باناسونيك تطور تقنيتين متقدمتين للذكاء الاصطناعي

باناسونيك تطور تقنيتين متقدمتين للذكاء الاصطناعي
تم قبوله في CVPR2021،
المؤتمر الدولي الرائد لتكنولوجيا الذكاء الاصطناعي في العالم

[1] جينوم الفعل المنزلي: فهم الفعل التركيبي التقابلي

يسعدنا أن نعلن أننا قمنا بتطوير مجموعة بيانات جديدة "Home Action Genome" التي تجمع الأنشطة اليومية للإنسان في منازلهم باستخدام عدة أنواع من أجهزة الاستشعار، بما في ذلك الكاميرات والميكروفونات وأجهزة الاستشعار الحرارية. لقد أنشأنا وأصدرنا أكبر مجموعة بيانات متعددة الوسائط في العالم لمساحات المعيشة، في حين أن معظم مجموعات البيانات الخاصة بمساحات المعيشة كانت صغيرة الحجم. من خلال تطبيق مجموعة البيانات هذه، يمكن لباحثي الذكاء الاصطناعي استخدامها كبيانات تدريب للتعلم الآلي وأبحاث الذكاء الاصطناعي لدعم الأشخاص في مساحة المعيشة.

بالإضافة إلى ما سبق، قمنا بتطوير تقنية التعلم التعاوني للتعرف على النشاط الهرمي في وجهات نظر متعددة الوسائط ومتعددة الوسائط. من خلال تطبيق هذه التكنولوجيا، يمكننا تعلم ميزات متسقة بين وجهات النظر المختلفة، وأجهزة الاستشعار، والسلوكيات الهرمية، وتسميات السلوك التفصيلية، وبالتالي تحسين أداء التعرف على الأنشطة المعقدة في أماكن المعيشة.
هذه التكنولوجيا هي نتيجة بحث تم إجراؤه بالتعاون بين مركز تكنولوجيا الذكاء الاصطناعي الرقمي، قسم التكنولوجيا، ومختبر ستانفورد للرؤية والتعلم في جامعة ستانفورد.

الشكل 1: فهم العمل التركيبي التعاوني (CCAU) يتيح لنا التدريب التعاوني لجميع الأساليب معًا رؤية أداء أفضل.
نحن نستخدم التدريب باستخدام كل من تسميات مستوى الفيديو والإجراءات الذرية للسماح لكل من مقاطع الفيديو والإجراءات الذرية بالاستفادة من التفاعلات التركيبية بين الاثنين.

[2] AutoDO: تعزيز تلقائي قوي للبيانات المتحيزة مع تشويش التسمية عبر التمايز الضمني الاحتمالي القابل للتطوير

يسعدنا أيضًا أن نعلن أننا قمنا بتطوير تقنية جديدة للتعلم الآلي تقوم تلقائيًا بإجراء زيادة مثالية للبيانات وفقًا لتوزيع بيانات التدريب. يمكن تطبيق هذه التكنولوجيا على مواقف العالم الحقيقي، حيث تكون البيانات المتاحة صغيرة جدًا. هناك العديد من الحالات في مجالات عملنا الرئيسية، حيث يصعب تطبيق تكنولوجيا الذكاء الاصطناعي بسبب محدودية البيانات المتاحة. ومن خلال تطبيق هذه التقنية، يمكن التخلص من عملية ضبط معلمات زيادة البيانات، ويمكن تعديل المعلمات تلقائيًا. لذلك، من المتوقع أن ينتشر نطاق تطبيقات تكنولوجيا الذكاء الاصطناعي على نطاق أوسع. في المستقبل، ومن خلال تسريع البحث والتطوير لهذه التكنولوجيا، سنعمل على تحقيق تكنولوجيا الذكاء الاصطناعي التي يمكن استخدامها في بيئات العالم الحقيقي مثل الأجهزة والأنظمة المألوفة. هذه التكنولوجيا هي نتيجة بحث أجراه مركز تكنولوجيا الذكاء الاصطناعي الرقمي، قسم التكنولوجيا، مختبر الذكاء الاصطناعي التابع لشركة باناسونيك للبحث والتطوير الأمريكية.

الشكل 2: يحل AutoDO مشكلة زيادة البيانات (معضلة DA للسياسة المشتركة). قد لا يتطابق توزيع بيانات القطار المعزز (الأزرق المتقطع) مع بيانات الاختبار (الأحمر الثابت) في المساحة الكامنة:
"2" تم تكبيره بشكل ناقص، بينما تم تكبير "5" بشكل زائد. ونتيجة لذلك، لا يمكن للطرق السابقة أن تتطابق مع توزيع الاختبار ويكون قرار المصنف المكتسب f(θ) غير دقيق.

 

سيتم عرض تفاصيل هذه التقنيات في مؤتمر CVPR2021 (المقرر عقده في 19 يونيو 2017).

الرسالة أعلاه تأتي من الموقع الرسمي لشركة باناسونيك!


وقت النشر: 03 يونيو 2021