Новая технология Fujitsu на базе Искусственного интеллекта Wide Learning

30.09.2018

Технология Wide Learning компании Fujitsu позволяет принимать более точные решения по сравнению с используемыми ранее разработками, а процесс обучения становится более равномерным даже тогда, когда анализируемые данные не сбалансированы. Высокие результаты работы достигаются за счет того, что технология извлекает гипотезы с высоким уровнем важности, собирая большой набор гипотез, образованных всеми комбинациями элементов данных, и затем контролирует степень влияния каждой гипотезы на основании перекрывающихся близких гипотез. Кроме того, т.к. гипотезы записываются в виде логических выражений, специалисты также могут понимать причину того или иного решения.

Новая технология Wide Learning компании Fujitsu позволяет использовать ИИ даже в таких областях, как медицина и маркетинг, когда данные, необходимые для принятия решения, отсутствуют в нужном объеме.

Два основных преимущества технологии Wide Learning.

1. Она создает комбинации элементов данных для извлечения больших объемов гипотез
Эта технология рассматривает все примеры комбинаций элементов данных в качестве гипотез и затем анализирует уровень важности каждой гипотезы на основании коэффициента попаданий. Например, при анализе тенденций, кто покупает определенные продукты, система объединяет все типы примеров элементов данных для тех, кто сделал или не сделал покупки, например, незамужняя женщина в возрасте от 20 до 34 лет с водительскими правами, и затем анализирует, сколько имеется попаданий в данных тех, кто сделал покупки, когда эти примеры комбинаций взяты в качестве гипотез. Гипотезы, которые имеют коэффициент попаданий выше определенного уровня, рассматриваются как важные гипотезы и получают название «массив знания». Это означает, что даже если объем данных недостаточен, система может извлечь все гипотезы, которые заслуживают внимания, что может способствовать открытию ранее не рассматриваемых объяснений.

2. Она регулирует уровень влияния массивов знаний для создания точной модели классификации
Система создает модель классификации на основе нескольких извлеченных массивов знаний. В ходе этого процесса, если элементы массива знаний часто перекрываются с элементами, создающими другие массивы знаний, система контролирует уровень влияния для того, чтобы уменьшить их влияние на модель классификации. Таким образом система может обучить модель, способную выполнять точные классификации, даже если данные, отмеченные как правильные, не сбалансированы.

Fujitsu Laboratories провела испытание этой технологии в таких областях, как электронный маркетинг и медицина.

В результате проведения испытания с использованием эталонных данных, используемых в области маркетинга и медицины, которые были предоставлены Репозиторием UCI (UCI Machine Learning Repository), эта технология повысила точность на 10-20% по сравнению с технологией глубинного обучения. Она успешно снизила вероятность того, что система пропустит покупателей, которые с высокой долей вероятности могут подписать на услугу, или пациентов с медицинскими показаниями примерно на 20-50%. 

Fujitsu Laboratories в будущем продолжит использовать эту технологию для обработки задач, для которых необходимо указание причин для решений, принятых системами на базе ИИ, включая финансовые транзакции и медицинские диагнозы, и задач, связанных с редко появляющимися явлениями, включая мошенничество и выход из строя оборудования. Компания поставила перед собой задачу начать коммерческое использование новой разработки в качестве технологии машинного обучения с поддержкой проекта Fujitsu Human Centric AI Zinrai в 2019 финансовом году.

АйТек  является авторизованным партнером компании Fujitsu со статусом Select, что свидетельствует о высоком уровне квалификации партнера. Консультацию по продуктам и решениям вендора можете получить в отделе продаж АйТек по телефону:

8(4922)44-44-42 — г. Владимир

8(4932)951-341 — г. Иваново

8 (831) 211-82-50 — г. Нижний Новгород