富士通于近日宣布其開(kāi)發(fā)出世界首項(xiàng)可以精確捕捉數(shù)據(jù)關(guān)鍵特征的人工智能技術(shù)，包括高維數(shù)據(jù)的概率分布，能夠極大提高AI檢測(cè)和判斷的準(zhǔn)確性。

近年來(lái)，各個(gè)商業(yè)領(lǐng)域?qū)τ葾I驅(qū)動(dòng)的大數(shù)據(jù)分析手段的需求激增，但許多業(yè)務(wù)中使用的數(shù)據(jù)都是高維數(shù)據(jù)，涵蓋通信網(wǎng)絡(luò)訪問(wèn)數(shù)據(jù)、各類貿(mào)易交易數(shù)據(jù)、基因表達(dá)數(shù)據(jù)、各類醫(yī)療數(shù)據(jù)及圖像等等。隨著數(shù)據(jù)維度的增加，其復(fù)雜度也成指數(shù)級(jí)增長(zhǎng)，高維數(shù)據(jù)挖掘變得異常困難，目標(biāo)數(shù)據(jù)的特征也難以獲得，這就是所謂的“維數(shù)災(zāi)難”。

采用深度學(xué)習(xí)來(lái)減少輸入數(shù)據(jù)的維度被認(rèn)為是幫助解決這一問(wèn)題的有效方法，但由于缺乏對(duì)降維后數(shù)據(jù)分布和發(fā)生概率的考慮，這種方法對(duì)數(shù)據(jù)特征的捕捉準(zhǔn)確度不夠，AI 的識(shí)別精度也有限，有時(shí)會(huì)導(dǎo)致AI做出錯(cuò)誤的判斷。

富士通將深度學(xué)習(xí)與其研究多年的圖像壓縮技術(shù)相結(jié)合，開(kāi)發(fā)出一項(xiàng)人工智能技術(shù)，在利用深度學(xué)習(xí)優(yōu)化高維數(shù)據(jù)處理的同時(shí)，使精確提取數(shù)據(jù)特征成為可能。它將圖像壓縮中的信息論與深度學(xué)習(xí)相結(jié)合，對(duì)高維數(shù)據(jù)的降維數(shù)，以及降維后數(shù)據(jù)的分布進(jìn)行了極大優(yōu)化。

富士通以不同領(lǐng)域的數(shù)據(jù)異常檢測(cè)基準(zhǔn)對(duì)新技術(shù)進(jìn)行了測(cè)試，包括國(guó)際數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)大會(huì)（KDD）的通信訪問(wèn)數(shù)據(jù)，和加州大學(xué)歐文分校提供的甲狀腺數(shù)據(jù)及心律失常數(shù)據(jù)。

測(cè)試結(jié)果顯示，這項(xiàng)技術(shù)在所有數(shù)據(jù)挖掘中都取得了前所未有的準(zhǔn)確度，比起傳統(tǒng)的基于深度學(xué)習(xí)的方法，錯(cuò)誤率下降了37％。

富士通實(shí)驗(yàn)室研究員Akira Nakagawa表示：“對(duì)AI領(lǐng)域根本挑戰(zhàn)之一，即如何準(zhǔn)確地捕捉數(shù)據(jù)特征的解決，能讓這項(xiàng)技術(shù)在更多新應(yīng)用的開(kāi)發(fā)上大有可為。我們也相信它會(huì)對(duì)現(xiàn)有AI技術(shù)的性能改進(jìn)與提高具有極大的助力�！�