Panasonic razvija dve napredni tehnologiji umetne inteligence

Panasonic razvija dve napredni tehnologiji umetne inteligence,
Sprejeto v CVPR2021,
vodilna mednarodna konferenca o tehnologiji umetne inteligence na svetu

[1] Genom domačega delovanja: razumevanje kontrastivnega kompozicijskega delovanja

Z veseljem sporočamo, da smo razvili nov nabor podatkov »Home Action Genome«, ki zbira podatke o vsakodnevnih dejavnostih ljudi v njihovih domovih z uporabo več vrst senzorjev, vključno s kamerami, mikrofoni in toplotnimi senzorji. Izdelali in izdali smo največji multimodalni nabor podatkov za bivalne prostore na svetu, medtem ko je bila večina naborov podatkov za bivalne prostore majhnega obsega. Z uporabo tega nabora podatkov ga lahko raziskovalci umetne inteligence uporabijo kot učne podatke za strojno učenje in raziskave umetne inteligence za podporo ljudem v bivalnih prostorih.

Poleg zgoraj navedenega smo razvili tehnologijo kooperativnega učenja za hierarhično prepoznavanje dejavnosti v multimodalnih in več zornih kotih. Z uporabo te tehnologije se lahko naučimo skladnih značilnosti med različnimi zornimi koti, senzorji, hierarhičnim vedenjem in podrobnimi oznakami vedenja ter tako izboljšamo učinkovitost prepoznavanja kompleksnih dejavnosti v bivalnih prostorih.
Ta tehnologija je rezultat raziskave, ki je bila izvedena v sodelovanju med Centrom za digitalno umetno inteligenco, Oddelkom za tehnologijo in Stanfordskim laboratorijem za vid in učenje na Univerzi Stanford.

Slika 1: Kooperativno razumevanje kompozicijskih dejanj (CCAU) Kooperativno urjenje vseh modalitet skupaj nam omogoča izboljšano delovanje.
Uporabljamo usposabljanje z oznakami na ravni videoposnetkov in atomskih dejanj, da tako videoposnetki kot atomska dejanja izkoristijo kompozicijske interakcije med njima.

[2] AutoDO: Robustno samodejno dopolnjevanje za pristranske podatke s šumom oznak prek skalabilne verjetnostne implicitne diferenciacije

Z veseljem sporočamo tudi, da smo razvili novo tehnologijo strojnega učenja, ki samodejno izvaja optimalno dopolnjevanje podatkov glede na porazdelitev učnih podatkov. To tehnologijo je mogoče uporabiti v resničnih situacijah, kjer je razpoložljivih podatkov zelo malo. Na naših glavnih poslovnih področjih je veliko primerov, kjer je zaradi omejitev razpoložljivih podatkov težko uporabiti tehnologijo umetne inteligence. Z uporabo te tehnologije je mogoče odpraviti postopek uglaševanja parametrov dopolnjevanja podatkov in parametre prilagoditi samodejno. Zato lahko pričakujemo, da se bo obseg uporabe tehnologije umetne inteligence razširil še širše. V prihodnosti si bomo z nadaljnjim pospeševanjem raziskav in razvoja te tehnologije prizadevali za uresničitev tehnologije umetne inteligence, ki jo je mogoče uporabljati v resničnih okoljih, kot so znane naprave in sistemi. Ta tehnologija je rezultat raziskav, ki jih je izvedel Center za digitalno tehnologijo umetne inteligence, Tehnološki oddelek, Laboratorij za umetno inteligenco podjetja Panasonic R&D Company of America.

Slika 2: AutoDO rešuje problem dopolnjevanja podatkov (dilema DA s skupno politiko). Porazdelitev dopolnjenih podatkov vlaka (črtkano modro) se morda ne ujema s testnimi podatki (polno rdeče) v latentnem prostoru:
»2« je premalo razširjeno, medtem ko je »5« preveč razširjeno. Posledično se prejšnje metode ne morejo ujemati s testno porazdelitvijo in odločitev naučenega klasifikatorja f(θ) je netočna.

 

Podrobnosti o teh tehnologijah bodo predstavljene na sejmu CVPR2021 (ki bo potekal od 19. junija 2017).

Zgornje sporočilo prihaja z uradne spletne strani Panasonic!


Čas objave: 3. junij 2021