Fujitsu Laboratories объявлено о создании нового алгоритма искусственного интеллекта, благодаря чему появляется возможность проанализировать временной ряд данных, получаемый от оборудования, включенного в IoT. Поскольку временной ряд данных в расширяющемся мире Интернета вещей стремительно меняется, выявление определенных закономерностей представляет значительные сложности для человека.
Базирующееся на топологии и учении о сложных нелинейных динамических системах, представленное совсем недавно решение глубинного обучения, практически 100% гарантирует безошибочное систематизирование изменяемого временного ряда данных. Даже при значительной вариативности поступающей информации, инновационное комплексное решение Fujitsu оперативно обрабатывает даже сложные временные ряды данных.
Являющееся обширным подразделением искусственного интеллекта, машинное обучение с 2012-го года претерпевает настоящие революционные изменения, обусловленные совершенствованием технологической разработки «глубинного обучения», как средства систематизации параметров работы устройств, для последующей их интерпретации, дачи соответствующей оценки происходящим событиям.
Все возрастающий объем информации, собираемый подключенными к IoT устройствами, требует изменения подхода к выработке правил обучения машины, так, чтобы компьютерная нейросеть сама формировала для себя задачи, совершенствуя собственный функционал.
Применение «deep learning» при обработке поступающих данных и их высокоточная систематизация позволяют, на основе результатов анализа, создавать новые утилиты, программное обеспечение, открывая новые направления бизнеса.
Безошибочное распознавание речевых команд, идентификация визуальных объектов, вычленение смысла из обычной речи, могут расцениваться как инновационный прорыв в области машинного обучения, но «deep learning» по-прежнему имеет строго определенную область применения. Даже для создателей алгоритма распознавания смысла в текстах прежде была недоступна автоматическая систематизация изменяющихся временных рядов данных, получаемых от устройств, поддерживающих «Internet of Things».
Процедуры инновационной технологии «deep learning» в процессе систематизации и обработки информации:
- Графическое отражение временных рядов данных.
Поток данных, поступающий на устройства, представляется как произведение сложной комбинации динамических перемещений в виде многомерной модели. Построенный график происходящих изменений, в привязке к точному времени, дает возможность определить специфические особенности любого механизма перемещения. Именно подобный способ сравнения позволяет выявить отличия разных временных рядов данных.
- Цифровое описание диаграмм с использованием топологии
Топологический анализ всей информации дает возможность продемонстрировать морфологические характеристики, преобразуя их в векторное изображение изменяющихся параметров.
- «Обучение» устройств, с предварительной систематизацией поступившей информации, применяя «convolutional neural» (сверточные нейронные) сети.
После переработки японской Fujitsu архитектуры искусственных нейронных сетей (CNN), «обучаемых» на векторных системах, безошибочная систематизация изменяемых временных рядов данных становится повседневной реальностью.
Тестовая проверка эффективности разработки Fujitsu, при сравнении с эталонами временных рядов данных репозитария UCI, показала 85% точности, превышая результативность существующих решений на 25%. При оценке психической устойчивости индивидуума – точность результатов достигала 77%, превышая на 20% объективность данных, предоставляемых ранее применяемыми методиками.
Созданный Fujitsu программный продукт значительно увеличивает объем данных, для которых может быть применена автоматическая систематизация. Это создает новые направления в сфере анализа и моделирования аномальных процессов в работе оборудования, точного прогнозирования аварийных ситуаций на производстве. Кроме возможного применения в моделировании техногенных катастроф, методика может быть использована в качестве средства объективного контроля при диагностике заболеваний у пациентов и их лечении. Широкая область применения открывает новые возможности использования искусственного интеллекта.
Представители Fujitsu заверили о намерении продолжать исследования в этом направлении, добиваясь повышения точности при систематизации временных рядов данных для их последующего практического использования уже в 2016-м году в проекте Fujitsu Human Centric AI Zinrai (искусственный интеллект).