AI-mallit ja alustat

RE•WORK White Paper: Haasteet, Menestykset, Edistys ja Epäonnistumiset Tekoälyssä

mm
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa

RE-WORK on johtava tekoäly- ja syväoppimistapahtumien järjestäjä, joka järjestää huippukokouksia ja työpajoja ympäri maailmaa. Tapahtumissa käsitellään syväoppimista, koneoppimista, tekoälyä eri aloilla, tietokoneavusteista näkemistä, itseohjautuvia ajoneuvoja, vastuullista tekoälyä ja paljon muuta. Ne kokoavat yhteen johtajia sekä teollisuudesta että akatemiasta.

RE•WORKin viimeisimmässä valkoisessa kirjassa, jonka otsikko on ’Haasteet, Menestykset, Edistys ja Epäonnistumiset Tekoälyssä’, kirjoittajina ovat mm. Purdue-yliopiston, Ryerson-yliopiston, GSI Technologyn, COTA Inc.:n, Omdenan ja useiden muiden edustajat.

Valkoinen kirja on jaettu kuuteen lukuun:

  • Luku 1: Datavaikeudet yleisimmissä teollisuuden ja voittoa tavoittelemattomien sovelluksissa
  • Luku 2: ElasticSearchin, ANNin ja Computer-in-Memoryn yhdistyminen
  • Luku 3: Datasaatavuuden rajoitukset ja edistys
  • Luku 4: Tieteen esteet koneoppimisessa ja tekoälyssä
  • Luku 5: Käsittelyrajoitukset yritysten tekoälyssä – Onko GPT-3 lopullinen ratkaisu?
  • Luku 6: Kaikki 6G langattomissa viestintäverkoissa

Kirjan ensimmäinen luku käsittelee yleisimpiä datahaasteita, joita sekä yksityiset että voittoa tavoittelemattomat organisaatiot kohtaavat. Se käy myös läpi yleisiä rajoituksia, kuten saatavuuden, kustannusten, yksityisyyden ja eettisyyden sekä datan suhteen. Tämä luku perustuu kolmeen eri case-tutkimukseen, joissa käsitellään datarajoituksia tekstin, videon ja maantieteellisen datan osalla, kuten ’Haavoittuvuuden käsittely NLP:n avulla’, ’Tietokoneavusteinen näkeminen hätätilanteissa’ ja ’Tietokoneavusteiset sovellukset itseohjautuvissa ajoneuvoissa’.

Luku 1 on kirjoitettu Rosano de Oliveira Gomez, Omdenan johtava koneoppimisen insinööri; Harini Suresh, tutkija MIT:stä; ja Erim Afzal, Omdenan ML-insinööri.

Toisessa luvussa keskitytään lähimmän naapurin (ANN) käyttöön yhdistettynä muistin kiihdytyskäsittelyyn, joka tarjoaa reaaliaikaisen vastauksen elastic search -operaatioista. Elasticsearch, joka alun perin oli tekstihaku, voi nyt sisältää tietokannoissa asiakirjoja, kuva-, verkkoarkkitehtuuri-, teksti- ja tuotetodistusasiakirjoja. Luku käsittelee myös uusia markkinoilla olevia teknologioita, kuten Assosiatiivista Prosessointiyksikköä (APU).

Luku 2 on kirjoitettu Mark Wright, GSI Technologyn markkinointijohtaja.

Kolmas luku käsittelee datasaatavuuden rajoituksia ja etuja. Se alkaa selittämällä, mitä datasaatavuus on ja mitä se ei ole, ja jatkuu rajoituksilla, kuten datayhteensopivuuden, tallennusvirheen, palvelin-/verkkovirheen, kustannusten ja huonon datan laadun. Luku päättyy esittelemällä ratkaisuja, kuten korkean suorituskyvyn datan käsittelyputken ja hybridipilven.

Luku 3 on kirjoitettu Adebunmi Odefunso, Purdue-yliopiston ohjelmistoinsinööri ja ML-asiantuntija.

Neljäs luku käsittelee koneoppimisen ja tekoälyalan esteitä, keskittyen ongelmallisiin algoritmeihin ja malleihin, kuten kasvojen tunnistusjärjestelmiin, joilla on osoitettu korkeat virheluvut ja harhat. Se osoittaa, miten vähentää harhauksia ja lisätä tulkinettavuutta ja miksi datan on oltava laajaa ja monipuolista. Luvussa käsitellään myös muita datan puolia, kuten datalähteiden johdonmukaisuutta ja tarkkuutta.

Luku 4 on kirjoitettu Shivam Mathura, COTA Inc.:n strategiajohtaja.

Viides luku tutkii uusimman tekoälymallin GPT-3 avulla tekoälyn rajoituksia ja mahdollisuuksia yrityksissä. Luvun tavoitteena on tunnustaa, että ”tänään olevat rajoitukset ovat huomisen menestyksiä” ja jatkuva kokeilun tarve.

Luku 5 on kirjoitettu Shaina Raza, Ryerson-yliopiston väitöskirjatutkija tietojenkäsittelytieteessä.

Kuudes luku käsittelee kehittyviä 6G langattomia viestintäverkkoja ja miten ne vaativat tekoälyä, koneoppimista ja enemmän. Se huomauttaa, miten nämä järjestelmät mahdollistavat ennennäkemättömän kapasiteetin ja verkkoyhteyden. Luvun aiheita ovat myös Seuraavan sukupolven langattomat verkot tekoälyllä ja SDN:llä, Motivaatio DARPA Spectrum Collaboration Challenge -haasteesta ja Älykkäiden radioalgoritmien toteutus.

Luku 6 on kirjoitettu useiden kirjoittajien toimesta, mm. Kemal Akkaya, Arjuna Madanayake, Udara De Silva, ja Sravan Pulipati Floridan kansainvälisestä yliopistosta; Josep M. Jornet, Kaushik Chowdhury, Francesco Restuccia, ja Tommaso Melodia Northeastern-yliopistosta; Soumyajit Mandal ja John Shea Floridan yliopistosta; Aditya Dhananjay Pi Radiosta; ja Jay Dawani ja Vassil Dimitrov Lemurian Labsista.

Alex McFarland on AI-toimittaja ja kirjailija, joka tutkii viimeisimpiä kehityksiä tekoälyssä. Hän on tehnyt yhteistyötä useiden AI-startup-yritysten ja julkaisujen kanssa maailmanlaajuisesti.