FÖR OMEDELBAR PUBLICERING Nr 3111

Det här pressmeddelandet är en översättning av den officiella engelskspråkiga versionen. Det publiceras endast som praktisk referens för användaren. Läs den ursprungliga engelska versionen för information. Vid skillnader mellan texterna är det den engelska versionen som gäller.

Mitsubishi Electric utvecklar en smart lärandealgoritm för extra effektiv AI

Markant minskat antal försök som krävs för en exakt maskinlärd AI-kontroll

PDF-version (PDF:184.5KB)

TOKYO, 24 maj, 2017Mitsubishi Electric Corporation (TOKYO: 6503) meddelade idag att de har utvecklat en egen djupförstärkningsalgoritm för maskinkontroll av artificiell intelligens (AI). Algoritmen kräver en femtiondedel så många försök jämfört med konventionella AI-kontrollmetoder. Algoritmen förväntas göra det möjligt för smart utrustning såsom industrirobotar och fordon använda givare och kameror för att snabbt lära sig om sin omgivning och resultera i en finjusterad AI-baserad styrning i unika miljöer.

Huvudfunktioner

1)
Egenutvecklad djupförstärkningsalgoritm som dramatiskt minskar inlärningstiden
– Maskiner uppnår extra smart, djup förstärkningsinlärning genom att använda givar- och kameradata
– Med algoritmen kan antalet försök och inlärningstiden minska dramatiskt i jämförelse med konventionella djupförstärkningsinlärningsmetoder
Konventionella metoder för AI-baserat smart arbetet är mycket tidskrävande eftersom enorma mängder data som erhållits från kameror och givare ska bearbetas. Dessutom krävs omfattande försök av maskiner som använder dessa data.
2)
En algoritm i kombination med Compact AI kan användas i en mängd olika maskiner
– Algoritmen i kombination med Mitsubishi Electrics Compact AI-teknik som släpptes i februari 2016 kräver endast en hundradel så många beräkningar som konventionella metoder
–Maskiner med begränsade bearbetningsresurser kan använda lösningen för att utföra djupförstärkningsinlärning
Algoritmen fungerar i kombination med Mitsubishi Electrics Compact AI-teknik och minskar beräkningstiden jämfört med konventionella metoder. Detta gör det möjligt för djupförstärkningsinlärning att användas i en mängt olika typer av resursbegränsad utrustning.
Lösning Inlärningsmetod Optimeringstid
Ny Helt automatiserad maskininlärning Flera minuter till 30 minuter
Befintlig Maskininlärning stöds av mänskliga experter Flera timmar till en halv dag