圖片來源: 

iThome

近年,機器學習已經是相當熱門的話題,不論是Google、微軟與Apple等大廠均相中這樣的技術發展,NEC今年也展示自家的最新的RAPID機械學習技術,也就是為快速的機器學習,並提供應用的案例與產品的介紹,其中RAPID機械學習(machine learning)技術相當吸睛,它是使用深度學習(Deep Learning)技術,最大特色是不需要龐大的運算資源,就能快速應用,並且已經對應適用情境推出商品化的套裝組合。

NEC舉了一個相當簡單的例子,來比較傳統與現在的機器學習差異。

以機器學習從照片辨識動物的概念為例,過去的機器學習技術,能做到的有限。需要由專家來列舉特徵數量,像是耳朵或眼睛的位置,大小、形狀、顏色等特徵,再由機器學習判斷基準,並產生學習樣本,才能判別出不同動物。

現在,系統將能夠自動檢測並列舉出特徵,並產生學習樣本,好比如說,讓電腦看過一萬隻貓的圖片資訊後,自己找出特徵來識別這是貓,這樣的過程顯然更為自動化。NEC同時也展示一例,即使一般系統難以識別的手繪動物,這套機器學習技術也能給出正確的判別。

也因此,當提供的資料量越多時,越能提高分析精準度,除了影像之外,這個技術也能運用在文字與聲音等不同類型資料的應用。

從這裡我們可以看出,現在的機器學習優勢在於,系統能夠從範例資料自動去調整分析的參數,也就是在沒有分析人員的介入下自動修正,而不像過去的大資料分析,需透過人們設定好的預定條件去比對,如此一來,簡化了規則設定的複雜度,同時也能自動找出不易顯現的規則。NEC並表示,系統也能夠利用手動設定方式,提供專家的範例資料樣本,讓系統自行修正分析,以提升判別能力的精確度,就像是教導小朋友認識動物一樣,在回答錯誤的時候,告訴他什麼才是正確的。

 

(圖片來源/NEC)

 

機器學習讓系統能在無人工輔助下,就具備自主學習的能力

(上圖)NEC用一個簡單的例子來描述現在的深度學習技術,讓系統辨識過上萬隻貓的影像,並自行找出貓的特徵並識別,當資料量越多也就會越精準。不需要專家預先將特徵列舉輸入,用比對的方式去識別。

(下圖)現場並展示,即使一般系統難以識別的手繪動物,系統也能給出正確的判別。

 

NEC實際展示RAPID機械學習的應用情境

NEC提出的機器學習技術,已經有套裝商品,而且有實際應用例子。NEC以屬性評估的示範情境,將Steve Jobs的一段講稿輸入到系統後,經過數秒的運算,很快就會自動產生一個報告結果,分析該用戶的性別、年齡層,以及工作職業等特性。

 

時空交叉分析是快速分析的另一種應用

除了機器學習之外,NEC也提出的『時空數據交叉分析』,可以透過獨有的視訊影像搜索技術,來快速發現頻繁出現在所有監控畫面的人。

 

機器學習可用於交通監視系統的影像解析,以及人力仲介的媒合

顯然,隨著電腦性能與軟體技術的進步,大數據分析將朝向更進一步的理解、辨識等AI智慧發展。NEC並針對應用情境,展示了兩個基於RAPID機械學習的商品化版本,分別是「影像解析版」與「人才配對版」。

在影像解析的應用下,可適用於交通監視系統之中,幫助解決公共安全課題,並減少人力資源的負擔與成本。舉例來說,NEC與阿根廷首都布宜諾斯愛麗斯北邊的Tigre區域合作,透過該區的監視器取得的影像,加上以往的犯罪紀錄資料,如毒品交易,機器學習技術,識別移動的物體,便能夠即時找出潛在的風險所在,像是即時辨識出兩人乘坐的摩托車,就是可能具有較高犯罪行為的注意目標。

這種應用方式帶來的好處在於,可以減少監視人員的工作負荷量,或是降低人力資源的需求,並提升監控的品質。

而人才配對版的應用也很特別,是針對文字解析的應用,能讓人力資源媒合有更好的服務應用。基本上,這樣的方案能夠依據文字式的履歷資訊,來辨別個人所適合的工作。

NEC也以屬性評估的例子,簡單示範了這種技術的應用方式。像是將蘋果電腦創辦人Steve Jobs的一段講稿輸入後,便能分析出該人有8成機率是男性,有超過8成機率是50歲年齡層,有9成5以上的機率具有經營者的屬性。若是將該段文字刪除大半,僅保留前後句子時,得到的答案則變成,有百分百機率是20歲的年齡層的男性,適合的工作領域則是有85%是經營者、15%的機率是政治家。

除了給出該人的性別、年齡與適合職業的判讀,NEC展示人員也指出,企業將能夠依據更多資訊,來設定更多顯示屬性或項目,並且不限語言都可應用,可惜的是,現場並未能展示如何進行設定操作。NEC表示,這樣的方案對於人力資源媒合的服務有幫助,讓求職者可以介紹給適合的企業,或是讓企業找到合適的應徵者。

 

(圖片來源/NEC)

機器學習應用情境1:都市交通監控系統

透過NEC機器學習技術對於影像的分析,從大量影像自動學習、判斷找出潛在規則,再加上專家分析為基礎的範例資料進行學習,應用在交通監視的情境例子中,便能即時辨別與檢測出可能犯罪行為的潛在目標,。

 

(圖片來源/NEC)

機器學習應用情境2:人力資源的匹配

以人才配對的解決方案為例,從過去的應徵履歷,像是申請書、錄取與否的記錄來進行學習,對於人力仲介服務商來說,能將求職者與徵才企業能快速配對,企業人事單位也能更快將人才推薦給上層負責人。

 

(圖片來源/NEC)

3大階段、13種技術,NEC實現豐富的巨量資料活用場景

對於巨量資料的活用與進一步的AI人工智慧應用上,NEC在應用層面上,畫分成可視化數據、預測分析與控制和誘導這3種階段。

 

耗用運算資源相當少,應用門檻明顯降低

這套RAPID機械學習還有一個很重要的特性,就是以高速、輕量性為訴求,也就是說,不像過去需要耗用龐大的運算資源,並能夠應用在企業內部自建的系統之上。

我們從這款產品的規格來看,它對於系統平臺的硬體需求並不高,只要是Windows Server 2012 R2與Windows 7 SP1的作業系統,處理器在Core i3、4核心以上,並具有4GB記憶體與1GB的硬碟容量,就可以適用。

同時,NEC亦提供自建(On-Premises)的一年期授權產品方案,對於不便攜出企業外部的資料,像是敏感性的個人資料,或是檔案過大、難以上傳的圖片與影片內容,方便地去應用。

對於各個領域的企業來說,利用這樣的機器學習技術,來提升自家的服務或作業效率,將是未來的趨勢之一,雖然這樣的技術應用才剛起步,但以這樣商品化、運算需求低的特點來看,可以讓企業本身不需擁有大型資料中心或利用雲端服務就能使用。顯然,未來的機器學習技術能夠更快地被企業應用。

綜合來看,當這種機器學習變成套裝產品被應用時,好處在於,不用依靠人工去檢視大量資料,也不用組織內部的資訊部門自行開發演算,企業能夠快速利用現成的產品,並實際應用在企業環境的巨量資料分析的用途上。尤其對於使用情境相符合的應用需求,相當方便。NEC也表示,這套機器學習技術也將能用在商品配對、顧客行動分析,以及交通管制等各種層面的預測。

 

     NEC RAPID機械學習系統需求不高,建置門檻低     

資料來源:NEC,iThome整理,2015年11月

 

以各式巨量資料的活用技術,做到比完美的人工智慧更容易達到的分析、誘導與機器學習力

巨量資料的活用,人工智慧的應用,是現在科技相關廠商都在關心的議題,也是備受期待的技術應用。

我們從NEC對於巨量資料的活用面向來看,應用階段畫分成可視化數據、預測分析,以及控制和誘導這3大階段。

也就是將所有事件即時地轉化、分析成可視化的數據,再透過分析、預測的能力,甚至自動適時地誘導人、控制物,讓機器本身做到更自動化的表現。

除了前述的RAPID機械學習技術,NEC本身也還有不少解決社會問題的技術與方案。

像是在可視化數據的階段中,NEC提供了像是臉部辨識、群眾行動解析、物體指紋辨識、光學震動分析與語音識別等解決方案,取得更多特徵資訊並轉化成資料,才能夠更容易地被運用。

而分析技術也是人工智慧的關鍵之一,RAPID機械學習的解決方案就是屬於這一環節的應用類型,而NEC也提出多樣具價值的技術應用,像是不變量分析技術,可從目前觀測資料和模型中比較預估值,提早偵測到異常的狀況;異種混合學習技術,可從多樣化的資料中,自動找出複數規則;含意認識技術,可從大量文字範本數據,自動識別相同含義的發言;以及時空數據交叉分析技術,可快速、即時分析大量監視影像,是否有相同人物頻繁出現,這樣分析技術比過去快很多,以現場9個監視器畫面的即時分析為例,傳統技術需要26.74秒才能比對完成,這項技術只要0.41秒就能完成。

而最後的控制與誘導階段,是更進一步的決策應用發展,目前NEC已經提出2個相關方案,分別是自主自適應控制的技術,以及今年新提出的預測型決策優化技術。後者是最新推出的功能,可依據該公司的異種混合學習技術做出分析後,並讓軟體同時能做出決策工作。

對於AI人工智慧的進化之路,NEC也以價值層次來說明,從數據與資料的分析活用,進而提升到現在所朝向的知識階段發展,目的是能基於知識與趨勢需要提供有價值的決策判斷。

 

RAPID機械學習的應用特點

以人工智慧支援人類的判斷

從範例資料進行學習,就能自動生成判斷樣本,不需複雜的規則設定。系統可進一步利用專家製作的範例資料學習,提升判斷能力。

適用領域廣泛

可對應非結構化數據,像是圖像和文字,適用於不同領域的應用。

系統小、建置快速

強調輕巧、快速,耗用的計算資源少,一般個人PC平臺上就能使用。

技術應用商品化

NEC已推出適用於影像分析與人才配對的版本,並推出機器學習引擎擴充套件。一般企業想要應用機器學習的門檻,明顯比過去低很多。


Advertisement

更多 iThome相關內容