階層型時間メモリが人工知能による異常検出には最適

シェアする

その買うを、もっとハッピーに。|ハピタス

IoT(モノのインターネット)時代の中で、ストリーミングデータを明るみにするための、ネットに接続されたリアルタイムセンサーの使用の急激な増加は、ストリーミング解析の新興分野において、大きな課題と機会を提起していて、特に、ストリーミングデータの異常検出は、予防保守から、不正行為防止、障害検出、システム監視に至る重要な使用事例に対して、多くの産業にとって、ますます重要なアプリケーションになってきています。しかし、ストリーミングデータの瞬時性が、今日に至るまで、標準的なAI(人工知能)と機械学習テクニックに適用するのに、大きな課題を提示し続けてきています。

スポンサーリンク

階層型時間メモリ

Numenta demonstrates machine intelligence algorithm for real-time anomaly detection

Neuroscience and machine intelligence researchers at Numenta Inc. have demonstrated how a novel anomaly detection algorithm, based on their theory of how the brain works, can tackle the problem with a technique that meets the requirements of streaming data by processing data in real-time and offering continuous, online detection without supervision – while simultaneously making predictions. The technique is based on an online sequence memory algorithm called Hierarchical Temporal Memory (HTM).

ヌメンタのニューロサイエンス(神経科学)と人工知能の研究者達が、脳が機能する仕組みに関する彼等の仮説に基づいた、今までにない新しい異常検出アルゴリズムが、同時に予測を行う一方で、教師なしで、リアルタイムにデータを処理し、連続的なオンライン検出を提供することによって、ストリーミングデータの要求に応える技術を用い、問題に対処できることを実証しています。その技術は、階層型時間メモリ(HTM)と呼ばれている、オンラインシーケンスメモリアルゴリズムをベースにしています。

Numenta researchers have described the technique in a new peer-reviewed paper, “Unsupervised real-time anomaly detection for streaming data”,* published in a special issue of Neurocomputing.

ヌメンタ研究者達は、そのテクニックを、Neurocomputing誌特別号に掲載された新しい査読済み論文、”ストリーミングデータ用教師なしリアルタイム異常検出”中で解説しています。

スポンサーリンク

ヌメンタアノマリーベンチマーク

In the new paper, the researchers also present the results of using the Numenta Anomaly Benchmark (NAB), a benchmark containing real-world data streams with labeled anomalies. NAB, an open-source benchmark and tool designed to help data researchers evaluate the effectiveness of algorithms for anomaly detection in streaming, real-time applications, was first presented in 2015 during the IEEE Conference on Machine Learning and Applications. NAB provides a first-of-its-kind controlled open-source environment for testing a wide range of anomaly detection algorithms on streaming data. Numenta offers the open standard benchmark for the research community to use, add to, and even draw inspiration from for new, innovative techniques.

新しい論文の中で、研究者達は、ラベル付きアノマリーを使った。実環境データストリームを含んだベンチマークである、ヌメンタアノマリーベンチマーク(NAB)を利用した結果も提示しています。オープンソースベンチマークで、データ研究者達が、ストリーミング、リアルタイムアプリケーションでの、異常検出用アルゴリズムの実効性を評価するのに役立つようにデザインされたツールであるNABは、2015年の機械学習とアプリケーションに関するIEEE会議の期間中に、初めてプレゼンされています。NABは、その種では初めての、ストリーミングデータに対する、幅広い異常検出アルゴリズムをテストするための、制御されたオープンソース環境を提供しています。ヌメンタは、新しい革新的技術のために、研究コミュニティが使用、付け足し、さらには、発想を得る目的で、オープンスタンダードベンチを提供しています。

スポンサーリンク

脳の仕組みを利用

“While many anomaly detection approaches exist for time-series data, the majority of methods are limited and apply statistical techniques that are computationally lightweight for streaming analytics. The versatile properties of HTM, which are patterned after the principles of how the brain works, make it well suited for streaming anomaly detection,” said Numenta Research VP Subutai Ahmad.

”タイムシリーズデータ(時系列データ)用には、多くの異常検知法が存在する一方で、大部分の手法が限定的で、ストリーミング解析に対しては、計算的に役不足である、統計的手法を適用しています。脳の仕組みの原理に倣ってパターンかされている、HTMの多目的性が、ストリーミングアノマリー検出にぴったりにしています。”と、スブタイ・アーマド氏は語った。

“We are bridging the gap between neuroscience and AI by using brain function as a guide to solving machine learning problems and designing more intelligent systems,” added Ahmad.

”我々は、神経科学と人工知能の間のギャップを、機械学習の課題を解決して、もっと知的なシステムをデザインするためのガイドとして、脳機能を使うことで橋渡ししています。”

深層ニューラルネットワークなんかは、昨今、驚くべき進歩を見せてはいますが、それでも、人間の脳には到底及ばず、現段階での人工知能は、人間の脳の学習能力の足元にも及ばないみたいです。AIが真に知的になるためには、脳の仕組みの解明が急務なようです。

スポンサーリンク