存儲器解決方案的全球領導者鎧俠株式會社(Kioxia Corporation)開發了一種基于Memory-Centric AI的圖像分類系統。Memory-Centric AI是一項利用大容量存儲器的人工智能技術。該系統使用神經網絡對圖像進行分類，而神經網絡會參考外部大容量存儲器中的知識；這樣可避免“災難性遺忘”(catastrophic forgetting)這一神經網絡的主要挑戰，并可在不損失當前知識的情況下添加或更新知識。鎧俠于10月25日在特拉維夫舉行的2022年歐洲計算機視覺會議(ECCV 2022)上對該技術進行了口頭匯報。ECCV是計算機視覺領域的頂級會議[1]。

傳統的人工智能技術通過更新名為“權重”的參數來訓練神經網絡，從而獲取知識。一旦完成訓練，神經網絡必須從頭開始重新訓練，或者用新數據進行微調才能獲取新知識。前者需要大量的時間并消耗大量的能源成本，而后者需要更新參數并面臨災難性的遺忘問題，即喪失曾獲得的知識，導致分類精度下降。

為解決基于神經網絡的圖像分類系統的成本和準確性問題，新的解決方案將大量的圖像數據、標簽和圖像特征圖[2]作為知識存儲在一個大容量存儲器中。然后，神經網絡通過參考這些存儲的知識對圖像進行分類（圖1）。這種方法通過向存儲的數據添加新獲得的圖像標簽和特征圖來增加或更新知識。由于不需要重新訓練或更新權重，不僅避免了“災難性遺忘”，圖像分類也能保持更高準確度。

此外，由于神經網絡對圖像進行分類時參考了所存儲的數據，因而分類結果所依據的數據具備可視化，從而有望提高人工智能的可解釋性[3]、緩解黑盒問題[4]，并支持對知識來源進行選擇性地修改。此外，通過分析所引用的數據，可以根據引用頻率來評估每個存儲數據的貢獻。

鎧俠秉承“用‘內存’提升世界”使命，持續為人工智能和存儲技術的發展做出貢獻，鎧俠將Memory-Centric AI從圖像分類擴展到其他領域，并促進采用大容量存儲的人工智能技術的研究和開發。

關于歐洲計算機視覺會議

歐洲計算機視覺會議(ECCV)是計算機視覺領域的頂級會議。近年來，ECCV已被確立為人工智能研究論文發表的主要場合，涵蓋圖像分類、物體檢測和其他使用深度學習的技術。今年的口頭報告接收率為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)（論文題目：K. Nakata等人，“重新審視基于kNN的大容量存儲的圖像分類系統”，2022年歐洲計算機視覺會議）
[2] Image feature maps: multidimensional (e.g., 1,024-dimensional) numerical data obtained through neural network operations（圖像特征圖：通過神經網絡操作獲得的多維（如1,024維）數字數據）
[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.（人工智能的可解釋性：以人類解讀的方式解釋人工智能預測的結果的潛在基礎和原因。）
[4] Black-box problem: the process leading to the results predicted by AI is not interpretable to humans, making it a black box problem.（黑盒問題：人工智能預測結果的創造過程無法被人類解讀，成為一項黑盒問題。）

公司名稱、產品名稱和服務名稱可能是第三方公司的商標。

大容量存儲的圖像分類技術（圖示：美國商業資訊）