Robot công nghiệp có 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, đơn vị Preferred Networks, là start-up mang trị giá nhất Nhật Bản nhờ vòng gọi vốn vào năm ngoái, định giá công ty này ở mức hơn 2 tỉ đô la Mỹ.
hai kỹ sư công nghệ máy tính Toru Nishikawa và Daisuke Okanohara thành lập Preferred Networks vào năm 2014 và quyết định tập kết vào việc vững mạnh những máy móc công nghiệp sáng tạo, 1 hướng đi khôn ngoan vì Nhật Bản với sẵn ưu thế về các các đồ vật cung cấp hiện đại và những đối thủ bậc nhất về người nào như Google và Facebook vẫn chưa thâm nhập vào lãnh địa này.
một trong những người trước nhất bị thuyết phục bởi tầm nhìn của Nishikawa và Okanohara là ông Yoshiharu Inaba, chủ tịch đơn vị cung cấp robot công nghiệp lớn nhất toàn cầu Fanuc (Nhật Bản). Ông là 1 thương lái nức tiếng cẩn trọng và là 1 kỹ sư hoàn hảo, người đã sáng chế ra nhiều phương tiện 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 trò chuyện diễn ra trong một tiếng đồng hồ đã thuyết phục Inaba đầu tư 9 triệu đô la Mỹ vào công ty của hai nhà kỹ thuật máy tính trẻ cũng như cho phép họ tiếp cận 1 số bí hiểm thương mại quan trọng nhất của ông, Đó là những khối lượng dữ liệu đồ sộ được tạo ra bởi hàng nghìn robot trong các dây chuyền phân phối tại nhà máy của Fanuc.
Bốn tháng sau, Toyota đầu cơ 10 triệu đô la Mỹ vào Preferred Networks và vào tháng 8 năm ngoái, tiếp diễn rót thêm 100 triệu USD nữa. Các tổ chức mang điểm tốt sản xuất khác như Hitachi, Mizuho Financial Group và Mitsui cũng góp vốn đầu tư cho Preferred Networks vào tháng 12-2017.
Điều làm Preferred Networks khác biệt sở hữu hàng trăm start-up khác trong ngành nghề ai là doanh nghiệp này phối hợp ai có sức mạnh cung cấp của Nhật Bản. Các thuật toán học sâu phụ thuộc vào Đánh giá dữ liệu và Preferred Networks có phương pháp tiếp cận dữ liệu độc đáo. Các ký hợp đồng cộng tác mang Toyota và Fanuc, cho phép Preferred Networks tiếp cận các nhà máy bậc nhất toàn cầu.
trong khi Google sử dụng dữ liệu từ cỗ máy kiếm tìm và Facebook khai thác dữ liệu từ mạng phường hội của nó để vươn lên phát triển thành những thần thế hàng đầu về người nào, Preferred Networks lại sắm thời cơ Nhận định dữ liệu trong khoảng hoạt động của robot để cải thiện thứ tự cung cấp.
những robot công nghiệp của Fanuc được cung cấp bằng các đội quân robot khác. Chúng làm cho việc dưới sự giám sát của năm viên chức.
"Những gì tôi chứng kiến là các robot này cung cấp ra những robot khác mà ko có sự can thiệp của con người. Giả dụ duy trì các robot này hoạt động liên tiếp, dữ liệu thu được là vô hạn", Nishikawa, chủ toạ kiêm giám đốc điều hành Preferred Networks, kể.
bên cạnh đó, Nishikawa nhận thấy rằng dù nhà máy của Fanuc rất đương đại nhưng khoa học ai lại không được ứng dụng.
với sự tương trợ kỹ thuật học sâu theo thời kì thực của Preferred Networks, những robot phân phối của Fanuc được tăng hiệu quả hoạt động rõ rệt.
những robot công nghiệp chỉ thực thụ hiệu quả lúc làm cho 1 tác vụ lặp đi lặp lại sở hữu sự chính xác cao. Không những thế, lúc dây chuyền cung cấp thay đổi, những kỹ sư phải mất phổ quát ngày để viết 1 chương trình mới, điều chỉnh hoạt động của những robot này. Nếu như được trang bị nên tảng học sâu, những robot trên một dây chuyền cung ứng có thể tự học và "tự dạy" nhau tác vụ mới một bí quyết nhanh chóng.
Robot gắp vật thể của Fanuc tiêu dùng nền móng học sâu nâng cao cường của Preferred Networks để tự học một tác vụ mới. Nó cố gắng gắp những vật thể khi mà tự quay video giai đoạn 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 mang thể gắp chính xác vật thể với tỷ lệ thành công 90%. Khi tám robot của Fanuc làm cho việc đồng thời cùng nhau, chúng với thể học hỏi tác vụ mới chỉ trong vòng một tiếng thay vì tám tiếng.
Đó là nhờ các robot này truyền các gì chúng học được vào một mạng nơ-ron nhân tạo, nơi các 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 một thợ máy lành nghề và kiến thức của họ chẳng thể được truyền thụ sang người khác nhanh chóng. Nhưng khi bạn có 1 chuyên gia robot, bạn với thể nhân rộng kiến thức chậm triển khai ra bất tận", ông Yoshiharu Inaba đề cập.
ứng dụng kỹ thuật học sâu cho xe tự lái
Preferred Networks ko chỉ tụ hội vững mạnh các thuật toán học sâu theo thời kì thực trong sản xuất mà còn trong rộng rãi ngành nghề khác bao gồm y tế, bán buôn, an ninh mạng và xe tự lái.
Hãng xe Toyota, cổ đông lớn nhất của Preferred Networks, đã rót tổng cộng cho doanh nghiệp này 110 triệu đô la khi đặt cược rằng các thuật toán học sâu do Preferred Networks tăng trưởng sẽ giúp Toyota cạnh tranh với xe tự lái của Waymo, tổ chức con của tập đoàn công nghệ Alphabet .
Tại Triển lãm hàng điện tử dùng Las Vegas năm 2016, Preferred Networks đã sử dụng các ô tô đồ chơi để trình diễn năng lực của kỹ thuật học sâu. Sáu mẫu ô tô đồ chơi chạy vòng trong 1 ko gian có trở ngại vật. Ban sơ, những ô tô đồ chơi này liên tiếp đụng nhau khi chuyển di nhưng sau 2 tiếng, chúng chạy vòng tròn và với thể né nhau 1 bí quyết tài tình như thế có các tài xế nhiều năm kinh nghiệm đang cầm lái ở bên trong.
Điều đáng sửng sốt là ko phải mang 1 lập trình viên con người nào viết những hướng dẫn để điều khiển chúng. Thay vào chậm triển khai, nhờ được thiết bị khoa học họd sâu, những loại ô tô đồ chơi này tự học hỏi những luật lệ hoạt động từ kinh nghiệm và giai đoạn học hỏi được thúc đẩy nhanh bằng cách chia sẻ kinh nghiệm duyệt một mạng nơ-ron nhân tạo.
Vietnambiz
Không có nhận xét nào:
Đăng nhận xét