DeepScale是一家總部位於美國加州山景城(Mountain View, CA)的新創公司,在2015年成立後,持續專注於為先進駕駛輔助系統(ADAS)和自動駕駛車開發深度學習感知軟體。該公司不久前還從Point72和Next47兩家創投公司完成了1,500萬美元的A輛融資。

Deepscale bounding box DeepScale的深度神經網路軟體採用低功耗的汽車級晶片,為自動駕駛車偵測車輛、行人和物件(來源:DeepScale)

該新創公司並與Hella-Aglaia Mobile Vision GmbH展開新的合作夥伴關係。今年初,一家位於美國密西根州的一級(tier one)代理商Visteon也宣佈與DeepScale展開合作,並開發出首款自動駕駛技術平台——DriveCore。

然而,最令人印象深刻的是,DeepScale執行長Forrest Iandola在接受《EE Times》的電話採訪時所說的話——當今世界上還沒有足夠的深度學習專家。

深度學習專家不足?

汽車OEM和tier-one供應商對於軟體專業知識(特別是深度學習)的需求,都是在過去18個月來才開始有所增加。整體而言,業界在深度學習方面存在長期的知識差距,也不太知道該如何利用它來開發軟體。

甚至是DeepScale,也感到迫切需要更快地在公司內部擴展其專業知識,以滿足外部的需求。Forrest Iandola是DeepScale的共同創辦人,還曾經在美國加州大學柏克萊分校(U.C. Berkeley)取得神經網路與電腦視覺研究領域的博士學位。

那麼,DeepScale打算如何運用這筆1,500萬美元資金?Iandola告訴《EE Times》,「我們不僅需要聘請深度學習專家,還必須開發內部[深度學習]訓練計劃,進一步擴展自家團隊。」

事實上,Iandola坦言,深度學習領域仍處於起步階段——即使在學術界亦然。因此,這家新創公司想在內部擴大團隊規模,可不像單純招聘一批具有深度學習博士學位的人一樣簡單。

Forrest Iandola
Forrest Iandola

Iandola認為,深度學習「可說是一門跨學科的領域,你不僅要有數學和演算法方面的專家,也需要知道如何在平台上建置軟體的電腦系統專家。然後,我們也會需要熟悉資料管線的專家來調整和管理資料組合。」

總之,深度學習專家是以前所未有的方式配對組合知識的人。我們必須要有深度學習模式方面的專家、瞭解深度學習基礎架構的人員,以及熟悉深度學習資料集的人員。Iandola說:「我們計劃提供內部課程,並為每二到三名初級工程師指派一名導師。」

他解釋說,其目標在於培養內部軟體工程師,使其在一至兩年內熟習深度學習。而當被問及DeepScale的內部訓練與教授深度學習的研究生課程有何不同時,Iandola說:「二者將會十分類似。我們將複製在柏克萊大學教授的內容。」

然而,Iandola說,:「這並不是說我們取得了深度學習的教科書,而是將會教授基於問題的學習徑。」例如,當深度學習專家面對自動駕駛的實際問題時,他們將會有許多能與團隊其他成員共同分享的東西。

今年初,DeepScale有12名員工,而在最近增加新進人員後,Iandola說:「我們是一家擁有18人的公司,其中大部份都是工程師。」

開發中的產品

DeepScale目前正為汽車OEM和tier one供應商提供參考套件,協助其改善感知系統。

DeepScale的優勢是在小型、低成本的車用級感測器和處理器上導入高效率的深度神經網路(DNN),能夠提高感知系統的精確度,即時解析並分類自動車輛的感測器資料。DeepScale的目標在於以各種價格點為量產車輛提供不同的駕駛輔助和自動駕駛功能。

Deepscale Deep Sensor Fusion DeepScale的途徑:深度神經網路感測器融合(來源:DeepScale)

Iandola在參酌來自汽車製造商和tier one供應商的意見後,希望該公司的參考套件能夠成為部署至汽車中的大規模生產軟體。

同時,DeepScale期望開發自家的測試方法—— 類似於傳統的功能安全方法,但專門為軟體密集型的車輛而設計。Iandola指出,傳統的設計/測試是為具有少量電子元件的機械驅動車輛而開發的。隨著新一代車輛帶來更多軟體和人工智慧(AI),測試方法必須改變。「我們希望在今年年底前開發一些產品,並希望與客戶和業界組織分享我們的方法。」

編譯:Susan Hong

(參考原文:Are We Short of Deep Learning Experts?,by Junko Yoshida)