Forskare har hittat ett sätt att förena mänsklig kreativitet och kreativitet med artificiell intelligens (AI) för att dramatiskt öka prestandan för djupinlärning.

Ett team ledd av Alexander Wong, en Canada Research Chair inom området AI och en professor i systemdesignteknik vid University of Waterloo, utvecklat en ny typ av kompakt familj av neurala nätverk som kan köras på smartphones, tabletter, och andra inbäddade och mobila enheter.

AttoNet

Nätverken, kallas AttoNets, används för bildklassificering och objektsegmentering, men kan också fungera som byggstenar för videohandlingsigenkänning, uppskattning av videoposition, bildgenerering, och andra visuella perceptionsuppgifter.

"Problemet med nuvarande neurala nätverk är att de byggs för hand och är otroligt stora och komplexa och svåra att köra i alla verkliga situationer, sa Wong, som också var med och grundade en startup vid namn DarwinAI för att kommersialisera tekniken. "Dessa avancerade nätverk är små och smidiga och kan få enorma konsekvenser för fordonsindustrin, flyg, lantbruk, finansiera, och hemelektroniksektorer."

En viktig del av designen av Wongs AI-system är att mänskliga designers samarbetar med AI i utformningen av nya nätverk, vilket leder till kompakta men ändå högpresterande nätverk som kan köras på enheter som smartphones, tabletter, och autonoma fordon.

Teknologin, kallad generativ syntes, validerades nyligen av Intel, och i en nyligen publicerad artikel med Audi Electronics Ventures har visat sig avsevärt accelerera djupinlärningsdesignen för autonom körning. Tidigare i år, företaget gjorde insideBIGDATA Impact 50 List tillsammans med Google och Microsoft. Deep learning anses vara spetsen inom AI. Sofistikerade artificiella neurala nätverk efterliknar den mänskliga hjärnans kognitiva förmåga att lära sig och fatta beslut.

"Vi tog en samarbetsdesignstrategi som utnyttjade mänsklig uppfinningsrikedom och erfarenhet med noggrannheten och hastigheten hos AI eftersom en dator kan knäcka riktigt snabbt, " sa Wong. "Det har redan en verklig inverkan, speciellt där det finns ett behov av dessa avancerade djupinlärningslösningar för att driva infrastruktur och intelligenssystem eller skydda användarnas integritet, " sa Wong.

Wongs masterstudent Desmond Lin presenterade nyligen forskningsrapporten vid den årliga konferensen om datorseende och mönsterigenkänning (CVPR) 2019 Expo i Long Beach, Kalifornien.