Resumen Empecemos con algunas noticias sobre aprendizaje automático.

Starksy Robotics ya no existe: La startup de camiones autónomos Starsky Robotics se cerró después de quedarse sin dinero y no recaudar más fondos.

El CEO Stefan Seltz-Axmacher se despidió de su advenedizo, fundado en 2016, en un poste medio este mes. Él fue sincero y honesto sobre por qué Starsky falló: "El aprendizaje automático supervisado no está a la altura de las expectativas", declaró. "No es una inteligencia artificial real similar a C-3PO, es una herramienta sofisticada de coincidencia de patrones".

Las redes neuronales solo aprenden a detectar ciertos patrones después de que se enfrentan a millones de ejemplos de entrenamiento. Pero conducir es impredecible, y la misma ruta puede variar día a día, dependiendo del clima o las condiciones del tráfico. Intentar modelar cada escenario no solo es imposible sino costoso.

“De hecho, cuanto mejor sea su modelo, más difícil será encontrar conjuntos de datos robustos de casos innovadores. Además, cuanto mejor sea su modelo, más precisos serán los datos que necesita para mejorarlo ”, dijo Seltz-Axmacher.

Se necesita más tiempo y dinero para proporcionar mejoras incrementales cada vez mayores. Con el tiempo, solo las startups mejor financiadas pueden permitirse permanecer en el juego, dijo.

“Cuando alguien dice que la autonomía está a diez años de distancia, eso es casi seguro lo que piensa. No hay muchas startups que puedan sobrevivir diez años sin envío, lo que significa que casi ningún equipo autónomo actual enviará a los tomadores de decisiones de IA si este es el caso ”, advirtió.

Si Seltz-Axmacher está en lo cierto, entonces deberíamos comenzar a ver que las startups de conducción autónoma más pequeñas también se cerrarán en un futuro próximo. Mira este espacio.

Waymo para pausar las pruebas durante el bloqueo del Área de la Bahía: Waymo, el compañero de coche autónomo de Google, anunció estaba deteniendo sus operaciones en California para cumplir con las órdenes de cierre vigentes en los condados del Área de la Bahía, incluidos San Francisco, Santa Clara, San Mateo, Marín, Contra Costa y Alameda. Se aconsejó a las empresas consideradas "no esenciales" que cerraran y se les dijo a los residentes que se quedaran en casa, solo que salieran a comprar cosas como comprar alimentos.

Sin embargo, continuará realizando viajes para entregas y servicios de transporte por carretera para sus pasajeros y socios en Phoenix, Arizona. Sin embargo, estas unidades serán completamente sin conductor para minimizar la posibilidad de propagar COVID-19.

Waymo también lanzó su Open Dataset Challenge. Los desarrolladores pueden participar en un concurso que busca soluciones a estos problemas:

• Detección 2D: Dado un conjunto de imágenes de cámara, produce un conjunto de cuadros 2D para los objetos en la escena
• Seguimiento 2D: Dada una secuencia temporal de imágenes de cámara, produce un conjunto de cuadros 2D y las correspondencias entre cuadros a través de cuadros.
• Detección 3D:Dadas una o más imágenes de rango lidar y las imágenes de cámara asociadas, produzca un conjunto de cuadros verticales en 3D para los objetos en la escena.
• Seguimiento 3D: Dada una secuencia temporal de datos lidar y de cámara, produce un conjunto de cuadros verticales en 3D y las correspondencias entre cuadros a través de cuadros.
• Adaptación de dominio: similar al desafío de detección 3D, pero proporcionamos segmentos adicionales de la lluviosa Kirkland, Washington, 100 de los cuales tienen etiquetas de caja 3D.

Los premios en efectivo también están disponibles. El ganador puede esperar ganar $ 15,000, el segundo lugar le dará $ 5,000, mientras que el tercero es de $ 2,000.

Puedes encontrar más detalles sobre las reglas de la competencia y cómo participar esta página. El desafío está abierto hasta el 31 de mayo.

Más recursos gratuitos para luchar contra COVID-19 con IA: Las compañías tecnológicas están tratando de contribuir y hacer lo que puedan para ayudar a calmar la pandemia de coronavirus. Nvidia y Scale AI ofrecieron recursos gratuitos para ayudar a los desarrolladores que utilizan el aprendizaje automático para continuar la investigación de COVID-19.

Nvidia proporciona una licencia gratuita de 90 días para Parabricks, un paquete de software que acelera el proceso de análisis de secuencias del genoma mediante GPU. Se apresura a analizar la información genética de las personas que han sido infectadas con COVID-19 para descubrir cómo se propaga la enfermedad y qué comunidades están en mayor riesgo. La secuenciación de genomas requiere una gran cantidad de cálculos numéricos, Parabricks recorta el tiempo necesario para completar la tarea.

"Dada la propagación sin precedentes de la pandemia, obtener resultados en horas versus días podría tener un impacto extraordinario en la comprensión de la evolución del virus y el desarrollo de vacunas". dijo esta semana.

Los clientes interesados ​​que tienen acceso a las GPU de Nvidia deben completar un formulario solicitando acceso a Parabricks.

“Nvidia está invitando a nuestra familia de socios a unirse a nosotros para igualar este esfuerzo urgente para ayudar a la comunidad de investigación. Estamos en conversaciones con proveedores de servicios en la nube y centros de supercomputación para proporcionar recursos informáticos y acceso a Parabricks en sus plataformas ".

El siguiente es Scale AI, la startup con sede en San Francisco centrada en anotar datos para modelos de aprendizaje automático. Ofrece sus servicios de etiquetado de forma gratuita a cualquier investigador que trabaje en una posible vacuna, o en el seguimiento, contención o diagnóstico de COVID-19.

"Dada la escala de la pandemia, los investigadores deberían tener todas las herramientas a su disposición mientras intentan rastrear y contrarrestar este virus", agregó. dijo en un comunicado.

“Los investigadores ya han demostrado cómo las nuevas técnicas de aprendizaje automático pueden ayudar a arrojar nueva luz sobre este virus. Pero como con todas las enfermedades nuevas, este trabajo es mucho más difícil cuando hay tan pocos datos existentes para continuar ".

"En esas situaciones, el papel de los datos bien anotados para entrenar modelos o herramientas de diagnóstico es aún más crítico". Si tiene muchos datos para analizar y cree que Scale AI podría ayudar, solicite su ayuda esta página.

Usuarios de PyTorch, AWS finalmente ha integrado el marco: Amazon finalmente ha integrado el soporte de PyTorch en Amazon Elastic Inference, su servicio que permite a los usuarios seleccionar la cantidad correcta de recursos de GPU además de las CPU alquiladas en sus servicios en la nube Amazon SageMaker y Amazon EC2, para ejecutar operaciones de inferencia en modelos de aprendizaje automático .

Amazon Elastic Inference funciona de esta manera: en lugar de pagar GPU costosas, los usuarios seleccionan la "cantidad correcta de aceleración de inferencia alimentada por GPU" además de CPU más baratas para pasar rápidamente por el proceso de inferencia.

Sin embargo, para usar el servicio, los usuarios deberán convertir su código PyTorch en TorchScript, otro marco. "Puede ejecutar sus modelos en cualquier entorno de producción mediante la conversión de modelos PyTorch en TorchScript", dijo Amazon esta semana. Ese código es procesado por una API para usar Amazon Elastic Inference.

Se han descrito las instrucciones para convertir los modelos PyTorch al formato correcto para el servicio. esta página. ®

patrocinado: Webcast: por qué necesita detección y respuesta gestionadas