盘点2016年人工智能与深度学习领域的十大收购

简介:

自从谷歌2014年花费4亿英镑收购了当时默默无闻的剑桥大学初创团队Deep Mind后,科技公司就一直热衷于收购AI科技公司。

企业软件制造商希望通过收购AI科技公司来获得什么呢?他们无非是想使其产品或设备拥有智能预测的能力,来帮助用户更加方便快捷地使用。

社交媒体和互联网公司对图像和语音的识别技术非常感兴趣,这些可以提高用户的参与度。而当今一流的高科技公司则想制造一个智能私人助理来统一管理它们。

无论近期的抢购风潮是否只是资本泡沫,AI时代都已经到来,在此,我们为你盘点2016年至今AI领域的十大收购案...

1.英特尔收购Nervana Systems

英特尔花费4亿美元(约3亿英镑)收购了深度学习初创公司Nervana Systems。作为芯片制造商,英特尔想要通过Nervana Systems在硅层实现机器学习,而不是在图形处理芯片上发展机器智能。

“我们以后回顾过去10年时,会发现这次就是计算机架构转向神经网络的拐点。”Nervana Systems公司首席执行官Naveen Rao在收购案后写道。

盘点2016年人工智能与深度学习领域的十大收购

2.英特尔收购Itseez

5月,英特尔又收购了专门从事计算机视觉(CV)算法的初创公司Itseez。英特尔计划利用Itseez专业能力来创建从汽车到安全系统的物联网(IoT)。

英特尔物联网集团的总经理,Doug Davies,在博客中写道:“Itseez将帮助英特尔的用户打造创新型深度学习的CV应用,如自动驾驶,数字安全监控和工业检测”。

在此之前,英特尔在2015年10月收购了AI初创公司Saffron。

盘点2016年人工智能与深度学习领域的十大收购

3.Salesforce收购MetaMind

云计算专家Salesforce正在想方设法优化其软件产品 - 从它的客户关系管理(CRM)平台,到营销云智能预测和云服务智能引擎。

Salesforce的首席执行官Marc Benioff在4月收购了其领投的自然语言处理领域初创公司MetaMind,后来在5月关闭了该司并让其创始人Richard Socher担任了Salesforce的首席科学家。

盘点2016年人工智能与深度学习领域的十大收购

4.Salesforce收购PredicitionIO和BeyondCore

8月,MetaMind并入了Salesforce于2月收购的开源机器学习服务器和开发者社区PredicitonIO,以及致力于机器学习分析的初创公司BeyondCore。

在此之前,Salesforce已于去年12月收购了AI虚拟助理AILA的开发者MinHash,并于去年6月收购了智能日历应用Tempo.ai,这项收购几乎直接导致了近期Salesforce收件箱内日历产品的诞生。

今年早些时候,首席技术官Adam Evans在接受英国的Computerworld访问时说:“Salesforce对AI技术非常感兴趣,我们已经从记录系统转变为参与系统,而现在我们正向智能系统进军。”

盘点2016年人工智能与深度学习领域的十大收购

5.微软收购Genee

微软在2016年8月收购了一个两年半的初创公司Genee,其主要产品是一款拥有AI技术的智能日程工具。

联合创始人Ben Cheung和Charles Lee将为微软带来他们的专业知识,但其本身的产品项目将被叫停,他们期望将Genee的技术融入Office 365,可能是为了更深度地集成其智能助手Cortana和Outlook等应用。

盘点2016年人工智能与深度学习领域的十大收购

6.微软收购Wand实验室

微软在6月末还收购了自然语言信息平台Wand实验室,同样叫停了该公司的现有产品项目,来让他们专注于微软产品(Cortana)。

盘点2016年人工智能与深度学习领域的十大收购

7.微软收购SwiftKey

此外,微软于今年早些时候,花费2.5亿美元收购了总部位于伦敦的初创公司SwiftKey,其产品可以让键盘输入法学习记忆用户的输入习惯,并做出相应调整。

盘点2016年人工智能与深度学习领域的十大收购

8.苹果收购Turi

这家硅谷巨头很少讨论他们的收购案,但2016年却始终非常忙碌,其中包括对两家机器学习领域初创公司的收购。

最近总部位于西雅图的初创公司Turi和其服务于开发者和数据科学家的机器学习平台,在8月被收购,收购金额达到2亿美元。Turi开发的工具使开发人员能够轻松地将机器学习功能嵌入到应用程序,如推荐引擎,情感分析和流失模型。

盘点2016年人工智能与深度学习领域的十大收购

9.苹果收购Emotient

另外,AI初创公司Emotient,在今年早些时候被收购。该公司总部位于圣地亚哥,使用人工智能技术读取图片中的面部表情。

2015年苹果还收购了Perceptio和英国初创公司VocalIQ,他们都专注于用于智能手机的AI技术。

盘点2016年人工智能与深度学习领域的十大收购

10. Twitter的收购Magic Pony

Twitter在6月花费令人瞠目结舌的1.5亿英镑收购了伦敦初创公司Magic Pony,其始终致力于开发可以将机器学习应用到图像和视频上的工具。

Twitter的首席执行官Jack Dorsey在收购声明中说道:“Magic Pony团队研究创造出了可以识别图像特征的算法,其技术将用于提升我们在直播和视频的能力,并为Twitter打开了很多激动人心的创意可能。“

此次收购建立在对机器学习初创公司Madbits的收购(2014年7月)和对Whetlab的收购(2015年6月)之上。

盘点2016年人工智能与深度学习领域的十大收购

via ComputerworldUK


本文作者:陈杨英杰


本文转自雷锋网禁止二次转载,原文链接

相关文章
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
1734 55
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
眼疾识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了4种常见的眼疾图像数据集(白内障、糖尿病性视网膜病变、青光眼和正常眼睛) 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,实现用户上传一张眼疾图片识别其名称。
865 5
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
|
机器学习/深度学习 人工智能 TensorFlow
人工智能浪潮下的自我修养:从Python编程入门到深度学习实践
【10月更文挑战第39天】本文旨在为初学者提供一条清晰的道路,从Python基础语法的掌握到深度学习领域的探索。我们将通过简明扼要的语言和实际代码示例,引导读者逐步构建起对人工智能技术的理解和应用能力。文章不仅涵盖Python编程的基础,还将深入探讨深度学习的核心概念、工具和实战技巧,帮助读者在AI的浪潮中找到自己的位置。
|
机器学习/深度学习 人工智能 自然语言处理
探索人工智能的深度学习与自然语言处理前沿
【10月更文挑战第10天】探索人工智能的深度学习与自然语言处理前沿
|
机器学习/深度学习 人工智能 自然语言处理
探索人工智能的未来:机器学习与深度学习的融合之旅
【9月更文挑战第35天】在这篇文章中,我们将深入探讨人工智能的两大支柱——机器学习和深度学习。我们将通过代码示例和实际应用案例,揭示它们如何相互补充,共同推动AI技术的发展。无论你是初学者还是有经验的开发者,这篇文章都将为你提供宝贵的见解和启示。
456 0
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
蘑菇识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了9种常见的蘑菇种类数据集【"香菇(Agaricus)", "毒鹅膏菌(Amanita)", "牛肝菌(Boletus)", "网状菌(Cortinarius)", "毒镰孢(Entoloma)", "湿孢菌(Hygrocybe)", "乳菇(Lactarius)", "红菇(Russula)", "松茸(Suillus)"】 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,
1644 11
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【害虫识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
害虫识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了12种常见的害虫种类数据集【"蚂蚁(ants)", "蜜蜂(bees)", "甲虫(beetle)", "毛虫(catterpillar)", "蚯蚓(earthworms)", "蜚蠊(earwig)", "蚱蜢(grasshopper)", "飞蛾(moth)", "鼻涕虫(slug)", "蜗牛(snail)", "黄蜂(wasp)", "象鼻虫(weevil)"】 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Djan
1048 1
基于Python深度学习的【害虫识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
|
机器学习/深度学习 人工智能 算法
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
宠物识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了37种常见的猫狗宠物种类数据集【'阿比西尼亚猫(Abyssinian)', '孟加拉猫(Bengal)', '暹罗猫(Birman)', '孟买猫(Bombay)', '英国短毛猫(British Shorthair)', '埃及猫(Egyptian Mau)', '缅因猫(Maine Coon)', '波斯猫(Persian)', '布偶猫(Ragdoll)', '俄罗斯蓝猫(Russian Blue)', '暹罗猫(Siamese)', '斯芬克斯猫(Sphynx)', '美国斗牛犬
928 29
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
|
机器学习/深度学习 人工智能 算法
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
文本分类识别系统。本系统使用Python作为主要开发语言,首先收集了10种中文文本数据集("体育类", "财经类", "房产类", "家居类", "教育类", "科技类", "时尚类", "时政类", "游戏类", "娱乐类"),然后基于TensorFlow搭建CNN卷积神经网络算法模型。通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型,并保存为本地的h5格式。然后使用Django开发Web网页端操作界面,实现用户上传一段文本识别其所属的类别。
755 1
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
778 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络