Libro bianco RE•WORK: le sfide, i successi, i progressi e i fallimenti dell'elaborazione nell'IA 

RE-WORK è leader negli eventi di intelligenza artificiale e deep learning e organizza summit e workshop in tutto il mondo. Gli eventi trattano argomenti riguardanti Deep Learning, Machine Learning, AI in vari settori, Computer Vision, Veicoli a guida autonoma, AI responsabile e altro ancora. Riuniscono leader dell’industria e del mondo accademico. 

Nel whitepaper più recente di RE•WORK intitolato "Le sfide, i successi, la progressione e i fallimenti dell'elaborazione nell'IA', i contributori includevano nomi della Purdue University, Ryerson University, GSI Technology, COTA Inc., Omdena e altri.

Il white paper è suddiviso in sei capitoli:

• Capitolo 1: Limitazioni dei dati nelle comuni applicazioni di settore e senza scopo di lucro 

• Capitolo 2: Convergenza di ElasticSearch, ANN e Computer-in-Memory

• Capitolo 3: Le limitazioni e i progressi della disponibilità dei dati

• Capitolo 4: Roadblock dei dati in ML e AL

• Capitolo 5: Limiti di elaborazione sull'intelligenza artificiale aziendale: GPT-3 è la soluzione definitiva?

• Capitolo 6: Tutto nelle reti di comunicazione wireless 6G

Il primo capitolo del documento copre le sfide più comuni relative ai dati che le organizzazioni private e non profit devono affrontare. Descrive inoltre i limiti comuni relativi a disponibilità e costi, privacy ed etica e dati. Questo capitolo si è basato su tre casi di studio specifici per dimostrare le limitazioni dei dati in testo, video e dati geografici, tra cui "Affrontare la vulnerabilità con la PNL", "Visione artificiale per la risposta alle emergenze" e "Applicazioni di visione artificiale per la guida autonoma".

Il capitolo 1 è stato scritto da Rosano de Oliveira Gomez, Lead Machine Learning Engineer di Omdena; Harini Suresh, ricercatore PhD al MIT; ed Erim Afzal, ingegnere ML di Omdena. 

Il secondo capitolo si concentra sull'uso del vicino approssimativo (ANN) con l'elaborazione dell'accelerazione in memoria, che fornisce una risposta in tempo reale dalle operazioni di ricerca elastica. Elasticsearch, che originariamente era un motore di ricerca per testo, ora può includere nei datasabse documenti come immagini, architettura di rete, documenti di testo e ricevute di prodotti. Il capitolo copre anche le nuove tecnologie sul mercato come l'Associative Processing Unit (APU). 

Il capitolo 2 è stato scritto da Mark Wright, direttore marketing di GSI Technology. 

Il terzo capitolo riguarda i limiti ei vantaggi della disponibilità dei dati. Inizia spiegando innanzitutto cos'è e cosa non è la disponibilità dei dati, seguita dai suoi limiti come compatibilità dei dati, errore di archiviazione, errore del server/rete, costo e scarsa qualità dei dati. Il capitolo si chiude introducendo soluzioni come una pipeline di elaborazione dati ad alte prestazioni e il cloud ibrido.

Il capitolo 3 è stato scritto da Adebunmi Odefunso, ingegnere informatico e praticante di ML presso la Purdue University. 

Il quarto capitolo copre i vari blocchi stradali in ML e AI, concentrandosi su algoritmi e modelli problematici come i sistemi di riconoscimento facciale, che hanno dimostrato alti tassi di errore e bias. Prosegue dimostrando come mitigare i pregiudizi e aumentare l'interpretabilità e perché il set di dati dovrebbe essere ampio e diversificato. Vengono trattati vari altri aspetti dei dati, come la coerenza e l'accuratezza delle fonti di dati. 

Il capitolo 4 è stato scritto da Shivam Mathura, direttore della strategia presso COTA Inc. 

Il quinto capitolo utilizza l'ultimo modello di intelligenza artificiale GPT-3 per esplorare i limiti e il potenziale dell'IA su Enterprise. L'obiettivo del capitolo è riconoscere che “i limiti di oggi sono i successi di domani” e la necessità di una sperimentazione continua. 

Il capitolo 5 è stato scritto da Shaina Raza, dottoranda in Advisor Computer Science presso la Ryerson University. 

Il sesto capitolo ha trattato le reti di comunicazione wireless 6G emergenti e come richiederanno intelligenza artificiale, apprendimento automatico e altro ancora. Continua osservando come questi sistemi consentiranno una capacità e un accesso alla rete senza precedenti. Alcuni degli altri argomenti del capitolo includono: reti wireless di nuova generazione con AI e SDN, motivazione dalla DARPA Spectrum Collaboration Challenge e implementazione di algoritmi radio intelligenti. 

Il capitolo 6 è stato scritto da più autori tra cui Kemal Akkaya, Arjuna Madanayake, Udara De Silva e Sravan Pulipati della Florida Int. Università; Josep M. Jornet, Kaushik Chowdhury, Francesco Restuccia e Tommaso Melodia della Northeastern University; Soumyajit Mandal e John Shea dell'Università della Florida; Aditya Dhananjay di Radio Pi; e Jay Dawani e Vassil Dimitrov dei Lemurian Labs.