ماهان شبکه ایرانیان

۵ استارتاپ یادگیری عمیق که باید در سال ۲۰۱۷ دنبال کنید

در سال‌های اخیر، استارتاپ‌های زیادی بر روی یادگیری عمیق کار کرده‌اند. در این مقاله، پنج استارتاپ برتر سال ۲۰۱۷ را در این زمینه معرفی می‌کنیم.

5 استارتاپ یادگیری عمیق که باید در سال 2017 دنبال کنید

اگر در سال‌های قبل، هوش مصنوعی به جریانی عمده تبدیل نشد، امسال این اتفاق می‌افتد. سوندار پیچای، مدیرعامل گوگل، معتقد است که دنیا از «ابتدا موبایل» به «ابتدا هوش مصنوعی» می‌رود.

اپل هوش مصنوعی را در آیفون و گوگل در پیکسل قرار داد. فیسبوک از هوش مصنوعی در نیوز فید و مایکروسافت در ورد استفاده کرد. سامسونگ استارتاپ Viv را خریداری کرد تا با سیری اپل رقابت کند. اپلیکیشن‌های مسنجر همانند اسکایپ، تلگرام و مسنجر دارای چت‌بات هستند.

بیشتر توجه به هوش مصنوعی، بر روی یادگیری عمیق، آموزش شبکه‌های عصبی با استفاده از داده‌های زیاد برای استنتاج اطلاعات از این داده‌ها، بوده است. در پنج سال گذشته، استارتاپ‌های زیادی در این زمینه شروع به فعالیت کرده‌اند. امسال اینتل، استارتاپ نیروانا که در زمینه ساخت سخت‌افزار و توسعه نرم‌افزار در زمینه یادگیری عمیق فعالیت می‌کند، خریداری کرد و Salesforce نیز استارتاپ متامایند، که نرم‌افزاری برای پردازش تعداد زیادی متن و تصویر با استفاده از یادگیری عمیق توسعه داده است، را تصاحب کرد.

در زیر 5 استارتاپ برتر در زمینه یادگیری عمیق در سال 2017 را معرفی می‌کنیم.

یادگیری عمیق

Bay Labs

Bay Labs یکی از استارتاپ‌هایی است که یادگیری عمیق را بر روی تصاویر پزشکی اعمال می‌کند. این استارتاپ دارای تیم مهندسی قوی از جمله جوهان ماته است که پیش از این در پروژه‌ی لون گوگل کار کرده است. یان له‌کون، مدیر تیم تحقیقاتی هوش مصنوعی فیسبوک و Khosla Ventures بر روی این استارتاپ سرمایه‌گذاری کرده‌اند.

Cerebras Systems

Cerebras یک استارتاپ مرموز بوده که توسط اندرو فلدمن، که شرکت میکروسرور SeaMicro را به ای‌ام‌دی فروخت، هدایت می‌شود. استارتاپ جدید فلدمن در زمینه سخت‌افزار هوش مصنوعی فعالیت می‌کند و توانسته با جدب سرمایه‌گذاری، به ارزش 20 میلیون دلاری برسد.

Deep Vision

Deep Vision که در پالو آلتو مستقر است، چیپ‌های با مصرف انرژی کم برای یادگیری عمیق تولید می‌کند. دو بنیان‌گذار این استارتاپ، رهان حمید و واجاها قدیر، زمانی که در استنفورد بودند، مقاله‌ای جالب در مورد پردازنده‌ها منتشر کردند.

Graphcore

Graphcore یک واحد پردازشی هوشمند (IPU) برای شتاب‌دهنده PCIe ساخته است که شبکه‌های عصبی می‌توانند برای آموزش و استنتاج از آن استفاده کنند. این استارتاپ با استفاده از فریم‌ورک‌های موجود یادگیری عمیق TensorFlow و MXNet، نرم‌افزاری برای کار با زیرساخت‌هایش توسعه داده است.

ViSenze

ViSenze که در سال 2012 تاسیس شده است، در رقابت تشخیص تصویر ImageNet در سال 2016 عملکرد بهتری از رقبا داشت. این استارتاپ که توسط Rakuten Ventures تامین مالی می‌شود، از مرکز تحقیقاتی NExT، که توسط دانشگاه ملی سنگاپور و دانشگاه شینگهوای چین تاسیس شده است، جدا شده است. نرم‌افزار ViSenze میتواند برای تصاویر و ویدئوها، اشیا را شناسایی و تگ کرده و محتوای مشابه آن‌ها تولید کند.

قیمت بک لینک و رپورتاژ
نظرات خوانندگان نظر شما در مورد این مطلب؟
اولین فردی باشید که در مورد این مطلب نظر می دهید
ارسال نظر
پیشخوان