Panasonic បង្កើតបច្ចេកវិទ្យា AI កម្រិតខ្ពស់ចំនួនពីរ
ទទួលយកទៅ CVPR2021,
សន្និសីទបច្ចេកវិទ្យា AI អន្តរជាតិឈានមុខគេលើពិភពលោក

[1] Home Action Genome: ការយល់ដឹងអំពីសកម្មភាពសមាសភាពផ្ទុយ

យើងមានសេចក្តីសោមនស្សរីករាយក្នុងការប្រកាសថាយើងបានបង្កើតសំណុំទិន្នន័យថ្មី "Home Action Genome" ដែលប្រមូលសកម្មភាពប្រចាំថ្ងៃរបស់មនុស្សនៅក្នុងផ្ទះរបស់ពួកគេដោយប្រើឧបករណ៍ចាប់សញ្ញាជាច្រើនប្រភេទ រួមមានកាមេរ៉ា មីក្រូហ្វូន និងឧបករណ៍ចាប់សញ្ញាកម្ដៅ។ យើងបានសាងសង់ និងចេញផ្សាយសំណុំទិន្នន័យចម្រុះដ៏ធំបំផុតរបស់ពិភពលោកសម្រាប់លំហរស់នៅ ខណៈដែលសំណុំទិន្នន័យភាគច្រើនសម្រាប់លំហរស់នៅមានទំហំតូច។ តាមរយៈការអនុវត្តសំណុំទិន្នន័យនេះ អ្នកស្រាវជ្រាវ AI អាចប្រើវាជាទិន្នន័យបណ្តុះបណ្តាលសម្រាប់ការរៀនម៉ាស៊ីន និងការស្រាវជ្រាវ AI ដើម្បីគាំទ្រមនុស្សនៅក្នុងលំហរស់នៅ។

បន្ថែមពីលើខាងលើ យើងបានបង្កើតបច្ចេកវិទ្យាសិក្សាសហប្រតិបត្តិការសម្រាប់ការទទួលស្គាល់សកម្មភាពតាមឋានានុក្រមក្នុងពហុទិដ្ឋភាព និងពហុទស្សនៈ។ តាមរយៈការប្រើប្រាស់បច្ចេកវិទ្យានេះ យើងអាចរៀនពីលក្ខណៈស្របគ្នារវាងទិដ្ឋភាពផ្សេងគ្នា ឧបករណ៍ចាប់សញ្ញា ឥរិយាបថឋានានុក្រម និងស្លាកអាកប្បកិរិយាលម្អិត ហើយដូច្នេះធ្វើអោយប្រសើរឡើងនូវការអនុវត្តការទទួលស្គាល់នៃសកម្មភាពស្មុគស្មាញនៅក្នុងកន្លែងរស់នៅ។
បច្ចេកវិទ្យានេះគឺជាលទ្ធផលនៃការស្រាវជ្រាវដែលធ្វើឡើងដោយកិច្ចសហការរវាងមជ្ឈមណ្ឌលបច្ចេកវិទ្យា AI ឌីជីថល ផ្នែកបច្ចេកវិទ្យា និង Stanford Vision និង Learning Lab នៅសាកលវិទ្យាល័យ Stanford ។

រូបភាពទី 1៖ ការយោគយល់អំពីសកម្មភាពនៃសមាសភាពសហប្រតិបត្តិការ (CCAU) ការបណ្ដុះបណ្ដាលដោយកិច្ចសហប្រតិបត្តិការលើគ្រប់ទម្រង់ទាំងអស់រួមគ្នាអនុញ្ញាតឱ្យយើងមើលឃើញការធ្វើឱ្យប្រសើរឡើងនៃការអនុវត្ត។
យើងប្រើប្រាស់ការបណ្តុះបណ្តាលដោយប្រើទាំងវីដេអូកម្រិត និងស្លាកសកម្មភាពអាតូមិច ដើម្បីអនុញ្ញាតឱ្យទាំងវីដេអូ និងសកម្មភាពអាតូមិកទទួលបានអត្ថប្រយោជន៍ពីអន្តរកម្មនៃសមាសភាពរវាងអ្នកទាំងពីរ។

[2] AutoDO៖ ការបង្កើនស្វ័យប្រវត្តិដ៏រឹងមាំសម្រាប់ទិន្នន័យលំអៀងជាមួយនឹងសំឡេងរំខាននៃស្លាកតាមរយៈភាពខុសគ្នាដែលអាចធ្វើមាត្រដ្ឋានបាន

យើងក៏មានសេចក្តីសោមនស្សរីករាយក្នុងការប្រកាសថាយើងបានបង្កើតបច្ចេកវិទ្យារៀនម៉ាស៊ីនថ្មីមួយដែលដំណើរការដោយស្វ័យប្រវត្តិនូវការបង្កើនទិន្នន័យដ៏ល្អប្រសើរស្របតាមការចែកចាយទិន្នន័យបណ្តុះបណ្តាល។ បច្ចេកវិទ្យានេះអាចត្រូវបានអនុវត្តចំពោះស្ថានភាពពិភពលោកពិត ដែលទិន្នន័យដែលមានគឺតូចណាស់។ មានករណីជាច្រើននៅក្នុងតំបន់អាជីវកម្មចម្បងរបស់យើង ដែលវាពិបាកក្នុងការអនុវត្តបច្ចេកវិទ្យា AI ដោយសារតែដែនកំណត់នៃទិន្នន័យដែលមាន។ តាមរយៈការអនុវត្តបច្ចេកវិទ្យានេះ ដំណើរការកែតម្រូវនៃប៉ារ៉ាម៉ែត្របង្កើនទិន្នន័យអាចត្រូវបានលុបចោល ហើយប៉ារ៉ាម៉ែត្រអាចត្រូវបានកែតម្រូវដោយស្វ័យប្រវត្តិ។ ដូច្នេះ គេអាចរំពឹងថា ជួរកម្មវិធីនៃបច្ចេកវិទ្យា AI អាចត្រូវបានផ្សព្វផ្សាយកាន់តែទូលំទូលាយ។ នៅពេលអនាគត ដោយការពន្លឿនការស្រាវជ្រាវ និងការអភិវឌ្ឍន៍បច្ចេកវិទ្យានេះបន្ថែមទៀត យើងនឹងធ្វើការដើម្បីសម្រេចបាននូវបច្ចេកវិទ្យា AI ដែលអាចប្រើប្រាស់បាននៅក្នុងបរិយាកាសជាក់ស្តែង ដូចជាឧបករណ៍ និងប្រព័ន្ធដែលធ្លាប់ស្គាល់។ បច្ចេកវិទ្យានេះគឺជាលទ្ធផលនៃការស្រាវជ្រាវដែលធ្វើឡើងដោយមជ្ឈមណ្ឌលបច្ចេកវិទ្យា AI ឌីជីថល ផ្នែកបច្ចេកវិទ្យា AI Laboratory របស់ក្រុមហ៊ុន Panasonic R&D របស់អាមេរិក។

រូបភាពទី 2៖ AutoDO ដោះស្រាយបញ្ហានៃការបង្កើនទិន្នន័យ (ការចែករំលែក-policy DA dilemma) ការចែកចាយទិន្នន័យរថភ្លើងដែលបានបន្ថែម (សញ្ញាពណ៌ខៀវ) ប្រហែលជាមិនត្រូវគ្នានឹងទិន្នន័យសាកល្បង (ពណ៌ក្រហមរឹង) នៅក្នុងចន្លោះមិនទាន់ឃើញច្បាស់៖
"2" គឺស្ថិតនៅក្រោមការបន្ថែមខណៈពេលដែល "5" ត្រូវបានពង្រីកលើស។ ជាលទ្ធផល វិធីសាស្ត្រពីមុនមិនអាចផ្គូផ្គងការចែកចាយតេស្តបានទេ ហើយការសម្រេចចិត្តរបស់អ្នកចាត់ថ្នាក់ដែលបានរៀន f(θ) គឺមិនត្រឹមត្រូវទេ។