富士通于近日宣布其開發(fā)出世界首項可以精確捕捉數(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檢測和判斷的準確性。

近年來，各個商業(yè)領(lǐng)域?qū)τ葾I驅(qū)動的大數(shù)據(jù)分析手段的需求激增，但許多業(yè)務中使用的數(shù)據(jù)都是高維數(shù)據(jù)，涵蓋通信網(wǎng)絡(luò)訪問數(shù)據(jù)、各類貿(mào)易交易數(shù)據(jù)、基因表達數(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，其復雜度也成指數(shù)級增長，高維數(shù)據(jù)挖掘變得異常困難，目標數(shù)據(jù)的特征也難以獲得，這就是所謂的“維數(shù)災難”。

采用深度學習來減少輸入數(shù)據(jù)的維度被認為是幫助解決這一問題的有效方法，但由于缺乏對降維后數(shù)據(jù)分布和發(fā)生概率的考慮，這種方法對數(shù)據(jù)特征的捕捉準確度不夠，AI 的識別精度也有限，有時會導致AI做出錯誤的判斷。

富士通將深度學習與其研究多年的圖像壓縮技術(shù)相結(jié)合，開發(fā)出一項人工智能技術(shù)，在利用深度學習優(yōu)化高維數(shù)據(jù)處理的同時，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習相結(jié)合，對高維數(shù)據(jù)的降維數(shù)，以及降維后數(shù)據(jù)的分布進行了極大優(yōu)化。

富士通以不同領(lǐng)域的數(shù)據(jù)異常檢測基準對新技術(shù)進行了測試，包括國際數(shù)據(jù)挖掘與知識發(fā)現(xiàn)大會（KDD）的通信訪問數(shù)據(jù)，和加州大學歐文分校提供的甲狀腺數(shù)據(jù)及心律失常數(shù)據(jù)。

測試結(jié)果顯示，這項技術(shù)在所有數(shù)據(jù)挖掘中都取得了前所未有的準確度，比起傳統(tǒng)的基于深度學習的方法，錯誤率下降了37％。

富士通實驗室研究員Akira Nakagawa表示：“對AI領(lǐng)域根本挑戰(zhàn)之一，即如何準確地捕捉數(shù)據(jù)特征的解決，能讓這項技術(shù)在更多新應用的開發(fā)上大有可為。我們也相信它會對現(xiàn)有AI技術(shù)的性能改進與提高具有極大的助力�！�