Robot công nghiệp sở hữu thể tự học việc
 |
| Toru Nishikawa (phải) và Daisuke Okanohara, hai đồng sáng lập của Preferred Networks. Ảnh: Bloomberg |
Hãng tin Bloomberg ngày 16-5 cho biết, doanh nghiệp Preferred Networks, là start-up sở hữu trị giá nhất Nhật Bản nhờ vòng gọi vốn vào năm ngoái, định giá doanh nghiệp này ở mức hơn hai tỉ USD.
2 kỹ sư công nghệ máy tính Toru Nishikawa và Daisuke Okanohara ra đời Preferred Networks vào năm 2014 và quyết định tụ hội vào việc phát triển các máy móc công nghiệp thông minh, 1 hướng đi khôn ngoan vì Nhật Bản có sẵn ưu điểm về các các vật dụng phân phối tiên tiến và các đối thủ hàng đầu về người nào như Google và Facebook vẫn chưa xâm 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 toạ doanh nghiệp phân phối robot công nghiệp lớn nhất toàn cầu Fanuc (Nhật Bản). Ông là 1 thương buôn nổi tiếng cẩn trọng và là 1 kỹ sư lý tưởng, người đã sáng chế ra đa dạng phương tiện quan yếu cho dây chuyền cung cấp ô tô, Inaba đồng ý gặp hai nhà sáng lập của Preferred Networks vào đầu năm 2015.
Cuộc chuyện trò diễn ra trong một tiếng đồng hồ đã thuyết phục Inaba đầu cơ 9 triệu đô la Mỹ vào doanh nghiệp của 2 nhà công nghệ máy tính trẻ cũng như cho phép họ tiếp cận một số bí ẩn thương nghiệp quan yếu nhất của ông, ngừng thi côngĐây là những khối lượng dữ liệu khổng lồ được tạo ra bởi hàng nghìn robot trong những dây chuyền cung ứng tại nhà máy của Fanuc.
Bốn tháng sau, Toyota đầu tư 10 triệu đô la Mỹ vào Preferred Networks và vào tháng 8 năm ngoái, tiếp tục rót thêm 100 triệu USD nữa. Các tổ chức với điểm mạnh cung ứng khác như Hitachi, Mizuho Financial Group và Mitsui cũng góp vốn đầu tư cho Preferred Networks vào tháng 12-2017.
Điều làm cho Preferred Networks dị biệt có hàng trăm start-up khác trong ngành ai là tổ chức này hài hòa ai có sức mạnh sản xuất của Nhật Bản. Các thuật toán học sâu phụ thuộc vào Đánh giá dữ liệu và Preferred Networks mang cách thức tiếp cận dữ liệu độc đáo. Các thỏa thuận hiệp tác sở hữu Toyota và Fanuc, cho phép Preferred Networks tiếp cận những nhà máy hàng đầu thế giới.
trong khi Google sử dụng dữ liệu trong khoảng cỗ máy tìm kiếm và Facebook khai thác dữ liệu từ mạng thị trấn hội của nó để vươn lên phát triển thành những thần thế hàng đầu về người nào, Preferred Networks lại tìm thời cơ Đánh giá dữ liệu trong khoảng hoạt động của robot để cải thiện trật tự phân phối.
những robot công nghiệp của Fanuc được cung cấp bằng các đội quân robot khác. Chúng khiến việc dưới sự giám sát của năm nhân viên.
"Những gì tôi chứng kiến là những robot này sản xuất ra các robot khác mà ko mang sự can thiệp của con người. Ví như duy trì các robot này hoạt động liên tục, dữ liệu thu được là vô hạn", Nishikawa, chủ toạ kiêm tổng giám đốc Preferred Networks, đề cập.
tuy nhiên, Nishikawa nhận thấy rằng dù nhà máy của Fanuc rất tiên tiến nhưng kỹ thuật người nào lại không được ứng dụng.
mang sự tương trợ kỹ thuật học sâu theo thời gian thực của Preferred Networks, các robot cung cấp của Fanuc được tăng hiệu quả hoạt động rõ rệt.
các robot công nghiệp chỉ thực sự hiệu quả lúc khiến cho 1 tác vụ lặp đi lặp lại có sự chính xác cao. Tuy nhiên, lúc dây chuyền cung ứng thay đổi, các kỹ sư phải mất phổ thông ngày để viết 1 chương trình mới, điều chỉnh hoạt động của những robot này. Nếu như được thiết bị nên tảng học sâu, những robot trên một dây chuyền cung ứng với thể tự học và "tự dạy" nhau tác vụ mới 1 phương pháp nhanh chóng.
Robot gắp vật thể của Fanuc tiêu dùng nền móng học sâu tăng cường của Preferred Networks để tự học 1 tác vụ mới. Nó nỗ lực gắp các vật thể khi mà tự quay video thời kỳ 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 việc đồng thời cùng nhau, chúng sở hữu thể học hỏi tác vụ mới chỉ trong vòng một tiếng thay vì tám tiếng.
chậm tiến độ là nhờ những robot này truyền các gì chúng học được vào 1 mạng nơ-ron nhân tạo, nơi những robot khác có thể học hỏi song song "chia sẻ" kinh nghiệm của chúng, giúp quá trình tự học diễn ra nhanh hơn.
"Phải mất 10 năm để đào tạo 1 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 có thể nhân rộng tri thức chậm triển khai ra bất tận", ông Yoshiharu Inaba nhắc.
ứng dụng kỹ thuật học sâu cho xe tự lái
Preferred Networks ko chỉ tụ hội tăng trưởng các thuật toán học sâu theo thời kì thực trong cung ứng mà còn trong phổ quát lĩnh vực 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 cùng cho công ty này 110 triệu USD khi đặt cược rằng các thuật toán học sâu do Preferred Networks lớn mạnh sẽ giúp Toyota cạnh tranh sở hữu xe tự lái của Waymo, công ty con của tập đoàn khoa học Alphabet .
Tại Triển lãm hàng điện tử dùng Las Vegas năm 2016, Preferred Networks đã tiêu dùng những ô tô đồ chơi để trình diễn năng lực của công nghệ học sâu. Sáu cái ô tô đồ chơi chạy vòng trong 1 không gian với trở lực vật. Ban đầu, các ô tô đồ chơi này liên tục đụng nhau lúc chuyển động nhưng sau hai tiếng, chúng chạy vòng tròn và mang thể né nhau một cách thức tài ba như thế với những tài xế chuyên nghiệp đang cầm lái ở bên trong.
Điều đáng sửng sốt là chẳng phải có một lập trình viên con ai viết các hướng dẫn để điều khiển chúng. Thay vào chậm triển khai, nhờ được đồ vật công nghệ họd sâu, các mẫu ô tô đồ chơi này tự học hỏi các luật lệ hoạt động trong khoảng kinh nghiệm và thời kỳ học hỏi được xúc tiến nhanh bằng phương pháp san sẻ kinh nghiệm duyệt y một mạng nơ-ron nhân tạo.
Vietnambiz
Nhận xét
Đăng nhận xét