據(jù)外媒報道，當?shù)貢r間6月15日，下一代人工智能（AI）軟件開發(fā)商Helm.ai宣布在無監(jiān)督學習技術方面取得了重大突破。此種稱為深度教學（Deep Teaching）的新方法使Helm.ai能夠無需人工注釋或仿真就可訓練神經網絡，以改進AI系統(tǒng)。深度教學法對計算機視覺和自動駕駛的未來，以及航空、機器人、制造業(yè)，甚至零售業(yè)都會造成深遠的影響。該公司還曾成功籌集了1300萬美元，NBA球星凱文·杜蘭特、大衛(wèi)·彼得雷烏斯上將等都參與了融資。（戳球星凱文杜蘭特也投資？Helm.ai融資1300萬美元研發(fā)自動駕駛軟件）

（圖片來源：Helm.ai）

人工智能技術通常被理解為一門由機器模擬人類智能的科學，監(jiān)督學習的過程就是用訓練實例訓練神經網絡，以執(zhí)行特定任務的過程，此類訓練實例通常由人工注釋器或合成仿真器提供給機器，讓其執(zhí)行特定的任務，而無監(jiān)督學習是讓AI系統(tǒng)從未標注的信息中學習的過程，在沒有預先建立的輸入和輸出模式的幫助下，推斷輸入并生成解決方案。

深度教學是下一代人工智能技術，能夠讓Helm.ai以不受監(jiān)督的方式訓練神經網絡，讓計算機視覺能力超越最先進的性能，達到前有未有的發(fā)展速度和準確性。當深度教學用于自動駕駛時，Helm.ai能夠更高效地訓練大量數(shù)據(jù)，且無需大規(guī)模車隊或大批人工注釋員，以更快實現(xiàn)完全自動駕駛系統(tǒng)。

Helm.ai深度教學技術的首個用例就是用于訓練神經網絡，在無需人工注釋或仿真的情況下，通過世界各地數(shù)千個不同行車記錄儀視頻中的數(shù)千萬幅圖像，探測車道。在自動駕駛領域，對于許多眾所周知的極端情況，如雨、霧、眩目、車道標記褪色/消失以及各種不同的照明情況，由此產生的神經網絡都具有很強的抗干擾能力。作為一個完備的檢測過程，利用該神經網絡，Helm.ai以最少的努力達到了公共計算機視覺基準的最高水平。

此外，Helm.ai還打造了一款完整堆棧自動駕駛車輛，能夠僅使用一個攝像頭和一個GPU（沒有地圖、激光雷達和GPS），就能在陡峭曲折的山路上自動行駛，無需對此類道路數(shù)據(jù)進行任何訓練，其性能就已經遠超當今最先進的量產系統(tǒng)。之后，Helm.ai將深度教學應用于整個AV（自動駕駛）堆棧，包括用于數(shù)十種物體類別的語義分割、單目視覺深度預測、行人意向建模、激光雷達-視覺融合和高精地圖自動化。深度教學獨立于現(xiàn)有的物體類別或傳感器，應用范圍遠超過自動駕駛。

Helm.ai已經很快在自動駕駛技術方面取得了很多突破，生產出精度、靈活性和安全性都更高的系統(tǒng)，并利用傳統(tǒng)深度學習法所需的一部分時間和成本就解決了極端情況。

雖然目前Helm.ai將其技術應用于L2+和L4自動駕駛軟件，但深度教學技術為人工智能和計算機視覺的未來發(fā)展提供了廣闊的前景，航空、機器人和醫(yī)療成像等行業(yè)也可因深度教學得到變革。