NEC entwickelt eine von den Neurowissenschaften inspirierte KI-Technologie für die Zeitreihenanalyse

Tokio, 06. Mai 2021 - (JCN Newswire) - Die NEC Corporation (TSE: 6701) gab heute die Entwicklung der Technologie der künstlichen Intelligenz (KI) bekannt, die schnelle Entscheidungen trifft und gleichzeitig eine hohe Genauigkeit bei der Echtzeitanalyse von Zeitreihendaten gewährleistet. Diese Technologie soll es ermöglichen, die Gesichtserkennung sowie die Erkennung und Analyse von Cyberangriffen um das bis zu 20-fache zu beschleunigen und dabei die Genauigkeit der vorhandenen Methoden beizubehalten.

Abbildung 1. Technologieübersicht

Abbildung 2. Anwendung an Toren mit Gesichtserkennung

Typische KI-Engines für Gesichtserkennung und Cyberangriffe hängen von einer voreingestellten Datenmenge ab, die vor einer Entscheidung erfasst werden muss. Beispielsweise werden an Eingangstoren, die Gesichtserkennung verwenden, Personen authentifiziert, indem eine zuvor festgelegte Anzahl von Frames nacheinander genommen wird, gefolgt von einer endgültigen Entscheidung.

Die neue Technologie von NEC sammelt und analysiert Daten, ohne dass zuvor eine festgelegte Datenmenge erforderlich ist. Inspiriert von den Neurowissenschaften trifft die Technologie eine Entscheidung so schnell und genau wie möglich, indem sie Beweise sammelt, bis ein bestimmtes Konfidenzniveau (Wahrscheinlichkeit) erreicht ist. Da nach Erreichen des gewünschten Konfidenzniveaus keine zusätzliche Datenerfassung erforderlich ist, können die Berechnungen im Vergleich zu herkömmlichen Ansätzen beschleunigt werden.

Die Technologie basiert auf Gehirnaktivitäten bei komplexen Entscheidungen, die eine sequentielle Anhäufung von Beweisen erfordern. Der Sequential Probability Ratio Test (SPRT) (1), auf dem diese Technologie basiert, wurde erstmals in den 1940er Jahren vorgeschlagen und zur Qualitätskontrolle im Fertigungsbereich übernommen.

In jüngerer Zeit ergab eine neurowissenschaftliche Studie, dass Neuronen im Parietallappen der Kleinhirnrinde während der Entscheidungsfindung Beweise sammeln, die an die SPRT erinnern. Aufgrund der strengen Voraussetzungen des SPRT war es jedoch schwierig, das SPRT unter einer Vielzahl realer Szenarien bereitzustellen. Mit dem Wissen über maschinelles Lernen hat NEC den innovativen „SPRT-basierten Algorithmus zur Behandlung als Markov-Serie N-ter Ordnung“ (SPRT-TANDEM) entwickelt, um die Voraussetzungen zu überwinden und sowohl Geschwindigkeit als auch Genauigkeit zu erreichen.

NEC wendet diese Technologie auf die Gesichtserkennungs-KI-Engine „NeoFace“ (2) an, die den Kern des NEC-Portfolios an biometrischen Identifikationstechnologien „Bio-IDiom“ (3) bildet und die weltweit führende Authentifizierungsgenauigkeit aufweist ( 1). Darüber hinaus wird NEC erwägen, diese Technologie auf breitere Bereiche anzuwenden, in denen Zeitreihendaten verwendet werden, einschließlich der Erkennung und Analyse von Cyberangriffen und anderer nicht autorisierter Kommunikation.

Während der Internationalen Konferenz über lernende Repräsentationen (ICLR) 2021 präsentierte NEC diese Technologie auf der Spotlight-Präsentation (6. Mai (5)). ICLR 2021 ist die erste Zusammenkunft von Fachleuten, die sich vom 3. bis 7. Mai mit den Bereichen maschinelles Lernen und KI befassen.

(1) Sequentieller Wahrscheinlichkeitsverhältnis-Test (SPRT)
Eine Methode, um Daten einzeln zu extrahieren und gleichzeitig Entscheidungen zu treffen, wobei die Datenerfassung zu dem Zeitpunkt gestoppt wird, an dem erkannt wird, dass eine Schlussfolgerung gezogen wurde.
(2) Weltweit führende Gesichtserkennung für mehrere Branchen
https://www.nec.com/en/global/solutions/biometrics/face/index.html
(3) NECs Portfolio an biometrischen Identifikationslösungen, einschließlich Gesichts-, Iris-, Fingerabdruck-, Handabdruck-, Fingervenen-, Sprach- und Ohrakustiklösungen.
https://www.nec.com/en/global/solutions/biometrics/index.html
(4) Die NEC-Gesichtserkennungstechnologie steht beim NIST-Genauigkeitstest an erster Stelle
https://www.nec.com/en/press/201910/global_20191003_01.html
(5) Akzeptierte Abhandlung „Schätzung des sequentiellen Dichteverhältnisses zur gleichzeitigen Optimierung von Geschwindigkeit und Genauigkeit“ https://openreview.net/pdf?id=Rhsu5qD36cL

Quelle: https://www.jcnnewswire.com/pressrelease/66489/3/