A Fujitsu Laboratories bemutatta következő generációs mesterséges intelligencia megoldását, amely különféle közösségi jelzések alapján nyújt valós idejű információkat. Az alkalmazás biztonságosabbá teszi a vezetést, és lehetővé teszi a biztosítótársaságok és flottaüzemeltetők számára a sofőr viselkedésének valós idejű lekövetését.
A Fujitsu új AI-megoldása új területre terjeszti ki a hagyományosan egészségügyi és személyi fitneszalkalmazásokat támogató érzékelőalapú akivitásfelismerő technológia használatát. A Fujitsu Laboratories of Europe olyan analitikai megoldást fejlesztett ki, amely egyetlen, csuklóra rögzített gyorsulásérzékelő adatai alapján képes elemzést készíteni a járművezető viselkedéséről. Ez az érzékelő nem olyan tevékenységeket rögzít, mint a séta, a futás vagy kerékpározás, hanem ún. mikrointerakciókat : pl. dohányzás, ivás vagy mobiltelefon-használat. A megoldás sokféle képességet biztosít a vezetői koncentráció és az azt befolyásoló tényezők valós idejű elemzésére.
A Fujitsu Laboratories of Europe alelnöke, dr. Adel Rouz elmondta : „Közösségi innovációs megoldásunk jól példázza, hogyan tudjuk felhasználni a hálózatra csatlakozó eszközök adatait, és mélytanulási technikák alkalmazásával kinyerni a bennük rejlő információt, hogy valós idejű elemzéseket és felismeréseket biztosíthassunk az olyan időérzékeny alkalmazási területeken, mint a biztonságos vezetés. Biztosak vagyunk benne, hogy megoldásunk sok egyéb alkalmazáshoz, köztük pl. az energiagazdálkodáshoz is értékes segítséget nyújthat. A CO2 mennyisége, a páratartalom és a hőmérséklet alapján, az intelligens érzékelők mérési adataiban mutatkozó változások elemzésével, nagy pontossággal megállapítható, hogy tartózkodnak-e épp egy helyiségben. Szintén fontos alkalmazási terület lehet a pénzügyi szolgáltatások piaca, ahol a megoldást a pénzügyi adatok trendjeinek keresésére és elemzésére használhatjuk ugyanennek az ún. imagifikáció-alapú mélytanulási technológiának az alkalmazásával. Több ezer hasonló múltbeli szituáció valós idejű elemzésével pillanatokon belül felmérhetjük például a piac aktuális állapotát.”
A Fujitsu megoldása megszünteti a korábbi gépi tanulási módszerek hatékonyságbeli problémáit azzal, hogy sokkal természetesebb, emberközelibb, vizuális szemléletet követ az adatelemzésben. Ahelyett, hogy a nyers numerikus adatok alapján készítene előrejelzéseket, a legmodernebb mélytanulás-alapú észlelőrendszerek nagy pontosságát kiaknázva, az adatok vizuális megjelenését használja a prognózisok előállításához.