Khắc phục những Hạn Chế của Mô Hình Học Sâu - Deep Learning
Khắc phục những Hạn Chế của Mô Hình Học Sâu - Deep Learning
iOmniNews Apr 15 2024
Khắc phục những Hạn Chế của Mô Hình Học Sâu - Deep Learning
Bảo trì dự đoán dựa trên AI và đọc đồng hồ tự động không cần quá trình đào tạo, dán nhãn dữ liệu tốn kém và không cần GPU.
Những Hạn Chế của Deep Learning
Có một huyền thoại tồn tại trong ngành Thị giác Máy tính rằng Deep Learning ngang bằng với AI.
Những người quan tâm đến công nghệ này biết rằng nếu muốn nhận dạng một con chó, họ cần 50.000 hình ảnh về các loại chó khác nhau và ở nhiều tư thế khác nhau. Những người này cần gắn nhãn cho những hình ảnh này và huấn luyện hệ thống của họ để tạo ra hình mẫu cho chó. Sau đó, khi con chó tiếp theo xuất hiện, hệ thống sẽ nhận ra nó.
Các hệ thống dựa trên Deep Learning truyền thống này tốn nhiều công sức ở chỗ cần phải dán nhãn số lượng lớn hình ảnh và cần một lượng lớn máy tính được tăng cường bằng GPU để đào tạo hệ thống. Điều này tốn kém cả về mặt tài chính và thời gian.
Người dùng cũng phải đối mặt với một loại thách thức khác. Nếu tập dữ liệu gốc không đầy đủ - ví dụ: nếu xuất hiện một loại chó mới - hệ thống sẽ không phát hiện ra nó. Những hệ thống như vậy thường đòi hỏi phải đào tạo liên tục trong nhiều tháng hoặc thậm chí nhiều năm.
Bởi vì công cụ Deep Learning thường là một hộp đen đối với người vận hành, nên nếu nó không phát hiện được thì không có phương pháp đơn giản nào để hiểu tại sao điều đó lại xảy ra. Vì vậy, việc khắc phục các vấn đề có thể là một nhiệm vụ lâu dài và khó khăn.
Giải Pháp Khác Biệt
iOmniscient đã xây dựng hệ thống AI từ rất lâu trước khi thuật ngữ này trở thành xu thế. Con người sử dụng nhiều con đường tắt trong quá trình học tập của mình và họ là chuyên gia trong việc hiểu các tình huống phức tạp ngay cả khi họ chưa từng trải qua nó trước đây. Chẳng hạn, sẽ không thể thu thập một tập dữ liệu đủ lớn để huấn luyện một hệ thống sử dụng học sâu nhằm phát hiện xem một người có sắp tự tử trong nhà tù hay không. Lấy đâu ra 50.000 tình nguyện viên tự sát? Con người có thể hiểu được tình huống bằng trực giác ngay cả khi họ chưa bao giờ chứng kiến một người tự tử.
iOmniscient đã phát triển một số lượng lớn các thuật toán và mô hình mô phỏng khả năng trực quan này của con người. Những điều này yêu cầu một tập dữ liệu tối thiểu để đào tạo (thường chỉ là 5 hoặc 10) và các thuật toán cực kỳ nhẹ, do đó loại bỏ nhu cầu về GPU.
Hệ thống bền vững thông qua việc loại bỏ GPU
Khả năng tạo ra kết quả tương đương hoặc tốt hơn mà không cần sử dụng GPU tạo ra lợi ích tài chính đáng kể. GPU không chỉ ngày càng đắt tiền mà còn đòi hỏi nhiều năng lượng hơn để hoạt động so với CPU tiêu chuẩn.
Việc loại bỏ GPU có thể làm giảm yêu cầu về năng lượng của hệ thống xuống một mức độ lớn và không có con đường nào tốt hơn để làm cho hệ thống AI trở nên bền vững.
Bảo trì dự đoán khi không có bộ dữ liệu đào tạo
Một ví dụ điển hình về tình huống không có sẵn bộ dữ liệu mở rộng là việc bảo trì máy móc hạng nặng. Những thiết bị như vậy chỉ có thể bị hỏng sau khi sử dụng lâu dài – có thể là 5 năm một lần. Để nắm bắt được hàng chục nghìn ví dụ về trạng thái của những thiết bị như vậy ngay trước khi nó bị hỏng sẽ là điều không thể nếu không vận hành một số lượng lớn các máy như vậy trong một thời gian rất dài.
Bằng cách sử dụng công nghệ của iOmniscient, hệ thống có thể được đào tạo để dự đoán lỗi thiết bị tiềm ẩn bằng một số ví dụ.
Đọc đồng hồ tự động
Đồng hồ đo hiện đại thường được kích hoạt kỹ thuật số và IP. Tuy nhiên, thế giới có hàng triệu đồng hồ đo tương tự mà con người phải đọc. Đây là nhiệm vụ thường xảy ra sự cố do lỗi con người. Thông thường, người đọc đồng hồ có thể giả vờ đọc đồng hồ và làm giả số liệu. Việc đọc đồng hồ đo tương tự không phải là một nhiệm vụ có thể thực hiện được bằng deep learning vì có rất nhiều loại đồng hồ đo khác nhau và thang đo trên mỗi loại có thể rất khác nhau.
Công cụ đọc đồng hồ dựa trên AI của iOmniscient sẽ hoạt động trên điện thoại thông minh. Con người chỉ cần chụp ảnh đồng hồ đo. Hệ thống sẽ đọc đồng hồ và truyền dữ liệu về hệ thống cơ sở. Không thể làm giả dữ liệu, dấu thời gian và chỉ số đồng hồ.
Hệ thống này cũng hoạt động với các camera quan sát cố định, có thể đưa ra cảnh báo trong thời gian thực nếu một số chỉ số nhất định vượt quá phạm vi cho phép.
IQ-Sản xuất
Cả hai hệ thống trên đều là một phần của hệ thống IQ-Manufacturing của iOmniscient, hệ thống này cũng bao gồm các mô-đun để quản lý an toàn nhà máy, quản lý quyền truy cập của con người và phương tiện, giảm trộm cắp và một loạt ứng dụng quan trọng khác đối với các ngành sản xuất.
iOmniscient cung cấp giải pháp Phân tích đa cảm biến, ứng dụng AI kết hợp cùng video, cảm biến âm thanh và mùi để mô phỏng chính xác hơn những lập luận của con người. Những công nghệ này đã được chứng minh và đã được triển khai bởi 75 thành phố thông minh ở gần 70 quốc gia.
iOmniscient có thế mạnh vượt trội trong giám sát và quản lý những khu vực cực kỳ đông đúc và phức tạp – làm những việc mà những người khác không thể làm được. Chúng tôi cung cấp hơn 300 ứng dụng thực tế cho các thành phố thông minh và cơ quan thực thi pháp luật và gần đây đã được vinh danh là Đối tác liên minh của năm của Intel.
iOmniscient làm NHIỀU HƠN với CHI PHÍ IT HƠN và việc triển khai một hệ thống thông minh iOmniscient có thể ít tốn kém hơn một hệ thống không có trí thông minh.