Press release

Kioxia präsentiert auf der ECCV 2022 ein Bildklassifizierungssystem auf Basis von speicherzentrierter KI mit Speichern hoher Kapazität

0
Präsentiert von Businesswire

Kioxia Corporation, der weltweit führende Anbieter von Speicherlösungen, hat ein Bildklassifizierungssystem entwickelt, das auf einer speicherzentrierten Künstlichen Intelligenz (KI) basiert, einer KI-Technologie, die hohe Speicherkapazitäten nutzt. Das System klassifiziert Bilder anhand eines neuronalen Netzes, das auf Wissen zurückgreift, das sich in einem externen Speicher mit hoher Kapazität befindet. Dadurch wird das “katastrophale Vergessen” vermieden, eine der größten Herausforderungen bei neuronalen Netzen, und es können Wissensbestände hinzugefügt oder aktualisiert werden, ohne dass das aktuelle Wissen verloren geht. Diese Technologie wurde am 25. Oktober im Rahmen eine mündlichen Sitzung auf der European Conference on Computer Vision 2022 (ECCV 2022) in Tel Aviv vorgestellt, einer der wichtigsten Konferenzen im Bereich Computer Vision[1].

Diese Pressemitteilung enthält multimediale Inhalte. Die vollständige Mitteilung hier ansehen: https://www.businesswire.com/news/home/20221101006376/de/

Image classification utilizing high-capacity storage (Graphic: Business Wire)

Image classification utilizing high-capacity storage (Graphic: Business Wire)

Bei herkömmlichen KI-Techniken werden neuronale Netze so trainiert, dass sie Wissen durch die Aktualisierung von Parametern erwerben, die als “Gewichte” bezeichnet werden. Ist ein neuronales Netz einmal vollständig trainiert, muss es, um neues Wissen erwerben zu können, entweder von Anfang an neu trainiert oder mit neuen Daten feinabgestimmt werden. Ersteres ist mit einem enormen Zeitaufwand und erheblichen Energiekosten verbunden, während Letzteres die Aktualisierung der Parameter erfordert und mit dem Problem des “katastrophalen Vergessens” konfrontiert ist, da das in der Vergangenheit erworbene Wissen verloren geht, was zu einer Verschlechterung der Genauigkeit bei der Klassifizierung führt.

Um das Kosten- und Genauigkeitsproblem bei Bildklassifizierungssystemen zu lösen, die auf neuronalen Netzen basieren, speichert die neue Lösung große Mengen an Bilddaten, Beschriftungen und Bild-Merkmalskarten[2] als Wissen in einem Speicher mit großer Kapazität. Das neuronale Netz klassifiziert die Bilder anschließend unter Rückgriff auf dieses gespeicherte Wissen (Abbildung 1). Nach diesem Verfahren kann Wissen hinzugefügt oder aktualisiert werden, indem den gespeicherten Daten neu gewonnene Bildbeschriftungen und Merkmalskarten hinzugefügt werden. Da die Gewichte nicht neu trainiert oder aktualisiert zu werden brauchen, was zu einem “katastrophalen Vergessen” führen kann, kann eine genauere Bildklassifizierung aufrechterhalten werden.

Außerdem kann durch die Verwendung der Daten, auf die das neuronale Netz bei der Klassifizierung von Bildern zurückgreift, die Grundlage für die Klassifizierungsergebnisse visualisiert werden, was die Erklärbarkeit von KI[3] verbessern und das Black-Box-Problem[4] abmildern dürfte, was wiederum die selektive Änderung von Wissensquellen ermöglicht. Darüber hinaus kann durch Analysieren der Referenzdaten der Beitrag der einzelnen gespeicherten Daten entsprechend der Häufigkeit der Bezugnahme bewertet werden.

Geleitet von seiner Mission, “die Welt mit Speicherlösungen zu verbessern” (“Uplifting the World with ‘Memory'”), wird Kioxia weiterhin zur Entwicklung von KI- und Speichertechnologien beitragen, indem das Unternehmen die speicherorientierte KI (Memory-Centric AI) über die Bildklassifizierung hinaus auf andere Bereiche ausweitet und die Forschung und Entwicklung von KI-Technologien mit Speichern hoher Kapazität voranbringt.

Über Memory-Centric AI

Einführungsvideo: https://youtu.be/lw8XKhviGJc

Memory-Centric AI, Part I: How Kioxia’s Top Engineers Are Developing an AI That Relies on Memory https://brand.kioxia.com/en-jp/articles/article25.html

Memory-Centric AI, Part II: An Internet of Memories: Brainstorming Uses for Memory-Centric AI https://brand.kioxia.com/en-jp/articles/article26.html

Über die ECCV

Die European Conference on Computer Vision (ECCV) ist eine der wichtigsten Fachkonferenzen im Bereich Computer Vision. Sie hat sich in den letzten Jahren als eine der wichtigsten Veranstaltungen für die Präsentation von KI-Forschungsarbeiten etabliert, darunter Bildklassifizierung, Objekterkennung und andere Technologien, die Deep Learning nutzen. Die Annahmequote für mündliche Präsentationen lag in diesem Jahr bei 2,7 %.

[1] Titel des Beitrags: K. Nakata et. al., “Revisiting a kNN-based Image Classification System with High-capacity Storage”, European Conference on Computer Vision 2022 (ECCV 2022)

[2] Bild-Merkmalskarten: mehrdimensionale (z.B. 1.024-dimensionale) numerische Daten, die durch Operationen in neuronalen Netzen ermittelt werden

[3] Erklärbarkeit von KI: Möglichkeit, die Basis und Gründe für die von der KI vorhergesagten Ergebnisse so zu erklären, dass sie von Menschen interpretiert werden können.

[4] Black-Box-Problem: Der Prozess, der zu den von der KI vorhergesagten Ergebnissen führt, ist für den Menschen nicht interpretierbar, was ihn zu einem Black-Box-Problem macht.

Firmen-, Produkt- und Dienstleistungsnamen können Marken von Drittunternehmen sein.

Über Kioxia

Kioxia ist ein weltweit führender Anbieter von Speicherlösungen, der sich auf die Entwicklung, Produktion und den Vertrieb von Flash-Speichern und Solid-State-Drives (SSD) spezialisiert hat. Im April 2017 wurde der Vorgänger Toshiba Memory aus der Toshiba Corporation ausgegliedert, der Firma, die 1987 den NAND-Flash-Speicher erfunden hatte. Kioxia hat es sich zur Aufgabe gemacht, die Welt mithilfe von Speicherprodukten zu bereichern, indem das Unternehmen Produkte, Dienstleistungen und Systeme anbietet, die eine Auswahl für die Kunden und einen speicherbasierten Nutzen für die Gesellschaft schaffen. Die innovative 3D-Flash-Speichertechnologie von Kioxia, BiCS FLASH™, prägt die Zukunft der Datenspeicherung in Anwendungen mit hoher Speicherdichte, darunter fortschrittliche Smartphones, PCs, SSD, Automobile und Rechenzentren.

Die Ausgangssprache, in der der Originaltext veröffentlicht wird, ist die offizielle und autorisierte Version. Übersetzungen werden zur besseren Verständigung mitgeliefert. Nur die Sprachversion, die im Original veröffentlicht wurde, ist rechtsgültig. Gleichen Sie deshalb Übersetzungen mit der originalen Sprachversion der Veröffentlichung ab.