Bobs Piektdienis ir Mist Systems līdzdibinātājs un CTO.
Mākslīgais intelekts (AI) pārņem vētru pasaulē, novatoriskas lietošanas gadījumi tiek piemēroti visos nozares segmentos. Mums ir desmitiem gadu, lai aizstātu ārstu ar AI robotu, kā redzams filmās, taču AI palīdz visu nozaru ekspertiem ātrāk diagnosticēt un atrisināt problēmas, ļaujot tādiem patērētājiem kā es darīt pārsteidzošas lietas, piemēram, atrast dziesmas ar balss komandu.
Lielākā daļa cilvēku koncentrējas uz AI rezultātiem. Tiem no mums, kuriem patīk skatīties zem motora pārsega, ir jāsaprot četri pamatelementi: kategorizēšana, klasifikācija, mašīnmācīšanās un kopīga filtrēšana. Šie četri pīlāri ir arī analītiskā procesa posmi.
Kategorizēšana ietver metrikas izveidošanu, kas raksturīga tieši problēmas jomai (piemēram, finanses, tīklošana). Klasifikācija paredz noteikt, kuri dati ir visatbilstošākie problēmas risināšanai. Mašīnmācība ietver anomāliju noteikšanu, kopu veidošanu, dziļu mācīšanos un lineāru regresiju. Sadarbības filtrēšana ietver modeļu meklēšanu lielās datu kopās.
Kategorizēšana
AI ir nepieciešams daudz datu, kas attiecas uz risināto problēmu. Pirmais solis, lai izveidotu AI risinājumu, ir izveidot to, ko es saucu par “dizaina nolūka metriku”, kas tiek izmantota problēmas kategorizēšanai. Neatkarīgi no tā, vai lietotāji mēģina izveidot sistēmu, kas var spēlēt Jeopardy, palīdzēt ārstam diagnosticēt vēzi vai palīdzēt IT administratoram diagnosticēt bezvadu problēmas, lietotājiem ir jādefinē metrika, kas ļauj problēmu sadalīt mazākos gabalos. Piemēram, bezvadu tīklā galvenā metrika ir lietotāja savienojuma laiks, caurlaidspēja, pārklājums un viesabonēšana. Vēža diagnostikā galvenā metrika ir leikocītu skaits, etniskā izcelsme un rentgenstaru skenēšana.
Klasifikācija
Kad lietotājiem problēma ir iedalīta dažādās jomās, nākamais solis ir katras kategorijas klasifikatori, kas novirzīs lietotājus jēgpilna secinājuma virzienā. Piemēram, apmācot AI sistēmu, lai spēlētu Jeopardy, lietotājiem vispirms jautājums ir jāklasificē kā burtisks pēc būtības vai vārdu spēle, un pēc tam jāklasificē pēc laika, personas, lietas vai vietas. Bezvadu tīklā, kad lietotāji zina problēmas kategoriju (piemēram, pirms savienojuma vai pēc savienojuma), lietotājiem jāsāk klasificēt, kas rada problēmu: asociācija, autentifikācija, dinamiskā resursdatora konfigurācijas protokols (DHCP) vai cits bezvadu savienojums. , vadu un ierīču faktori.
Mašīnmācība
Tagad, kad problēma ir sadalīta domēna specifiskos metadatu gabalos, lietotāji ir gatavi šo informāciju ievadīt maģiskajā un spēcīgajā mašīnmācīšanās pasaulē. Ir daudz mašīnmācīšanās algoritmu un metožu, un uzraudzīta mašīnmācīšanās, izmantojot neironu tīklus (t.i. dziļā mācīšanās), tagad kļūst par vienu no populārākajām pieejām. Neironu tīklu jēdziens pastāv kopš 1949. gada, un savu pirmo neironu tīklu es uzbūvēju 1980. gados. Bet līdz ar pēdējiem skaitļošanas un uzglabāšanas iespēju pieaugumiem neironu tīkli tagad tiek apmācīti, lai risinātu dažādas reālās problēmas, sākot no attēlu atpazīšanas un dabiskās valodas apstrādes līdz tīkla veiktspējas prognozēšanai. Citas lietojumprogrammas ietver anomāliju pazīmju atklāšanu, laikrindu anomāliju noteikšanu un notikumu korelāciju pamatcēloņu analīzei.
Sadarbības filtrēšana
Lielākā daļa cilvēku saskaras ar filtru filtrēšanu, kad viņi izvēlas filmu Netflix vai iegādājas kaut ko no Amazon un saņem ieteikumus par citām filmām vai priekšmetiem, kas viņiem varētu patikt. Papildus ieteicējiem tiek izmantota arī filtrējošā filtrēšana, lai kārtotu lielu datu kopu un izveidotu seju AI risinājumam. Šeit visa datu vākšana un analīze tiek pārveidota par jēgpilnu ieskatu vai darbību. Neatkarīgi no tā, vai to izmanto spēļu šovā, vai ārsts, vai tīkla administrators, sadarbības filtrēšana ir līdzeklis, lai sniegtu atbildes ar lielu pārliecību. Tas ir kā virtuāls palīgs, kas palīdz atrisināt sarežģītas problēmas.
AI joprojām ir ļoti jauna telpa, taču tā ietekme ir dziļa un būs jūtama vēl dedzīgāk, kad tā kļūst par arvien lielāku mūsu ikdienas daļu. Izvēloties AI risinājumu, piemēram, pērkot automašīnu, mums būs jāsaprot, kas atrodas zem pārsega, lai pārliecinātos, ka mēs pērkam labāko produktu savām vajadzībām.
Jauno tehnoloģiju forums nodrošina vietu, kur bezprecedenta dziļumā un plašumā izpētīt un pārrunāt topošās uzņēmuma tehnoloģijas. Izvēle ir subjektīva, balstoties uz mūsu izvēlētajām tehnoloģijām, kuras, mūsuprāt, ir svarīgas un interesē lasītājus. nepieņem mārketinga nodrošinājumu publicēšanai un patur tiesības rediģēt visu ieguldīto saturu. Nosūtiet visus jautājumus uz [email protected].
