英特尔收购人工智能公司 Nervana,开发深度学习技术

简介:

image

英特尔

据《华尔街日报》网络版报道,人工智能技术已经成为了科技行业的一大热门趋势。在这股趋势的推动下,科技公司正在争相收购人工智能领域的创业公司,英特尔成为了最新一家加入收购大军的公司。

英特尔周二宣布,将收购人工智能创业公司Nervana Systems,以开发被称之为“深度学习”的热门人工智能技术。Nervana是一家拥有48名员工的公司,从事半导体、软以及服务开发。

英特尔并未披露收购价。

在此之前,苹果在上周五收购了人工智能公司Turi Inc。风投研究公司CB Insights的数据显示,自2011年以来,大型公司收购人工智能创业公司的交易数量达到31笔,这些大公司包括谷歌、Twitter、雅虎、IBM以及Salesforce.com。

根据普华永道的计算,计入规模更小的收购交易,今年目前为止与人工智能创业公司相关的收购交易已达到29笔,今年的总交易量有望超过去年宣布的37笔。

在2010年收购了创业公司Siri后,苹果推动了人工智能在消费者领域的迅速发展。在收购Turi后,苹果有望受益于Turi CEO卡洛斯·古斯特林(Carlos Guestrin)的专业知识,后者是华盛顿大学机器学习教授。

“人工智能将逐渐改变每个行业,”深度学习领域的先锋、百度首席科学家以及斯坦福大学副教授吴恩达表示。他认为,收购交易的买家对于人才的需求要超过技术。

英特尔对于人工智能公司的收购有着特别动机。尽管至强芯片能够处理数据中心的多数计算任务,但是竞争对手英伟达的GPU能够更快处理与深度学习相关的专门任务。
文章转载自 开源中国社区[http://www.oschina.net]

相关文章
|
1天前
|
机器学习/深度学习 边缘计算 监控
深度学习赋能智能监控:图像识别技术的革新与应用
【4月更文挑战第23天】 随着人工智能的迅猛发展,深度学习技术在图像处理领域取得突破性进展,特别是在智能监控系统中,基于深度学习的图像识别已成为提升系统智能化水平的核心动力。本文旨在探讨深度学习如何优化智能监控系统中的图像识别过程,提高监控效率和准确性,并分析其在不同应用场景下的具体实施策略。通过深入剖析关键技术、挑战及解决方案,本文为读者提供了一个关于深度学习图像识别技术在智能监控领域应用的全面视角。
|
1天前
|
机器学习/深度学习 监控 安全
智能监控的革新者:基于深度学习的图像识别技术
【4月更文挑战第23天】 在智能监控领域,基于深度学习的图像识别技术已经成为一种革命性的工具。这种技术能够自动识别和分类图像中的对象,提供实时的、准确的信息,从而提高监控系统的效率和准确性。本文将探讨深度学习在图像识别中的应用,以及其在智能监控中的潜在价值。
|
1天前
|
机器学习/深度学习 运维 监控
深度学习在智能监控领域的革新:图像识别技术的崛起
【4月更文挑战第23天】 随着人工智能技术的飞速发展,深度学习已经成为推动计算机视觉进步的核心技术之一。特别是在智能监控领域,基于深度学习的图像识别技术正逐渐改变着安全监控的传统模式,提升系统的智能化水平。本文将探讨基于深度学习的图像识别技术在智能监控系统中的应用现状与挑战,分析其在目标检测、行为分析以及异常事件识别中的作用,并展望其未来发展趋势。
|
3天前
|
机器学习/深度学习 数据采集 自动驾驶
基于深度学习的图像识别技术在自动驾驶系统中的应用
【4月更文挑战第21天】 本文章深入探讨了深度学习技术在自动驾驶车辆图像识别领域的应用。不同于传统的摘要方式,本文将直接点出研究的核心价值和实际应用成果。我们专注于卷积神经网络(CNN)的创新设计,其在复杂道路场景下的行人和障碍物检测中的高效表现,以及这些技术如何整合到自动驾驶系统中以增强安全性和可靠性。通过实验验证,我们的模型在公开数据集上达到了行业领先水平的准确率,并且在真实世界的测试场景中展现了卓越的泛化能力。
|
4天前
|
机器学习/深度学习 传感器 自动驾驶
基于深度学习的图像识别技术在自动驾驶系统中的应用研究
【4月更文挑战第20天】 本研究聚焦于深度学习技术在图像识别领域的应用,并探讨其在自动驾驶系统中的实际效用。文章首先回顾了深度学习与图像处理技术的基础知识,随后详细分析了卷积神经网络(CNN)在车辆环境感知中的关键作用。通过实验数据对比分析,本文验证了所提出算法在提高自动驾驶车辆对周围环境的识别准确性和实时性方面的有效性。最后,讨论了目前技术的局限性及未来可能的研究方向,旨在为进一步的技术突破提供参考。
|
5天前
|
机器学习/深度学习 监控 算法
深度学习驱动下的智能监控革新:图像识别技术的前沿应用
【4月更文挑战第19天】 在数字时代,智能监控系统作为城市安全和效率的守护者,正经历着前所未有的技术变革。本文深入探讨了基于深度学习的图像识别技术如何重塑智能监控领域,通过算法创新提升识别准确率,实时处理大量数据,并在各种环境条件下稳定运行。我们将分析当前最前沿的技术应用案例,探讨其在实际应用中遇到的挑战及未来发展趋势,从而为相关领域的研究者和实践者提供参考和启示。
|
6天前
|
机器学习/深度学习 传感器 人工智能
基于深度学习的图像识别技术在自动驾驶系统中的应用
【4月更文挑战第18天】 随着人工智能的快速发展,深度学习技术在图像处理和识别领域取得了显著进展。特别是在自动驾驶系统中,基于深度学习的图像识别技术已成为关键技术之一。本文将探讨深度学习在自动驾驶系统中的应用,重点关注卷积神经网络(CNN)和循环神经网络(RNN)在车辆检测、行人识别和交通标志识别等方面的应用。通过对比传统图像识别方法,我们将展示深度学习技术如何提高自动驾驶系统的准确性和鲁棒性。
|
6天前
|
机器学习/深度学习 传感器 自动驾驶
基于深度学习的图像识别技术在自动驾驶系统中的应用
【4月更文挑战第18天】 随着人工智能的快速发展,特别是深度学习技术的突破性进步,图像识别已成为自动驾驶领域的核心组成部分。本文旨在探讨基于深度学习的图像识别技术如何优化自动驾驶系统的性能,并分析其在实时交通场景中处理复杂视觉信息的能力。文中将介绍几种主要的深度学习模型,包括卷积神经网络(CNN)和递归神经网络(RNN),以及它们在图像分类、目标检测和语义分割中的应用。同时,文章还将讨论当前技术面临的挑战和未来的发展方向。
|
6天前
|
机器学习/深度学习 传感器 自动驾驶
基于深度学习的图像识别技术在自动驾驶汽车中的应用
【4月更文挑战第18天】 随着人工智能技术的迅猛发展,深度学习已成为推动多个技术领域革新的关键力量。尤其在图像识别领域,深度学习技术通过模仿人类视觉系统的处理机制,显著提高了机器对视觉信息的理解和分析能力。本文将探讨深度学习在图像识别领域的核心技术原理,并重点分析其在自动驾驶汽车中的应用,如何通过精确的图像识别来增强车辆的环境感知能力,从而实现更安全、更高效的驾驶体验。
|
7天前
|
机器学习/深度学习 人工智能 监控
基于深度学习的图像识别技术进展
【4月更文挑战第17天】 随着人工智能领域的飞速发展,图像识别技术作为其重要分支之一,在多个领域内取得了显著的成就。本文旨在综述近年来基于深度学习的图像识别技术的关键进展,并探讨其在实际应用中的表现与挑战。文中首先概述了深度学习在图像处理中的基本概念和关键技术,随后详细分析了卷积神经网络(CNN)在图像分类、目标检测以及语义分割等方面的应用实例。此外,文章还着重讨论了数据增强、迁移学习、对抗性网络等先进技术对提升模型性能的影响。最后,本文提出了目前技术面临的主要问题和未来可能的研究方向。