Investition in ein israelisches Startup namens Allegro.ai, das sich auf Deep-Learning-basiertes Computer Vision spezialisiert hat. Oberflächlich betrachtet klang es wie ein normaler Geschäftsabschluss. Unternehmen A investiert in Unternehmen B. Das ist für beide Seiten großartig (zumindest hoffentlich), hat aber für den Durchschnittsverbraucher kaum Auswirkungen. Diese Verbindung ist etwas anders. Während Hyundai-Besitzer keine unmittelbare Änderung bemerken werden, verspricht die Partnerschaft, den Süden zu ermöglichen Das koreanische Unternehmen könnte schneller mehr Technologie in seine Autos einbauen, als wenn es beschlossen hätte, alles zu tun im Haus.
Digital Trends hat mit Nir Bar-Lev, dem CEO von Allegro.ai, gesprochen, um mehr zu erfahren.
Empfohlene Videos
Hyundai ist riesig, das ist es einer der größten Warum sollte das Unternehmen also in ein Startup wie Allegro.ai investieren, anstatt die Technologie selbst zu entwickeln? Ein Auto zu bauen ist schwierig, fragen Sie einfach eines der Start-ups, die es versucht haben, gekämpft haben und gescheitert sind, aber auch die Entwicklung fortschrittlicher Software ist schwierig und zeitaufwändig.
„Es gibt nicht genügend Leute mit der richtigen Erfahrung und dem richtigen Wissen, um Deep Learning auf hohem Niveau durchzuführen. Es ist ein bisschen so, als würde man versuchen, in der Steinzeit ein Auto zu bauen. „Die Infrastruktur, über die Unternehmen verfügen, ähnelt in etwa der Infrastruktur, die vor 35 bis 40 Jahren in einer traditionellen Softwareindustrie existierte“, erklärte Bar-Lev. Er fügte hinzu, dass 99 Prozent der Unternehmen nicht über die erforderliche Expertise verfügen, um mit Deep Learning zu arbeiten. „Wenn man an den Goldrausch denkt, brauchte letztendlich jeder Jeans, Spitzhacken und Schaufeln, sonst könnte man das Gold nicht abbauen. Hier ist es dasselbe.“
Hier kommt Allegro.ai ins Spiel. Während Hyundai seine eigene Deep-Learning-Technologie entwickeln wird, werden seine Forscher die Lösungen von Allegro.ai nutzen, um besser zu verstehen, wie die Puzzleteile zusammenpassen. „Durch die kommerzielle Verfügbarkeit dieser Tools können Unternehmen darauf zugreifen, was bedeutet, dass die Dinge schneller passieren werden“, prognostizierte Bar-Lev.
Einem Auto das Autofahren beizubringen ist in etwa so, als würde man einem Teenager das Autofahren beibringen, in dem Sinne, dass Erfahrung entscheidend ist
Die erste (und am häufigsten genannte) Anwendung von Deep Learning in der Automobilwelt ist der Antrieb eines autonomen Autos. Damit es funktioniert, muss ein Auto verstehen, was es tut, was andere Autos tun und in welcher Umgebung es betrieben wird. Und wie Bar-Lev betonte, ist das Autofahren in den Vereinigten Staaten eine völlig andere Erfahrung als das Fahren in Abu Dhabi oder Guatemala-Stadt Innenstadt von Paris.
Einem Auto das Autofahren beizubringen ist in etwa so, als würde man einem Teenager das Autofahren beibringen, in dem Sinne, dass Erfahrung entscheidend ist. Für einen 15-Jährigen besteht das Erlebnis darin, stundenlang neben einem Fahrlehrer am Steuer zu sitzen. Für ein Auto ist eine riesige Menge an Software erforderlich kommentierte Daten Dadurch lernt es, wie Bäume, Lastwagen und Bahnübergänge aussehen.
Allegro.ai handelt nicht mit Daten. Die Unternehmen, die selbstfahrende Autos bauen wollen, müssen herausfinden, wie sie diese zusammentragen können. Es bietet lediglich eine Plattform, die es Ingenieuren ermöglicht, es zu kommentieren und es effizienter und in größerem Maßstab einem Auto zuzuführen. Auf einer zweiten, aber nachhaltigeren Ebene kann dieselbe grundlegende Technologie verwendet werden, um einem Auto beizubringen, zu erkennen, wer sich zu einem bestimmten Zeitpunkt im Auto befindet was sie tun.
„Wenn ein Auto auf Abruf ist, muss es irgendwie wissen, was im Innenraum vor sich geht. Es muss sichergestellt werden, dass niemand die Kabine verunreinigt und dass niemand etwas tut, was er nicht tun sollte“, erklärte Bar-Lev. Diese Art von Technologie wird auch in halbautonomen Systemen eingesetzt, um zu erkennen, ob der Fahrer auf die Straße vor ihm schaut, Krähen auf Stromleitungen zählt oder schläft.
Schließlich kann Deep-Learning-Technologie auch Autoherstellern dabei helfen, bessere Autos zu bauen. In der Qualitätskontrolle geschulte Roboter können selbst kleinste Kratzer im Lack, falsch ausgerichtete Karosserieteile oder Undichtigkeiten erkennen, bevor ein Auto das Montageband verlässt. Derzeit übernimmt der Mensch diese Aufgabe. KI-fähige Roboter könnten sie ersetzen oder ergänzen, je nach Unternehmen und Anwendungsfall für die Deep-Learning-Technologie.
„Viele Leute verstehen nicht die Notwendigkeit von Deep Learning oder warum wir darüber sprechen. Es ist den [Allegro-Investoren] Bosch und Samsung zu verdanken, dass sie wirklich gesehen haben, wohin sich der Markt entwickelt, und Ich denke, dass der Beitritt von Hyundai zu uns ein Beweis für das Verständnis in der gesamten Branche ist“, schloss Bar-Lev.
Empfehlungen der Redaktion
- KI-gestützte Kommentare kommen nächsten Monat zum Wimbledon
- Nvidias Supercomputer könnte eine neue Ära von ChatGPT einläuten
- Gesichtserkennungstechnologie für Bären soll die Sicherheit der Menschen gewährleisten
- Wie der USPS Nvidia-GPUs und KI nutzt um fehlende Post zu verfolgen
- Der clevere Roboter-Basketballkorb des MIT wird Ihnen dabei helfen, Ihr Spiel zu verbessern
Werten Sie Ihren Lebensstil aufDigital Trends hilft Lesern mit den neuesten Nachrichten, unterhaltsamen Produktrezensionen, aufschlussreichen Leitartikeln und einzigartigen Einblicken, den Überblick über die schnelllebige Welt der Technik zu behalten.
