コアテクノロジー

天才的な発明に対する商業的権利を持つ唯一の会社

 

よりスマートなデータとツール。 人のために作られました。

35年以上の数学的研究開発に導かれて…

複雑さを理解するために開発

リレーショナルAIは、個人だけでなく、個人の違いや個人間の関係も理解します。 当社の技術は、複数のソースからのデータを組み合わせて、人、場所、物の間の関係に基づいて、複雑で文脈的な理解をします。

パーソナライゼーションのために開発

リレーショナルAIは、データを型にはめるのではなく、独自の状況から学習します。 従来の機械学習とは異なり、リレーショナルAIは、人はそれぞれが世界に対して異なる見方をしていることを理解しています。 発見した関係に科学的な意味を関連付けます。 意味付けする必要はありません。 データ自体に語らせます。

スピードとセキュリティのために開発

アルゴリズムは、エッジデバイス自体で実行されます。 これにより、リレーショナルAIをより速く、より安全に、分散させてパーソナライズできます。

主な特徴​

AIエンジン
+
IoTデバイスとAIで継続的に改善されたリレーショナルインテリジェンスのためのスマートマネジメントサービス

リレーショナルAIは、時間の経過やさまざまなコンテキストでの発言、行動、感情の関係をマッピングすることで、個人を明確に理解します。 マッピングでは、複数のソースからの信号を使用して、個人ごとに複雑な文化的および感情的なプロファイル、またはベンチマークを作成します。 各プロファイルは、内部的に一貫した世界観を示しているため、個人、グループ、または概念を比較して、感情的および文化的な違いを理解できます。​

 

Emotional Cultural Intelligence Machine Learning

概要

レイヤード ベクトル クラスター パターン トリム (LVCPT)は、信号と意味の間の関連付けを何層も作成することから始まります。 最上位のレイヤーであるグローバルベクターレイヤー(GloVe)は、内部(感情など)と外部(意見や行動など)の信号を抽出し、それらをより高いレベルの概念、エンティティ、または意味に関連付けます。 これは、単語の普遍的な意味を理解しているスタンフォードのグローバルベクトル単語表現に似ていますが、(1)単語だけでなく複数の信号を処理し、(2)単一レイヤー内で同じアイテムの複数のビューを許可することにより、さらに深めることができます。​

他のすべての層は、単一の概念や個人など、ローカルに関連するアイテムの集まりを表すローカルベクターレイヤー(LoVe)です。 グローバルレイヤーの普遍性は、ローカルレイヤー内の関係の理解に役立つことを意味します。 それがこのプロセスを非常に強力にし、弊社のAIが他のAIに大幅な改善を提供できる理由です:グローバルレイヤーの多次元性は、さまざまな信号を使用して複雑な状況を理解し、この状況理解を使用してローカル層でより正確で低コストに関連付けを発見できることを意味します。

既存AIに先んじる

一般的なAIはユークリッド変換を使用して、処理できる信号の数を制限し、ワールドビューを単一の視点に制限します。 このタイプのユークリッドAIは、高いレベルの概念を要約することはできません。​

対照的に、リレーショナルAIは複数のソースからの信号を処理し、幾何学的連想メモリを備えた双曲線3次元トポロジーに依存しているため、複数の視点と意味のレイヤーを記憶できます。 208/5000 リレーショナルAIの階層化されたベクトル化アプローチは、AIがローカルレイヤーで提供するデータだけでなく、グローバルレイヤーで適用する既知の高レベルのアイデアや概念からも学習することを意味します。 これが、私たちが一般的なAIを90%を超える精度の修正フィードバックで改善できる方法です。– AIはより多くのデータをより高い次元で処理し、非線形で複雑な関係を識別します。

 

 

リレーショナルAIは、ほとんど教師なしの機械学習です。 「ほぼ教師なし」と言うのは、車のエンジンと同じように物事を動かすためにスターターを必要としますが、その後は単独で動作するためです。 「スターター」とは、双曲線多様体内の位置座標として表される高レベルの概念と意味の、まばらな明示的または暗黙的な要約からのガイダンスです。 このガイダンスを使用して、 非線形信号パターンを分類し、それらに意味を関連付けるために幾何学的連想メモリを適用します。

概要

私たちは、アイテム(例えば概念、人、物など)を幾何学的双曲線多様体にマッピングします。 私たちのアルゴリズムは、各種信号(例えば話し言葉、声の感情、行動など)の集合で多様体を定義します。 次に、双曲線多様体空間からランダムかつ均一にサンプリングして、アイテムに関連付けられた多様体を発見します。

双曲線レンズ使用して、Relational AIは多様体間の類似点と相違点を測定します。これは、コミュニティ内の人々の類似性や2つの文化的観点の理解の違いなど、アイテム間の文化的な違いです。

リレーショナルAIをさらに強力にするのは、ノットシーケンスの使用です。 ノットシーケンスを使用すると、同時の信号を双曲線多様体空間の単一の一時点に一致させることができます。 つまり、どの時点でも、数百万のマルチモーダル信号を表示し、個人の文化的、政治的、科学的信念体系の非線形関係を発見できることを意味します。

単一の時点をマッピングできるだけでなく、多様体群として表される一連の時点をマッピングすることもできます。 このシーケンス効果は、ミリ秒ごとに撮影され、時間順に並べられた各画像フレームのピクセルから作成されたビデオシーケンスの効果に似ています。 異なるのは、シーケンスが特定の瞬間のキュービットレベルの構造と状況内容の多くを簡潔に要約していることです(たとえば、音声(「あれはすごい!」)、画像(興奮した顔、ロケット発射を指している手)、感情(高正の興奮と覚醒)、および生理学的データ(心拍数)。 リレーショナルAIには、ポイントとシーケンスのますます次元の組み合わせのこれらのレイヤーに双曲線多様体学習アルゴリズムを適用する柔軟性があります。

  • 高速サイクル = ベクターランタイム
  • 無数のダークデータからのランダムな信号の意味を理解します。
  • 異種データセット(LinkedIn / CRM / Talent Insights、O365 /会議室など)をつなぎ合わせて、周囲関係から各人を理解する
  • あらゆるデータパイプラインにプラグイン
  • CogServeやAzureなどの開発者ツールに埋め込まれます
  • Microsoft + IntelのAzure Sphere IoTツールセットに時間外に埋め込み、エッジでのコンピューティングを可能にします
  • データが集中化していない
  • オプトインおよび共有できる個人所有権とセキュリティ
  • LVCPT + GAMを使用して信号のパターンを検出
  • その瞬間の最も客観的な解釈のために、非構造化実世界パターンを構造化ラベル(低速サイクルから)に関連付けます
  • エキスパートデータサイエンスに基づく偏った解釈は一つもない
  • 遅いサイクル = モデル/足場構築
  • Startpoint = Wikipediaで体系化された既知の科学パターン + サイクルスピアを使用したパブリックアクセスジャーナル(researchgate、arxiv.org)のWebドキュメント
  • 高速サイクルが既知のレベルのない新しいパターンを発見した場合、研究者が証拠/推測に対する仮説を作成およびテストするためのガイド付き学習ツールで公開
  • 研究ツールから学習することで、プロアクティブでリアルタイムのラベル付けとリアクティブのラベル付けが可能になります(多くの場合、パターンが最初に認識されてから数か月/年後に文書化される科学に従っています)

Decentralized Edge Processing Artificial Intelligence

Ipviveの教師なしグラフのスパース化では、分散化を使用してエッジ処理の効率を向上させ、パーソナライズ化させます何十億人もの人々がたくさんのデータを生成し続けるなか、IoTデバイスの組み込みAIによる分散処理(「エッジ処理」)は、非常にリスクが高く高価な集中データ処理を回避するのに役立ちます。 私たちのベクターランタイムサイクルはエッジで動作します。つまり、データをサーバーに移動せず、デバイスに残すことができます。 これは、結果処理の高速化とデータプライバシーの向上を意味します。 さらに、個人およびグループレベルで教師なしのグラフ管理を使用してIDを安全にチェックし、データの代わりに価値を提供し、分散型台帳技術を使用してトランザクションの速度と効率を向上させます

共に、人々のためのよりスマートなデータとツールを構築できます。 共同開発しませんか?