|
由于他们的二值化神经网络，除了带来的数十倍的内存减少和计算提升，二值化操作天然就被CPU等通用计算设备支持，所以二值化神经网络能够在普通的CPU和更便宜的ARM芯片甚至是树莓派等设备，Mohammad还表示他们也在微软的Hololens上实现了他们的算法。 在采访中，Mohammad说道，他们的深度学习技术能够用在计算能力和内存都有限的设备上，XNOR.AI针对的市场是普适计算的场景，他们希望未来所有的智能设备都可以运行他们的深度学习算法。 而CEO Ali Farhadi曾说：“可以设想，未来每个街道拐角，价值5美元的摄像头，都能识别看到的景象，了解正在发生的事情；而我的手表也能真正听懂和处理指令。”
（在手机上实时物体检测） Mohammad表示物体的实时检测是一个非常难的问题，他们用视频演示了他们的强悍能力，目前不少实时检测都通过将视频流传到云端来做检测，但这一方面带来了延迟问题，另一方面则是带来了隐私问题，但利用他们的算法，实时的物体检测在本地就能完成。 Mohammad也表示这不代表他们只会局限在计算机视觉领域，直播，目前他们能够对主流的深度学习网络比如RNN和CNN进行二值化操作。除了视觉领域，还有自然语言处理都有望实时化操作。 作为成立才一个月的公司，Mohammad还在探索自己的商业模式，但已经有大量厂商和他们联系了，XNOR.AI的愿景是普适人工智能，“AI on every device everywhere”。
有相关资源并且对XNOR.AI感兴趣的投资人，欢迎联系硅谷密探: [email protected] 关注硅谷密探 紧盯全球创新趋势
|
