Bob Friday je soustanovitelj in tehnični direktor podjetja Mist Systems.
Umetna inteligenca (AI) zajeda svet, inovativni primeri uporabe se uporabljajo v vseh segmentih industrije. Desetletja nas čaka, da zdravnika zamenjamo z robotom umetne inteligence, kot je videti v filmih, vendar umetna inteligenca pomaga strokovnjakom iz vseh panog hitreje diagnosticirati in reševati težave, potrošnikom, kot sem jaz, pa omogoča neverjetne stvari, na primer iskanje glasbe z glasovnim ukazom.
Večina ljudi se osredotoča na rezultate umetne inteligence. Za tiste, ki radi pogledamo pod pokrovom, obstajajo štirje temeljni elementi, ki jih moramo razumeti: kategorizacija, klasifikacija, strojno učenje in filtriranje v sodelovanju. Ti štirje stebri predstavljajo tudi korake v analitičnem procesu.
Kategorizacija vključuje ustvarjanje meritev, ki so specifične za problematično področje (npr. Finance, mreženje). Klasifikacija vključuje določitev, kateri podatki so najpomembnejši za reševanje problema. Strojno učenje vključuje odkrivanje nepravilnosti, združevanje v skupine, globoko učenje in linearno regresijo. Skupno filtriranje vključuje iskanje vzorcev v velikih naborih podatkov.
Kategorizacija
AI zahteva veliko podatkov, ki so pomembni za rešitev problema. Prvi korak k oblikovanju rešitve za umetno inteligenco je ustvarjanje tako imenovane "metrike načrtovanja namena", ki se uporablja za kategorizacijo problema. Ne glede na to, ali uporabniki poskušajo zgraditi sistem, ki lahko igra Jeopardy, pomaga zdravniku pri diagnosticiranju raka ali skrbniku IT-ja pri diagnosticiranju težav z brezžičnim omrežjem, morajo uporabniki določiti meritve, ki omogočajo razčlenitev težave na manjše koščke. V brezžičnem omrežju so na primer ključne meritve čas povezave uporabnika, prepustnost, pokritost in gostovanje. Pri diagnozi raka so ključne meritve število belih celic, etnično poreklo in rentgenski pregledi.
Razvrstitev
Ko imajo uporabniki težavo kategorizirano na različna področja, je naslednji korak razvrstitev klasifikatorjev za vsako kategorijo, ki bodo uporabnike usmerjali v smiseln zaključek. Na primer, pri usposabljanju sistema umetne inteligence za igranje nevarnosti morajo uporabniki najprej razvrstiti vprašanje kot dobesedno po naravi ali besedno igro, nato pa po času, osebi, stvari ali kraju. Ko v brezžičnem omrežju uporabniki poznajo kategorijo težave (npr. Težava pred ali po povezavi), morajo začeti klasificirati, kaj povzroča težavo: povezava, overjanje, protokol za dinamično konfiguracijo gostitelja (DHCP) ali druga brezžična povezava , žični in dejavniki naprave.
Strojno učenje
Zdaj, ko je težava razdeljena na posamezne dele metapodatkov, so uporabniki pripravljeni te podatke posredovati v čaroben in močan svet strojnega učenja. Obstaja veliko algoritmov in tehnik strojnega učenja, nadzirano strojno učenje z uporabo nevronskih mrež (tj. Globoko učenje) pa zdaj postaja eden najbolj priljubljenih pristopov. Koncept nevronskih mrež obstaja že od leta 1949, prvo nevronsko mrežo pa sem zgradil v osemdesetih letih. Toda z najnovejšimi povečanji zmogljivosti računalništva in shranjevanja se nevronska omrežja zdaj usposabljajo za reševanje različnih resničnih problemov, od prepoznavanja slik in obdelave naravnega jezika do napovedovanja zmogljivosti omrežja. Druge aplikacije vključujejo odkrivanje lastnosti anomalije, odkrivanje nepravilnosti časovnih vrst in korelacijo dogodkov za analizo vzroka.
Sodelujoče filtriranje
Večina ljudi ima filtre za sodelovanje, ko izberejo film na Netflixu ali kupijo kaj od Amazona in prejmejo priporočila za druge filme ali predmete, ki bi jim bili morda všeč. Poleg priporočil se filtriranje s sodelovanjem uporablja tudi za razvrščanje velikih naborov podatkov in postavitev obraza na rešitev AI. Tu se vse zbiranje in analiza podatkov spremeni v pomemben vpogled ali dejanje. Ne glede na to, ali ga uporabimo v predstavitvi iger, zdravnik ali skrbnik omrežja, je skupno filtriranje način za zagotavljanje odgovorov z visoko stopnjo zaupanja. Je kot virtualni asistent, ki pomaga reševati zapletene probleme.
AI je še vedno nastajajoč prostor, vendar je njegov vpliv močan in ga bomo še bolj začutili, ko bo postajal vedno večji del našega vsakdana. Pri izbiri rešitve umetne inteligence, tako kot pri nakupu avtomobila, bomo morali razumeti, kaj je pod pokrovom motorja, da se prepričamo, da kupujemo najboljši izdelek za svoje potrebe.
Forum New Tech ponuja prizorišče za raziskovanje in razpravo o nastajajoči podjetniški tehnologiji v globini in širini brez primere. Izbor je subjektiven in temelji na našem izboru tehnologij, za katere menimo, da so pomembne in najbolj zanimajo bralce. ne sprejema tržnih zavarovanj za objavo in si pridržuje pravico do urejanja celotne prispevane vsebine. Vsa vprašanja pošljite na [email protected].
