„Panasonic“ kuria dvi pažangias dirbtinio intelekto technologijas,
Priimta į CVPR2021,
pirmaujanti pasaulyje tarptautinė dirbtinio intelekto technologijų konferencija
[1] Pradinis Veiksmo Genomas: Gretinamasis Kompozicinio Veiksmo Supratimas
Džiaugiamės galėdami pranešti, kad sukūrėme naują duomenų rinkinį „Home Action Genome“, kuris renka informaciją apie kasdienę žmonių veiklą namuose, naudojant įvairių tipų jutiklius, įskaitant kameras, mikrofonus ir terminius jutiklius. Sukūrėme ir išleidome didžiausią pasaulyje multimodalinį gyvenamųjų erdvių duomenų rinkinį, nors dauguma gyvenamųjų erdvių duomenų rinkinių buvo mažo masto. Naudodami šį duomenų rinkinį, dirbtinio intelekto tyrėjai gali jį naudoti kaip mokymo duomenis mašininiam mokymuisi ir dirbtinio intelekto tyrimams, siekdami padėti žmonėms gyvenamojoje erdvėje.
Be to, kas išdėstyta pirmiau, sukūrėme kooperacinio mokymosi technologiją hierarchinei veiklai atpažinti multimodaliniu ir keliais požiūrio taškais. Taikydami šią technologiją, galime išmokti nuoseklių savybių tarp skirtingų požiūrio taškų, jutiklių, hierarchinio elgesio ir išsamių elgesio etikečių, taip pagerindami sudėtingos veiklos atpažinimo našumą gyvenamosiose erdvėse.
Ši technologija yra Stanfordo universiteto Skaitmeninio dirbtinio intelekto technologijų centro Technologijų skyriaus ir Stanfordo regos ir mokymosi laboratorijos bendradarbiaujant atliktų tyrimų rezultatas.
1 pav.: Kooperacinis kompozicinio veiksmo supratimas (CCAU). Visų modalumų bendras mokymas leidžia mums matyti geresnius rezultatus.
Mes naudojame mokymą naudodami tiek vaizdo įrašų lygio, tiek atominių veiksmų žymas, kad tiek vaizdo įrašai, tiek atominiai veiksmai galėtų pasinaudoti kompozicine sąveika tarp jų.
[2] „AutoDO“: patikimas automatinis papildymas šališkiems duomenims su žymėjimo triukšmu, naudojant keičiamo mastelio tikimybinę netiesioginę diferenciaciją
Taip pat džiaugiamės galėdami pranešti, kad sukūrėme naują mašininio mokymosi technologiją, kuri automatiškai atlieka optimalų duomenų papildymą pagal mokymo duomenų pasiskirstymą. Ši technologija gali būti taikoma realiose situacijose, kai turimų duomenų kiekis yra labai mažas. Mūsų pagrindinėse verslo srityse yra daug atvejų, kai dirbtinio intelekto technologiją sunku taikyti dėl turimų duomenų apribojimų. Taikant šią technologiją, galima panaikinti duomenų papildymo parametrų derinimo procesą, o parametrus galima koreguoti automatiškai. Todėl galima tikėtis, kad dirbtinio intelekto technologijos taikymo sritis bus dar platesnė. Ateityje, dar labiau paspartindami šios technologijos tyrimus ir plėtrą, sieksime sukurti dirbtinio intelekto technologiją, kurią būtų galima naudoti realioje aplinkoje, pavyzdžiui, pažįstamuose įrenginiuose ir sistemose. Ši technologija yra „Panasonic R&D Company of America“ Dirbtinio intelekto laboratorijos Skaitmeninio dirbtinio intelekto technologijų centro Technologijų skyriaus atliktų tyrimų rezultatas.
2 pav.: „AutoDO“ išsprendžia duomenų papildymo problemą (bendros politikos DA dilema). Papildytų traukinio duomenų (mėlyna punktyrinė linija) pasiskirstymas latentinėje erdvėje gali neatitikti bandymo duomenų (raudona linija):
„2“ yra nepakankamai padidintas, o „5“ – per daug. Dėl to ankstesni metodai negali atitikti testo skirstinio, o išmokto klasifikatoriaus f(θ) sprendimas yra netikslus.
Išsami informacija apie šias technologijas bus pristatyta CVPR2021 parodoje (kuri vyks nuo 2017 m. birželio 19 d.).
Aukščiau pateiktas pranešimas yra iš oficialios „Panasonic“ svetainės!
Įrašo laikas: 2021 m. birželio 3 d.
