In november 2018 Hyundai aangekondigd een investering in een Israëlische startup genaamd Allegro.ai die gespecialiseerd is in op deep learning gebaseerde computervisie. Op het eerste gezicht klonk het als een standaard zakelijke deal. Bedrijf A investeert in bedrijf B. Dat is geweldig voor beide partijen (hopelijk tenminste), maar het heeft weinig gevolgen voor de gemiddelde consument. Deze verbinding is een beetje anders. Hoewel Hyundai-eigenaren geen onmiddellijke verandering zullen merken, belooft het partnerschap het Zuiden toe te staan Koreaans bedrijf wil sneller meer technologie in zijn auto's brengen dan wanneer het had besloten alles te doen in huis.
Digital Trends sprak met Nir Bar-Lev, CEO van Allegro.ai, voor meer informatie.
Aanbevolen video's
Hyundai is enorm, dat is het een van de grootste autobedrijven ter wereld, dus waarom zou het investeren in een startup als Allegro.ai in plaats van de technologie zelf te ontwikkelen? Een auto bouwen is moeilijk, vraag het maar aan een van de startups die het hebben geprobeerd, geworsteld en gefaald, maar het ontwikkelen van geavanceerde software is ook moeilijk en tijdrovend.
“Er zijn niet genoeg mensen met de juiste ervaring en kennis om deep learning op hoog niveau te doen. Het is net zoiets als proberen een auto te bouwen in het stenen tijdperk. De infrastructuur waarover bedrijven beschikken ligt ergens in de trant van wat 35-40 jaar geleden bestond in een traditionele software-industrie”, legt Bar-Lev uit. Hij voegde eraan toe dat 99 procent van de bedrijven niet over de vereiste expertise beschikt om met deep learning te werken. “Als je aan de goudkoorts denkt, had iedereen uiteindelijk spijkerbroeken, pikhouwelen en schoppen nodig, anders konden ze het goud niet delven. Hier is het hetzelfde.”
Dat is waar Allegro.ai in beeld komt. Terwijl Hyundai zijn eigen deep learning-technologie zal ontwikkelen, zullen zijn onderzoekers de oplossingen van Allegro.ai gebruiken om beter te begrijpen hoe de puzzelstukjes in elkaar vallen. “Door deze tools commercieel beschikbaar te maken, hebben bedrijven er toegang toe, wat betekent dat dingen sneller zullen gebeuren”, voorspelde Bar-Lev.
Een auto leren autorijden lijkt veel op het leren autorijden van een tiener, in de zin dat ervaring essentieel is
De eerste (en meest geciteerde) toepassing van deep learning in de autowereld is het aandrijven van een autonome auto. Om dit te laten werken, moet een auto begrijpen wat hij doet, wat andere auto’s doen en in wat voor soort omgeving hij rijdt. En zoals Bar-Lev opmerkte: autorijden in de Verenigde Staten is een heel andere ervaring dan autorijden in Abu Dhabi, of Guatemala-Stad, of het centrum van Parijs.
Een auto leren autorijden lijkt veel op het leren autorijden van een tiener, in de zin dat ervaring essentieel is. Voor een 15-jarige bestaat de ervaring uit urenlang achter het stuur zitten naast een instructeur. Voor een auto vereist het een gigantische hoeveelheid software geannoteerde gegevens dat leert hem hoe bomen, vrachtwagens en spoorwegovergangen eruit zien.
Allegro.ai handelt niet in gegevens. De bedrijven die zelfrijdende auto’s willen bouwen, moeten uitzoeken hoe ze die kunnen verzamelen. Het biedt eenvoudigweg een platform waarmee ingenieurs er aantekeningen aan kunnen maken en het efficiënter en op grotere schaal naar een auto kunnen sturen. Op een tweede, maar duurzamer niveau kan dezelfde basistechnologie worden gebruikt om een auto te leren herkennen wie er op een bepaald moment in de auto zit en wat ze aan het doen zijn.
“Als een auto on-demand is, moet hij op de een of andere manier weten wat er in de cabine gebeurt. Het moet ervoor zorgen dat niemand de cabine vervuilt, dat niemand iets doet wat niet de bedoeling is”, legt Bar-Lev uit. Dit soort technologie wordt ook gebruikt in semi-autonome systemen om te bepalen of de bestuurder naar de weg voor hem kijkt, kraaien op elektriciteitsleidingen telt of slaapt.
Ten slotte kan deep learning-technologie autofabrikanten ook helpen betere auto’s te bouwen. Robots die zijn getraind in kwaliteitscontrole kunnen zelfs de kleinste krasjes in de lak, verkeerd uitgelijnde carrosseriepanelen of lekkages identificeren voordat een auto de lopende band verlaat. Momenteel doen mensen dit werk. AIRobots kunnen deze vervangen of aanvullen, afhankelijk van het bedrijf en de gebruikssituatie die het biedt voor deep learning-technologie.
“Veel mensen begrijpen de noodzaak van diepgaand leren niet, of waarom we erover praten. Het is de verdienste van [Allegro-investeerders] Bosch en Samsung dat ze echt zagen waar de markt naartoe ging, en Ik denk dat de toetreding van Hyundai tot ons een bewijs is van het begrip in de hele sector”, besluit Bar-Lev.
Aanbevelingen van de redactie
- AI-aangedreven commentaar komt volgende maand naar Wimbledon
- De supercomputer van Nvidia kan een nieuw tijdperk van ChatGPT inluiden
- Gezichtsherkenningstechnologie voor beren is bedoeld om mensen te beschermen
- Hoe de USPS Nvidia GPU's en A.I. om ontbrekende post op te sporen
- De slimme robotbasketbalring van MIT helpt je om je spel naar een hoger niveau te tillen
Upgrade uw levensstijlMet Digital Trends kunnen lezers de snelle technische wereld in de gaten houden met het laatste nieuws, leuke productrecensies, inzichtelijke redactionele artikelen en unieke sneak peeks.
