Panasonic хоёр дэвшилтэт хиймэл оюун ухааны технологийг хөгжүүлж байна.
CVPR2021-д хүлээн зөвшөөрөгдсөн,
Дэлхийн тэргүүлэгч олон улсын AI технологийн бага хурал
[1] Гэрийн үйл ажиллагааны геном: Эсрэг найрлагын үйл ажиллагааны ойлголт
Бид камер, микрофон, дулаан мэдрэгч зэрэг хэд хэдэн төрлийн мэдрэгч ашиглан хүний гэрт өдөр тутмын үйл ажиллагааг цуглуулдаг "Гэрийн үйл ажиллагааны геном" хэмээх шинэ мэдээллийн багцыг боловсруулсанаа мэдэгдэхэд таатай байна. Бид амьдрах орон зайд зориулсан дэлхийн хамгийн том олон талт мэдээллийн багцыг бүтээж, гаргасан бол ихэнх амьдрах орон зайд зориулсан мэдээллийн багц нь жижиг хэмжээтэй байсан. Энэхүү өгөгдлийн багцыг ашигласнаар AI судлаачид үүнийг амьдарч буй орон зайд байгаа хүмүүсийг дэмжихийн тулд машин сурах, хиймэл оюун ухааны судалгаанд зориулсан сургалтын өгөгдөл болгон ашиглах боломжтой.
Дээр дурдсан зүйлсээс гадна бид олон талт болон олон үзэл бодлын дагуу шаталсан үйл ажиллагааг таних хамтын сургалтын технологийг боловсруулсан. Энэхүү технологийг ашигласнаар бид өөр өөр үзэл бодол, мэдрэгч, шаталсан зан төлөв, зан үйлийн нарийвчилсан шошго хоорондын уялдаа холбоотой шинж чанаруудыг сурч, улмаар амьдрах орон зай дахь цогц үйл ажиллагааг таних чадварыг сайжруулж чадна.
Энэхүү технологи нь Стэнфордын Их Сургуулийн Дижитал AI Технологийн Төв, Технологийн хэлтэс болон Стэнфордын алсын хараа, сургалтын лабораторитой хамтран хийсэн судалгааны үр дүн юм.
Зураг 1: Хамтын ажиллагааны Compositional Action Understanding (CCAU) Бүх арга барилыг хамтран сургах нь гүйцэтгэлийг сайжруулах боломжийг бидэнд олгодог.
Бид видео түвшний болон атомын үйлдлийн шошгыг хоёуланг нь ашиглан сургалтыг ашигладаг бөгөөд энэ хоёрын найрлагын харилцан үйлчлэлээс видео болон атомын үйлдлүүд хоёуланд нь ашиг тустай байх боломжийг олгодог.
[2] AutoDO: Өргөтгөж болох магадлалын далд ялгах замаар шошгоны чимээ шуугиантай хэвийсэн өгөгдлийн найдвартай автоматаар нэмэгдүүлэх
Мөн бид сургалтын мэдээллийн хуваарилалтын дагуу өгөгдлийг оновчтой болгох ажлыг автоматаар гүйцэтгэдэг шинэ машин сургалтын технологийг хөгжүүлсэнээ мэдэгдэхэд таатай байна. Энэ технологийг боломжтой өгөгдөл маш бага байгаа бодит нөхцөл байдалд ашиглаж болно. Манай бизнесийн үндсэн салбарт байгаа мэдээллийн хязгаарлагдмал байдлаас шалтгаалан хиймэл оюун ухааны технологийг ашиглахад хэцүү тохиолдол олон байдаг. Энэхүү технологийг ашигласнаар өгөгдлийг нэмэгдүүлэх параметрүүдийг тохируулах процессыг арилгаж, параметрүүдийг автоматаар тохируулах боломжтой. Тиймээс AI технологийн хэрэглээний хүрээ илүү өргөн тархах боломжтой гэж найдаж болно. Цаашид энэхүү технологийн судалгаа, хөгжлийг улам хурдасгаснаар бид танил болсон төхөөрөмж, систем зэрэг бодит орчинд ашиглаж болох хиймэл оюун ухааны технологийг нэвтрүүлэхээр ажиллах болно. Энэхүү технологи нь Америкийн Panasonic R&D компанийн Дижитал AI технологийн төвийн Технологийн хэлтсийн хиймэл оюун ухааны лабораторийн судалгааны үр дүн юм.
Зураг 2: AutoDO нь өгөгдлийг нэмэгдүүлэх (Shared-policy DA dilemma) асуудлыг шийдэж байна. Өргөтгөсөн галт тэрэгний өгөгдлийн тархалт (тасархай цэнхэр) нь далд орон зай дахь туршилтын өгөгдөлтэй (цэн улаан) таарахгүй байж магадгүй:
"2" нь дутуу нэмэгддэг бол "5" нь хэт нэмэгддэг. Үүний үр дүнд өмнөх аргууд нь тестийн тархалттай таарч чадахгүй бөгөөд сурсан ангилагч f(θ)-ийн шийдвэр буруу байна.
Эдгээр технологийн дэлгэрэнгүй мэдээллийг CVPR2021 (2017 оны 6-р сарын 19-ний өдрөөс эхлэн зохион байгуулах) дээр танилцуулах болно.
Дээрх мессежийг Panasonic-ийн албан ёсны вэбсайтаас авсан болно!
Шуудангийн цаг: 2021 оны 6-р сарын 03-ны өдөр
