深度缩放首席执行官兼联合创始人Forrest Iandola访谈

深度缩放首席执行官兼联合创始人Forrest Iandola

Forrest Iandola是的首席执行官兼联合创始人 深度缩放,这家公司开发了用于驾驶员辅助和自动驾驶的AI感知软件,专注于在汽车级处理器上实现高效的神经网络。

深度缩放有 最近被列入AI Time Journal 2018年人工智能25强公司.

深度缩放由Forrest Iandola完成 博士 加州大学伯克利分校的EECS博士,以及加州大学伯克利分校的EECS教授Kurt Keutzer。

该公司总部位于美国山景城,现在为汽车OEM和一级供应商提供了自动驾驶软件,该软件更轻便,运行效率更高,因此大大减少了对硬件资源的需求。


深度缩放是如何开始的?

我们大约是三年前开始的,在那之前,我和我的联合创始人都在加州大学伯克利分校。

我在伯克利大学获得了计算机科学博士学位,研究神经网络和人工智能。

我的专长是如何减少深度神经网络计算所需的计算资源,以及如何在诸如智能手机和物联网设备之类的小型计算平台上部署深度神经网络。

当我准备毕业时,我开始研究开发这些独特的嵌入式深度学习技术之后我可以从事的业务。

我在研究生院写的一篇论文叫做SqueezeNet。如果您愿意,SqueezeNet会流行起来。这是一个很小的深度神经网络,因此非常流行。 SqueezeNet使人们能够将深度神经网络放置在比以前更小的设备上。

我们对压缩神经网络产生了浓厚的兴趣。同时,我们正在成立一个名为“ Berkeley Deep Drive”的新伯克利研究小组,该研究小组专注于实现自动驾驶汽车技术。因此,我的前博士导师Kurt Keutzer和我都参与了这个新小组的研究,我们在实验室中的赞助商主要是汽车公司-汽车制造商,一级供应商和半导体供应商。福特,博世和三星等关键行业参与者正在资助该小组的研究。

我们与主要的汽车利益相关者有很多接触前沿问题的机会。他们向我们介绍了自动驾驶汽车系统所面临的挑战,该系统在后备箱中具有许多服务器以启用人工智能,但这就是现状。他们想找到一条降低成本的途径,并生产出价格合理且盈利的AI汽车。那就是DeepScale开始的顿悟。

现在,我们开发的产品包括设计和部署用于计算机视觉和机器感知的超小型深度神经网络。我们的价值主张是,以这样一种方式构建这些AI解决方案:所需的计算资源大大减少,并且可以在各种边缘处理器上进行部署。

告诉我们有关DeepScale的信息’s product, Carver21

卡佛21– Source: 深度缩放

Carver21是一款可以在非常小的处理器上运行的软件,可以告诉汽车周围发生了什么。这是我们向市场推出的第一款产品,从本质上讲,它使汽车能够看到物体,而不仅仅是像素。这是一个软件堆栈,可获取相机数据并通过小型嵌入式处理器上的神经网络集合运行数据。然后,Carver21的输出会捕获重要信息,例如车辆和行人的识别和位置,车道所在的位置以及您需要了解的有关安全驾驶的其他各种信息。

深度缩放效率更高’与传统神经网络相比?

具体取决于应用程序,但在某些情况下,我们的效率提高了10倍,有时甚至提高了100倍。而且重要的特定资源因情况而异:某些计算平台具有很大的内存带宽容量,并且没有太多计算能力;其他平台具有大量计算功能,而内存带宽不多。我们针对哪些资源进行了优化,具体取决于我们希望在何处运行该应用程序。

在某些情况下,我们’效率提高了10倍,有时甚至提高了100倍

汽车OEM如何整合您的技术?

我们提供软件。在批量生产的车辆中,每个处理器通常可以一次运行多个不同的应用程序。您可以拥有运行感知系统并且还运行其他任务的处理器。

OEM和一级制造商可能希望内部构建感知解决方案,从各个供应商那里购买解决方案并进行集成,或者从DeepScale购买更完整的解决方案。一切都很好: 模块化我们的解决方案一直是引起客户共鸣的重要战略。

您如何针对竞争对手提出报价?

我想您可以将我们的方法与汽车计算机视觉的绝对领导者Mobileye进行对比。有了Mobileye,您真的必须购买 完整的 解。如果您查看他们如何开发产品,则必须将其相机,处理器和软件打包购买。如果您仅使用该技术的一小部分,或者您想在其中使用 不同 方式,它不是真的为此设置。大约20年前Mobileye出现时,这是向汽车市场销售解决方案的唯一方法。我们看到,汽车价值链正在转向更开放的平台,这些平台接受并期望来自第三方供应商的解决方案,这些解决方案使OEM和一级制造商能够脱颖而出。

深度缩放解决方案的独特产品之一是,它为汽车客户提供了过去从未有过的选择。客户可以将我们的技术用作感知堆栈的带头人,也可以从我们的产品组合中剥离模块,以补充其感知解决方案的其余部分。感知是许多汽车公司正在投入的高价值能力,但它也是一个巨大而复杂的问题空间。例如,我们遇到这样的情况:客户为车道检测构建了很好的解决方案,但是他们没有足够的资源来构建行人检测器,或者无法获得其自由空间识别来为目标处理器进行足够有效的计算平台。我们很高兴填补空白并与我们的客户合作,而不是与他们的内部团队竞争以获取尽可能多的解决方案。灵活性一直是我们客户的重要命题。

Carver21的灵活性– Source: 深度缩放

您是在软件上还是在硬件上工作?

我们的方法是专注于软件和AI算法,并与开发计算和传感硬件的合作伙伴紧密合作。我们拥有开发异国情调的相机或雷达的合作伙伴。我们拥有合作伙伴,他们开发出成本极低的处理器,可在汽车中以高可靠性运行。这些伙伴关系非常紧密,我们经常在一定程度上相互影响’的设计选择并就什么进行协作’s built.

到目前为止,您最大的挑战是什么?

我认为我们最大的挑战是招聘。我们正处于一个时代,深度神经网络确实为计算应用打开了全新的可能性。正如马克·安德森(Marc Andreessen)所说,“软件正在吞噬整个世界”。他’近十年来一直在说。我认为软件吃了很多东西。我们’今天用软件可以自动化很多事情,但是现在我们’留下了许多尚未自动化的应用程序,因为它’使用普通软件很难做到:它们’re too ambiguous, it’为这些规则编写规则太难了,等等。

我认为深度学习提供了使用计算机无法自动化的全新事物的机会’与普通软件有关,我认为我们’在接下来的几年中,我们将看到这一点。

深度学习提供了使用我们无法实现的计算机来自动化全新事物的机会’用普通软件做

我认为,在硅谷,从硬件(构建技术资本的基础)到软件的转变终于发生了。现在似乎似乎更多地关注软件而不是硬件。我不知道深度学习将取代我们已经知道的传统软件,但是它肯定有可能变得如此之大。如今,深度学习的应用如此之多,人们提出了巨大的希望。问题是没有足够的人来构建这些应用程序,他们不知道如何做得很好。结果是招聘工作量很大。与UC伯克利分校的连接具有很多优势,但我认为我们正处于一个可以为AI提出应用程序的时代,但是要让团队有能力进行构建非常困难。

告诉我们有关团队的信息

We’我很幸运地收集了一些非常非常聪明的工程师。我们的团队有八位博士学位,我们的团队成员中有27位是工程师,共有35人。大约有三分之一的工程团队拥有博士学位,其中大部分是深度学习,这是我们拥有的强大动力工具,可以真正快速地完成工作,并且’令人兴奋。我们在非常小的节能型神经网络上获得的领先优势非常棒,而我对这支非常高素质的团队所取得的持续进步也感到非常兴奋。

深度缩放团队。资源: 深度缩放

的使命 AI时间杂志 是泄露信息
和关于人工智能的知识,
的到来和使用AI技术的新机会
造福人类。

关于AI Time Journal编辑人员

的使命 AI时间杂志 是泄露信息 和关于人工智能的知识, 的到来和使用AI技术的新机会 benefit humanity.

查看AI Time Journal编辑人员的所有帖子→