بالنسبة للنشرة الفورية رقم ٣٢٤٧

إن هذا النص ترجمة للنص الإنجليزي الرسمي لهذا الإصدار الجديد، وقد تم تزويده للرجوع إليه بسهولة عند الحاجة. يرجى الرجوع إلى النص الإنجليزي الأصلي للحصول على التفاصيل و/أو المواصفات الخاصة. في حال وجود أي تعارض، فيجب اتباع محتوى الإصدار الإنجليزي الأصلي.

شركة Mitsubishi Electric تطور تقنية GAN المدمجة

ستعمل على توفير توليف سريع للصور مع مستوى منخفض للتعقيد الحسابي وبصمة ذاكرة منخفضة

نسخة PDF ‏(PDF:279.0KB)

طوكيو، ٣١ يناير ٢٠١٩ - أعلنت شركة Mitsubishi Electric Corporation (طوكيو: ٦٥٠٣) اليوم أنها طورت تقنية "شبكة توليد المشهد" (GAN) المدمجة المعتمدة على تقنية Maisart®* المشتملة على الذكاء الاصطناعي (AI) المسجلة ملكيتها لشركة Mitsubishi Electric. تم اقتباس تقنية GAN من تقنيات تعلم الآلة التي تقوم بتوليف صور تحاكي الصور الحقيقية من خلال إنشاء عنصرين للذكاء الاصطناعي، عنصر مولّد وعنصر مميِز يتنافسان مع بعضهما البعض. يمثل مستوى التعقيد الحسابي وبصمة الذاكرة في تقنية GAN المدمجة واحدًا على عشرة من الموجود في تقنية GAN التقليدية**، وهي خاصية تعمل على تمكين التوليف الفعال لعدد ضخم من الصور المستخدمة للتدريب على تقنيات الذكاء الاصطناعي الأخرى.

* Mitsubishi Electric's AI creates the State-of-the-ART in Technology (الذكاء الاصطناعي في Mitsubishi Electric يبتكر التطور في مجال التكنولوجيا)
** وفقًا لمقارنة أجريت داخليًا عبر تطبيقنا لتقنية GAN التقليدية

نظرة عامة حول تقنية GAN والخوارزمية المتطورة

الميزات الرئيسية

1)
تعمل على خفض مستوى التعقيد الحسابي وبصمة الذاكرة لعنصر المولّد بنسبة ٩٠ بالمئة.
من خلال تقنية GAN، يُطلق على عنصر الذكاء الاصطناعي الذي يقوم بتوليف الصور "المولّد" ويتم التعرف عليه غالبًا باستخدام شبكة عصبية عميقة تتطلب موارد حسابية وذاكرة كبيرة. قامت Mitsubishi Electric بتطوير خوارزمية مبتكرة تعمل على تقييم مدى أهمية كل طبقة في الشبكات العصبية العميقة. ومن خلال إزالة الطبقات التي تم تقييمها كغير مهمة، يمكن خفض التكلفة الحسابية وبصمة الذاكرة للمولّد إلى واحد على عشرة من الحجم التقليدي لها** دون التضحية بجودة الصور المولّفة.
2)
تعمل على خفض تكلفة تجهيز صور التدريب لتقنيات الذكاء لاصطناعي
يتطلب تدريب تقنية الذكاء الاصطناعي للتعرف على الصور الوصول إلى الملايين أو عشرات الملايين من الصور ذات الاختلافات المتنوعة، مما يعد أكبر التحديات لتطبيقات الذكاء الاصطناعي الحالية، لأن تجهيز مثل هذه البيانات يعد عملية مكلفة بشكل ضخم فيما يتعلق بالوقت والموارد البشرية المطلوبة. يمكن لتقنية GAN المدمجة توليف الصور تلقائيًا وبشكل سريع باستخدام أجهزة منخفضة التكلفة مثل أجهزة الكمبيوتر المحمول، مما قد يؤدي إلى خفض كبير في تكلفة تجهيز صور التدريب لتقنيات الذكاء الاصطناعي.

تجدر الإشارة إلى أن النشرات الإخبارية دقيقة في وقت نشرها لكنها قد تكون عرضة للتغيير من دون إشعار.