富士通于近日宣布其开发出世界首项可以精确捕捉数据关键特征的人工智能技术，包括高维数据的概率分布，能够极大提高AI检测和判断的准确性。
近年来，各个商业领域对由AI驱动的大数据分析手段的需求激增，但许多业务中使用的数据都是高维数据，涵盖通信网络访问数据、各类贸易交易数据、基因表达数据、各类医疗数据及图像等等。随着数据维度的增加，其复杂度也成指数级增长，高维数据挖掘变得异常困难，目标数据的特征也难以获得，这就是所谓的“维数灾难”。
采用深度学习来减少输入数据的维度被认为是帮助解决这一问题的有效方法，但由于缺乏对降维后数据分布和发生概率的考虑，这种方法对数据特征的捕捉准确度不够，AI 的识别精度也有限，有时会导致AI做出错误的判断。
富士通将深度学习与其研究多年的图像压缩技术相结合，开发出一项人工智能技术，在利用深度学习优化高维数据处理的同时，使精确提取数据特征成为可能。它将图像压缩中的信息论与深度学习相结合，对高维数据的降维数，以及降维后数据的分布进行了极大优化。
富士通以不同领域的数据异常检测基准对新技术进行了测试，包括国际数据挖掘与知识发现大会（KDD）的通信访问数据，和加州大学欧文分校提供的甲状腺数据及心律失常数据。
测试结果显示，这项技术在所有数据挖掘中都取得了前所未有的准确度，比起传统的基于深度学习的方法，错误率下降了37％。
富士通实验室研究员Akira Nakagawa表示：“对AI领域根本挑战之一，即如何准确地捕捉数据特征的解决，能让这项技术在更多新应用的开发上大有可为。我们也相信它会对现有AI技术的性能改进与提高具有极大的助力。”
