Fujitsu razvil algoritem, ki razume podatke tudi brez vnaprejšnjega podrobnega učenja
Fujitsu Laboratories so razvili tehnologijo umetne inteligence, ki natančno zajame bistvene značilnosti, vključno s porazdelitvijo in verjetnostjo večdimenzijskih podatkov, s čimer izboljša natančnost odkrivanja in presoje algoritmov umetne inteligence – tudi brez vnaprejšnjega podrobnega učenja na skrbno pripravljenih »trening« podatkovnih zbirkah.
Masovne podatke, kot so podatki iz komunikacijskih omrežij, medicinski podatki in slike, je še vedno težko obdelovati zaradi njihove zapletenosti. Podjetja so doslej uporabljala različne tehnike za zmanjšanje dimenzij vhodnih podatkov z uporabo globokega učenja, kar je včasih povzročilo napačno presojo s strani algoritmov umetne inteligence. Fujitsu pa je združil tehnologijo globokega učenja s svojo inovacijo na področju tehnologije stiskanja slike in tako razvil tehnologijo umetne inteligence, ki omogoča optimizacijo obdelave večrazsežnih podatkov s tehnologijo globokega učenja in natančno pridobivanje podatkovnih lastnosti. Združuje teorijo informacij, uporabljeno pri stiskanju slike, z globokim učenjem, saj optimizira število dimenzij, ki jih je treba zmanjšati pri večdimenzionalnih podatkih, in porazdelitev podatkov po zmanjšanju dimenzij z globokim učenjem.