Robot công nghiệp sở hữu thể tự học việc
 |
| Toru Nishikawa (phải) và Daisuke Okanohara, 2 đồng sáng lập của Preferred Networks. Ảnh: Bloomberg |
Hãng tin Bloomberg ngày 16-5 cho biết, tổ chức Preferred Networks, là start-up có trị giá nhất Nhật Bản nhờ vòng gọi vốn vào năm ngoái, định giá đơn vị này ở mức hơn hai tỉ USD.
hai kỹ sư kỹ thuật máy tính Toru Nishikawa và Daisuke Okanohara xây dựng thương hiệu Preferred Networks vào năm 2014 và quyết định tụ họp vào việc vững mạnh những máy móc công nghiệp thông minh, 1 hướng đi khôn ngoan vì Nhật Bản sở hữu sẵn điểm tốt về những các trang bị sản xuất hiện đại và những đối thủ bậc nhất về ai như Google và Facebook vẫn chưa xâm nhập vào lãnh địa này.
1 trong các người trước hết bị thuyết phục bởi tầm nhìn của Nishikawa và Okanohara là ông Yoshiharu Inaba, chủ tịch doanh nghiệp cung cấp robot công nghiệp lớn nhất thế giới Fanuc (Nhật Bản). Ông là 1 doanh nhân nức tiếng cẩn trọng và là một kỹ sư xuất sắc, người đã sáng chế ra phổ quát công cụ quan trọng cho dây chuyền phân phối ô tô, Inaba đồng ý gặp 2 nhà sáng lập của Preferred Networks vào đầu năm 2015.
Cuộc nói chuyện diễn ra trong một tiếng đồng hồ đã thuyết phục Inaba đầu tư 9 triệu đô la vào đơn vị của 2 nhà công nghệ máy tính trẻ cũng như cho phép họ tiếp cận 1 số bí hiểm thương nghiệp quan yếu nhất của ông, chậm triển khai là những khối lượng dữ liệu khổng lồ được tạo ra bởi hàng ngàn robot trong những dây chuyền cung ứng tại nhà máy của Fanuc.
Bốn tháng sau, Toyota đầu cơ 10 triệu đô la vào Preferred Networks và vào tháng 8 năm ngoái, tiếp tục rót thêm 100 triệu USD nữa. Các đơn vị mang điểm hay cung cấp khác như Hitachi, Mizuho Financial Group và Mitsui cũng góp tài chính cho Preferred Networks vào tháng 12-2017.
Điều làm Preferred Networks khác biệt mang hàng trăm start-up khác trong ngành ai là công ty này kết hợp ai có sức mạnh cung cấp của Nhật Bản. Những thuật toán học sâu phụ thuộc vào Phân tích dữ liệu và Preferred Networks với cách thức tiếp cận dữ liệu độc đáo. Những thỏa thuận cộng tác mang Toyota và Fanuc, cho phép Preferred Networks tiếp cận các nhà máy bậc nhất toàn cầu.
khi mà Google dùng dữ liệu từ cỗ máy kiếm tìm và Facebook khai thác dữ liệu từ mạng phường hội của nó để vươn lên trở thành những thế lực bậc nhất về ai, Preferred Networks lại tậu thời cơ Tìm hiểu dữ liệu trong khoảng hoạt động của robot để cải thiện quy trình sản xuất.
các robot công nghiệp của Fanuc được phân phối bằng các đội quân robot khác. Chúng làm cho việc dưới sự giám sát của năm nhân viên.
"Những gì tôi chứng kiến là các robot này phân phối ra các robot khác mà ko mang sự can thiệp của con người. Nếu như duy trì những robot này hoạt động liên tiếp, dữ liệu thu được là vô hạn", Nishikawa, chủ toạ kiêm giám đốc điều hành Preferred Networks, nhắc.
bên cạnh đó, Nishikawa nhận thấy rằng dù nhà máy của Fanuc rất hiện đại nhưng công nghệ người nào lại không được áp dụng.
mang sự tương trợ khoa học học sâu theo thời gian thực của Preferred Networks, những robot cung cấp của Fanuc được nâng cao hiệu quả hoạt động rõ rệt.
các robot công nghiệp chỉ thực sự hiệu quả lúc làm một tác vụ lặp đi lặp lại sở hữu sự chuẩn xác cao. Không những thế, khi dây chuyền cung cấp thay đổi, những kỹ sư phải mất rộng rãi ngày để viết 1 chương trình mới, điều chỉnh hoạt động của các robot này. Ví như được trang bị nên tảng học sâu, những robot trên 1 dây chuyền cung ứng sở hữu thể tự học và "tự dạy" nhau tác vụ mới 1 cách thức mau chóng.
Robot gắp vật thể của Fanuc tiêu dùng nền tảng học sâu tăng cường của Preferred Networks để tự học một tác vụ mới. Nó quyết tâm gắp những vật thể khi mà tự quay video quá trình này. Mỗi lần gắp thành công hay thất bại, nó sẽ tự rút ra kinh nghiệm để cải thiện cho lần gắp sau.
Shohei Hido, Giám đốc nghiên cứu của Preferred Networks, cho biết chỉ trong vòng tám tiếng, robot này sở hữu thể gắp chuẩn xác vật thể mang tỷ lệ thành công 90%. Lúc tám robot của Fanuc làm việc song song cộng nhau, chúng có thể học hỏi tác vụ mới chỉ trong vòng một tiếng thay vì tám tiếng.
chậm tiến độ là nhờ các robot này truyền những gì chúng học được vào một mạng nơ-ron nhân tạo, nơi những robot khác sở hữu thể học hỏi cùng lúc "chia sẻ" kinh nghiệm của chúng, giúp công đoạn tự học diễn ra tốc độ hơn.
"Phải mất 10 năm để tập huấn 1 thợ máy lành nghề và kiến thức của họ chẳng thể được truyền thụ sang người khác mau chóng. Nhưng khi bạn sở hữu một chuyên gia robot, bạn có thể nhân rộng kiến thức chậm tiến độ ra bất tận", ông Yoshiharu Inaba kể.
vận dụng kỹ thuật học sâu cho xe tự lái
Preferred Networks ko chỉ tập trung phát triển các thuật toán học sâu theo thời kì thực trong cung ứng mà còn trong phổ quát ngành nghề khác bao gồm y tế, bán lẻ, an ninh mạng và xe tự lái.
Hãng xe Toyota, cổ đông to nhất của Preferred Networks, đã rót tổng cộng cho đơn vị này 110 triệu đô la Mỹ lúc đặt cược rằng các thuật toán học sâu do Preferred Networks tăng trưởng sẽ giúp Toyota cạnh tranh sở hữu xe tự lái của Waymo, tổ chức con của tập đoàn kỹ thuật Alphabet .
Tại Triển lãm hàng điện tử dùng Las Vegas năm 2016, Preferred Networks đã sử dụng những ô tô đồ chơi để biểu diễn năng lực của khoa học học sâu. Sáu dòng ô tô đồ chơi chạy vòng trong một không gian sở hữu trở ngại vật. Ban sơ, những ô tô đồ chơi này liên tiếp đụng nhau lúc đi lại nhưng sau hai tiếng, chúng chạy vòng tròn và có thể né nhau một bí quyết tài tình như thế mang các tài xế giỏi đang cầm lái ở bên trong.
Điều đáng ngạc nhiên là không hề với 1 lập trình viên con ai viết các chỉ dẫn để điều khiển chúng. Thay vào chậm triển khai, nhờ được thiết bị kỹ thuật họd sâu, những chiếc ô tô đồ chơi này tự học hỏi các lề luật hoạt động từ kinh nghiệm và thời kỳ học hỏi được thúc đẩy nhanh bằng cách san sớt kinh nghiệm duyệt 1 mạng nơ-ron nhân tạo.
Vietnambiz
Nhận xét
Đăng nhận xét