训练深度神经网络的数据一直是困扰创业公司的难题，面对拥有大量数据的科技巨头，小公司在人工智能时代的生存似乎变得越发困难。昨天，Gamalon 发布了自己的解决方法：他们宣称利用 Bayesian Program Synthesis 技术开发的人工智能系统可以仅用很少的输入就能达到谷歌 Tensorflow 等框架需要数万张图片训练达到的效果。
Gamalon 创始人兼 CEO Ben Vigoda
当今整个科技行业都对深度学习——这一人工智能领域的分支趋之若鹜。这一技术又被称为深层神经网络，开发者需要向人工智能系统中输入大量数据对其进行训练，让它理解一些概念，例如：想要训练系统识别猫，我们需要向系统输入大量不同的猫图片，但不能在其中混有狗的图片，以免让计算机混淆。
一家名为 Gamalon 的初创公司在本周二发布了一项新技术，他们的系统仅通过很少的数据就可以获得与完全训练后的神经网络相当的识别水平。
这家公司宣称，这一突破性进展的原理在于「Bayesian Program Synthesis」，由它处理概率问题。这项技术可以自行编写代码，用最优的方法解释收集到的数据。如果你开始用几张图片训练系统识别「猫」的概念——胡须、尾巴、眼睛，随后，系统会不断更新它对于「什么是猫？」的理解。这种思路与传统的深度学习相反——深度学习意味着你需要输入尽可能多的猫的图片，并且不能处理不确定性。
通过大幅度减少需要训练数据的数量，新方法可以显著减少深度学习的计算机硬件需求。Gamalon 无需使用带有昂贵显卡（如英伟达 Geforce Titan X）的工作站来训练复杂的神经网络，通过新的技术，我们现在能在一个 iPad 上做同样的事。
「训练深度神经网络是一个困难的过程，」Gamalon 首席执行官 Ben Vigoda 说道。「你想处理的任务越复杂，所需的数据就会越多，像自动驾驶这样的任务需要海量的数据。」
该公司声称他们目前的技术相比谷歌的深度学习框架 TensorFlow 效率高 100 倍。
Gamalon 由毕业于麻省理工学院的 Ben Vigoda 等人创建于 2013 年，但该公司直到昨天才公布了自己的第一个产品。
作为一家初创公司，Gamalon 推出的产品可将大量非结构数据整理成结构化的干净数据集。该解决方案的目标客户是那些需要处理大量文档并将其整合到数据库中的公司。Gamalon 的产品可让这些用户轻松地把自己的数据接入亚马逊、微软、谷歌等公司的云端服务器中。
随着高大上的无人驾驶汽车每天在道路上轰鸣作响，企业数据清理不再是人工智能探索领域里最吸引眼球的项目。但对于 Gamalon 来说，这是一个可以用于做模型证明和赚钱的机会。Felicis 风投创始人与总经理、Gamalon 的投资人 Aydin Senkut 说：「无序化数据的基本业务就是一个 10 亿美元级的市场，还有很多千亿级规模的公司仅做数据清理业务。」
这并不意味着 Gamalon 不能参与目前主营业务（把杂乱的企业文件重整为简洁的数据表）领域之外的竞争。Gamalon 已经使用自身技术在图像识别领域和谷歌的著名深度学习框架 TensorFlow 较量了一番。如果用户画一个落地灯，在旁边又画了一个椅子，谷歌的 AI 就会对此感到困惑，它无法分辨两个独立的物体，进而误认为你画了一个房子或者教堂。但是使用 Gamalon 的系统，就能识别出这是一个落地灯和一个椅子。
在 Gamalon 之前，Vigoda 联合创建了 Lyric Semiconductor 公司并担任 CEO, 该公司开发了一个「概率处理器」，Analog Devices 在 2011 年收购了这家硬件公司。Vigoda 获得了麻省理工学院统计物理学和机器学习的博士学位。
目前，Gamalon 宣称已经获得了来自 DARPA 的单笔最大的投资，并与政府签订了 770 万美元的合同。Gamalon 同样也筹集到了由 Felicis Ventures 领投，Boston Seed Capital、Rivas Capital、Adam D’Angelo、Andy Bechtolsheim、 Steve Blank、Ivan Chong 和 Georges Harik 跟投的 450 万美元的种子轮投资。
现在，Gamalon 将其业务集中在为企业客户提供数据清理上。也许 Gamalon 在考虑彻底开源贝叶斯机器学习技术，不过这将是一笔难做的生意，因为技术产业界仍在狂热地使用着深度学习系统。
Vigoda 说：「大家一边倒地站队深度学习，所以我们不打算做开源贝叶斯的生意，以供人们接受或学习。我们可以展示一些贝叶斯机器学习系统优秀应用的案例，这样大家自然会开始欣赏它。」
