QLED 8K: как искусственный интеллект и глубокое обучение помогают повысить качество изображения

В последнее время качество изображения на экранах телевизоров уже превосходит стандарт высокой чёткости (high definition, HD) – появились модели сверхвысокого разрешения (ultra-high definition, UHD), видео можно производить не только в формате 4K, но и в 8K. Однако, возможность снимать профессиональный контент в разрешении 8К появилась относительно недавно, а пользовательский контент 8К ещё только начинает появляться с выпуском мобильных трубок типа Galaxy S20, позволяющих создавать записи в таком разрешении. Отображать видео со сверхвысокой чёткостью позволяет существующая у Samsung технология масштабирования.
8K QLED-телевизоры 2020 года, использующие передовую операционную систему TIZEN, постоянно получают высокие оценки за инновационное качество изображения, отличный звук, современный дизайн и многое другое. В числе прочего, на примере этой линейки можно увидеть впечатляющую трансформацию технологий масштабирования видео, которые реализованы на базе интеллектуального процессора Quantum 8K, использующего алгоритмы искусственного интеллекта.
Команда разработчиков из лаборатории Picture Quality Solution Lab при подразделении Visual Display Business корпорации Samsung Electronics рассказала подробности об этой революционной технологии.

Улучшение алгоритмов глубокого обучения для оптимизации апскейлинга

При воспроизведении видео, записанного в низком разрешении, на дисплеях, работающих с высоким разрешением, качество изображения может оказаться ниже зрительских ожиданий. Технология масштабирования на базе искусственного интеллекта позволяет преобразовать видеоконтент с низким разрешением в видео более высокого качества, анализируя видеоданные и интеллектуально адаптируя их.
В 2018 году Samsung Electronics впервые внедрил технологию масштабирования на базе искусственного интеллекта для преобразования видеоконтента в формат 8K. Эта технология использует методы машинного обучения. При этом разработанный алгоритм анализирует различные параметры видео, в том числе количество линий, яркость и цвет, и улучшает изображение по каждому из этих аспектов, что позволяет повысить его разрешение. Подобные возможности глубинного обучения позволяют телевизору анализировать и обрабатывать детали видео, и одновременно с этим обучаться с помощью искусственной нейронной сети, принцип действия которой напоминает работу человеческого мозга.
Сотрудники Samsung Picture Quality Solution Lab сосредоточились на разработке алгоритмов глубокого обучения, благодаря которым телевизоры смогут всегда обеспечивать оптимальное качество видео без вмешательства человека. «Глубокое обучение позволяет добиться более точного и эффективного улучшения качества изображения, чем это возможно в ручном режиме», – отметил Хёнджун Лим (Hyungjun Lim), занимавшийся разработкой методов генерации текстур в технологии апскейлинга.
Именно это преимущество и привело команду к разработке технологии масштабирования на базе искусственного интеллекта, которая сочетает в себе машинное обучение с глубоким обучением. В основе этой технологии лежит Samsung AI Quantum Processor 8K. «Если прежняя технология на базе машинного обучения обеспечивала повышенную чёткость изображения, то теперь созданная нами технология способна предложить более точную проработку текстур, – отметил Хёнсунг Ли (Hyunseung Lee), который занимался разработкой алгоритмов для повышения резкости контуров объектов в AI Quantum Processor 8K. – Теперь процессор позволяет увеличить качество изображений со сложными текстурами, такими как горные пейзажи или изображения травы, до формата 8К, и сделать картинку ещё более естественной».

Решение проблем, связанных с глубинным обучением

Хотя технологии глубокого обучения имеют практически безграничный потенциал, тем не менее, существует целый ряд сложностей, которые необходимо преодолеть. В частности, команде лаборатории Picture Quality Solution Lab пришлось проиграть множество сценариев и провести огромное число экспериментов, прежде чем их технология была готова к выпуску на рынок. «Сначала нам было трудно детально отследить и понять принцип работы алгоритма, разрабатываемого искусственной нейронной сетью процессора, – говорит Чон Ли (Cheon Lee), разработчик структуры нейронной сети и метода обучения AI Quantum Processor 8K. – Кроме того, нам нужно было решить проблему высокого энергопотребления процессора, на котором была запущена нейронная сеть».
После длительного процесса разработки инженерам Samsung удалось решить возникшие проблемы, для чего им пришлось определённым образом адаптировать свои технологии. «Мы смогли добиться улучшения качества отображения в нашем процессоре благодаря внедрению функционально сложной гибридной технологии, которая сочетает в себе различные аспекты глубокого обучения и машинного обучения», – пояснил Чон Ли.

Мыслить шире, ярче и реалистичнее с помощью технологий искусственного интеллекта

Ещё совсем недавно повседневное применение технологий на базе искусственного интеллекта было несбыточной мечтой. Сегодня технологии быстро совершенствуются, что приводит к улучшению качества жизни людей во многих областях жизни.
«Теперь мы можем более детально классифицировать видео с различными уровнями качества, более того, мы можем вывести эти технологии категоризации на базе искусственного интеллекта на коммерческий рынок, – отметил Сунгхо Парк (Seungho Park), который работал над устранением шумов и улучшением диапазона контрастности в AI Quantum Processor 8K. – Благодаря подобным технологиям дисплеи нового поколения, такие как The Wall, способны отображать любой видеоконтент с максимальной реалистичностью и качеством, которые доступны сегодня».
Возможности этих инноваций, в основе которых лежит искусственный интеллект, не ограничиваются одними лишь технологиями масштабирования. Существует множество способов использования искусственного интеллекта для повышения качества изображения на дисплеях. К их числу относятся категоризация качества видео, устранение шумов, устранение искажений, обусловленных сжатием данных, восстановление пространственного или временного разрешения, – и это лишь только некоторые из них. «Наша цель заключается в том, чтобы сохранить наследие Samsung и продолжить обеспечивать наилучшие впечатления от просмотра за счёт объединения преимуществ наших дисплеев следующего поколения и технологий искусственного интеллекта, которые позволяют получить реалистичное и высококачественное изображение независимо от качества и разрешения исходного контента», – подытожил Пак. Будущее технологий QLED 8K выглядит весьма привлекательно.

QLED 8K: Where AI Upscaling Meets Deep Learning

In recent times, screen picture quality has transcended high definition – these days, it’s all about ultra-high definition. Although today’s hardware has been developed to support not just 4K content but 8K content as well, only recently has content begun to actually be produced to 8K quality standards. Therefore, in order to improve the video display quality of content made before 8K existed, upscaling technology exists to keep up with today’s ultra-high definition standard.
Samsung Electronics’ TIZEN-powered 2020 QLED 8K TV lineup continuously receives praise for its devices’ innovative display quality, sound, design and many other areas. In particular, the range showcases an impressive evolution with regards to its video upscaling technology, at the core of which is Samsung’s AI Quantum Processor 8K.
Samsung Newsroom interviewed the team from the Picture Quality Solution Lab of Samsung Electronics’ Visual Display Business to learn more about this revolutionary technology.

Leveling Up Deep Learning for Optimized Upscaling

When a low-resolution video plays on a high-resolution display, the resulting image quality can be below a viewer’s expectations. AI (artificial intelligence) upscaling is a technology that converts low-resolution videos into ones of more vivid and natural resolutions by analyzing the video data and adapting it intelligently.
In 2018, Samsung Electronics implemented its machine learning-based AI 8K upscaling technology for the first time. This technology harnesses machine learning wherein a human-designed algorithm intelligently analyzes the various video qualities, including line, light and color, and improves each of these for an improved display resolution. Such deep learning capabilities permit a TV to analyze and process video features whilst simultaneously learning thanks to an artificial neural network that acts in the same way as the human brain.
The members of Samsung’s Picture Quality Solution Lab focused on developing deep learning algorithms that enable displays to always showcase optimum video qualities without human intervention. “Deep learning enables more precise and efficient image quality improvements than can be achieved by humans alone,” noted Hyungjun Lim, who developed the AI upscaling technology’s texture generation method.
This operational advantage is what led the team to develop an AI upscaling technology that combines machine learning with deep learning – Samsung’s AI Quantum Processor 8K. “Previous machine learning technology brought about enhanced sharpness to display picture quality, but now our technology can also offer more delicate texturing,” noted Hyunseung Lee, who developed enhanced edge sharpness for the AI Quantum Processor 8K. “Images with complicated textures, like mountain or grass landscapes, can now be upscaled into 8K quality more naturally.”

Solving the Conundrum of Deep Learning

Although deep learning has limitless potential, there are still obstacles to be overcome. The Picture Quality Solution Lab team had to go through countless trial-and-error scenarios in order to make their technology market-ready. “It was difficult for us, at first, to clearly follow and comprehend the algorithm being developed by the artificial neural network of the processor,” highlighted Cheon Lee, the developer of the AI Quantum Processor 8K’s network structure and learning method. “The artificial neural network’s high hardware chip power consumption was an issue we had to solve, too.”
After a lengthy development process, Samsung was eventually able to solve the problems that had arisen thanks to its range of differentiated technologies. “We achieved the highly efficient display quality performance of our processor by making it a hybrid technology that combines complexity along with different aspects of deep learning and machine learning,” explained Lee.

Dreaming Bigger, Better and More Realistic with AI
       
It wasn’t that long ago that the day-to-day application of AI-powered technologies was but a distant dream to us. Nowadays, technology has improved rapidly to the end of improving the lives of people across many different areas of everyday life.
“We are now able to categorize videos of differing quality levels in a more detailed way while also bringing these AI categorization technologies to the commercial market,” noted Seungho Park, who worked the AI Quantum Processor 8K’s noise elimination and improving the detail contrast range. “Such technologies permit next-generation displays, such as The Wall, to be able to showcase all kinds of videos at the most realistic qualities possible today.”
This AI-powered innovation is not just limited to upscaling technologies. There exist a variety of ways to harness AI to improve the screen qualities of displays, including video quality categorization, noise elimination, data-compression-caused distortion restoration and spatial or time-based resolution restoration, to name just a few. “Our goal is to continue Samsung’s legacy of providing leading TV viewing experiences by combining the advantages of our next-generation displays with AI technologies that can restore videos to realistic-level qualities, regardless of their original qualities and resolutions,” affirmed Park. The future of QLED 8K is looking bright.

Samsung улучшит систему интеллектуального апскейлинга в новых моделях 8K-телевизоров

Samsung Electronics намеревается реализовать в новых моделях телевизоров ультравысокой чёткости 8К, работающих на операционной системе TIZEN, улучшенную технологию масштабирования AI Upscaling на базе искусственного интеллекта.
Уникальная система AI Upscaling разработана для повышения качества исходного изображения до уровня 8K. Для этого в современных ТВ-панелях Samsung стандарта 8К применяется фирменный чип Quantum Processor.
Технология основана на преобразовании исходных материалов, которые могут транслироваться из разных источников — со стримингового сервиса, игровой консоли, приставки с интерфейсом HDMI и даже со смартфона.
Более того, система AI Upscaling также включает функцию улучшения звука: специальные алгоритмы автоматически анализируют и совершенствуют аудиоконтент в каждой сцене, создавая глубокий звук для эффекта полного погружения.
Как теперь стало известно профильным СМИ, система AI Upscaling следующего поколения будет использовать средства глубокого обучения (deep learning). Это обеспечит ещё более высокое качество преобразования изображения и звука.
Ожидается, что улучшенные средства AI Upscaling будут применяться во всех 8К-телевизорах Samsung (в том числе на основе дисплеев MicroLED), произведённых с 2020 года. Скорее всего, технология будет впервые продемонстрирована на крупнейшей в мире выставке потребительской электроники CES 2020, которая пройдёт с 7 по 10 января в Лас-Вегасе (штат Невада, США).
По словам главных разработчиков технологии интеллектуального апскейлинга, инженеров Ай Тай-гюна и Пак Сэн-хо, экосистема формата 8K развивается в телевизионной индустрии быстрее, чем ожидалось, именно благодаря достижениям в области масштабирования, а также принятию единых стандартов для цифрового 8K-изображения, что принципиально важно при создании контента.
Начиная с 2016 года Samsung инвестировал в технологию AI Upscaling для 8K-телевизоров 85 миллионов долларов США.

Samsung to launch new AI-enhanced self-upscaling TVs next year

Samsung Electronics will apply self-upscaling program based on deep learning AI (artificial intelligence) technologies to all TIZEN-powered 8K TV products to be rolled out from next year. 
AI and machine learning algorithms are used to bridge the resolution gap between 4K and 8K TVs in the world where even 4K TV broadcasts are not widespread yet. Upscaling can make 1080p HD or lower resolution sources look better on larger screens such as 4K and 8K. Samsung has been putting a big focus on AI upscaling in its 8K TVs and it is leading the industry with an advanced commercial version in this area. 
Two principal engineers Ahn Tae-gyoung and Park Seung-ho at Samsung Electronics Visual Display (VD) Business Division are among those who are behind this technology development. They told Maeil Business Newspaper on Wednesday all of Samsung’s 8K TVs to be released next year will be equipped with advanced upscaling based on deep learning technologies. 
They claim the world’s first application of deep learning in image improvement, yielding higher-level optimization compared to machine learning. New 8K TV models powered by this technology will be showcased at the upcoming CES 2020. 
Samsung’s new Micro LED display may also rely on this technology. The 8K AI upscaling is able to provide optimized audio clarity by adjusting sound levels depending on images on the screen. Millions of images are studied by AI algorithms in advance to analyze correlation between image characteristics and audio quality and to make up for any insufficiency by reference. 
The 8K ecosystem is progressing in the TV industry faster than expected due to upscaling advances as well as image quality standard setting and content development, said Ahn. 
Samsung Electronics has invested more than 100 billion won ($85 million) since 2016 to obtain AI-based 8K upscaling technologies.

Новая система искусственного интеллекта в мобильных устройствах Samsung сможет обойтись без обращений к облачным сервисам. Эффективность работы нейросетевого процессора (NPU) повышена в 8 раз по сравнению с аналогами.

Алгоритмы глубокого обучения являются ключевым элементом искусственного интеллекта (AI), поскольку они представляют собой процессы, с помощью которых компьютер способен мыслить и учиться, как это делает человек.
NPU - это нейронный процессор, оптимизированный для вычислений алгоритма глубокого обучения, разработанный для эффективной обработки тысяч подобных вычислений одновременно.
В прошлом месяце Samsung Electronics объявил о своей цели - укрепить лидерство в мировой индустрии полупроводниковых систем к 2030 году путём расширения своих собственных разработок технологии NPU. Недавно южнокорейский техногигант представил свои открытия в этой области на конференции по компьютерному зрению и распознаванию образов (CVPR), одной из ведущих научных конференций такого профиля.
Сотрудники передового технологического института Samsung (Samsung Advanced Institute of Technology или сокращённо SAIT), специализирующееся на разработке, тестировании и производстве новых чипов, сообщили, что им удалось добиться прорыва в алгоритме работы искусственного интеллекта. За счёт множества нововведений чипы Samsung будут в 8 раз производительнее, чем ныне существующие 32-разрядные серверные нейросетевые процессоры (NPU).
Разработка южнокорейского электронного гиагнта весьма многообещающа. Новый NPU назвали Quantification1 Interval Learning (QIL). Он преобразует данные в группы из менее 4 бит, сохраняя при этом точность их распознавания. Все вычисления происходят непосредственно внутри устройства без необходимости их отправки в облако. Технология занимает в 4 раза меньше памяти и работает в 8 раз быстрее предшественников.
QIL позволяет сократить необходимое количество вычислений и, соответственно, уменьшить число транзисторов в 120 раз. Метод обработки алгоритма глубокого обучения здесь гораздо быстрее и энергоэффективнее, чем в уже существующих решениях. В то же время оптимизация вычислений и упрощение чипов позволят в разы ускорить функции вроде разблокировки посредством сканера отпечатков пальцев.
Кроме того, отказ от облачных вычисление и наличие AI в устройстве обеспечат максимальную стабильность обработки данных. Например, в системах автопилотирования любая задержка обработки при отправке данных в облако может иметь трагические последствия. Но решение инженеров Samsung позволяет  устранить такую проблему.
Многие ведущие производители электроники уже обратили внимание на эту разработку Samsung, что в обозримой перспективе должно принести корпорации дополнительную прибыль, поскольку техногигант собирается использовать такое решение не только в своих устройствах, но и продавать новые NPU сторонним заказчикам.

Samsung Electronics Introduces A High-Speed, Low-Power NPU Solution for AI Deep Learning

Deep learning algorithms are a core element of artificial intelligence (AI) as they are the processes by which a computer is able to think and learn like a human being does. A Neural Processing Unit (NPU) is a processor that is optimized for deep learning algorithm computation, designed to efficiently process thousands of these computations simultaneously.
Samsung Electronics last month announced its goal to strengthen its leadership in the global system semiconductor industry by 2030 through expanding its proprietary NPU technology development. The company recently delivered an update to this goal at the conference on Computer Vision and Pattern Recognition (CVPR), one of the top academic conferences in computer vision fields.
This update is the company’s development of its On-Device AI lightweight algorithm, introduced at CVPR with a paper titled “Learning to Quantize Deep Networks by Optimizing Quantization Intervals With Task Loss”. On-Device AI technologies directly compute and process data from within the device itself. Over 4 times lighter and 8 times faster than existing algorithms, Samsung’s latest algorithm solution is dramatically improved from previous solutions and has been evaluated to be key to solving potential issues for low-power, high-speed computations.

Streamlining the Deep Learning Process

Samsung Advanced Institute of Technology (SAIT) has announced that they have successfully developed On-Device AI lightweight technology that performs computations 8 times faster than the existing 32-bit deep learning data for servers. By adjusting the data into groups of under 4 bits while maintaining accurate data recognition, this method of deep learning algorithm processing is simultaneously much faster and much more energy efficient than existing solutions.
Samsung’s new On-Device AI processing technology determines the intervals of the significant data that influence overall deep learning performance through ‘learning’. This ‘Quantization1 Interval Learning (QIL)’ retains data accuracy by re-organizing the data to be presented in bits smaller than their existing size. SAIT ran experiments that successfully demonstrated how the quantization of an in-server deep learning algorithm in 32 bit intervals provided higher accuracy than other existing solutions when computed into levels of less than 4 bits.
When the data of a deep learning computation is presented in bit groups lower than 4 bits, computations of ‘and’ and ‘or’ are allowed, on top of the simpler arithmetic calculations of addition and multiplication. This means that the computation results using the QIL process can achieve the same results as existing processes can while using 1/40 to 1/120 fewer transistors2.
As this system therefore requires less hardware and less electricity, it can be mounted directly in-device at the place where the data for an image or fingerprint sensor is being obtained, ahead of transmitting the processed data on to the necessary end points.

The Future of AI Processing and Deep Learning

This technology will help develop Samsung’s system semiconductor capacity as well as strengthening one of the core technologies of the AI era – On-Device AI processing. Differing from AI services that use cloud servers, On-Device AI technologies directly compute data all from within the device itself.
On-Device AI technology can reduce the cost of cloud construction for AI operations since it operates on its own and provides quick and stable performance for use cases such as virtual reality and autonomous driving. Furthermore, On-Device AI technology can save personal biometric information used for device authentication, such as fingerprint, iris and face scans, onto mobile devices safely.
“Ultimately, in the future we will live in a world where all devices and sensor-based technologies are powered by AI,” noted Chang-Kyu Choi, Vice President and head of Computer Vision Lab of SAIT. “Samsung’s On-Device AI technologies are lower-power, higher-speed solutions for deep learning that will pave the way to this future. They are set to expand the memory, processor and sensor market, as well as other next-generation system semiconductor markets.”
A core feature of On-Device AI technology is its ability to compute large amounts of data at a high speed without consuming excessive amounts of electricity. Samsung’s first solution to this end was the Exynos 9 (9820), introduced last year, which featured a proprietary Samsung NPU inside the mobile System on Chip (SoC). This product allows mobile devices to perform AI computations independent of any external cloud server.
Many companies are turning their attention to On-Device AI technology. Samsung Electronics plans to enhance and extend its AI technology leadership by applying this algorithm not only to mobile SoC, but also to memory and sensor solutions in the near future.

1 Quantization is the process of decreasing the number of bits in data by binning the given data into sections of limited number levels, which can be represented in certain bit values and are regarded as having the same value per section
2 Transistors are devices that control the flow of current or voltage in a semiconductor by acting as amplifiers or switches

Монреальский Центр Искусственного интеллекта Samsung займётся исследованиями в области полупроводниковых систем нового поколения

Новая лаборатория во всемирно известном центре исследований AI усилит сотрудничество Samsung с ведущими экспертами отрасли

Недавно мы сообщали, что Samsung Electronics объявил о расширении лаборатории Искусственного интеллекта (AI) в институте Samsung Advanced Institute of Technology (SAIT) в Монреале (Канада). Теперь поступили новые подробности, опубликованные в официальном пресс-релизе.
Лаборатория будет способствовать укреплению позиций корпорации в области исследований AI и повышению конкурентоспособности в производстве полупроводниковых систем.
AI-лаборатория расположена в институте алгоритмов машинного обучения Mila (Montreal Institute for Learning Algorithms) в Монреале. Mila – один из лучших исследовательских центров мира в области глубокого обучения, основанная профессором Йошуа Бенжио (Yoshua Bengio), одним из величайших мировых экспертов в области глубокого обучения, машинного обучения и искусственного интеллекта, партнёрами которого являются Университет Монреаля и Университет МакГилл. В лаборатории доступно открытое рабочее пространство для совместной работы с сообществом исследователей в области AI.
Лаборатория в Монреале сконцентрируется на исследованиях в области обучения без учителя (unsupervised learning) и генеративных сетей (GAN) для разработки революционных технологий, в том числе новых алгоритмов глубокого обучения и встроенного AI нового поколения.
К работе в AI-лаборатории Samsung была привлечена команда ведущих специалистов в области глубокого обучения, включая Саймона Лакост-Жюльена (Simon Lacoste-Julien), профессора университета Монреаля, который недавно присоединился к руководству лаборатории. Кроме того, Samsung со временем планирует направить сотрудников отдела исследований и разработок подразделения Device Solutions Business в Монреаль, а также использовать AI-лаборатории в качестве базы для обучения специалистов и сотрудничества с другими передовыми исследовательскими институтами в этой области.
При этом лаборатория в Монреале продолжает выстраивать устойчивые отношения с Йошуа Бенжио. SAIT и профессор Бенжио сотрудничают в области исследований алгоритмов глубокого обучения с 2014 года, ими были опубликованы 3 статьи на эту тему в известных научных журналах.
«Мы установили продуктивное сотрудничество Samsung с Mila, которое уже принесло хорошие результаты и укрепило взаимное доверие сторон. Благодаря новой лаборатории SAIT, расположенной в недавно открытом здании института, и увлекательным исследовательским задачам в области AI, стоящим перед нами, я ожидаю ещё более позитивных результатов в будущем», – прокомментировал профессор Йошуа Бенжио.
«Samsung Advanced Institute of Technology (SAIT) фокусируется на исследованиях и разработках – не только в полупроводниках следующего поколения, но также и на инновационном искусственном интеллекте как базовой технологии в полупроводниковых системах. AI-лаборатория в Монреале сыграет ключевую роль, задав новое определение теории AI и алгоритмам глубокого обучения на ближайшие 10 лет», – отметил Сон-ву Хван (Sungwoo Hwang), исполнительный вице-президент и глава подразделения SAIT.
SAIT активно проводит совместные исследования с другими ведущими специалистами в этой области. Помимо профессора Бенжио, SAIT работал с профессором Нью-Йоркского университета Яном Лекуном (Yann LeCun) и профессором Университета Торонто Ричардом Земелем (Richard Zemel). Йошуа Бенжио и Ян Лекун вместе с учёным Джеффри Эверестом Хинтоном (Geoffrey Everest Hinton) получили премию Тьюринга 2018 года, которую часто называют «Нобелевской премией в области компьютерных наук».

Samsung Electronics Expands SAIT AI Lab Montreal to Spur AI Research for Next-Generation System Semiconductor

Newly inaugurated lab moved to Mila, world-renowned AI research center, to strengthen collaboration with top authorities in deep learning, including Professor Yoshua Bengio

Samsung Electronics today announced the expansion of the ‘Samsung Advanced Institute of Technology (SAIT) artificial intelligence (AI) Lab Montreal’ in Canada. The Lab will help the company strengthen its fundamentals in AI research and drive competitiveness in system semiconductors.
The AI Lab is located in Mila – Montreal Institute for Learning Algorithms – in Montreal, Canada. Founded by Professor Yoshua Bengio at the University of Montreal, Mila is one of the greatest research centers in the field of deep learning and has a partnership with the University of Montreal and McGill University. SAIT AI Lab Montreal has an open workspace with the aim of working closely with the AI research communities in Mila.
SAIT AI Lab Montreal will focus on unsupervised learning and Generative Adversarial Networks (GANs) research to develop disruptive innovation and breakthrough technologies, including new deep learning algorithms and next generation of on-device AI.
To drive the effort, this AI Lab has actively recruited leaders in deep learning research, including Simon Lacoste-Julien, Professor at the University of Montreal, who recently joined as the leader of the lab. In addition, Samsung is planning to dispatch R&D personnel in its Device Solutions Business to Montreal over time and utilize AI Labs as a base for training AI researchers and collaborating with other advanced AI research institutes.
On the other side, SAIT AI Lab Montreal continues to build a strong relationship with Yoshua Bengio, one of the world’s greatest experts on deep learning, machine learning, and AI. SAIT and Professor Bengio collaborated on deep learning algorithm research since 2014, successfully publishing three papers on academic journals.
Professor Yoshua Bengio said, “Samsung’s collaboration with Mila is well established already and has been productive and built strong trust on both sides. With a new SAIT lab in the midst of the recently inaugurated Mila building and many exciting research challenges ahead of us in AI, I expect even more mutually positive outcomes in the future.”
SAIT has actively pursued research collaboration with other top authorities in the field. In addition to Professor Bengio, SAIT has worked with Yann LeCun, Professor at New York University and Richard Zemel, Professor at University of Toronto. Yoshua Bengio and Yann LeCun, along with computer scientist Geoffrey Everest Hinton won the 2018 Turing Award which is deemed the ‘Nobel Prize in computer science.’
“SAIT focuses on research and development – not only in next generation semiconductor but also innovative AI as a seed technology in system semiconductors. SAIT AI Lab Montreal will play a key role within Samsung to redefine AI theory and deep learning algorithm for the next 10 years,” said Sungwoo Hwang, Executive Vice President and Deputy Head of SAIT.

Samsung и ВШЭ открывают совместную лабораторию по разработке систем искусственного интеллекта

Событие, о котором широко не упоминалось в прессе, но являющемся весьма важным для специалистов, работающих над созданием систем искусственного интеллекта.
В начале марта 2018 года Высшая школа экономики (ВШЭ/HSE) объявила об открытии  совместной с Samsung Research лаборатории.
Samsung-HSE Laboratory будет разрабатывать механизмы байесовского вывода в современных нейронных сетях, что позволит решить ряд проблем в глубинном обучении. Команду лаборатории составят сотрудники исследовательской группы байесовских методов факультета компьютерных наук НИУ ВШЭ — одной из сильнейших научных групп России в области машинного обучения и байесовского вывода. Возглавит её профессор ВШЭ Дмитрий Ветров.
Сотрудничество Центра глубинного обучения и байесовских методов (ранее — Международная лаборатория глубинного обучения и байесовских методов) с корпорацией Samsung началось год назад с проекта по разработке специального метода обучения глубинных нейронных сетей, основанного на байесовском подходе. Открывающаяся совместная лаборатория НИУ ВШЭ и Samsung станет частью этого центра.
Нейронные сети и байесовские модели — две популярные парадигмы в области машинного обучения. Первые совершили настоящую революцию в области обработки больших объёмов данных, положив начало новому направлению, получившему название глубинное обучение. Вторые традиционно применялись для обработки малых данных. Новый математический аппарат, разработанный в 2010-х годах, позволяет конструировать масштабируемые байесовские модели. Это даёт возможность применить механизмы байесовского вывода в современных нейронных сетях.
Даже первые попытки построения гибридных нейробайесовских моделей приводят к неожиданным и интересным результатам. Например, благодаря использованию байесовского вывода в нейронных сетях удаётся сжать сеть приблизительно в 100 раз без потери точности её работы. С другой стороны, в самой процедуре приближённого байесовского вывода можно также использовать нейронную сеть, чтобы подойти к точному апостериорному распределению. Таким образом, получается взаимное проникновение двух технологий.
Нейробайесовский подход потенциально может решить ряд открытых проблем в глубинном обучении: возможность катастрофического переобучения на шумы в данных, самоуверенность нейронной сети даже в ошибочных предсказаниях, неинтерпретируемость процесса принятия решения, уязвимость к враждебным атакам (adversarial attacks). Все эти проблемы осознаются научным сообществом и над их решением работают многие коллективы по всей планете, но готовых ответов пока нет.
«Samsung Electronics — один из мировых технологических лидеров. В своих разработках мы используем много моделей глубинного обучения. Но для того, чтобы не отставать от конкурентов, недостаточно просто использовать готовые модели. Нужно создавать и новые технологии машинного обучения. Это тем более важно, что область глубинного обучения ещё не «устоялась» и каждый год появляются всё новые модели, а уже существующие быстро устаревают, — поясняет доктор Ли Гын-бэ, руководитель AI Center, недавно созданного подразделения Samsung Research. — Всё это означает, что человечество пока не нащупало оптимального решения для обработки больших объёмов данных. Поэтому сотрудничество с ведущими научными группами в области машинного обучения и искусственного интеллекта в университетах по всему миру позволяет «держать руку на пульсе» и отслеживать самые последние достижения в этой области, а также получать эксклюзивный доступ к технологиям, созданным в лабораториях-партнёрах».
«Решение корпорации Samsung выбрать нашу группу в качестве ключевого партнёра в России, дав нам возможности сосредоточиться исключительно на фундаментальных исследованиях, — это знак признания наших научных достижений и одновременно кредит доверия, который мы постараемся полностью оправдать, — говорит руководитель совместной лаборатории и глава исследовательской группы байесовских методов ВШЭ Дмитрий Ветров. — Обычно крупные компании стараются использовать учёных для решения прикладных задач. Я рад, что наши корейские коллеги понимают всю важность исследований по разработке новых технологий, а не решения конкретных задач. Наша лаборатория будет заниматься именно созданием новых технологий, то есть самым интересным с точки зрения учёного. Наши цели полностью совпадают с пожеланиями наших партнёров, что служит залогом успешного и длительного сотрудничества».
В прошлом году Samsung создал в Южной Корее новое подразделение — AI Center, специализирущееся на разработках в области искусственного интеллекта. В дополнение к созданию совместной лаборатории с ВШЭ в планах AI Center в этом году — открытие глобальной сети филиалов на базе исследовательских лабораторий в России, Франции, Канаде и Великобритании, что позволит усилить компетенции Samsung в области искусственного интеллекта.
Помимо научных проектов, совместная лаборатория НИУ ВШЭ — Samsung будет активно участвовать в образовательном процессе. К работе в ней будут привлекаться и студенты, и аспиранты факультета компьютерных наук. В августе 2018 года при поддержке Samsung пройдёт вторая летняя школа по нейробайесовским методам. На этот раз она будет проводиться на английском языке и в ней примут участие несколько ведущих учёных. Набор на летнюю школу ещё открыт.

Samsung and the Russian Higher School of Economics are opening a joint laboratory to create artificial intelligence systems

Samsung-HSE Laboratory is a new research lab of the Faculty of Computer Science. The main direction of the Laboratory’s research is the construction of scalable probabilistic models. The core of the new Laboratory is a team of researchers of the Centre of Deep Learning and Bayesian Methods, with a broad expertise in the field of machine learning and Bayesian methods.
Samsung, which is one of the world's technological leaders, creates a network of joint laboratories around the world. The participation of HSE’s staff in this global project will allow them to focus on fundamental research and contact with the world's strongest research groups in the field of machine learning and artificial intelligence.

The major areas of research are:

* Sparsification and acceleration of deep neural networks
* Ensembles of ML algorithms
* Uncertainty estimation and defences against adversarial attacks
* Loss-based learning for Deep Structured Prediction
* Stochastic optimization methods
* Learning and inference methods for probabilistic models using tensor decomposition