人工智能初创公司Neurala Inc.希望通过加快将数据馈送到神经网络以对其进行训练的过程，来帮助开发人员更快地创建深度学习应用程序。

该公司正在发布其新的Neurala Brain Builder程序的Beta版，该程序是一种软件即服务平台，可以更快地标记训练模型中使用的数据。

Neurala试图解决当前训练深层神经网络或DNN的繁琐过程。正如该公司指出的那样，当今的AI应用程序首先需要使用必须首先被标记的数千张图像或其他数据进行“训练”，以便深度学习模型可以理解它们的相关性。但是，数据标记是一个缓慢的过程，其成本与标记时间成正比，这意味着它也非常昂贵。

那就是Neurala的Brain Builder可以提供帮助的地方。该公司将其描述为“经济高效的集中式数据准备工具，可快速，准确地创建大量数据以进行DNN培训。” 它带有AI驱动的注释工具，可以大大减少标记数据所需的时间，同时还可以使数据在防火墙后保持私有和安全。标记后，可以使用流行的AI框架(例如Caffe或TensorFlow)下载数据以创建DNN。

Neurala首席执行官Massimiliano Versace表示：“我们正在寻找一种可用于内部AI开发工作的工具，但发现没有人能胜任。” “因此，我们建立了一个替代产品，目标是将生成数据的工作量和时间减少到最小。结果是，相对于竞争产品，该工具完全基于网络，并且可以无缝导出到行业领先的DNN构建工具中。”

Neurala的新数据标记工具是该创业公司近几个月来宣称的一系列突破中的最新成果。去年5月，该公司表示，通过创建一种先进的算法，该算法可以通过声称模仿的方式进行增量学习，从而设法将使用已标记数据的深度神经网络训练所需的时间从大约15小时减少到仅20秒。人脑的皮质和皮质下回路。

借助Brain Builder，Neurala现在可以在实际培训之外，进一步加快数据准备过程。该公司首席分析师兼副总裁Holger Mueller表示，由于神经网络具有自主学习和根据需要发展以服务于下一代应用程序的能力，因此神经网络是推动企业机器学习的关键，这将使公司处于有利地位。星座研究公司

他说：“面临的挑战仍然是连续不断地准备和向网络提供相关数据。” “目前，这就像有一辆需要手动加油的自动驾驶汽车。因此，很高兴看到创新能够帮助自动将数据馈送过程自动化到深度学习网络，并且新兴企业正在竞相解决这一需求。”