RE•WORK White Paper: Die Herausforderungen, Erfolge, Fortschritte und Misserfolge der Verarbeitung in KI

RE-WORK ist ein führender Anbieter von AI- und Deep-Learning-Veranstaltungen und organisiert weltweit Summits und Workshops. Die Veranstaltungen decken Themen wie Deep Learning, Machine Learning, KI in verschiedenen Branchen, Computer Vision, selbstfahrende Fahrzeuge, verantwortungsvolle KI und mehr ab. Sie bringen Branchen- und Wissenschaftsvertreter zusammen.

In der neuesten Whitepaper von RE•WORK mit dem Titel „Die Herausforderungen, Erfolge, Fortschritte und Misserfolge der Verarbeitung in KI“ sind Beiträge von Autoren der Purdue University, Ryerson University, GSI Technology (GSIT ), COTA Inc., Omdena und mehr enthalten.

Die Whitepaper ist in sechs Kapitel unterteilt:

• Kapitel 1: Datenbeschränkungen in gemeinsamen Industrie- und Non-Profit-Anwendungen

• Kapitel 2: Konvergenz von ElasticSearch, ANN und Computer-in-Memory

• Kapitel 3: Die Beschränkungen und Fortschritte der Datenverfügbarkeit

• Kapitel 4: Datenhindernisse in ML und AL

• Kapitel 5: Verarbeitungsbeschränkungen auf Enterprise-KI – Ist GPT-3 die ultimative Lösung?

• Kapitel 6: Alles in 6G-drahtlosen Kommunikationsnetzwerken

Das erste Kapitel des Papiers behandelt die häufigsten Datenherausforderungen, denen private und Non-Profit-Organisationen gegenüberstehen. Es geht auch auf gemeinsame Beschränkungen in Bezug auf Verfügbarkeit und Kosten, Datenschutz und Ethik sowie Daten ein. Dieses Kapitel stützt sich auf drei spezifische Fallstudien, um Datenbeschränkungen in Text-, Video- und Geodaten zu demonstrieren, einschließlich „Schwachstellen mit NLP“, „Computer Vision für Notfallreaktionen“ und „Computer-Vision-Anwendungen für autonomes Fahren“.

Kapitel 1 wurde von Rosano de Oliveira Gomez, Leitendem Machine-Learning-Ingenieur von Omdena, Harini Suresh, PhD-Forscherin am MIT, und Erim Afzal, ML-Ingenieur bei Omdena, verfasst.

Das zweite Kapitel konzentriert sich auf die Verwendung von approximativen nächsten Nachbarn (ANN) mit In-Memory-Beschleunigungsverarbeitung, die eine Echtzeitreaktion von Elastic-Search-Operationen ermöglicht. Elastic Search, ursprünglich eine Suchmaschine für Text, kann jetzt auch Dokumente wie Bilder, Netzwerkarchitekturen, Textdokumente und Produktquittungen in den Datenbanken enthalten. Das Kapitel behandelt auch neue Technologien auf dem Markt wie die Associative Processing Unit (APU).

Kapitel 2 wurde von Mark Wright, Marketingdirektor bei GSI Technology, verfasst.

Das dritte Kapitel behandelt die Beschränkungen und Vorteile der Datenverfügbarkeit. Es beginnt damit, zu erklären, was Datenverfügbarkeit ist und was nicht, gefolgt von ihren Beschränkungen wie Datenkompatibilität, Speicherfehler, Server-/Netzwerkfehler, Kosten und schlechte Datenqualität. Das Kapitel schließt mit der Vorstellung von Lösungen wie einer Hochleistungs-Datenverarbeitungspipeline und der Hybrid-Cloud.

Kapitel 3 wurde von Adebunmi Odefunso, Software-Ingenieur und ML-Praktiker an der Purdue University, verfasst.

Das vierte Kapitel behandelt die verschiedenen Hindernisse in ML und KI, insbesondere problematische Algorithmen und Modelle wie Gesichtserkennungssysteme, die hohe Fehlerraten und Vorurteile gezeigt haben. Es zeigt, wie man Vorurteile mildern und Interpretierbarkeit erhöhen kann und warum die Datenmenge groß und vielfältig sein sollte. Verschiedene andere Aspekte von Daten werden behandelt, wie Konsistenz und Genauigkeit von Datenquellen.

Kapitel 4 wurde von Shivam Mathura, Strategiedirektor bei COTA Inc., verfasst.

Das fünfte Kapitel verwendet das neueste KI-Modell GPT-3, um die Beschränkungen und das Potenzial von KI in Unternehmen zu erkunden. Das Ziel des Kapitels ist es, zu erkennen, dass „heutige Beschränkungen morgige Erfolge sind“ und die Notwendigkeit für fortlaufende Experimente.

Kapitel 5 wurde von Shaina Raza, PhD-Kandidatin in Computerwissenschaften an der Ryerson University, verfasst.

Das sechste Kapitel behandelt aufkommende 6G-drahtlose Kommunikationsnetzwerke und wie diese KI, Machine Learning und mehr erfordern werden. Es geht auch auf die Themen wie Next-Generation-Wireless-Netzwerke mit KI und SDN, Motivation aus der DARPA-Spectrum-Collaboration-Challenge und Implementierung intelligenter Radio-Algorithmen ein.

Kapitel 6 wurde von mehreren Autoren verfasst, darunter Kemal Akkaya, Arjuna Madanayake, Udara De Silva und Sravan Pulipati von der Florida Int. University; Josep M. Jornet, Kaushik Chowdhury, Francesco Restuccia und Tommaso Melodia von der Northeastern University; Soumyajit Mandal und John Shea von der University of Florida; Aditya Dhananjay von Pi Radio; und Jay Dawani und Vassil Dimitrov von Lemurian Labs.