下一代人工智能(AI)软件开发商Helm.ai宣布在无监督学习技术方面取得了重大突破。此种称为深度教学(Deep Teaching)的新方法使Helm.ai能够无需人工注释或仿真就可训练神经网络，以改进AI系统。深度教学法对计算机视觉和自动驾驶的未来，以及航空、机器人、制造业，甚至零售业都会造成深远的影响。该公司还曾成功筹集了1300万美元，NBA球星凯文·杜兰特、大卫·彼得雷乌斯上将等都参与了融资。
人工智能技术通常被理解为一门由机器模拟人类智能的科学，监督学习的过程就是用训练实例训练神经网络，以执行特定任务的过程，此类训练实例通常由人工注释器或合成仿真器提供给机器，让其执行特定的任务，而无监督学习是让AI系统从未标注的信息中学习的过程，在没有预先建立的输入和输出模式的帮助下，推断输入并生成解决方案。
深度教学是下一代人工智能技术，能够让Helm.ai以不受监督的方式训练神经网络，让计算机视觉能力超越最先进的性能，达到前有未有的发展速度和准确性。当深度教学用于自动驾驶时，Helm.ai能够更高效地训练大量数据，且无需大规模车队或大批人工注释员，以更快实现完全自动驾驶系统。
Helm.ai深度教学技术的首个用例就是用于训练神经网络，在无需人工注释或仿真的情况下，通过世界各地数千个不同行车记录仪视频中的数千万幅图像，探测车道。在自动驾驶领域，对于许多众所周知的极端情况，如雨、雾、眩目、车道标记褪色/消失以及各种不同的照明情况，由此产生的神经网络都具有很强的抗干扰能力。作为一个完备的检测过程，利用该神经网络，Helm.ai以最少的努力达到了公共计算机视觉基准的最高水平。
此外，Helm.ai还打造了一款完整堆栈自动驾驶车辆，能够仅使用一个摄像头和一个GPU(没有地图、激光雷达和GPS)，就能在陡峭曲折的山路上自动行驶，无需对此类道路数据进行任何训练，其性能就已经远超当今最先进的量产系统。之后，Helm.ai将深度教学应用于整个AV(自动驾驶)堆栈，包括用于数十种物体类别的语义分割、单目视觉深度预测、行人意向建模、激光雷达-视觉融合和高精地图自动化。深度教学独立于现有的物体类别或传感器，应用范围远超过自动驾驶。
Helm.ai已经很快在自动驾驶技术方面取得了很多突破，生产出精度、灵活性和安全性都更高的系统，并利用传统深度学习法所需的一部分时间和成本就解决了极端情况。
虽然目前Helm.ai将其技术应用于L2+和L4自动驾驶软件，但深度教学技术为人工智能和计算机视觉的未来发展提供了广阔的前景，航空、机器人和医疗成像等行业也可因深度教学得到变革。