RE•WORK Livre blanc : Les défis, les succès, le progrès et les échecs du traitement dans l’IA

RE-WORK est un leader dans les événements d’IA et d’apprentissage profond, organisant des sommets et des ateliers partout dans le monde. Les événements couvrent des sujets tels que l’apprentissage profond, l’apprentissage automatique, l’IA dans divers secteurs, la vision par ordinateur, les véhicules autonomes, l’IA responsable, et plus encore. Ils rassemblent des leaders issus à la fois de l’industrie et de l’université.

Dans le dernier livre blanc de RE•WORK intitulé « Les défis, les succès, le progrès et les échecs du traitement dans l’IA », les contributeurs incluent des noms de l’Université Purdue, de l’Université Ryerson, de GSI Technology (GSIT ), de COTA Inc., d’Omdena, et plus encore.

Le livre blanc est divisé en six chapitres :

• Chapitre 1 : Les limites des données dans les applications industrielles et non lucratives courantes

• Chapitre 2 : La convergence d’ElasticSearch, d’ANN et de l’informatique en mémoire

• Chapitre 3 : Les limites et les progrès de la disponibilité des données

• Chapitre 4 : Les obstacles aux données dans l’apprentissage automatique et l’IA

• Chapitre 5 : Les limites de traitement de l’IA d’entreprise – GPT-3 est-elle la solution ultime ?

• Chapitre 6 : Tout dans les réseaux de communication sans fil 6G

Le premier chapitre du document couvre les défis de données les plus courants auxquels sont confrontées les organisations privées et non lucratives. Il détaille également les limites courantes en matière de disponibilité et de coût, de confidentialité et d’éthique, et de données. Ce chapitre s’appuie sur trois études de cas spécifiques pour démontrer les limites des données dans le texte, la vidéo et les données géographiques, notamment « Répondre à la vulnérabilité avec le traitement automatique des langues », « Vision par ordinateur pour la réponse aux urgences » et « Applications de vision par ordinateur pour la conduite autonome ».

Le chapitre 1 a été rédigé par Rosano de Oliveira Gomez, ingénieur en chef en apprentissage automatique d’Omdena ; Harini Suresh, chercheuse en doctorat au MIT ; et Erim Afzal, ingénieur en apprentissage automatique d’Omdena.

Le deuxième chapitre se concentre sur l’utilisation du voisin le plus proche approximatif (ANN) avec l’accélération de traitement en mémoire, qui fournit des réponses en temps réel à partir d’opérations de recherche élastique. Elasticsearch, qui était à l’origine un moteur de recherche pour le texte, peut maintenant inclure des documents tels que des images, des architectures de réseau, des documents texte et des reçus de produits dans les bases de données. Le chapitre couvre également les nouvelles technologies sur le marché, telles que l’unité de traitement associatif (APU).

Le chapitre 2 a été rédigé par Mark Wright, directeur du marketing chez GSI Technology.

Le troisième chapitre couvre les limites et les avantages de la disponibilité des données. Il commence par expliquer ce que sont la disponibilité des données et ce qu’elle n’est pas, suivie de ses limites telles que la compatibilité des données, les défaillances de stockage, les défaillances du serveur/réseau, le coût et la mauvaise qualité des données. Le chapitre se termine par la présentation de solutions telles qu’un pipeline de traitement de données à haute performance et le cloud hybride.

Le chapitre 3 a été rédigé par Adebunmi Odefunso, ingénieur logiciel et praticien de l’apprentissage automatique à l’Université Purdue.

Le quatrième chapitre couvre les différents obstacles aux données dans l’apprentissage automatique et l’IA, en se concentrant sur les algorithmes et les modèles problématiques tels que les systèmes de reconnaissance faciale, qui ont démontré des taux d’erreur élevés et des biais. Il explique comment atténuer les biais et augmenter l’interprétabilité et pourquoi le jeu de données doit être grand et diversifié. D’autres aspects des données sont abordés, tels que la cohérence et l’exactitude des sources de données.

Le chapitre 4 a été rédigé par Shivam Mathura, directeur de la stratégie chez COTA Inc.

Le cinquième chapitre utilise le dernier modèle d’IA GPT-3 pour explorer les limites et le potentiel de l’IA dans l’entreprise. L’objectif du chapitre est de reconnaître que « les limites d’aujourd’hui sont les succès de demain » et la nécessité d’une expérimentation continue.

Le chapitre 5 a été rédigé par Shaina Raza, candidate au doctorat en informatique à l’Université Ryerson.

Le sixième chapitre couvre les réseaux de communication sans fil émergents 6G et la façon dont ils nécessiteront l’IA, l’apprentissage automatique et plus encore. Il note comment ces systèmes permettront une capacité et un accès réseau sans précédent. Certains des autres sujets du chapitre incluent les réseaux sans fil de nouvelle génération avec l’IA et la gestion de réseau logicielle, la motivation du défi de collaboration de spectre de la DARPA et la mise en œuvre d’algorithmes radio intelligents.

Le chapitre 6 a été rédigé par plusieurs auteurs, notamment Kemal Akkaya, Arjuna Madanayake, Udara De Silva, et Sravan Pulipati de l’Université internationale de Floride ; Josep M. Jornet, Kaushik Chowdhury, Francesco Restuccia, et Tommaso Melodia de l’Université Northeastern ; Soumyajit Mandal et John Shea de l’Université de Floride ; Aditya Dhananjay de Pi Radio ; et Jay Dawani et Vassil Dimitrov de Lemurian Labs.