Programování

4 klíčové koncepty AI, kterým musíte porozumět

Bob Friday je spoluzakladatel a CTO společnosti Mist Systems.

Umělá inteligence (AI) bere svět útokem a inovativní případy použití se používají ve všech průmyslových segmentech. Máme desítky let od nahrazení lékaře robotem AI, jak je vidět ve filmech, ale AI pomáhá odborníkům ze všech průmyslových odvětví rychleji diagnostikovat a řešit problémy a umožňuje spotřebitelům, jako jsem já, dělat úžasné věci, jako je hledání skladeb pomocí hlasového příkazu.

Většina lidí se zaměřuje na výsledky AI. Pro ty z nás, kteří se rádi dívají pod kapotu, je třeba pochopit čtyři základní prvky: kategorizaci, klasifikaci, strojové učení a filtrování spolupráce. Tyto čtyři pilíře také představují kroky v analytickém procesu.

Kategorizace zahrnuje vytváření metrik, které jsou specifické pro problémovou doménu (např. Finance, networking). Klasifikace zahrnuje určení, která data jsou pro řešení problému nejdůležitější. Strojové učení zahrnuje detekci anomálií, shlukování, hluboké učení a lineární regrese. Kolaborativní filtrování zahrnuje hledání vzorů napříč velkými datovými sadami.

Kategorizace

AI vyžaduje velké množství dat, která jsou relevantní k řešení problému. Prvním krokem k vytvoření řešení AI je vytvoření tzv. Metrik záměru návrhu, který se používá ke kategorizaci problému. Ať už se uživatelé snaží vybudovat systém, který dokáže hrát Jeopardy, pomoci lékaři diagnostikovat rakovinu nebo pomoci IT administrátorovi diagnostikovat problémy s bezdrátovým připojením, uživatelé musí definovat metriky, které umožňují rozdělení problému na menší kousky. V bezdrátových sítích jsou například klíčové metriky doba připojení uživatele, propustnost, pokrytí a roaming. V diagnostice rakoviny jsou klíčovými metrikami počet bílých krvinek, etnický původ a rentgenové snímky.

Klasifikace

Jakmile mají uživatelé problém roztříděný do různých oblastí, dalším krokem je mít klasifikátory pro každou kategorii, které uživatele nasměrují ve smyslu smysluplného závěru. Například při tréninku systému AI na hraní Jeopardy musí uživatelé nejprve klasifikovat otázku jako otázku doslovného charakteru nebo hru se slovy a poté klasifikovat podle času, osoby, věci nebo místa. Jakmile uživatelé v bezdrátových sítích znají kategorii problému (např. Problém před připojením nebo po připojení), musí uživatelé začít klasifikovat, co problém způsobuje: asociace, autentizace, protokol dynamické konfigurace hostitele (DHCP) nebo jiné bezdrátové připojení , kabelové a faktory zařízení.

Strojové učení

Nyní, když je problém rozdělen na dílčí bloky metadat specifické pro doménu, jsou uživatelé připraveni poslat tyto informace do kouzelného a mocného světa strojového učení. Existuje mnoho algoritmů a technik strojového učení, přičemž jedním z nejpopulárnějších přístupů se nyní stává strojové učení pod dohledem pomocí neuronových sítí (tj. Hluboké učení). Koncept neuronových sítí existuje od roku 1949 a svou první neuronovou síť jsem vybudoval v 80. letech. Ale s nejnovějším nárůstem výpočetních a úložných schopností jsou nyní neuronové sítě trénovány k řešení řady problémů v reálném světě, od rozpoznávání obrazu a zpracování přirozeného jazyka až po předpovídání výkonu sítě. Mezi další aplikace patří zjišťování funkcí anomálií, detekce anomálií časových řad a korelace událostí pro analýzu hlavních příčin.

Kolaborativní filtrování

Většina lidí zažívá společné filtrování, když si vyberou film na Netflixu nebo si koupí něco z Amazonu a obdrží doporučení pro další filmy nebo předměty, které by se jim mohly líbit. Kromě doporučení se filtrování založené na spolupráci také používá k třídění velkých sad dat a vytváření řešení pro AI. To je místo, kde se veškerý sběr a analýza dat promění ve smysluplný pohled nebo akci. Ať už je použito v herní show, nebo lékařem nebo správcem sítě, společné filtrování je prostředek k poskytování odpovědí s vysokou mírou jistoty. Je to jako virtuální asistent, který pomáhá řešit složité problémy.

AI je stále do značné míry vznikajícím prostorem, ale její dopad je hluboký a bude ještě silněji pociťován, protože se stává stále větší součástí našeho každodenního života. Při výběru řešení umělé inteligence, například při nákupu automobilu, musíme pochopit, co je pod kapotou, abychom se ujistili, že kupujeme nejlepší produkt pro naše potřeby.

Nové technologické fórum poskytuje místo, kde můžete prozkoumat a diskutovat o nově vznikajících podnikových technologiích v nebývalé hloubce a šíři. Výběr je subjektivní, založený na našem výběru technologií, které považujeme za důležité a pro čtenáře nejzajímavější. nepřijímá marketingové materiály ke zveřejnění a vyhrazuje si právo upravovat veškerý přispěný obsah. Všechny dotazy zasílejte na [email protected]