RE•WORK Λευκή Βίβλος: Οι Προκλήσεις, οι Επιτυχίες, η Προοδός & οι Αποτυχίες της Επεξεργασίας στο AI

Το RE-WORK είναι ηγέτης στα γεγονότα του AI και του Deep Learning, οργανώνοντας συμπόσια και εργαστήρια σε όλο τον κόσμο. Τα γεγονότα καλύπτουν θέματα σχετικά με το Deep Learning, το Machine Learning, το AI σε διάφορους τομείς, την Υπολογιστική Όραση, τα Αυτόνομα Οχήματα, το Υπεύθυνο AI και άλλα. Συγκεντρώνουν ηγέτες από τη βιομηχανία και την ακαδημία. 

Στην πιο πρόσφατη λευκή βίβλο του RE•WORK με τίτλο ‘Οι Προκλήσεις, οι Επιτυχίες, η Προοδός & οι Αποτυχίες της Επεξεργασίας στο AI,’ οι συντελεστές περιελάμβαναν ονόματα από το Πανεπιστήμιο Purdue, το Πανεπιστήμιο Ryerson, την GSI Technology, την COTA Inc., την Omdena και άλλα.

Η λευκή βίβλος χωρίζεται σε έξι κεφάλαια:

• Κεφάλαιο 1: Περιορισμοί Δεδομένων σε Κοινές Βιομηχανικές και Μη Κερδοσκοπικές Εφαρμογές 

• Κεφάλαιο 2: Σύγκλιση του ElasticSearch, ANN και Υπολογιστή-στη-Μνήμη

• Κεφάλαιο 3: Οι Περιορισμοί & οι Προοδοί της Διαθεσιμότητας Δεδομένων

• Κεφάλαιο 4: Εμπόδια Δεδομένων στο ML & AL

• Κεφάλαιο 5: Περιορισμοί Επεξεργασίας στο Επιχειρηματικό AI – Είναι το GPT-3 η Τελική Λύση;

• Κεφάλαιο 6: Όλα στα Δίκτυα Τηλεπικοινωνιών 6G

Το πρώτο κεφάλαιο της εργασίας καλύπτει τις πιο συχνές προκλήσεις δεδομένων που αντιμετωπίζουν τόσο οι ιδιωτικές όσο και οι μη κερδοσκοπικές οργανώσεις. Επίσης, περιγράφει τους κοινούς περιορισμούς σχετικά με τη διαθεσιμότητα και το κόστος, την ιδιωτικότητα και την ηθική, και τα δεδομένα. Αυτό το κεφάλαιο βασίζεται σε τρεις συγκεκριμένες μελέτες περίπτωσης για να δείξει τους περιορισμούς δεδομένων σε κείμενο, βίντεο και γεωγραφικά δεδομένα, συμπεριλαμβανομένων των ‘Αντιμετώπιση της ευπάθειας με NLP,’ ‘Υπολογιστική Όραση για Αντιδραστικές Απαντήσεις’ και ‘Εφαρμογές Υπολογιστικής Όρασης για Αυτόνομα Οχήματα.’

Το Κεφάλαιο 1 γράφτηκε από τον Rosano de Oliveira Gomez, Αρχισυντάκτη Μηχανικής Μάθησης από την Omdena· Harini Suresh, ερευνητή PhD στο MIT· και Erim Afzal, μηχανικό ML στην Omdena. 

Το δεύτερο κεφάλαιο επικεντρώνεται στη χρήση του προσεγγιστικού πλησιέστερου γείτονα (ANN) με επιτάχυνση επεξεργασίας στη μνήμη, η οποία παρέχει απαντήσεις σε πραγματικό χρόνο από επιχειρήσεις αναζήτησης. Το ElasticSearch, το οποίο αρχικά ήταν ένας μηχανισμός αναζήτησης για κείμενο, μπορεί τώρα να περιλαμβάνει στις βάσεις δεδομένων έγγραφα όπως εικόνες, αρχιτεκτονική δικτύου, έγγραφα κειμένου και παραστατικά προϊόντων. Το κεφάλαιο καλύπτει επίσης νέες τεχνολογίες στην αγορά όπως η Μονάδα Συσχετίσεων (APU). 

Το Κεφάλαιο 2 γράφτηκε από τον Mark Wright, διευθυντή μάρκετινγκ στην GSI Technology. 

Το τρίτο κεφάλαιο καλύπτει τους περιορισμούς και τα πλεονεκτήματα της διαθεσιμότητας δεδομένων. Ξεκινά εξηγώντας τι είναι και τι δεν είναι η διαθεσιμότητα δεδομένων, ακολουθούμενη από τους περιορισμούς της, όπως η ασυμβατότητα δεδομένων, η αποτυχία αποθήκευσης, η αποτυχία διακομιστή/δικτύου, το κόστος και η κακή ποιότητα δεδομένων. Το κεφάλαιο κλείνει με την εισαγωγή λύσεων όπως μια υψηλής απόδοσης διαδικασία επεξεργασίας δεδομένων και η υβριδική σύννεφο.

Το Κεφάλαιο 3 γράφτηκε από τον Adebunmi Odefunso, μηχανικό λογισμικού και praktikō ML στο Πανεπιστήμιο Purdue. 

Το τέταρτο κεφάλαιο καλύπτει τα διάφορα εμπόδια στο ML και AL, εστιάζοντας σε προβληματικές αλγορίθμους και μοντέλα όπως τα συστήματα αναγνώρισης προσώπου, τα οποία έχουν δείξει υψηλές ταχύτητες λάθους και προκατάληψη. Περιγράφει πώς να μετριάσει την προκατάληψη και να αυξήσει την ερμηνευσιμότητα και γιατί το σύνολο δεδομένων πρέπει να είναι μεγάλο και διαφοροποιημένο. Καλύπτει επίσης διάφορα άλλα аспектs δεδομένων, όπως η συνεπής και ακριβής πηγή δεδομένων. 

Το Κεφάλαιο 4 γράφτηκε από τον Shivam Mathura, Διευθυντή Στρατηγικής στην COTA Inc. 

Το πέμπτο κεφάλαιο χρησιμοποιεί το πιο πρόσφατο μοντέλο AI GPT-3 για να εξερευνήσει τους περιορισμούς και τις δυνατότητες του AI στην Επιχείρηση. Ο στόχος του κεφαλαίου είναι να αναγνωρίσει ότι «οι περιορισμοί της σημερινής ημέρας είναι οι επιτυχίες της αύριου» και την ανάγκη για συνεχείς πειραματισμούς. 

Το Κεφάλαιο 5 γράφτηκε από τον Shaina Raza, υποψήφιο PhD στην Επιστήμη Υπολογιστών στο Πανεπιστήμιο Ryerson. 

Το έκτο κεφάλαιο καλύπτει τα αναδυόμενα δίκτυα τηλεπικοινωνιών 6G και πώς θα απαιτήσουν AI, μηχανική μάθηση και άλλα. Παρατηρεί πώς αυτά τα συστήματα θα επιτρέψουν απροσδόκητη ικανότητα και πρόσβαση δικτύου. Κάποια από τα άλλα θέματα του κεφαλαίου περιλαμβάνουν: Τα Δίκτυα Τηλεπικοινωνιών της Επόμενης Γενιάς με AI και SDN, την Προέλευση από την Πρόκληση Συνεργασίας Φάσματος DARPA, και την Υλοποίηση Ευφυών Αλγορίθμων Ραδιοφώνου. 

Το Κεφάλαιο 6 γράφτηκε από πολλούς συγγραφείς, συμπεριλαμβανομένων των Kemal Akkaya, Arjuna Madanayake, Udara De Silva, και Sravan Pulipati από το Πανεπιστήμιο Florida Int.· Josep M. Jornet, Kaushik Chowdhury, Francesco Restuccia, και Tommaso Melodia από το Πανεπιστήμιο Northeastern· Soumyajit Mandal και John Shea από το Πανεπιστήμιο της Φλόριντα· Aditya Dhananjay από το Pi Radio· και Jay Dawani και Vassil Dimitrov από τα Lemurian Labs.