通過計算神經科學建立機器學習模型,AI創企Vicarious獲5000萬美元C...

2020-12-05 獵雲網

【獵雲網（微信號：ilieyun）】7月26日報導 （編譯：葉展盛）

Vicarious這家創企一直在努力縮小人類和人工智慧之間的隔閡，今日這家公司宣布獲得了5000萬美元C輪融資，Khosla Ventures領投。

這家位於加州聯合市的創企利用計算神經科學來構建更好的機器學習模型，以幫助機器人更快地解決各類任務。Vicarious主要模仿的是大腦新皮質，這塊區域主要和視覺及聽覺有關。

「我們並不打算將整個大腦原封不動地模擬下來。這就好比人類在設計飛機時會從鳥類身上借鑑一些功能，比如較輕的體重和可變形的翅膀等，但並不會參考它翅膀的顏色和它拍打翅膀的方式。」公司的聯合創始人兼首席執政官Scott Phoenix告訴外媒。

Pheonix希望能在將來把這種技術應用到製造、農業、食品生產、物流等所有領域裡的機器人身上，這家公司最明顯的一個競爭對手就是DeepMind，後者於2014年被谷歌收購。

Vicarious並沒有公開自己的盈利方式，也沒有透露公司的客戶，但它公開了幾位著名的投資人，他們包括埃隆·馬斯克、馬克·扎克伯格和阿什頓·庫徹。

「在過去的十多年裡，機器人已經具備了一定的靈活性去處理一些重要的任務，但它們還是受限於昂貴的手動編寫軟體和高精度的機械零部件。但Vicarious編寫的軟體就能幫助改變這一現狀。」Khosla Ventures的合伙人Vinod Khosla說道。

Phoenix表示，本輪融資將幫助公司擴大研究團隊。這位高管還告訴外媒稱，現有投資人也有參投，但他決絕透露具體的名字。

迄今為止，Vicarious的融資總額已達1.2億美元，員工數量達50人。

1、獵雲網原創文章未經授權轉載必究，如需轉載請聯繫官方微信號進行授權。

2、轉載時須在文章頭部明確註明出處、保留官方微信、作者和原文超連結。如轉自獵雲網（微信號：

ilieyun

）字樣。

3、獵雲網報導中所涉及的融資金額均由創業公司提供，僅供參考，獵雲網不對真實性背書。

相關焦點

  • 簡化人才招聘流程,智能管理系統Greenhouse獲5000萬美元D輪融資
    該公司表示已經從Riverwood Capital那裡獲得5000萬美元融資，其融資總額已達到1.1億美元。最近在人才招聘領域不少公司想要簡化這一流程並實現數據驅動，Greenhouse並不是唯一一家獲得融資的創企。但由於成本，以及搜集大量各種人類活動數據所帶來的困難，隨著新興機器學習工具的誕生而逐漸得到解決，人才招聘背後的難題可能仍是，谷歌的搜索結果給出的幫助已經足夠了。
  • 大講堂 | 預測時間敏感的機器學習模型建模與優化
    原標題：大講堂 | 預測時間敏感的機器學習模型建模與優化 雷鋒網AI研習社訊：機器學習模型現在已經廣泛應用在越來越多的領域比如地震監測，闖入識別，高頻交易；同時也開始廣泛的應用在行動裝置中比如通過邊緣計算。這些真實世界的應用在原有的模型精度基礎之上帶來很多實際約束比如預測要在很短或規定時間內完成。
  • 概率機器學習綻放光彩,Uber首席科學家獲英國皇家學會獎項
    他提出的新型無窮維非參數模型（如無窮潛在特徵模型）對機器學習領域產生了極大影響。他是劍橋大學信息工程學教授、倫敦 Gatsby 計算神經科學中心的創始人員、阿蘭 · 圖靈研究所劍橋主任、Uber 首席科學家。2015 年，Zoubin Ghahramani 當選為英國皇家學會會士。
  • 計算神經科學:21世紀的前沿科學
    儘管這種區分在某些場合是有用的，但我們不應該理解為一種模型比另一種更優越或更基本。計算神經科學的發展已經進入了一個新時期，它需要通過結合計算理論和受生物約束的模型來實現對大腦工作原理的跨層次理解。 過去、現在和未來的挑戰 現代計算神經科學建立在兩種傳統之上。
  • 概率機器學習綻放光彩,Uber首席科學家Zoubin獲英國皇家學會獎項
    他提出的新型無窮維非參數模型（如無窮潛在特徵模型）對機器學習領域產生了極大影響。他是劍橋大學信息工程學教授、倫敦 Gatsby 計算神經科學中心的創始人員、阿蘭 · 圖靈研究所劍橋主任、Uber 首席科學家。2015 年，Zoubin Ghahramani 當選為英國皇家學會會士。
  • 【松樹薈投融資日報】KK館獲1億美元D輪融資;核桃編程獲5000萬美元B輪融資;Sandbox VR獲1100萬美元戰略融資
    致力於幫助用戶看到數據、理解數據，幫助用戶將數據變成資產，進而成為資本，通過數據幫助用戶實現業務發展，管理提升。13、核桃編程獲5000萬美元B輪融資，投資方為華興新經濟基金、高瓴資本、眾源資本、微影資本、源碼資本、XVC。
  • 21世紀的中國計算神經科學展望
    因此，展望未來，為了能解讀這些實驗數據，並據此提出和檢驗各種科學假說，新的計算工具和方法是必不可少的。另一方面，大腦是一個異常複雜的動力學系統，具有多種反饋機制和多層時空結構，它的行為不能僅僅依靠直覺來理解，定量分析和從概念上深入闡明是至關重要的。這就是為什麼計算神經科學，使用理論和模型，並通過與實驗的互動，對形成新概念和基本原理起相當的作用。
  • 類腦計算背後的計算神經科學框架
    計算神經科學的算法和人工智慧算法的本質不同在於計算神經科學考慮生物細節的影響，試圖解釋生物現象， 而人工智慧把這條韁繩脫去了。而這條韁繩是否有意義也是計算神經科學的熱點問題。研究計算神經科學的方法我們可以總結一種層級型的思維方法。因為計算神經科學本質是一個橋梁學科。
  • 用機器學習做信用評分
    總體來說主要是兩部分: 建立統計模型 應用統計模型為信用申請或現有信用帳戶打分 本文會介紹最受歡迎的信用評分方法，我們稱為評分卡模型。有兩個原因使其成為主流的方法。首先，評分卡模型很容易跟沒有相關背景和經驗的人(諸如客戶)解釋說明。其次，評分卡模型的開發過程很標準且被廣泛接受，這意味著公司不需要投入太多研發經費。
  • 患癌倖存後，她因AI癌症研究獲得首屆AAAI百萬美元大獎
    2017年：她開發了可以提前幾年診斷出她的癌症的ML模型。今天：她被宣布為AAAI松鼠AI獎的第一位獲得者，獎金100萬美元，該獎項旨在表彰她在癌症診斷和藥物合成方面的工作。她是麻省理工學院教授Regina Barzilay。
  • 谷歌推出TFQ,一個可訓練量子模型的機器學習框架
    雷鋒網訊，當地時間3月9日，Google與滑鐵盧大學、大眾汽車等聯合發布TensorFlow Quantum（TFQ），一個可快速建立量子機器學習模型原型的開源庫該框架可構建量子數據集、混合量子模型和經典機器學習模型原型、支持量子電路模擬器，以及訓練判別和生成量子模型。隨著近些年量子計算技術的發展，量子機器學習模型的研發可能會在醫學、材料、傳感和通信領域取得突破，甚至產生深遠影響。不過迄今為止，業界缺乏發現量子機器學習模型的研究工具。該模型可以處理量子數據並在可用的量子計算機上執行。
  • 計算神經科學:腦科學與人工智慧的必要橋梁
    因此側重於理論和模型的計算神經科學與實驗神經科學的互動，將會對認識大腦工作機制起到十分關鍵的作用。大腦是一個異常複雜的動力學系統，具有多種在不同時空層次上的反饋機制，定量分析和計算模型上深入解析是至關重要的。這也就是為什麼理論和計算神經科學成為了美國的「腦計劃「中的七大優先研究方向之一：「嚴謹的理論，模型建造和統計分析，使我們對於複雜的，非線性的大腦功能有深入的了解，這是僅憑直覺無法做到的。
  • 東南亞情報站|12家創企獲融資,谷歌Uber等巨頭動作頻繁
    用戶體驗管理平臺CloudCherry獲600萬美元A輪融資基於SaaS的用戶體驗管理平臺CloudCherry在本周獲得600萬美元A輪融資。該輪融資由Vertex Ventures和Cisco Investments領投，IDG Ventures India參投。該平臺準備用此次融資資金進軍全球市場，包括中東、東南亞和美國。
  • 專家談計算神經科學與類腦人工智慧的關係
    層與層之間的網絡連接是通過學習訓練而形成的（故名「深度學習」）。深度學習系統在完成某些任務上（比如二維物體識別）已接近人的能力。然而目前這個理論還有相當大的局限。例如，深度網絡模型通常只有「前饋」 連接（從第一層到第二層、第二層到第三層，等等），而人腦的神經系統有很多「反饋」 連接（從第三層回到第二層，等等），比如視覺注意力就來自於從高級「控制」腦區到初級視覺腦區的反饋信號。
  • 國內腦科學「天團」聯合撰文：計算神經科學的過去、現在和未來
    因此，理論和計算模型在理解複雜生物動態系統的挑戰中正發揮著越來越重要的作用。首先，來自大腦連接組、轉錄組和神經生理學的海量數據越來越需要理論工作者開發和設計新的分析工具。其次，大腦系統過於複雜，無法僅僅通過實驗和直覺來理解。例如，皮層區域通過環路連接進行交互作用，一個通過光遺傳學失活的區域可能會對多個難以理解的大腦區域產生影響。這種現象可以通過計算模型作為補充手段來獲得更深刻的理解。
  • 國內腦科學「天團」聯合撰文:計算神經科學的過去、現在和未來
    儘管這種區分在某些場合是有用的，但我們不應該理解為一種模型比另一種更優越或更基本。計算神經科學的發展已經進入了一個新時期，它需要通過結合計算理論和受生物約束的模型來實現對大腦工作原理的跨層次理解。過去、現在和未來的挑戰現代計算神經科學建立在兩種傳統之上。
  • 華裔科學家蒲慕明獲格魯伯神經科學獎
    美國格魯伯基金會7日宣布，華裔科學家c成為2016年度格魯伯神經科學獎獲得者，他將在今年11月美國神經學學會年度會議期間領受獎章、獲獎證書和
  • 為什麼計算神經科學和AI會融合
    這使我進入了計算神經科學領域，我相信它將極大地受益於AI。當我凝視著AI可能如何發展的未來時，我期望與計算神經科學有很多交叉。神經網絡目前正在發生的事情是與AI進行雜交的早期嘗試，但這是失敗的，並將繼續如此。這是嘗試採用人腦和相關神經系統的複雜且鮮為人知的行為，並開發數學和算法模型以試圖了解其行為的方法。您可以將計算神經科學與經濟學或氣候科學進行比較。
  • 通過機器人實現純無紙化辦公,AI創企Ripcord獲4000萬美元B輪融資
    【AI星球（微信ID：ai_xingqiu）北京】8月18日報導（編譯：田小雪）Ripcord是一家來自美國加州的機器人數位化初創企業，旨在通過機器人、機器視覺和人工智慧技術，來打造真正意義上的無紙化辦公空間。
  • 計算認知神經科學:試圖理解人類複雜行為背後存在基本的數學原理
    圖1 計算認知神經科學的目標是通過生物學上可信的計算模型來解釋動物和人類神經元活動和行為。從歷史上看，每個學科(圓圈)都解決了這些挑戰的一個子集(白色標籤)，計算認知神經科學力求同時應對所有挑戰。計算認知神經科學是一個多學科交叉的領域，主要包括認知科學、計算神經科學和人工智慧(圖1)。