Движок DarwinAI работает с библиотекой TensorFlow (а вскоре и с PyTorch), и использует ИИ, чтобы добиться того, что разработчики стартапа называют «фундаментальным пониманием» целевой нейронной сети. В частности, он включает генеративно-состязательную сеть (GAN), которая проверяет другой ИИ на прочность во время обучения, рассказывает VentureBeat.

Собрав сведения о нейросети клиента, DarwinAI генерирует новую, более компактную, но сохраняющую точность оригинала. Пользователь может изменить настройки, чтобы задать системе требуемые параметры, или создать новые на основании более точных условий.

Имеется также компонент прозрачности. Платформа DarwinAI имеет встроенный инструмент, который «объясняет», как оптимизированный алгоритм пришел к данному решению и не могли ли какие-либо данные привести к предвзятости.

Результаты тестов обнадеживают: в одном из них система сгенерировала в 4,5 раза более эффективную нейронную сеть, чем та, которая была создана на платформах AutoML и Learn2Compress. 

Также «Дарвин» создал оптимизированную версию ИИ для распознавания объектов от Nvidia, которая оказалась в 12 раз меньше по длине программного кода и в четыре раза быстрее оригинала.

Канадская компания, основанная профессором Университета Ватерлоо Александром Воном, недавно появилась в поле зрения венчурных фирм и уже привлекла $3 млн посевных инвестиций.

Специалисты MIT представили на прошедшей в начале сентября конференции CVPR ИИ-систему, которая способна пояснить, как пришла к тому или иному решению. Такой подход позволяет заглянуть внутрь «черного ящика» ИИ, открывает возможность интерпретировать выводы, к которым приходит машина.