人工智能(AI)现在风行一时。我想说的是，这既是最被夸大，又被最低估的概念之一。夸大其词，因为似乎任何人现在所做的几乎所有事情都声称使用AI。(启用了AI的自动比萨制造商对我感到很荒谬。)低估了这一点，因为尽管如此，我认为我们还没有真正开始理解AI可以发动的技术革命。
对于Neurala，Inc.而言，这样的革命之一是在制造业中机器检查技术的巨大改进。Neurala的联合创始人兼首席执行官Massimiliano Versace说：“关于人类视觉的定性方面的想法对制造业具有巨大的价值。”“ AI带来了人类决策路径的魔力-它们非常复杂，是常规机器视觉系统无法比拟的。”
Neurala是一家位于波士顿的科技初创公司，它将AI引入基于机器的视觉检查中。该公司成立于2006年，在四轮融资中筹集了1600万美元。最近的一次是2017年1月的A轮融资，由Pelion Venture Partners领投，融资1400万美元。Neurala现在拥有50名员工。
该公司的重点是使用专有的神经网络技术，即所谓的Lifelong-Deep Neural Network(Lifelong-DNN)，以使机器视觉变得更加强大和强大。Lifelong-DNN最初是为NASA和自动行星探测机器人设计的，它模仿人的大脑看到和学习的方式。与机器视觉结合使用时，它有助于快速连续地培训系统，以发现并标记有缺陷的产品。终身DNN是Neurala的Brain Builder AI平台的一部分。
Versace说：“对于大多数现有应用而言，常规的机器视觉是无与伦比的，例如，在抛光的表面上寻找划痕。”“但是其他过程本质上更具定性，例如从坏的苹果中分辨出一个好苹果，或者在您无法控制环境以使标准机器视觉正常工作的应用中。”
范思哲(Versace)于25年前开始从事AI技术，与DARPA和NASA一起使用机器人和无人机。他在石油和天然气行业的无人机检查中做过早期工作。这项工作最终使他将视觉应用程序应用于消费产品和OEM的质量控制。他说：“近年来，制造业如何采用人工智能是很有趣的。”“我们将收到越来越多的应用程序-它确实将起飞。”
Neurala的系统使用产品图像来了解所检查产品的外观。对于有大量关于合格产品的数据，而关于不良产品却没有太多数据的应用程序来说，它是理想的选择。范思哲说：“常规制造就是这样，那里没有太多不良产品的例子。”“在药品中，基本上没有不良产品的例子。我们的系统是完美的。它使用少量图像来创建其良好观念，然后拒绝由此产生的任何错觉。它可以在短短几分钟内完成设置。”
它最强大的方面之一就是可以继续学习。Versace解释说：“如果系统操作员拒绝了好的东西，则可以帮助他们教它。”“如果遗漏了某些内容，您可以返回并完善数据集，并进一步学习系统。”
标签：