采访Forrest Iandola,CEO和EypeScale联合创始人

Forrest Iandola,CEO和EypeScale联合创始人

Forrest Iandola是首席执行官和联合创始人 深档是一家为驾驶员援助和自主驾驶开发AI感知软件的公司,专注于在汽车级处理器上实现高效的神经网络。

深尺 最近被AI时间杂志上市 2018年前25名人工智能公司.

完成后,DeepScale是由Forrest Iandola创立的 博士 在UC Berkeley的EEC,埃克·伯克利·埃尔特·凯特策教授。

该公司以美国山景为基础,现在提供汽车OEM和第1层供应商,具有自动驾驶软件,可以更轻松且有效地运行,因此大大降低了硬件资源的要求。


深档如何开始?

我们大约三年前开始,之前,我的Co -Founder和我都在加州大学伯克利。

我在计算机科学的伯克利博士学位,致力于神经网络和人工智能。

我的专业是如何减少深度神经网络计算所需的计算资源,以及我们如何在非常小的计算平台上部署深度神经网络,如智能手机和物料互联网。

正如我准备毕业的那样,我开始看看在开发这些独特的嵌入深度学习技术之后我可能能够进入的商业。

我在Grad School写的论文之一被称为盾牌。如果你愿意,挤压类型的病毒性。这是一个非常小的深神经网络,它变得非常受欢迎。 Squeezenet使人们将深度神经网络放在较小的设备上,而不是预先的设备。

我们在挤压神经网络时创造了很多兴趣。与此同时,我们开始了一个名为“Berkeley Deep Drive”的新研究组伯克利,专注于为自治车辆提供技术。因此,我的前博士顾问Kurt Keutzer和我都参与了这一新集团,我们在实验室的赞助商主要是汽车公司 - 汽车公司,第1级供应商和半导体供应商。像福特,博世和三星这样的关键行业球员正在资助该集团的研究。

我们在主要汽车利益攸关方方面有很多探讨了领先地位问题。他们告诉我们,他们对他们在后备箱中有许多服务器的自动车辆系统有关的挑战,以实现人工智能,但这是现状。他们希望找到一种降低成本的途径,并生产具有价格实惠和有利可图的AI的车辆。这是深刻开始的epiphany。

现在,我们开发了一个由设计和部署非常小的神经网络的产品,用于计算机视觉和机器感知到汽车。我们的价值主张正在以这样的方式构建这些AI解决方案,该解决方案需要大大减少计算资源并启用在各种边缘处理器上部署。

告诉我们深度’s product, Carver21

Carver21.– Source: 深档

Carver21是一款在非常小的处理器上运行的软件,并告诉汽车周围的事情。它是我们带到市场的第一个产品,它基本上使汽车能够看到事情 - 不仅仅是像素。它是一个软件堆栈,可通过小嵌入式处理器上的神经网络集合运行它。 Carver21的输出然后捕获了像车辆和行人的识别和位置的重要信息,其中车道是您需要安全地了解您的环境所需的各种其他事情。

深档有多高效’S神经网络与传统的网络相比?

它根据应用而变化,但在某些情况下,我们已经获得了10倍的效率,有时甚至更有效100倍。事项在情况下变化的特定资源:一些计算平台具有很多内存带宽的容量,并且没有多少计算;其他平台有很多计算,内存带宽并不多。根据我们想要运行该应用程序的位置,我们优化哪些资源中的哪些资源。

在某些情况下,我们’vers效率效率10倍,有时甚至效率100倍

汽车OEM如何整合您的技术?

我们提供软件。在大规模生产的车辆中,每个处理器通常可以一次运行多个不同的应用。您可以拥有一个运行感知系统的处理器,也运行其他任务。

OEM和Tier-1s可能希望在房间中构建一系列感知解决方案,来自各种供应商的源解决方​​案并集成它们,或从DeepScale购买更完整的解决方案。这完全完全罚款: 模块化我们的解决方案一直是与客户共鸣的关键策略。

您如何对竞争对手定位您的报价?

我猜你可以将我们的方法与Mobileye进行了鲜明对比汽车计算机愿景中的直接领导者。使用Mobileye,你真的要买 完整 解决方案。如果您查看他们开发的产品的方式,您必须在一个捆绑包中购买相机,处理器及其软件。如果您只使用一小块技术或您想要使用它 不同的 方式,它并没有真正为此设置。这是20年前移动式在现场播出了汽车市场的唯一途径。我们看到汽车价值链转移到更多的开放平台,接受和渴望第三方供应商的解决方案,使OEM和Tier-1s能够区分自己。

深档解决方案的独特产品之一是它为汽车客户提供了他们过去没有的选择。客户可以使用我们的技术作为其感知堆栈的矛头,或者他们可以从我们的产品组合中剥离模块,以补充其其余的感知解决方案。感知是许多汽车公司将资源投入的高价值能力,但它也是一个巨大而复杂的问题空间。例如,我们遇到了客户已经为Lane检测构建了一个很好的解决方案的情况,但他们没有足够的资源来构建行人探测器,或者无法获得自由空间识别,以便为目标处理器提供足够的有效计算平台。我们很乐意与客户合作地填补差距,而不是与内部团队尽可能多的解决方案竞争。灵活性是对客户的重要主张。

Carver21灵活性– Source: 深档

您只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密切合作。我们有开发异国情调类型的摄像机或雷达的合作伙伴。我们有合作伙伴开发出非常低成本的处理器,在汽车中以高可靠性运行。这些伙伴关系非常紧张,我们经常在某种程度上互相影响’S设计选择并合作’s built.

到目前为止你最大的挑战是什么?

我认为我们最大的挑战正在招聘。我们在一个深度神经网络真正开辟了整个新的计算应用可能的可能性。正如Marc Andreessen喜欢说,“软件正在吃世界”。他’S一直在说,即将接近十年。我认为软件已经吃了很多东西。我们’今天用软件自动很多东西,但现在我们’留下了许多剩余的应用程序,因为它没有自动化’与普通软件太难了:他们’re too ambiguous, it’太难以为那些人写规则等。

我认为深度学习提供了让我们无法实现的计算机自动化全新的东西的机会’与普通软件做,我想我们’再见,在未来几年中将看到这一点。

深度学习提供了与我们无法使用的计算机自动化一整套新的东西的机会’与普通软件做

我认为跳跃终于发生在硅谷源于硬件 - 建立技术资本到软件的基础。现在似乎更专注于软件。我不知道深度学习将取代我们要知道的传统软件,但它肯定有可能变得大。今天,有很多深度学习的应用程序,人们已经提出了巨大的承诺。问题是没有足够的人来建立这些应用程序,谁知道如何做得很好。结果是招聘刚刚做了这么多工作。我们与UC Berkeley的联系有很多优势,但我认为我们在一个时代,即将到来的AI申请是非常可行的,但让团队能够建立,这很难建立。

告诉我们关于球队

We’幸运的是收集一些非常明亮的工程师。我们的团队中有八个博士,我们的27名团队成员是工程师,我们共有35人。近三分之一的工程团队有博士,在深度学习的大部分中,一直是我们拥有的巨大的电动工具,我们可以真正地完成迅速的事情,这’令人兴奋。我们在非常小的节能神经网上开始的头部开始很大,而我们由于这个非常高质量的团队而继续进展也是我非常兴奋的事情。

深脚队。来源: 深档

任务 ai时间杂志 是透过信息
关于人工智能的知识,改变
即将到来的是使用AI技术的新机会
益处人性。

加入AI时间杂志
加入助理编辑

您是否有兴趣分享AI的信息和知识,并与现场中的一些最聪明的思维联系起来?

了解加入作为一个 Associate Editor.

关于AI时间期刊编辑人员

任务 ai时间杂志 是透过信息 关于人工智能的知识,改变 即将到来的是使用AI技术的新机会 benefit humanity.

查看所有帖子由AI时间期刊编辑人员→