人工智能启动Neurala公司被声称的重大突破以其深厚的学习平台，称它减少它需要从15小时训练深层神经网络，只需20秒的时间。

Neurala声称有别于其他AI软件制造商，因为它的平台通过模仿人的大脑进行学习，将视觉，声音和其他感官整合到一个系统中，从而粗略模拟大脑的工作方式。这家初创公司补充说，其深度学习软件更加出色，因为它不依赖云中运行的服务器来训练其系统，因此使其适用于在边缘执行计算的新一代智能汽车，儿童玩具和工业机器。网络。

现在，该公司表示，其终身深度神经网络技术比以往任何时候都更好，将学习时间缩短到只有几秒钟，并且还为神经网络提供了获取新知识的能力，而又不会忘记以前学到的信息-它声称这是不可能的之前。

Neurala的首席技术官Anatoli Gorchetchnikov说：“在数据集上训练传统的DNN需要很长时间，一旦发生，即使添加一条新信息也必须完全对其进行重新训练。”

Neurala说，传统的深度神经网络一直都是“固定的”，这意味着一旦训练完成，就可以在不重新学习已经拥有的知识的情况下进行额外的训练来改进模型。

“(传统)深度神经网络仍然依赖于80年代开发的称为反向传播的学习算法，” Neurala首席执行官Massimiliano Versace告诉SiliconANGLE。“该算法有效，但需要对数据集进行多次迭代，这使其速度非常慢，并且必须保留用于将来扩展系统知识的所有数据。”

但是，Neurala的终生DNN的工作方式有所不同，以模仿人脑的皮层和皮层下回路的方式逐步了解其看到的物体，从而使其能够动态添加新信息。该公司表示，其最新突破得益于ImageNet，它是一个由关键字组织的庞大图像数据库以及其他更具体的数据集。

该公司还表示，对深度神经网络的推理时间，内存或精度没有负面影响。此外，新的Lifelong-DNN可以仅使用其软件早期迭代所用实例数量的20%来完成培训。

范思哲说：“我们所做的是，设计了一种新型的神经网络，它保留了DNN的功能，而又不需要很长的训练时间，也不需要保留所有训练数据来增加新知识。” “我们之所以能够做到这一点，是因为它更加仔细地研究了皮质和皮质下的解剖学和生理学，并提出了更紧密地模仿人类日复一日的学习方式的算法。”

Gorchetchnikov称此更新为“改变边缘分析和当今服务器使用方式的游戏规则”。我们可以预想该技术将大大减少服务器场中的计算能力，并使网络能够根据自定义数据即时组装。我们只是在摸索潜在的应用程序。”

Neurala的技术已经实现了许多应用。例如，它可以帮助安全摄像机了解并识别特定威胁。使用该技术的无人机可以学习如何在他们正在检查的蜂窝塔上诊断问题，从而无需人工爬上顶部并进行检查。

该公司也不愿为了更大的利益而使用其技术。例如，去年，它说它正在与摩托罗拉解决方案公司合作制造“智能相机”，警官可以戴上这种相机，以帮助寻找失踪儿童和其他感兴趣的人或物体。同样在2017年，Neurala表示正在与Lindbergh基金会合作，通过使用可以识别偷猎者并指挥当局到他们所在位置拦截AI的AI软件向无人机放飞无人机，打击非洲的非法偷猎行为。