-

铠侠在2022年欧洲计算机视觉会议上展示图像分类系统,通过大容量存储器部署Memory-Centric AI技术

东京--(BUSINESS WIRE)--(美国商业资讯)-- (美国商业资讯)--存储器解决方案的全球领导者铠侠株式会社(Kioxia Corporation)开发了一种基于Memory-Centric AI的图像分类系统。Memory-Centric AI是一项利用大容量存储器的人工智能技术。该系统使用神经网络对图像进行分类,而神经网络会参考外部大容量存储器中的知识;这样可避免“灾难性遗忘”(catastrophic forgetting)这一神经网络的主要挑战,并可在不损失当前知识的情况下添加或更新知识。铠侠于10月25日在特拉维夫举行的2022年欧洲计算机视觉会议(ECCV 2022)上对该技术进行了口头汇报。ECCV是计算机视觉领域的顶级会议[1]

传统的人工智能技术通过更新名为“权重”的参数来训练神经网络,从而获取知识。一旦完成训练,神经网络必须从头开始重新训练,或者用新数据进行微调才能获取新知识。前者需要大量的时间并消耗大量的能源成本,而后者需要更新参数并面临灾难性的遗忘问题,即丧失曾获得的知识,导致分类精度下降。

为解决基于神经网络的图像分类系统的成本和准确性问题,新的解决方案将大量的图像数据、标签和图像特征图[2]作为知识存储在一个大容量存储器中。然后,神经网络通过参考这些存储的知识对图像进行分类(图1。这种方法通过向存储的数据添加新获得的图像标签和特征图来增加或更新知识。由于不需要重新训练或更新权重,不仅避免了“灾难性遗忘”,图像分类也能保持更高准确度。

此外,由于神经网络对图像进行分类时参考了所存储的数据,因而分类结果所依据的数据具备可视化,从而有望提高人工智能的可解释性[3]、缓解黑盒问题[4],并支持对知识来源进行选择性地修改。此外,通过分析所引用的数据,可以根据引用频率来评估每个存储数据的贡献。

铠侠秉承“用‘内存’提升世界”使命,持续为人工智能和存储技术的发展做出贡献,铠侠将Memory-Centric AI从图像分类扩展到其他领域,并促进采用大容量存储的人工智能技术的研究和开发。

关于Memory-Centric AI

介绍视频:https://youtu.be/lw8XKhviGJc
Memory-Centric AI,第一部分:铠侠顶级工程师是如何开发依赖记忆的人工智能 https://brand.kioxia.com/en-jp/articles/article25.html
Memory-Centric AI,第二部分:记忆互联网:Memory-Centric AI用途头脑风暴 https://brand.kioxia.com/en-jp/articles/article26.html

关于欧洲计算机视觉会议

欧洲计算机视觉会议(ECCV)是计算机视觉领域的顶级会议。近年来,ECCV已被确立为人工智能研究论文发表的主要场合,涵盖图像分类、物体检测和其他使用深度学习的技术。今年的口头报告接收率为2.7%。

[1] Paper title: K. Nakata et. al., “Revisiting a kNN-based Image Classification System with High-capacity Storage”, European Conference on Computer Vision 2022 (ECCV 2022)(论文题目:K. Nakata等人,“重新审视基于kNN的大容量存储的图像分类系统”,2022年欧洲计算机视觉会议)
[2] Image feature maps: multidimensional (e.g., 1,024-dimensional) numerical data obtained through neural network operations(图像特征图:通过神经网络操作获得的多维(如1,024维)数字数据)
[3] Explainability of AI: possibly of explaining the basis and reasons of results predicted by AI in a way that can be interpreted by humans.(人工智能的可解释性:以人类解读的方式解释人工智能预测的结果的潜在基础和原因。)
[4] Black-box problem: the process leading to the results predicted by AI is not interpretable to humans, making it a black box problem.(黑盒问题:人工智能预测结果的创造过程无法被人类解读,成为一项黑盒问题。)

公司名称、产品名称和服务名称可能是第三方公司的商标。

关于铠侠

铠侠是全球存储器解决方案领导者,致力于开发、生产和销售闪存及固态硬盘(SSD)。东芝公司于1987年发明了NAND闪存,2017年4月,铠侠前身东芝存储器集团从东芝公司分拆出来。铠侠致力于通过提供产品、服务和系统,为客户提供选择,为社会创造基于内存的价值,从而用“内存”提升世界。铠侠创新的3D闪存技术BiCS FLASH™正在塑造诸多高容量应用的未来存储方式,其中包括高级智能手机、PC、SSD、汽车和数据中心等。

免责声明:本公告之原文版本乃官方授权版本。译文仅供方便了解之用,烦请参照原文,原文版本乃唯一具法律效力之版本。

Contacts

Kota Yamaji
公关部
铠侠控股株式会社
81-3-6478-2319
kioxia-hd-pr@kioxia.com

Kioxia Corporation



Contacts

Kota Yamaji
公关部
铠侠控股株式会社
81-3-6478-2319
kioxia-hd-pr@kioxia.com

More News From Kioxia Corporation

Kioxia推出面向PC OEM的全新主流KIOXIA BG8系列固态硬盘

东京--(BUSINESS WIRE)--(美国商业资讯)-- Kioxia Corporation今日宣布推出KIOXIA BG8系列固态硬盘(SSD),这是其面向PC OEM客户的客户端固态硬盘产品线的最新力作。KIOXIA BG8系列将PCIe® 5.0的高速性能引入主流市场,兼具新一代技术能力、高效运行与广泛的设计灵活性,适用于轻薄本、商用和消费级笔记本电脑以及台式机系统。 KIOXIA BG8系列采用Kioxia的BiCS FLASH™第八代TLC架构3D闪存打造,在性能和能效上均实现升级。与上一代产品相比(1),KIOXIA BG8系列的连续读取性能最高提升47%,连续写入性能提升67%,随机读取性能提升44%,随机写入性能提升30%。 KIOXIA BG8系列的连续读取速度最高可达10,300 MB/s,连续写入速度最高可达10,000 MB/s,随机读取和写入性能分别最高可达140万和130万IOPS,可在各类客户端应用场景下提供灵敏流畅的系统运行表现。 无DRAM的KIOXIA BG8系列支持主机内存缓冲(HMB)功能,利用主机系统内存帮助实现性能、功耗和成本的平衡。...

Kioxia推出面向PC OEM厂商的高性价比QLC架构KIOXIA EG7系列固态硬盘

东京--(BUSINESS WIRE)--(美国商业资讯)-- Kioxia Corporation今日宣布推出KIOXIA EG7系列固态硬盘(SSD),这是首款采用Kioxia的BiCS FLASH™第八代每单元4位四级单元(QLC)技术的客户端解决方案。基于QLC架构的KIOXIA EG7系列可提供与TLC架构解决方案相当的性能(1),从而为高性价比轻薄本以及商用和消费级笔记本电脑和台式机带来更优的总体拥有成本(TCO)。 KIOXIA EG7系列固态硬盘将KIOXIA BiCS FLASH™第八代QLC 3D闪存的性能和能效优势带给PC OEM厂商的常见计算工作负载。新品可实现最高1000 KIOPS的随机读写性能、最高7000 MB/s的连续读取速度和最高6200 MB/s的连续写入速度。 KIOXIA EG7系列支持NVMe™ 2.0d规范,为PC OEM厂商在系统设计和设备管理方面提供更大的灵活性。该系列提供M.2 Type 2230、Type 2242和Type 2280三种外形尺寸,可在多种系统配置与空间限制下实现更广泛的兼容性。 作为Kioxia高性价比客户端固态硬...

KIOXIA单服务器实现48亿高维向量搜索数据库,借助GPU实现索引构建时间加速7.8倍

东京--(BUSINESS WIRE)--(美国商业资讯)-- Kioxia Corporation今日宣布,凭借其开源的KIOXIA AiSAQ™近似最近邻搜索(ANNS)技术,成功演示在单台服务器上实现48亿向量的高维向量搜索扩展。此外,Kioxia还展示了通过NVIDIA cuVS利用GPU加速,显著缩短索引构建时间的成果。这两项成果标志着检索增强生成(RAG)搜索解决方案取得了重大进展。目前公司正持续开发,以支持超过48亿向量的更大规模部署。 大规模向量数据库的索引构建时间是行业的核心痛点。Kioxia与NVIDIA合作,演示了其在1024维高维向量的KIOXIA AiSAQ索引构建时间上最多20倍的改进,以及端到端构建时间上最多7.8倍的改进。这20倍的改进意味着,构建索引的时间从使用CPU的28.4天缩短至使用4块NVIDIA Hopper GPU的1.4天,端到端测试时间从31天缩短至4天。1 如今,AI应用可依赖存储在固态硬盘上的更大规模向量化信息(可达数百亿向量及以上),而仅靠DRAM即便在十亿级规模下也已不再适用。Kioxia借助KIOXIA AiSAQ技术,实现了...
Back to Newsroom