RE•WORK White Paper: Le Sfide, I Successi, La Progressione & Le Insuccessi dell’Elaborazione in AI

RE-WORK è un leader negli eventi di AI e Deep Learning, organizzando summit e workshop in tutto il mondo. Gli eventi coprono argomenti relativi al Deep Learning, Machine Learning, AI in vari settori, Computer Vision, Veicoli Autonomi, AI Responsabile e altro. Riuniscono leader provenienti da industria e accademia. 

Nel whitepaper più recente di RE•WORK intitolato ‘Le Sfide, I Successi, La Progressione & Le Insuccessi dell’Elaborazione in AI,’ i contributori includono nomi di Purdue University, Ryerson University, GSI Technology, COTA Inc., Omdena e altro.

Il white paper è suddiviso in sei capitoli:

• Capitolo 1: Limitazioni dei Dati in Applicazioni Comuni di Industria e Non-Profit 

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

• Capitolo 3: Le Limitazioni & Gli Progressi della Disponibilità dei Dati

• Capitolo 4: Ostacoli dei Dati in ML & AL

• Capitolo 5: Limitazioni dell’Elaborazione su AI Aziendale – GPT-3 è la Soluzione Ultima?

• Capitolo 6: Tutto su Reti di Comunicazione Wireless 6G

Il primo capitolo del paper copre le sfide dei dati più comuni che sia le organizzazioni private che quelle non-profit affrontano. Dettaglia inoltre le limitazioni comuni relative alla disponibilità e al costo, alla privacy e all’etica, e ai dati. Questo capitolo si basa su tre casi di studio specifici per dimostrare le limitazioni dei dati in testo, video e dati geografici, tra cui ‘Addressing vulnerability con NLP’, ‘Computer Vision per Risposta di Emergenza’ e ‘Applicazioni di Computer Vision per 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; e Erim Afzal, ingegnere ML di Omdena. 

Il secondo capitolo si concentra sull’uso di approximate nearest neighbor (ANN) con accelerazione dell’elaborazione in memoria, che fornisce risposte in tempo reale dalle operazioni di ricerca di ElasticSearch. ElasticSearch, che inizialmente era un motore di ricerca per testo, può ora includere nei database documenti come immagini, architetture di rete, documenti di testo e ricevute di prodotti. Il capitolo copre inoltre nuove tecnologie sul mercato come l’Associative Processing Unit (APU). 

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

Il terzo capitolo copre le limitazioni e i vantaggi della disponibilità dei dati. Inizia spiegando cosa sia la disponibilità dei dati e cosa non lo sia, seguito dalle limitazioni come la compatibilità dei dati, il fallimento dell’archiviazione, il fallimento del server/rete, il costo e la scarsa qualità dei dati. Il capitolo si conclude introducendo soluzioni come un pipeline di elaborazione dei dati ad alta prestazione e il cloud ibrido.

Il Capitolo 3 è stato scritto da Adebunmi Odefunso, ingegnere software e praticante ML di Purdue University. 

Il quarto capitolo copre gli ostacoli vari in ML e AI, concentrandosi su algoritmi e modelli problematici come i sistemi di riconoscimento facciale, che hanno dimostrato alti tassi di errore e pregiudizio. Prosegue dimostrando come mitigare il pregiudizio e aumentare l’interpretazione e perché il set di dati dovrebbe essere grande e diversificato. Vengono coperti anche altri aspetti dei dati, come la coerenza e l’accuratezza delle fonti di dati. 

Il Capitolo 4 è stato scritto da Shivam Mathura, Direttore di Strategia di COTA Inc. 

Il quinto capitolo utilizza l’ultimo modello di AI GPT-3 per esplorare le limitazioni e il potenziale dell’AI su Enterprise. L’obiettivo del capitolo è riconoscere che “le limitazioni di oggi sono i successi di domani” e la necessità di continuare la sperimentazione. 

Il Capitolo 5 è stato scritto da Shaina Raza, candidata PhD in Advisor Computer Science di Ryerson University. 

Il sesto capitolo copre le reti di comunicazione wireless 6G emergenti e come richiederanno AI, machine learning e altro. Prosegue notando come questi sistemi abiliteranno 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 da Florida Int. University; Josep M. Jornet, Kaushik Chowdhury, Francesco Restuccia e Tommaso Melodia da Northeastern University; Soumyajit Mandal e John Shea da University of Florida; Aditya Dhananjay da Pi Radio; e Jay Dawani e Vassil Dimitrov da Lemurian Labs.