CEO加里·马库斯(Gary Marcus)称,其XProp软件可以使用比主流深度学习软件少得多的学习实例来实现手写数字的识别。 马库斯是纽约大学心理学系教授,研究儿童学习。 马库斯没有透漏XProp的技术细节。他举例说XProp看到仅150个数字实例后能到达98%的识别正确率,而深度学习软件达到同样的效果需要700个数字实例。
去年,Geometric Intelligence 宣布成功开发出了一种可以使用更少的数据进行更快的机器学习的算法 XProp。 XProp 和某种没有具体指明的卷积神经网络方法的一个比较——在样本量相同时 XProp 的街景门牌号(SVHN)分类误差低于卷积方法。 Geometric Intelligence 没有披露有关 XProp 工作方式的更多细节,而现在这个算法应该已经落到了 Uber 手里。
Geometric Intelligence 开发了一个叫做 Xprop 的软件,麻省理工技术评论杂志对它的的描述是「在视觉任务训练上,相比于主流机器学习框架如深度学习,它所需要的训练数据要少得多」。