RE•WORK White Paper: Le Sfide, Successi, Progressi e Insuccessi dell’Elaborazione in AI

RE-WORK è un leader negli eventi di intelligenza artificiale e apprendimento profondo, organizzando summit e workshop in tutto il mondo. Gli eventi coprono argomenti relativi all’apprendimento profondo, all’apprendimento automatico, all’AI in vari settori, alla visione artificiale, ai veicoli autonomi, all’AI responsabile e molto altro. Riuniscono leader provenienti sia dall’industria che dall’accademia.

Nel white paper più recente di RE•WORK, intitolato ‘Le Sfide, Successi, Progressi e Insuccessi dell’Elaborazione in AI’, i contributori includono nomi di Purdue University, Ryerson University, GSI Technology (GSIT ), COTA Inc., Omdena e molti altri.

Il white paper è suddiviso in sei capitoli:

• Capitolo 1: Limitazioni dei dati nelle applicazioni industriali e no-profit comuni

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

• Capitolo 3: Limitazioni e vantaggi della disponibilità dei dati

• Capitolo 4: Ostacoli nella strada dei dati in ML e AI

• Capitolo 5: Limitazioni dell’elaborazione in AI aziendale – GPT-3 è la soluzione definitiva?

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

Il primo capitolo del paper copre le sfide più comuni dei dati che affrontano sia le organizzazioni private che no-profit. Dettaglia anche le limitazioni 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 ‘Affrontare la vulnerabilità con NLP’, ‘Visione artificiale per la risposta di emergenza’ 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, ricercatrice PhD al MIT; e Erim Afzal, ingegnere ML di Omdena.

Il secondo capitolo si concentra sull’uso dell’approximate nearest neighbor (ANN) con l’accelerazione della memoria, che fornisce una risposta in tempo reale dalle operazioni di ricerca di ElasticSearch. ElasticSearch, che inizialmente era un motore di ricerca per testi, può ora includere nei database documenti come immagini, architetture di rete, documenti di testo e ricevute di prodotti. Il capitolo copre anche nuove tecnologie sul mercato come l’Unità di Elaborazione Associativa (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 nella strada dei dati 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 della Strategia di COTA Inc.

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

Il Capitolo 5 è stato scritto da Shaina Raza, candidata PhD in Informatica alla Ryerson University.

Il sesto capitolo copre le reti di comunicazione wireless 6G emergenti e come richiederanno AI, apprendimento automatico e molto altro. Prosegue notando 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 sfida di collaborazione dello spettro DARPA, e Implementazione di algoritmi radio intelligenti.

Il Capitolo 6 è stato scritto da molti 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.