AI, راه اندازی, چرتکه می رود زندگی می کنند با, تجاری, عمیق, یادگیری, خدمات, طول می کشد $13M سری تامین مالی


abacus-dot-ai-founders-july-2020.jpg

چرتکه موسسان از سمت چپ Siddartha Naidu قبلا یک اصل مهندس برای آمازون تحقق تیم و همچنین یک توسعه دهنده از BigQuery نرم افزار در گوگل; کل ردی قبلا سر از “هوش مصنوعی عمودی” برای آمازون AWS; و Arvind Sundararajan قبلا مهندسی منجر به گوگل آگهی تحویل فن آوری است.


چرتکه

کمتر از شش ماه پس از بیرون آمدن از حالت خفا, راه اندازی, چرتکه دات AI سان فرانسیسکو شنبه اعلام کرد این شرکت خدمات تجاری برای یادگیری عمیق رفته زنده با مشتریان مانند 1-800-Flowers و شرکت بدست یک سری سرمایه گذاری دور جمعا به مبلغ 13 میلیون از سرمایه گذاران عمده از جمله شاخص سرمایه گذاری.

“این است که یک فضای شلوغ و تعداد بسیار کمی از هوش مصنوعی/ML خدمات در واقع مدیریت به مشتریان به تولید و در واقع درک مثبت ROI” کل ردی از بنیانگذاران و مدیر اجرایی گفت: ZDNet در ایمیل.

به عنوان با آن گذشته عمده ای اعلام کرد در ژانویه این شرکت همچنین نشان داد فن آوری برای یک رویکرد جدید در یادگیری عمیق در این مورد ارائه یک روش جدید برای د-biasing AI مدل. این نرم افزار می توانید چیزهایی مانند نیشگون گرفتن و کشیدن یک برنامه موجود پس از آن نسبتا بیشتری و با دقت طبقه بندی آیا مردم سیاه و سفید در یک عکس لبخند به لب دارند.

چرتکه که شروع زندگی از یک سال پیش مارس را به عنوان واقعیت موتورهای با استفاده از انواع روش ها برای یادگیری عمیق, از جمله به طور خاص مولد خصمانه شبکه یا GANs به ارائه یک نوع فشار دکمه سرویس در ابر که اجازه می دهد تا شرکت ها آموزش و آزمون و استقرار رمان AI برنامه بدون هیچ زحمتی از سنتی آزمایشگاه یادگیری عمیق کار می کنند.

همچنین: واقعیت موتورهای ارائه می دهد یک یادگیری عمیق tour de force به چالش آمازون و همکاران در شرکت هوش مصنوعی

خدمات نشسته جایی بین فوق العاده پیچیده و منابع فشرده تلاش های هوش مصنوعی غول گوگل و دیگران و ساده کوکی-برش با فشار دکمه chatbots و دیگر سیراب به پایین هوش مصنوعی ارائه شده است که می توان به وفور در هر ابر پلت فرم.

چرتکه استفاده GANs به طراحی و تست عمیق الگوریتم های یادگیری تنظیم به نیازهای مشتریان و پس از آن به پایان رسید مدل می تواند مستقر در مشتری ابر پلت فرم از انتخاب. هدف اعلام شده از این شرکت برای مشتریان برای به دست آوردن این مدل “در خود خدمت بر اساس” چه چرتکه تماس مستقل محصول.

تغییر نام به چرتکه بیشتر انعکاسی از آنچه این شرکت در حال ساخت گفت: ردی که از او به عنوان “مستقل AI سرویس است که کمک می کند تا هر کس ایجاد و استقرار یک یادگیری عمیق و خدمات در تولید.”

“با توجه به این که ما تصمیم به تغییر نام به چیزی کوتاه و ساده” اضافه شده Reddy.

در میان 35 اولیه مشتریان 1-800-Flowers اولیه adoptee ادامه خواهد داد به استفاده از این سرویس به عنوان آن می رود به طور کلی در دسترس است. این شرکت با استفاده از چرتکه به “راحتی ایجاد یادگیری عمیق و سیستم های مختلف با استفاده از موارد از جمله توصیههای شخصی بوسیله اسباب گردنده کاهش و کشف تقلب” با توجه به 1-800-Flowers’ افسر ارشد بازاریابی Amit Shah.

پس از توسعه مدل بر اساس 1-800-Flowers’ مجموعه داده ها و استفاده از آن مورد گفت: شاه چرتکه مجموعه تا تمام زیرساخت های مورد نیاز برای استقرار این مدل در تولید و به صورت دوره ای دوباره آن آموزش و افزایش ظرفیت آن برای افزایش حجم پیش بینی درخواست.

به عنوان آن را در گذشته چرتکه فلفلی کسب و کار خود را با اعلام یک صفحه نمایش از تکنولوژی رمان. در این مورد د-biasing تکنولوژی چیزی است که شناخته شده است به عنوان یک “post-hoc” رویکرد به د biasing. آن است که در مرحله بتا است و در حال تبدیل شده برای چند انتخاب مشتریان گفت: Reddy.

این تکنولوژی با استفاده از مولد خصمانه شبکه به عنوان مسیر اصلی به یک راه حل است. تعصب در این زمینه می توان تعریف شده توسط یک دسته از اقدامات و عملکرد یک شبکه عصبی از جمله به عنوان مثال میزان درست یا غلط مثبت برای محافظت گروه مانند مردم سیاه و سفید در مقابل یک غیر حفاظت شده گروه مانند سفید مردم است. بستن شکاف آینده به برابری است آماری تعریف به حداقل رساندن تعصب در این زمینه.

برای رسیدن به برابری برای کاهش تعصب نویسنده یک رمان خصمانه رویکرد که در آن یک دوم شبکه عصبی استفاده می شود به عنوان یک منتقد به پیش بینی بایاس در شبکه عصبی. منتقد شبکه را پیش بینی اشاره وزن از شبکه اول تا کسانی که وزن حل و فصل به کمتر-گرایش پیکربندی از طریق معمولی یادگیری عمیق و بهینه سازی روش شناخته شده به عنوان شیب تبار. کار گذاشته شده در یک مقاله نوشته شده در 15 ژوئن در arXiv pre-print server.

همچنین: آی بی ام ارائه می دهد توجیه AI toolkit, اما آن را به تفسیر باز

کالین سفید یک دانشمند محقق در چرتکه که کمک به توسعه رویکرد توضیح داد: به ZDNet که post-hoc د-biasing مطلوب است که تقاضا برای پردازش مجدد مدل آموزش از ابتدا برای از بین بردن تعصب گران است.

“شرکت های بزرگ منتشر کرده اند بسیار بزرگ زبان و یا شی تشخیص مدل که آموزش دیده بودند با صدها نفر از gpu ها, و, آن است که مشترک برای دیگر orgs به ریز لحن خود را خاص میلی لیتر استفاده-موارد گفت:”. “اما منظور د تعصب این کرگدن مدل ما نیاز به استفاده از post-hoc روش مگر اینکه ما صدها نفر از gpu ها.”

در آن حس post-hoc د-biasing یک شکل از ریز تنظیم از مدل های موجود. به خصوص زمانی که اصل داده های آموزشی در دسترس نیست چنین ad-hoc پردازش ممکن است یکی از تنها راه برای رفع یک گرایش شبکه. (چرتکه میزبانی مجازی meet-up در جولای 20th, به بحث در مورد موضوع تعصب.)

چرتکه جدید سرمایه و پول به ارمغان می آورد با آن سرمایه گذاران جدید مانند مایک Volpi از بنیانگذاران شاخص سرمایه گذاری و عضو هیئت مدیره شرکت های مانند الاستیک و خالص سازی. همچنین پیوستن به چندین سرمایه گذاران در سال گذشته دانه گرد از تامین مالی از جمله سابق مدیر عامل گوگل اریک اشمیت سرمایه گذار و سابق آمازون اجرایی Ram Shriram و یاهو! از بنیانگذاران و زمانی مدیر عامل جری یانگ. این سری به ارمغان می آورد کل بودجه در این دو دوره به $18.25 میلیون. مارتی چاوز سابق CFO از Goldman Sachs در حال پیوستن به شرکت هیئت مشاوران.

چرتکه استخدام 23 نفر است. بنیانگذاران شامل ردی که قبلا سر از “هوش مصنوعی عمودی” برای آمازون AWS; CTO Arvind Sundararajan که قبلا بود مهندسی منجر به گوگل آگهی تحویل و فناوری و مدیر تحقیقات Siddartha Naidu بود که در اصل مهندس برای آمازون تحقق تیم و همچنین یک توسعه دهنده از BigQuery نرم افزار در گوگل قبل از آن.

چرتکه اشاره کرد آن سرمایه گذار گروه شامل “چند برجسته زنان سرمایه گذاران” در میان است که مریم Naficy بنیانگذار و مدیر عامل شرکت از بازار آنلاین ضرب; Neha Narkhede و اریکا Ruliffson شولتز ، CTO و رئیس جمهور از میدان عملیات در جریان پلت فرم همریز بود; جینت کاترین ارثی شاهزاده Fürstenberg; و سرمایه گذار Xuezhao Lan که موسس و شریک مدیریت در سان فرانسیسکو اساس مجموعه سرمایه گذاری.

مدیر عامل شرکت ردی گفته ZDNet این مناطق تمرکز در این سال برای این شرکت شامل تلاش برای “اصلاح و تجدید نظر در روش های ما برای ساخت مدل های دقیق”. این بیماری همچنین در ادامه به ساخت ویژگی های جدید “از جمله داده های خطوط لوله re-آموزش سیاست ها و مدل نظارت به قرار دادن مدل در تولید به راحتی” و به دست آوردن مشتریان بیشتر است که می خواهند به adopters اولیه و “نگاهی به هوش مصنوعی-روش اول” را به عنوان او آن قرار داده است.

برای او بخشی ردی گفته ZDNet در میان اهداف خود را به عنوان رئیس جمهور این است که “به دوباره ایجاد پرنیان انرژی و سرعت ما استفاده می شود به در اتاق کار عملا.”

همه گیر گفت: ردی ارائه شده چالش های جدید به تیم “هنگامی که آن را آسان گیر بر روی یک موضوع و یا احساس می کنم نا امید زمانی که شما در مقابل یک دیوار.”

با همه کار از خانه, روش های جدید برای معاشرت شامل ad-hoc شل چت, اعضای تیم چت عملا بیش از ناهار و “هفتگی TGIFs در زوم.” ردی گفت: چرتکه نیز یک هفته نشان می دهد و به جلسه برای کارکنان به بحث در مورد آنچه که آنها در حال ساختمان است.

“من هنوز هم فکر می کنم این مقایسه نیست خوب بودن در همان اتاق و قادر بودن به اشفتگی فکری موقتی و ad-hoc بحث که فکری تحریک کننده” ردی گفته ZDNet.

هوش مصنوعی

tinyurlis.gdv.gdv.htu.nuclck.ruulvis.netshrtco.detny.im

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>