Τον Νοέμβριο του 2018, η Hyundai ανακοινώθηκε μια επένδυση σε μια ισραηλινή startup με το όνομα Allegro.ai που ειδικεύεται στην όραση υπολογιστών βασισμένη σε βαθιά μάθηση. Επιφανειακά, ακουγόταν σαν μια τυπική επιχειρηματική συμφωνία. Η εταιρεία Α επενδύει στην εταιρεία Β. Αυτό είναι υπέροχο και για τις δύο πλευρές (ελπίζουμε, τουλάχιστον), αλλά έχει πολύ λίγες επιπτώσεις για τον μέσο καταναλωτή. Αυτό το δέσιμο είναι λίγο διαφορετικό. Ενώ οι ιδιοκτήτες Hyundai δεν θα παρατηρήσουν μια άμεση αλλαγή, η συνεργασία υπόσχεται να επιτρέψει στον Νότο Η κορεατική εταιρεία θα φέρει περισσότερη τεχνολογία στα αυτοκίνητά της πιο γρήγορα από ό, τι αν είχε αποφασίσει να κάνει τα πάντα στο εσωτερικό.
Το Digital Trends μίλησε με τον Nir Bar-Lev, Διευθύνοντα Σύμβουλο της Allegro.ai, για να μάθει περισσότερα.
Προτεινόμενα βίντεο
Η Hyundai είναι τεράστια, είναι ένα από τα μεγαλύτερα εταιρείες αυτοκινήτων στον κόσμο, οπότε γιατί να επενδύσει σε μια startup όπως η Allegro.ai αντί να αναπτύξει μόνη της την τεχνολογία; Η κατασκευή ενός αυτοκινήτου είναι δύσκολη, απλώς ρωτήστε οποιαδήποτε από τις νεοφυείς επιχειρήσεις που έχουν προσπαθήσει, δυσκολευτεί και αποτύχει, αλλά η ανάπτυξη προηγμένου λογισμικού είναι επίσης δύσκολη και χρονοβόρα.
«Δεν υπάρχουν αρκετοί άνθρωποι με τη σωστή εμπειρία και γνώση για να κάνουν βαθιά μάθηση σε υψηλό επίπεδο. Είναι σαν να προσπαθείς να φτιάξεις ένα αυτοκίνητο στη πέτρινη εποχή. Η υποδομή που έχουν οι εταιρείες στη διάθεσή τους είναι κάπου στην ίδια γραμμή με αυτό που υπήρχε πριν από 35-40 χρόνια σε μια παραδοσιακή βιομηχανία λογισμικού», εξήγησε ο Bar-Lev. Πρόσθεσε ότι το 99 τοις εκατό των εταιρειών δεν έχουν την απαιτούμενη τεχνογνωσία για να εργαστούν με βαθιά μάθηση. «Αν σκέφτεστε τον πυρετό του χρυσού, όλοι χρειάζονταν τελικά τζιν, τσάντες και φτυάρια, διαφορετικά δεν θα μπορούσαν να εξορύξουν τον χρυσό. Είναι το ίδιο πράγμα εδώ».
Εκεί μπαίνει το Allegro.ai. Ενώ η Hyundai θα αναπτύξει τη δική της τεχνολογία βαθιάς εκμάθησης, οι ερευνητές της θα χρησιμοποιήσουν τις λύσεις του Allegro.ai για να κατανοήσουν καλύτερα πώς ενώνονται τα κομμάτια του παζλ. «Κάνοντας αυτά τα εργαλεία εμπορικά διαθέσιμα, οι εταιρείες μπορούν να έχουν πρόσβαση σε αυτά, πράγμα που σημαίνει ότι τα πράγματα θα συμβούν πιο γρήγορα», προέβλεψε ο Bar-Lev.
Το να διδάσκετε ένα αυτοκίνητο πώς να οδηγεί μοιάζει πολύ με το να διδάσκετε έναν έφηβο πώς να οδηγεί με την έννοια ότι η εμπειρία είναι το κλειδί
Η πρώτη (και πιο συχνά αναφερόμενη) εφαρμογή της βαθιάς μάθησης στον κόσμο της αυτοκινητοβιομηχανίας είναι η τροφοδοσία ενός αυτόνομου αυτοκινήτου. Για να λειτουργήσει, ένα αυτοκίνητο πρέπει να κατανοήσει τι κάνει, τι κάνουν τα άλλα αυτοκίνητα και τον τύπο του περιβάλλοντος στο οποίο λειτουργεί. Και, όπως τόνισε ο Bar-Lev, η οδήγηση αυτοκινήτου στις Ηνωμένες Πολιτείες είναι μια εντελώς διαφορετική εμπειρία από την οδήγηση στο Άμπου Ντάμπι ή την Πόλη της Γουατεμάλας ή στο κέντρο του Παρισιού.
Το να διδάσκετε ένα αυτοκίνητο πώς να οδηγεί μοιάζει πολύ με το να διδάσκετε έναν έφηβο πώς να οδηγεί με την έννοια ότι η εμπειρία είναι το κλειδί. Για έναν 15χρονο, η εμπειρία έρχεται περνώντας ώρες πίσω από το τιμόνι δίπλα σε έναν εκπαιδευτή. Για ένα αυτοκίνητο, απαιτείται τροφοδοσία του λογισμικού με μια τεράστια ποσότητα σχολιασμένα δεδομένα που του διδάσκει πώς μοιάζουν τα δέντρα, τα φορτηγά και οι σιδηροδρομικές διαβάσεις.
Το Allegro.ai δεν ασχολείται με δεδομένα. Οι εταιρείες που θέλουν να κατασκευάσουν αυτοοδηγούμενα αυτοκίνητα πρέπει να βρουν πώς να το συγκεντρώσουν. Απλώς παρέχει μια πλατφόρμα που επιτρέπει στους μηχανικούς να το σχολιάζουν και να το τροφοδοτούν σε ένα αυτοκίνητο πιο αποτελεσματικά και σε κλίμακα. Σε ένα δεύτερο αλλά πιο διαρκές επίπεδο, η ίδια βασική τεχνολογία μπορεί να χρησιμοποιηθεί για να διδάξει ένα αυτοκίνητο πώς να αναγνωρίζει ποιος είναι στο αυτοκίνητο ανά πάσα στιγμή και τι κάνουν.
«Αν ένα αυτοκίνητο είναι κατ' απαίτηση, πρέπει να γνωρίζει με κάποιο τρόπο τι συμβαίνει στην καμπίνα. Πρέπει να βεβαιωθεί ότι κανείς δεν σκουπίζει την καμπίνα, ότι κανείς δεν κάνει κάτι που υποτίθεται ότι δεν πρέπει να κάνει», εξήγησε ο Μπαρ-Λεβ. Αυτός ο τύπος τεχνολογίας χρησιμοποιείται επίσης σε ημιαυτόνομα συστήματα για να πει αν ο οδηγός κοιτάζει τον δρόμο μπροστά, μετράει κοράκια στα καλώδια ρεύματος ή κοιμάται.
Τέλος, η τεχνολογία βαθιάς εκμάθησης μπορεί επίσης να βοηθήσει τις αυτοκινητοβιομηχανίες να κατασκευάσουν καλύτερα αυτοκίνητα. Τα ρομπότ που έχουν εκπαιδευτεί στον ποιοτικό έλεγχο μπορούν να αναγνωρίσουν ακόμη και τις πιο μικροσκοπικές γρατσουνιές στο χρώμα, κακή ευθυγράμμιση των πάνελ του αμαξώματος ή διαρροές πριν ένα αυτοκίνητο φύγει από τη γραμμή συναρμολόγησης. Οι άνθρωποι κάνουν αυτήν τη δουλειά. Όλα συμπεριλαμβάνονται-Τα ενεργοποιημένα ρομπότ θα μπορούσαν να τα αντικαταστήσουν ή να τα συμπληρώσουν, ανάλογα με την εταιρεία και την περίπτωση χρήσης που κάνει για την τεχνολογία βαθιάς μάθησης.
«Πολλοί άνθρωποι δεν καταλαβαίνουν την ανάγκη για βαθιά μάθηση ή γιατί το συζητάμε. Προς τιμή των [επενδυτών Allegro] Bosch και Samsung, είδαν πραγματικά πού πηγαίνει η αγορά και Νομίζω ότι η συμμετοχή της Hyundai είναι απόδειξη της κατανόησης σε ολόκληρο τον κλάδο», κατέληξε ο Bar-Lev.
Συστάσεις των συντακτών
- Ο σχολιασμός με τεχνητή νοημοσύνη έρχεται στο Wimbledon του επόμενου μήνα
- Ο υπερυπολογιστής της Nvidia μπορεί να φέρει μια νέα εποχή στο ChatGPT
- Η τεχνολογία αναγνώρισης προσώπου για τις αρκούδες στοχεύει στη διατήρηση της ασφάλειας των ανθρώπων
- Πώς το USPS χρησιμοποιεί Nvidia GPU και A.I. για παρακολούθηση αλληλογραφίας που λείπει
- Το έξυπνο ρομποτικό στεφάνι μπάσκετ του MIT θα σας βοηθήσει να ανεβάσετε το παιχνίδι σας
Αναβαθμίστε τον τρόπο ζωής σαςΤο Digital Trends βοηθά τους αναγνώστες να παρακολουθούν τον γρήγορο κόσμο της τεχνολογίας με όλα τα τελευταία νέα, διασκεδαστικές κριτικές προϊόντων, διορατικά editorial και μοναδικές κρυφές ματιές.
