NASA 在 2010 年敲響了 Neurala 的大門。這家 2006 年成立于波士頓的人工智能公司，收到了來自美國航天局的邀請：他們希望創(chuàng)始人 Versace 能協(xié)同同事們開發(fā)一個機器探測車軟件，能夠在火星上進行自動化探索。

Versace 在 2006 年剛拿到他的博士學位，致力于研究硬件的局限性對人工智能造成的延遲及影響。這也讓他聯(lián)同 Anatoly Gorshechnikov 與 Heather Ames 一同研究 GPU 在人工智能的可行性。當時他們拿下了支持神經(jīng)網(wǎng)絡(luò)的 GPU 的相關(guān)專利，并建立了 Neurala 公司?！府斘覀冊诓徒砑埳蠈懴聦＠`感之時，我們也沒有想過能在未來某天把它帶給消費者，天知道經(jīng)歷了些什么！」

NASA 的野心并不容易實現(xiàn)，目前火星探測車在計算能力、溝通及能源問題上還存在很多局限。NASA 工程師們希望利用的人工智能能具備以下特點：只通過低端攝像機拍下的圖像探索火星上的不同環(huán)境。更重要的是，這樣的 AI 軟件需要只在一個簡單的 GPU 上運行。

雷鋒網(wǎng)此處要順帶一提了，我們都知道人工智能系統(tǒng)對處理器的性能要求還是挺高的，更何況是要適應(yīng)太空探索這樣高難度的項目。但在六年后，Neurala 已經(jīng)開始測試為 NASA 研發(fā)的這款 AI「大腦」，并希望在數(shù)月后正式與消費者見面。

目前 Neurala 已經(jīng)獲得了 1400 萬美元的 A 輪融資，雖然它一開始致力于開發(fā)火星的 AI 技術(shù)，不過現(xiàn)在也計劃「落地」，將他們的技術(shù)成果應(yīng)用于地球上。

與 NASA 的火星探測車一樣，高速無人機或是自動駕駛汽車能夠采用 AI 系統(tǒng)很快地檢測到周邊環(huán)境的物體，并根據(jù)探測結(jié)果做出相應(yīng)的決策。

Neurala 的 AI 軟件目前已經(jīng)完成專利申請，并實現(xiàn)了商業(yè)化，現(xiàn)在正與一些無人機公司與自動駕駛廠商洽談視覺識別方面的合作?！?/p>

Neurala 的 AI 大腦主要依賴的是深度學習于近幾年的進步，并利用人工神經(jīng)網(wǎng)絡(luò)自我訓練，通過多層網(wǎng)絡(luò)處理過濾有關(guān)的數(shù)據(jù)，實現(xiàn)物體識別。

不過與谷歌、亞馬遜及 Facebook 所做的人工智能項目不同的是，Neurala 會提供基于云計算的深度學習的工具插件與在線服務(wù)，即使用的是智能手機里的芯片，AI 系統(tǒng)同樣也可以在上面順利跑起來。雖然 Versace 否認他們想走專精道路，但 Neurala 的目標主要還是在邊緣計算上，即依賴板載硬件，而非依賴中央系統(tǒng)。

「比起在云端，在本地訓練數(shù)據(jù)更具依賴性，也更富創(chuàng)新感。我們希望為消費者提供一個完整的、端到端的方案，解決從導(dǎo)航、避障到圖像處理領(lǐng)域的問題。而且，我們希望這些都能在設(shè)備上一條龍實現(xiàn)，而不是依賴服務(wù)器來處理?！?/p>

目前 ARM 及英特爾都對邊緣計算虎視眈眈，雷鋒網(wǎng)了解到，他們?nèi)ツ昴甑走€聯(lián)合華為、通軟動力及中國科學院沈陽自動化研究所、中國信息通信研究院組建了邊緣計算產(chǎn)業(yè)聯(lián)盟 (Edge Computing Consortium，簡稱 ECC)。但 Versace 對于巨頭的入局似乎并不擔憂，表示目前深度學習在邊緣計算上的高效專注投入能夠讓軟件適配上述的多家廠家的標準處理器。

無人機行業(yè)也讓 Neurala 在市場中站穩(wěn)了腳跟。通過軟件開發(fā)包，Neurala 順利在不少公司間積累了合作，比如 Teal Drones 就在無人機產(chǎn)品上采用了他們家的軟件，Parrot 與 Neurala 也有著多年的深度合作。在 2016 年年底，Neurala 獲得了 1370 萬美元的投資。

此外，Neurala 也在自動駕駛汽車達成了不少合作，但副總裁 Roger Matus 表示目前還不方便透露合作廠商，但搭載的軟件能夠幫助汽車實時識別路人及道路標識，并已經(jīng)成功進行了道路測試。而作為方案提供商，Neurala 的 AI 解決方案也為摩托羅拉提供了火警及報警部門方面的緊急情況反饋。

Matus 表示，目前 Neurala 計劃將深度學習 AI 應(yīng)用于機器人玩具及家用機器人中?！赶胂笠幌?，一個家庭機器人能夠知道是哪位家庭成員在下達指令，而且在提出『給我一聽啤酒』時知道啤酒是什么東西。」他還補充道，實際上這一場景的實現(xiàn)需要機器與用戶達成快速流暢的交互，但目前云系統(tǒng)還不能保證這一功能。

via IEEE Spectrum，雷鋒網(wǎng)編譯

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。