详细内容或原文请订阅后点击阅览
富士通全新人工智能驱动的广泛学习技术即使在数据集不平衡的情况下也能实现高度准确的学习
Искусственнный интеллект в настоящий момент используется в различных областях, но точность ИИ может бть достаточно низкой в тех случаях, когда объем анализируемых данных недостаточен или несбалансирован。
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）人工智能目前应用于各个领域，但在分析数据量不足或不平衡的情况下，人工智能的准确性可能会相当低。
富士通的 Wide Learning 技术可以让您比以前的技术做出更准确的决策，并且即使在分析的数据不平衡时，学习过程也变得更加均匀。
之所以能取得高性能结果，是因为该技术通过收集所有数据元素组合形成的大量假设来提取重要度较高的假设，然后根据重叠的紧密假设来控制每个假设的影响程度。另外，因为假设以逻辑表达式的形式书写；专家也可以理解特定决策的原因。
富士通的全新 Wide Learning 技术使得人工智能甚至可以用于医疗和营销等领域，因为在这些领域中，决策所需的数据无法达到所需的水平。
基于深度学习的人工智能技术通常通过学习大量数据来做出高度准确的决策。然而，在实际情况下，有很多例子无法提供所需的数据量。在这种情况下，AI技术很难做出准确的决策。而且，现有基于深度学习的人工智能的机器学习模型是黑盒模型，无法解释人工智能决策的原因，这就产生了决策透明度的问题。
因此，未来需要开发新的人工智能技术，能够根据不平衡的数据做出准确的决策，并且足够透明。考虑到这些要求，富士通实验室开发了 Wide Learning，这是一种机器学习技术，即使面对不平衡的数据也能够做出准确的决策。
广泛学习技术的两个主要优势。