2017年2月7日消息，人工智能初創(chuàng)企業(yè)Xnor.ai從艾倫人工智能研究所(AI2)中剝離成為獨立實體，并宣布獲得260萬美元種子輪融資，本次交易的投資方為Xnor.ai的母公司以及Madrona Venture Group。據(jù)創(chuàng)投時報了解，Xnor.ai計劃使用最新一輪的資金來開發(fā)Xnor.ai平臺，并將其技術(shù)用于無人機、汽車和智能手機等等。
據(jù)創(chuàng)投時報項目庫數(shù)據(jù)顯示，Xnor.ai是一家位于美國西雅圖的AI創(chuàng)業(yè)公司。Xnor.ai開發(fā)了一種可以直接在設(shè)備上運行深度學(xué)習模型的方法，包括手機和IoT產(chǎn)品，無需數(shù)據(jù)中心或網(wǎng)絡(luò)連接。深度學(xué)習模型在運行時可以同時保持隱私和電池效率性能，這與傳統(tǒng)的AI和機器學(xué)習不同，后者需要圖形處理單元來執(zhí)行巨大的計算。目前，Xnor.ai的技術(shù)能夠在很大程度上提升執(zhí)行復(fù)雜運算(如計算機視覺)的效率。
眾所周知，對于對象和語音識別這類機器學(xué)習模型的計算工作是非常繁重的，這使得這類工作很難在更小以及更強大的設(shè)備上運行。Xnor.ai的研究人員采用數(shù)學(xué)模型將計算負擔減少了一個或兩個數(shù)量級。
Madrona董事總經(jīng)理Matt McIlwain表示：“想象一下，如果這種計算方式能夠通過你的手腕或汽車上的設(shè)備完成。我確信目前你們很難想象得出這樣的場景。在過去幾年中，機器學(xué)習和人工智能一直是我們關(guān)鍵的投資主題，并且將圖片識別以及語音識別這類深度學(xué)習技術(shù)引入小型設(shè)備中一直存在巨大的挑戰(zhàn)。”
免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。
