DO NATYCHMIASTOWEJ PUBLIKACJI Nr 3060

Niniejszy tekst jest tłumaczeniem oficjalnej angielskiej wersji komunikatu prasowego i został zamieszczony wyłącznie dla wygody i jako tekst pomocniczy. W celu uzyskania szczegółowych informacji prosimy o zaznajomienie się z oryginalnym tekstem w języku angielskim. W przypadku jakichkolwiek rozbieżności rozstrzygająca jest wersja oryginału w języku angielskim.

Mitsubishi Electric opracowuje algorytm szybkiego programowania do uczenia głębokiego

Funkcja programowania w systemach zintegrowanych stosowanych w pojazdach, robotach i innych urządzeniach

Wersja PDF (PDF:401.4KB)

TOKIO, 14 października 2016 r. — firma Mitsubishi Electric Corporation (TOKIO: 6503) ogłosiła dziś zakończenie prac nad algorytmem szybkiego programowania do uczenia głębokiego. Obejmuje on niezbędne funkcje wnioskowania na potrzeby procedur identyfikacji, rozpoznawania i przewidywania dotyczących faktów nieznanych na podstawie faktów znanych. Oczekuje się, że nowy algorytm ułatwi wdrażanie technik uczenia głębokiego w pojazdach, robotach przemysłowych i innych maszynach poprzez znaczne ograniczenie zużycia pamięci oraz czasu przetwarzania wymaganych do procesu programowania. Pozwoli również na stosowanie ekonomicznych rozwiązań, w których systemy sztucznej inteligencji (ang. artificial intelligence, AI) wyposażone w funkcje programowania będą mogły wykonywać zaawansowane procesy wnioskowania bezpośrednio w systemach zintegrowanych, zgodnie z ich środowiskiem sprzętowym.

Firma Mitsubishi Electric zaprezentuje nowy system podczas konferencji ICONIP2016 (International Conference on Neural Information Processing — Międzynarodowa konferencja na temat przetwarzania informacji w sieciach neuronowych), która odbędzie się na Uniwersytecie Kioto w dniach 16–21 października. Zostanie również opublikowane opracowanie naukowe na ten temat w magazynie Lecture Notes in Computer Science. Pierwotnie technologia została zaprezentowana w publikacji prasowej z 17 lutego pod tytułem Mitsubishi Electric Develops Compact AI (Mitsubishi Electric opracowuje technologię Compact AI).

Przykładowe zastosowanie w systemie rozpoznawania twarzy kierowcy

Algorytm pozwala na obniżenie wymagań w zakresie czasu programowania, pamięci i kosztów przetwarzania do około jednej trzydziestej w porównaniu do konwencjonalnych systemów AI. Umożliwia ponadto ograniczenie tych wymagań o kolejne 30 procent w porównaniu do istniejących systemów Compact AI firmy Mitsubishi Electric, które charakteryzowały się wymaganiami odnośnie pamięci i kosztów przetwarzania o 90 procent niższymi od konwencjonalnych systemów AI (zgodnie z badaniem z dnia 14 października, przeprowadzonym przez Mitsubishi Electric).

System produkcji Mitsubishi Electric powinien pomóc w rozszerzeniu zakresu zastosowań technologii AI właśnie dzięki wspomnianym niewielkim wymaganiom dotyczącym infrastruktury i niskim kosztom ogólnym. Pozwoli on zredukować koszty wdrożeń systemów AI w wyniku wyeliminowania konieczności używania serwerów i infrastruktury sieciowej z racji wspomnianych walorów oraz możliwości realizowania zaawansowanych operacji wnioskowania bezpośrednio w zintegrowanych systemach. Konwencjonalne algorytmy głębokiego uczenia maszynowego wymagają zastosowania głębokich sieci neuronowych korzystających z kosztownych zasobów pamięci.

Nowy algorytm dostosowuje się do określonych potrzeb danego systemu, ponieważ używa danych uczenia maszynowego i zaawansowanego wnioskowania odpowiednich dla wykorzystywanego środowiska roboczego. Dzięki tej zalecie okaże się niezwykle pomocny w efektywnym tworzeniu struktury sieci, pozwalając na obniżenie nakładu prac projektowych często realizowanych metodą prób i błędów.

Nowy system firmy Mitsubishi Electric umożliwi stosowanie technologii AI w różnorodnych gałęziach biznesu, np. w zaawansowanych systemach przetwarzania informacji. Szacuje się, że w 2015 roku rynek technologii AI był wart około 3,6 biliona jenów (około 35 miliardów USD), a według Ernst & Young Institute Co., Ltd. spodziewana jest stopa wzrostu na poziomie 30 procent.

Informacje są aktualne w chwili publikacji, jednak mogą ulec zmianie bez wcześniejszego powiadomienia.