研究人员已经找到了一种嫁给人类创造力和人工智能（AI）创造力的方法，从而大大提升了深度学习的表现。
Alexander Wong领导的团队，加拿大研究主席AI和滑铁卢大学系统设计工程教授，开发了一种新型的紧凑型神经网络，可以在智能手机，平板电脑和其他嵌入式上运行和移动设备。
被称为Attonet的网络被用于图像分类和对象分割，而是可以充当视频动作识别，视频姿势估计，图像生成和其他视觉感知任务的构建块。
“目前的神经网络的问题是他们正在手动建造，令人难以置信的大而复杂，并且难以在任何现实世界的情况下运行，”Wong表示，他也共同创立了一个名为Darwinai的创业公司来商业化这项技术。“这些领先的网络是小而敏捷的，对汽车，航空航天，农业，金融和消费电子部门具有巨大影响。”
Wong的AI系统设计的一个关键部分是人类设计人员在设计新网络的设计中与AI合作，导致紧凑而高性能的网络，可以在智能手机，平板电脑和自主车辆等设备上运行。
“这些领先的网络是小而敏捷的，对汽车，航空航天，农业，金融和消费电子部门具有巨大影响。” - 亚历山大黄
最近由英特尔验证的技术，称为生成综合，并在最近的一篇论文中，奥迪电子企业显示出极大地加速自动驾驶深度学习设计。今年早些时候，该公司使Insidebigdata影响了50个名单与Google和Microsoft一起。深入学习被认为是AI的尖端。复杂的人工神经网络模仿人脑的认知能力，以学习和做出决策。
“我们采取了一种合作设计方法，利用人类的聪明才智和体验，因为电脑可以真正快速地紧缩，”黄。““它已经有一个真实的影响，特别是在强大的深度学习解决方案的情况下，对电力基础设施和智能系统或保护用户隐私，”王说。
Wong的硕士学生Desmond Lin最近在加利福尼亚州长海滩的计算机视觉和模式识别（CVPR）博览会上提出了研究文件。
