MENLO PARK, Kalifornien, USA, June 16, 2020 (GLOBE NEWSWIRE) -- Helm.ai, ein Entwickler von KI-Software der nächsten Generation, gab heute einen Durchbruch in Bezug auf die Technologie für unbeaufsichtigtes Lernen bekannt. Diese neue Methodik, „Deep Teaching“ genannt, ermöglicht es Helm.ai, neuronale Netze ohne menschliche Annotation oder Simulation zu trainieren, um KI-Systeme voranzubringen. Deep Teaching hat weitreichende Auswirkungen für die Zukunft der Computer-Vision-Technologie und des autonomen Fahrens sowie für Branchen wie Luftfahrt, Robotik, Fertigung und sogar den Einzelhandel.
Künstliche Intelligenz oder KI wird allgemein als die Wissenschaft der Simulation menschlicher Intelligenz verstanden, die von Maschinen verarbeitet wird. Beaufsichtigtes Lernen bezieht sich auf den Prozess des Trainings neuronaler Netze zur Ausführung bestimmter Aufgaben anhand von Trainingsbeispielen, die in der Regel von einem menschlichen Kommentator oder synthetischen Simulator für Maschinen zur Ausführung bestimmter Aufgaben bereitgestellt werden. Dagegen ist unbeaufsichtigtes Lernen ein Prozess, der es KI-Systemen ermöglicht, aus nicht gekennzeichneten Informationen zu lernen, Eingaben abzuleiten und Lösungen ohne Unterstützung durch vorher festgelegte Eingabe- und Ausgabemuster zu produzieren.
Deep Teaching ist die nächste bahnbrechende Entwicklung im KI-Bereich. Sie ermöglicht es Helm.ai, neuronale Netze unbeaufsichtigt zu trainieren, und bietet Computer-Vision-Fähigkeiten, die den neuesten Stand der Technik mit einer beispiellosen Entwicklungsgeschwindigkeit und -genauigkeit übertreffen. Wenn Deep Teaching auf dem Gebiet des autonomen Fahrens eingesetzt wird, kann Helm.ai effizienter mit großen Datenmengen trainieren, ohne dass große Flotten oder sehr viele menschliche Kommentatoren benötigt werden, was näher an vollständig selbstfahrende Systeme heranreicht.
Als erster Anwendungsfall der Deep-Teaching-Technologie von Helm.ai wurde beispielsweise ein neuronales Netz daraufhin trainiert, Fahrspuren auf Abermillionen Bildern aus Tausenden von verschiedenen Dashcam-Videos aus der ganzen Welt ohne menschliche Annotation oder Simulation zu erkennen. Das daraus resultierende neuronale Netz ist von vornherein robust gegenüber zahlreichen Corner Cases, die in der Branche des autonomen Fahrens als bekanntermaßen schwierig gelten, wie z. B. Regen, Nebel, Blendung, verblasste/fehlende Fahrbahnmarkierungen und verschiedene Lichtverhältnisse. Als Plausibilitätsprüfung hat Helm.ai mithilfe dieses neuronalen Netzes mit minimalem technischen Aufwand die öffentlichen Benchmarks für Computer-Vision übertroffen.
Darüber hinaus hat Helm.ai ein autonomes Full-Stack-Fahrzeug gebaut, das in der Lage ist, mit nur einer Kamera und einer GPU (ohne Straßenkarten, LiDAR-Technologie und GPS) auf steilen und kurvigen Bergstraßen autonom zu lenken, ohne jemals mit Daten von diesen Straßen trainiert zu haben, was die heutigen hochmodernen Produktionssysteme leistungsmäßig weit übertrifft. Seitdem hat Helm.ai Deep Teaching auf den gesamten AV-Stack angewendet, einschließlich semantischer Segmentierung für Dutzende von Objektkategorien, Tiefenvorhersage bei Monokularsehen, Modellierung von Fußgängerverhalten, LiDAR-Vision-Fusion und Automatisierung von HD-Mapping. Deep Teaching ist im Vergleich zu den verfügbaren Objektkategorien oder Sensoren agnostisch und ist weit über das autonome Fahren hinaus nutzbar.
Helm.ai hat sehr schnell zahlreiche Durchbrüche bei den autonomen Fahrtechnologien erzielt und Systeme entwickelt, die ein höheres Maß an Genauigkeit, Agilität und Sicherheit bieten sowie Corner Cases zu einem Bruchteil der Kosten und des Zeitaufwands lösen, die herkömmliche Deep-Learning-Methoden erfordern.
„Herkömmliche KI-Ansätze, die sich auf manuell annotierte Daten stützen, sind völlig ungeeignet, um die Anforderungen des autonomen Fahrens und anderer sicherheitskritischer Systeme zu erfüllen, die eine Computer-Vision-Genauigkeit auf Menschenniveau erfordern“, sagte Vlad Voroninski, CEO von Helm.ai. „Deep Teaching ist ein Durchbruch im unbeaufsichtigten Lernen, der es uns ermöglicht, die volle Leistungsfähigkeit tiefer neuronaler Netze zu nutzen, indem wir an echten Sensordaten trainieren, ohne den Ballast menschlicher Anmerkungen oder Simulationen.“
Helm.ai – Videoressourcen:
● Helm.ai – Einführungs-Video:
https://youtu.be/9ezWa-uqUcY
● Page Mill Road, Aufnahmen aus der Fahrerkabine:
https://youtu.be/qPcvWBW_IUY
● Helm.ai Deep Teaching, Clip 1:
https://youtu.be/nLHoU31DnKg
● Helm.ai Deep Teaching, Clip 2:
https://youtu.be/rCWcTIVBpSY
Eine starke Einschränkung bei den bestehenden AV-Ansätzen ist die Sicherheit. Sie stellt ein sehr reales Problem dar, wenn herkömmliche KI-Ansätze für autonomes Fahren verwendet werden, die kaum kapitaleffizient sind und nicht zu robusten KI-Systemen führen können, die in der Lage sind, jedes potenzielle Szenario mit menschlicher Genauigkeit zu interpretieren – selbst bei Budgets in Milliardenhöhe.
Während KI-Systeme, die nicht physisch mit der Welt interagieren, z. B. Systeme, die Produkte auf Defekte hin untersuchen oder das Internet durchsuchen, mit einer Erfolgsrate von nur 90-99 % ohne schwerwiegende Folgen eingesetzt werden können, stehen bei selbstfahrenden Fahrzeugen Menschenleben auf dem Spiel, und jedes System, das mit einer Genauigkeit von weniger als 99,999999 % arbeitet, könnte katastrophale Folgen nach sich ziehen. Diese strengen Sicherheitsanforderungen und die Einschränkungen herkömmlicher KI-Ansätze verhindern den massenhaften Einsatz von selbstfahrenden Fahrzeugen. Deep Teaching geht das zentrale Sicherheitsproblem frontal an, indem es ein wirtschaftliches Training mit riesigen Datenmengen von Bildern und anderen Sensordaten ermöglicht, was einen wesentlichen Fortschritt auf dem Gebiet des autonomen Fahrens darstellt.
„Die Technologien des Selbstfahrens von Helm.ai sind in einzigartiger Weise geeignet, das Potenzial des autonomen Fahrens auszuschöpfen“, sagte Adam D'Angelo, CEO von Quora. „Ich freue mich auf die Fortschritte, die das Team in den kommenden Jahren machen wird, und bin begeistert, in das Unternehmen investiert zu haben.“
Während Helm.ai seine Technologie derzeit für die Entwicklung seiner autonomen Fahrsoftware L2+ und L4 einsetzt, ermöglicht Deep Teaching vielversprechende Entwicklungen für die Zukunft der künstlichen Intelligenz und von Computer-Vision im Allgemeinen. Branchen wie Luftfahrt, Robotik und medizinische Bildgebung sind nur einige Bereiche, in denen Deep Teaching zur Revolutionierung beitragen kann.
Über Helm.ai
Helm.ai arbeitet an der nächsten Generation der KI-Technologie für die Automatisierung. Das im November 2016 in Menlo Park gegründete Unternehmen hat die Art und Weise, wie neuronale Netze die reale Welt verstehen lernen, überarbeitet, um KI-basierte Anwendungen kostengünstig, skalierbar und äußerst leistungsstark zu machen. Weitere Informationen über Helm.ai und seiner Produkte, dem SDK und Karrieremöglichkeiten finden Sie unter www.helm.ai oder folgen Sie Helm.ai auf LinkedIn.
Pressekontakt
Bitte wenden Sie sich an Vanessa Camones unter vanessa@anycontext.com oder unter (510) 999-4383, wenn Sie Fragen bzw. Anfragen haben.
Videos zu dieser Pressemitteilung sind verfügbar unter:
https://www.globenewswire.com/NewsRoom/AttachmentNg/3ba36f16-3311-4d75-a81e-d5a35fcbee38
https://www.globenewswire.com/NewsRoom/AttachmentNg/b61f963a-0311-480f-88bf-e85200b91166
https://www.globenewswire.com/NewsRoom/AttachmentNg/d572f5a9-6a73-4ed0-a223-5504206ea3ec
https://www.globenewswire.com/NewsRoom/AttachmentNg/6035e74d-3094-4c53-9767-81c277b96df2