向右滑动:上一篇 向左滑动:下一篇 我知道了
广告

深度学习专家很缺吗?

时间:2018-04-10 作者:Junko Yoshida 阅读:
今年初,一家位于美国密执安州的一级代理商Visteon也宣布与DeepScale展开合作,并开发出首款自动驾驶技术平台——DriveCore。然而,最令人印象深刻的是,DeepScale执行长Forrest Iandola在接受电话采访时所说的话——当今世界上还没有足够的深度学习专家。

DeepScale是一家总部位于美国加州山景城(Mountain View, CA)的新创公司,在2015年成立后,持续专注于为先进驾驶辅助系统(ADAS)和自动驾驶车开发深度学习感知软件。该公司不久前还从Point72和Next47两家创投公司完成了1,500万美元的A辆融资。

20180410-deeplearning-1

DeepScale的深度神经网络软件采用低功耗的汽车级芯片,为自动驾驶车侦测车辆、行人和对象(来源:DeepScale)

该新创公司并与Hella-Aglaia Mobile Vision GmbH展开新的合作伙伴关系。今年初,一家位于美国密执安州的一级(tier one)代理商Visteon也宣布与DeepScale展开合作,并开发出首款自动驾驶技术平台——DriveCore。

然而,最令人印象深刻的是,DeepScale执行长Forrest Iandola在接受《EE Times》的电话采访时所说的话——当今世界上还没有足够的深度学习专家。

深度学习专家不足?

汽车OEM和tier-one供货商对于软件专业知识(特别是深度学习)的需求,都是在过去18个月来才开始有所增加。整体而言,业界在深度学习方面存在长期的知识差距,也不太知道该如何利用它来开发软件。

甚至是DeepScale,也感到迫切需要更快地在公司内部扩展其专业知识,以满足外部的需求。Forrest Iandola是DeepScale的共同创办人,还曾经在美国加州大学柏克莱分校(U.C. Berkeley)取得神经网络与计算机视觉研究领域的博士学位。

那么,DeepScale打算如何运用这笔1,500万美元资金?Iandola告诉《EE Times》,「我们不仅需要聘请深度学习专家,还必须开发内部[深度学习]训练计划,进一步扩展自家团队。」

事实上,Iandola坦言,深度学习领域仍处于起步阶段——即使在学术界亦然。因此,这家新创公司想在内部扩大团队规模,可不像单纯招聘一批具有深度学习博士学位的人一样简单。

20180410-deeplearning-2

Forrest Iandola

Iandola认为,深度学习「可说是一门跨学科的领域,你不仅要有数学和算法方面的专家,也需要知道如何在平台上建置软件的计算机系统专家。然后,我们也会需要熟悉数据管线的专家来调整和管理数据组合。」

总之,深度学习专家是以前所未有的方式配对组合知识的人。我们必须要有深度学习模式方面的专家、了解深度学习基础架构的人员,以及熟悉深度学习数据集的人员。Iandola说:「我们计划提供内部课程,并为每二到三名初级工程师指派一名导师。」

他解释说,其目标在于培养内部软件工程师,使其在一至两年内熟习深度学习。而当被问及DeepScale的内部训练与教授深度学习的研究生课程有何不同时,Iandola说:「二者将会十分类似。我们将复制在柏克莱大学教授的内容。」

然而,Iandola说,:「这并不是说我们取得了深度学习的教科书,而是将会教授基于问题的学习径。」例如,当深度学习专家面对自动驾驶的实际问题时,他们将会有许多能与团队其他成员共同分享的东西。

今年初,DeepScale有12名员工,而在最近增加新进人员后,Iandola说:「我们是一家拥有18人的公司,其中大部份都是工程师。」

开发中的产品

DeepScale目前正为汽车OEM和tier one供货商提供参考套件,协助其改善感知系统。

DeepScale的优势是在小型、低成本的车用级传感器和处理器上导入高效率的深度神经网络(DNN),能够提高感知系统的精确度,实时解析并分类自动车辆的传感器数据。DeepScale的目标在于以各种价格点为量产车辆提供不同的驾驶辅助和自动驾驶功能。

20180410-deeplearning-3

DeepScale的途径:深度神经网络传感器融合(来源:DeepScale)

Iandola在参酌来自汽车制造商和tier one供货商的意见后,希望该公司的参考套件能够成为部署至汽车中的大规模生产软件。

同时,DeepScale期望开发自家的测试方法—— 类似于传统的功能安全方法,但专门为软件密集型的车辆而设计。Iandola指出,传统的设计/测试是为具有少量电子组件的机械驱动车辆而开发的。随着新一代车辆带来更多软件和人工智能(AI),测试方法必须改变。「我们希望在今年年底前开发一些产品,并希望与客户和业界组织分享我们的方法。」

编译:Susan Hong
(参考原文:Are We Short of Deep Learning Experts?,by Junko Yoshida)

本文为EDN电子技术设计 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
Junko Yoshida
ASPENCORE全球联席总编辑,首席国际特派记者。曾任把口记者(beat reporter)和EE Times主编的Junko Yoshida现在把更多时间用来报道全球电子行业,尤其关注中国。 她的关注重点一直是新兴技术和商业模式,新一代消费电子产品往往诞生于此。 她现在正在增加对中国半导体制造商的报道,撰写关于晶圆厂和无晶圆厂制造商的规划。 此外,她还为EE Times的Designlines栏目提供汽车、物联网和无线/网络服务相关内容。 自1990年以来,她一直在为EE Times提供内容。
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
您可能感兴趣的文章
  • 地平线张永谦:AI在边缘侧落地背后的思考 “边缘侧智能设备大规模爆发的趋势,使数据成为如今AI芯片领域最大的挑战。”2019年11月7日,在由ASPENCORE《电子工程专辑》、《国际电子商情》和《电子技术设计》主办的“2019全球双峰会”上,地平线副总裁&AIOT芯片方案产品线总经理张永谦以“边缘AI芯片赋能行业,共建普惠AI时代”为题,介绍了地平线机器人在边缘AI芯片以及解决方案,以及地平线对AI在边缘侧落地背后的思考。
  • 『全球CEO峰会』重磅演讲者:地平线余凯谈边缘AI芯片赋 11月7日-8日,在深圳与全球“连接”。
  • 利用探地雷达,自动停车技术将提前实现 除了Tesla的Smart Summon,德国车厂Daimler已经与伙伴Bosch连手推出一个获德国官方批准的自动停车/召唤服务;同时有一家名为WaveSense的美国新创公司,开发了一种利用探地雷达的创新技术,让车厂能用来为车辆打造自动召唤功能...
  • 华为入局汽车,蛰伏五载后将如何落地? 在百年汽车行业的“新四化”变革中,汽车智能化被认为是能够给最终用户带来更大价值和更好体验的方式,同时也是最难实现的变革之一。尤其在中国,道路的复杂性、场景的复杂性以及国内驾驶者的规范性,三种因素叠加起来,决定了应用于中国市场的智能驾驶系统相较于海外市场将更加复杂。
  • 国内外哪些车企正入局L3自动驾驶大战? 在L2级自动驾驶辅助系统大量量产上市之后,L3级自动驾驶的量产进程开始引发业内外关注,身处其中的玩家们也随之迎来最为关键的几年。目前来看,2021-2022年将是主流汽车制造商L3级自动驾驶车型量产大年。那么,究竟有哪些车企正在紧锣密鼓的筹备?
  • 面向安防监控AI应用的图形处理技术 在对人工智能(AI)而非提高像素的需求推动下,特别是在由计算机视觉和数据驱动的决策制定方面,GPU(图形处理单元)领域已出现一场革命。神经网络的到来已使视觉处理成为现代世界的关键因素。因此,机器人处理操作、智能监控摄像头以及汽车高级驾驶辅助系统(ADAS)等相关行业都发生了变化。
相关推荐
    广告
    近期热点
    广告
    广告
    广告
    可能感兴趣的话题
    广告