AI打造AI：初创公司的AI生成紧凑型神经网络

DarwinAI的平台在与奥迪（Audi）进行的试点测试中，简化了边缘计算模型。

滑铁卢大学的研究人员亚历山大·王（Alexander Wong）没有足够的处理能力来支持他的计算机视觉创业公司，因此他开发了一种解决方法。现在，该解决方法就是该公司的产品。

总部位于安大略省的DarwinAI由位于安大略省的大学的一个团队创建，它为开发人员提供了一个从神经网络生成精简模型的平台。这为开发人员提供了一种更快的方式来扩展具有较小数据足迹的多个网络。

该公司的精益模型旨在为企业开发基于AI的边缘计算网络，以处理来自嵌入式系统和移动设备的大量传感器数据。

自动驾驶，制造，航空航天，零售，医疗保健和消费电子等各个行业正在利用GPU驱动的网络边缘的AI计算来发展下一代业务。

据估计，到2025年，大约1500亿个机器传感器和IoT设备将流式传输连续数据进行处理。

然而，许多人发现，人才和计算资源需要大量资源来构建这些各种模型。

DarwinAI的立场是，公司可以使用DarwinAI的平台从全尺寸模型中分离出紧凑型模型，从而减少开发时间和成本，就像DarwinAI自己所做的那样。

“我们可以在需要将强大的神经网络应用于汽车，手表，飞机和其他领域的移动设备和客户的边缘实现AI，” DarwinAI首席执行官兼联合创始人Sheldon Fernandez说。

DarwinAI的平台被称为GenSynth，是对所谓的生成综合进行开创性研究的结果。有一种简单的方法来考虑生成综合：创建AI是AI。

这家初创公司的创始人于去年年底发布了有关生成综合的研究论文，然后将其与专有研究相融合，以推出该公司的产品。

DarwinAI的平台依靠机器学习来为客户探查和了解神经网络的体系结构。然后，该公司的AI会生成一个新的神经网络系列，其功能与原始神经网络相同，但更小，更快。

该公司是NVIDIA Inception计划的成员，该计划可帮助初创企业更快地进入市场。

初创公司的研究引起了消费电子公司，航空航天和汽车制造商（包括奥迪）的兴趣。

奥迪通过DarwinAI进行的案例研究使用GenSynth平台来加速定制，优化的深度神经网络的设计，以进行自动驾驶中的目标检测。

GenSynth平台帮助奥迪开发人员将模型训练速度提高了4倍，并将GPU处理时间缩短了四分之三。

“他们处理了两个terrabytes的数据，我们确实减少了测试时间，” Fernandez说。 “他们节省了GPU培训时间，为开发人员带来了真正的好处。”

DarwinAI开发了GenSynth来减少自己的开发时间，利用AWS和Microsoft Azure上的NVIDIA GPU以及本地的本地实例来增加其编码周期。

DarwinAI的许多早期客户现在都在使用该平台来加快开发速度。它还有助于减少在现场运行NVIDIA Jetson模块和云中的NVIDIA V100 Tensor Core GPU的客户系统上处理的数据，以进行培训和推理。

Fernandez说：“深度学习是如此复杂，您需要与GPU支持的AI协作才能正确完成它-这将腾出您的时间来进行创意工作。”

记者： Scott Martin

编辑：Sophia