FOR UMIDDELBAR UTGIVELSE nr. 3111
Denne teksten er en oversettelse av den offisielle engelske versjonen av pressemeldingen, og den er kun ment som et praktisk referanseverktøy. Du finner detaljene og spesifikasjonene i den originale engelske versjonen. Dersom tekstene ikke stemmer overens, er det den originale engelske versjonen som gjelder.
Mitsubishi Electric utvikler smartlæringsalgoritme for enda mer effektiv kunstig intelligens
Reduserer kraftig antallet prøver som kreves for presis maskinlært kunstig intelligenskontroll
TOKYO, 24. mai 2017 – Mitsubishi Electric Corporation (TOKYO: 6503) kunngjorde i dag at de har utviklet en merkevarebeskyttet algoritme for maskinstyring med kunstig intelligens (AI), som tar i bruk dyp forsterkning og kun krever en femtiendedel av antallet prøver som kreves ved konvensjonelle AI-kontrollmetoder. Det forventes at algoritmen skal kunne brukes i smartutstyr som industrielle roboter og kjøretøy som bruker sensorer og kameraer, for at de raskt skal ta til seg kunnskap om omgivelsene og finjustere AI-basert styring i unike miljø.
Hovedegenskaper
- 1)
-
Merkevarebeskyttet algoritme som kraftig reduserer læringstiden
– Maskiner oppnår ekstra smart læring med dyp forsterkning ved hjelp av sensor- og kameradata.
– Reduserer kraftig antallet prøver og læringstid sammenlignet med konvensjonelle læringsmetoder som bruker dyp forsterkning.
Konvensjonelle metoder for AI-basert smartarbeid krever mye tid for å behandle store mengder data fra kameraer og sensorer, i tillegg til at de krever omfattende prøver på bakgrunn av disse dataene. - 2)
-
Algoritmen kan i kombinasjon med Compact AI brukes i et bredt spekter av maskiner
– I kombinasjon med Mitsubishi Electrics Compact AI-teknologi, som ble lansert i februar 2016, krever den nye algoritmen bare en hundredel av antallet utregninger som kreves av konvensjonelle metoder.
– Maskiner som har begrenset databehandlingskapasitet, kan bruke denne løsningen for å utføre læring med dyp forsterking.
Når algoritmen brukes sammen med Mitsubishi Electrics Compact AI-teknologi reduserer den kraftig tiden som brukes til beregning, sammenlignet med konvensjonelle metoder. Dermed kan læring med dyp forsterking brukes i et bredt spekter av utstyr med begrenset kapasitet.
| Løsning | Læringsmetode | Optimaliseringstid |
|---|---|---|
| Ny | Helautomatisk maskinlæring | Fra noen minutter til en halv time |
| Eksisterende | Maskinlæring med hjelp fra menneskelige eksperter | Fra noen timer til en halv dag |
Merk at pressemeldingene er riktige på publiseringstidspunktet, men de kan endres uten varsel.