Еженедельный информационный бюллетень, в котором обсуждаются важные исследовательские работы по машинному обучению, интересные технические выпуски, деньги в ИИ и реальные реализации.
Sequence Scope — это сводка наиболее важных опубликованных исследовательских работ, опубликованных новостей о технологиях и стартапах в экосистеме ИИ за последнюю неделю. Этот сборник является частью информационного бюллетеня TheSequence. Исследователи данных, ученые и разработчики из Microsoft Research, Intel Corporation, Linux Foundation AI, Google, Lockheed Martin, Кардиффского университета, Научного колледжа Меллона, Варшавского технологического университета, Политехнического университета Валенсии и других компаний. университеты уже подписаны на TheSequence.
📝 От редакции: Экосистема платформы ИИ переполняется
Искусственный интеллект (ИИ) был очень нетипичной технологической тенденцией. Традиционно на развивающихся технологических рынках стартапы вытесняют действующих лиц из предыдущих технологических циклов до тех пор, пока они не становятся новыми действующими лицами в пространстве. В области искусственного интеллекта в последние годы многие инновации были созданы не стартапами, а исследовательскими лабораториями технологических гигантов, таких как Microsoft, Google, Amazon или Facebook. Эти компании создали одни из лучших предложений платформ ИИ на рынке, а также активно приобретают многие стартапы ИИ на ранних стадиях, чтобы увеличить свой пул талантов в области науки о данных. Из-за всех этих факторов стартапам в области искусственного интеллекта невероятно сложно добиться значительного успеха. Однако это медленно меняется.
После некоторой борьбы некоторые области рынка ИИ стабильно демонстрируют сильное присутствие хорошо капитализированных стартапов. Такие области, как интерпретируемость, маркировка данных или мониторинг моделей, похоже, лидируют. Буквально на этой неделе такие стартапы, как Anomalo (проверка данных), V7 (обучение) и Truera (объяснимость), собрали значительные раунды финансирования, что добавило еще две релевантные компании в высококонкурентную область. Останутся ли эти области самостоятельными рынками или станут функциями более широких платформ ИИ, еще неизвестно. Однако на данный момент изначальные сложности пространства ИИ вместе с этим распространением хорошо капитализированных стартапов затрудняют для специалистов по данным и компаний идти в ногу с рынком в целом. Несмотря на сложность и фрагментацию рынка, растущее число стартапов платформ ИИ, безусловно, раздвигает границы инноваций во многих сегментах рынка и, наконец, бросает вызов некоторым из существующих платформ. Идти в ногу с рынком технологий искусственного интеллекта может быть как ошеломляюще, так и увлекательно. К счастью, есть информационный бюллетень, который может помочь 😉
🗓 На следующей неделе в TheSequence Edge:
Edge#49: введение в модели прогнозирования временных рядов; как Uber использует нейронные сети для прогнозирования экстремальных явлений; Платформа временных рядов Uber M3.
Edge#50:глубокое погружение в HiPlot и Polygames,две уникальные инициативы, недавно открытые Facebook Research, которые направлены на продвижение исследований в области глубокого обучения с особым акцентом на Экосистема PyTorch.
А теперь давайте рассмотрим самые важные события в индустрии искусственного интеллекта на этой неделе.
Подпишись сейчас
🔎 Исследование машинного обучения
Конфиденциальность в больших языковых моделях
Несколько крупных центров искусственного интеллекта, таких как Google, OpenAI, Apple и Стэнфордский университет, совместно провели новое исследование, которое выявило некоторые уязвимости безопасности в больших языковых моделях, таких как GPT-3.
Использование обучения с подкреплением для оптимизации компилятора машинного обучения
Google Research опубликовал документ, в котором подробно описывается метод, использующий графовые нейронные сети и обучение с подкреплением для оптимизации задач в компиляторах машинного обучения -›подробнее читайте в блоге Google Research
Компьютерное зрение в небольших устройствах
Microsoft Research опубликовала документ, в котором представлена RNNPool, оператор пула, который уменьшает размер представлений изображений, позволяя моделям компьютерного зрения работать на устройствах с небольшим объемом памяти и вычислительных ресурсов -> подробнее читайте в блоге Microsoft Research
🤖 Крутые релизы AI Tech
TensorFlow 2.4
TensorFlow выпустил новое обновление с функциями, которые были очень востребованы -› подробнее читайте в блоге TensorFlow
💸 Деньги в ИИ
- Платформа анализа данных BigID привлекла 70 миллионов долларов в серии D при оценке в 1 миллиард долларов. Компания утверждает, что является первой, кто объединил классификацию, каталогизацию, корреляцию и кластерный анализ на основе машинного обучения, чтобы обеспечить непревзойденное понимание устаревших и облачных хранилищ данных, раскрывая ценность данных клиентов для конфиденциальности, безопасности и управления данными. Найм.
- Стартап по проверке данных Anomalo привлек $5,95 млн венчурного капитала. Компания отличается от конкурентов, используя собственные инструменты машинного обучения, которые позволяют разработчикам настраивать проверку данных и устанавливать правила, чтобы выделить компанию.
- Компания AI-in-Sensors процессоров AIStorm привлекла $16 млн. Компания создает высокопроизводительные процессоры, которые предлагают значительные преимущества для граничных вычислений AIoT. Его уникальный подход заключается в технологии, которая позволяет датчику напрямую подключаться к популярным сверточным нейронным сетям.
- Платформа объяснимости ИИ Truera привлекла 12 миллионов долларов в серии A. Их инструменты позволяют изучать прогнозы моделей и получать представление о поведении, улучшая таким образом разработку и эксплуатацию. Независимо от модели, Truera работает со всеми типами регрессионных и классификационных моделей, включая логистическую регрессию, модели с градиентным усилением и другими моделями древовидных ансамблей, а также с глубокими нейронными сетями.
- Креативный инструментарий RunwayML на базе машинного обучения привлек 8,5 миллионов долларов серии A. Они используют методы глубокого обучения, чтобы привнести новую парадигму в создание контента с помощью синтетических медиа и автоматизации.
- Платформа компьютерного зрения для обучения данным V7 Labs привлекла финансирование в размере $3 млн. Он предлагает полный набор инструментов для создания надежного искусственного интеллекта компьютерного зрения, поддерживая высочайшую производительность на каждом этапе. Компания утверждает, что их V7 Darwin использует автоматизацию для создания точных до пикселя наземных данных для нейронных сетей в 10 раз быстрее, чем другие инструменты.
