RE•WORK Bílá kniha: Výzvy, úspěchy, postup a neúspěchy zpracování v AI

RE-WORK je lídr v oblasti AI a Deep Learning akcí, pořádající summity a workshopy po celém světě. Tyto akce pokrývají témata týkající se Deep Learning, Machine Learning, AI v různých sektorech, Computer Vision, samořiditelných vozidel, Responsible AI a další. Spolu sjednocují lídry z obou průmyslu a akademie. 

V nejnovější bílé knize RE•WORK s názvem ‘Výzvy, úspěchy, postup a neúspěchy zpracování v AI,’ přispěvatelé zahrnovali jména z Purdue University, Ryerson University, GSI Technology, COTA Inc., Omdena a další.

Bílá kniha je rozdělena do šesti kapitol:

• Kapitola 1: Omezení dat v běžných průmyslových a neziskových aplikacích 

• Kapitola 2: Konvergence ElasticSearch, ANN a Computer-in-Memory

• Kapitola 3: Omezení a pokroky dostupnosti dat

• Kapitola 4: Datové překážky v ML & AL

• Kapitola 5: Omezení zpracování v podnikovém AI – Je GPT-3 konečným řešením?

• Kapitola 6: Vše ve 6G bezdrátových komunikačních sítích

První kapitola dokumentu pokrývá nejčastější datové výzvy, kterým čelí jak soukromé, tak neziskové organizace. Také podrobně popisuje běžná omezení týkající se dostupnosti a nákladů, ochrany soukromí a etiky a dat. Tato kapitola se opírá o tři konkrétní případové studie, aby demonstrovala omezení dat v textu, videu a geografických datech, včetně ‘Řešení zranitelnosti pomocí NLP,’ ‘Počítačové vidění pro nouzové reakce,’ a ‘Aplikace počítačového vidění pro autonomní řízení.’

Kapitola 1 byla napsána Rosanem de Oliveira Gomezem, vedoucím inženýrem strojového učení z Omdena; Harini Suresh, PhD výzkumníkem na MIT; a Erimem Afzalem, inženýrem strojového učení z Omdena. 

Druhá kapitola se zaměřuje na použití aproximovaného nejbližšího souseda (ANN) s urychlením zpracování v paměti, které poskytuje okamžité odpovědi z operací Elastic Search. Elasticsearch, který byl původně vyhledávačem pro text, může nyní zahrnovat do databází dokumenty, jako jsou obrázky, síťová architektura, textové dokumenty a prodejní doklady. Kapitola také pokrývá nové technologie na trhu, jako je Asociativní Processing Unit (APU). 

Kapitola 2 byla napsána Markem Wrightem, ředitelem marketingu ve společnosti GSI Technology. 

Třetí kapitola pokrývá omezení a výhody dostupnosti dat. Začíná vysvětlením, co je dostupnost dat a co není, následované omezeními, jako je kompatibilita dat, selhání úložiště, selhání serveru/sítě, náklady a špatná kvalita dat. Kapitola uzavírá zavedením řešení, jako je vysokovýkonná datová pipeline a hybridní cloud.

Kapitola 3 byla napsána Adebunmi Odefunso, softwarovým inženýrem a praktikem strojového učení na Purdue University. 

Čtvrtá kapitola pokrývá různé překážky v ML a AI, zaměřující se na problematické algoritmy a modely, jako jsou systémy rozpoznávání obličeje, které prokázaly vysoké chybové sazby a zkreslení. Ukazuje, jak zmírnit zkreslení a zvýšit interpretovatelnost a proč by měl být dataset velký a rozmanitý. Další aspekty dat, jako je konzistence a přesnost zdrojů dat, jsou také pokryty. 

Kapitola 4 byla napsána Shivamem Mathurou, ředitelem strategie ve společnosti COTA Inc. 

Pátá kapitola používá nejnovější model AI GPT-3, aby prozkoumala omezení a potenciál AI v podnikovém prostředí. Cílem kapitoly je uznat, že “dnešní omezení jsou zítřejšími úspěchy” a potřeba pokračující experimentace. 

Kapitola 5 byla napsána Shainou Raza, PhD kandidátem v oblasti počítačových věd na Ryerson University. 

Šestá kapitola pokrývá vznikající 6G bezdrátové komunikační sítě a jak budou vyžadovat AI, strojové učení a další. Upozorňuje, jak tyto systémy budou umožňovat bezprecedentní kapacitu a síťový přístup. Některé další téma kapitoly zahrnují: Next-Generation Wireless Networks s AI a SDN, Motivace z DARPA Spectrum Collaboration Challenge a Implementace inteligentních rádiových algoritmů. 

Kapitola 6 byla napsána několika autory, včetně Kemala Akkayi, Arjuny Madanayake, Udary De Silvy a Sravana Pulipatiho z Florida Int. University; Josepa M. Jorneta, Kaushika Chowdhuryho, Francesca Restuccii a Tommasa Melodii z Northeastern University; Soumyajita Mandal a Johna Sheu z University of Florida; Adityi Dhananjaye z Pi Radio a Jaye Dawaniho a Vassila Dimitrova z Lemurian Labs.