RE•WORK White Paper: Utfordringene, Suksessene, Fremgangen & Feilene ved Behandling i AI

RE-WORK er en ledende aktør innen AI og Deep Learning-arrangementer, og organiserer toppmøter og workshop rundt om i verden. Arrangementene dekker temaer som Deep Learning, Machine Learning, AI i ulike sektorer, Computer Vision, Selvkjørende kjøretøy, Ansvarlig AI og mer. De samler ledere fra både industri og akademia.

I RE•WORKs nyeste whitepaper med tittelen «Utfordringene, Suksessene, Fremgangen & Feilene ved Behandling i AI» er bidragsytere inkludert navn fra Purdue University, Ryerson University, GSI Technology (GSIT ), COTA Inc., Omdena og mer.

Whitepaperen er delt inn i seks kapitler:

• Kapittel 1: Data-begrensninger i vanlige bransje- og ikke-statlige anvendelser

• Kapittel 2: Konvergens av ElasticSearch, ANN og Computer-in-Memory

• Kapittel 3: Begrensninger og fordeler ved data-tilgjengelighet

• Kapittel 4: Data-veiblokkeringer i ML og AI

• Kapittel 5: Behandlingsbegrensninger på Bedrifts-AI – Er GPT-3 den ultimate løsningen?

• Kapittel 6: Alt i 6G trådløse kommunikasjonsnettverk

Det første kapitlet i papiren dekker de vanligste data-utfordringene som både private og ikke-statlige organisasjoner møter. Det detaljerer også vanlige begrensninger med hensyn til tilgjengelighet og kostnad, personvern og etikk, og data. Dette kapitlet baserer seg på tre spesifikke case-studier for å demonstrere data-begrensninger i tekst, video og geografiske data, inkludert «Å håndtere sårbarhet med NLP», «Computer Vision for nødsituasjoner» og «Computer Vision-applikasjoner for autonom kjøring».

Kapittel 1 ble skrevet av Rosano de Oliveira Gomez, Lead Machine Learning Engineer fra Omdena; Harini Suresh, PhD-forsker ved MIT; og Erim Afzal, ML-ingeniør ved Omdena.

Det andre kapitlet fokuserer på bruken av approximert nærmeste nabo (ANN) med in-memory-accelerering, som gir sanntidsrespons fra ElasticSearch-operasjoner. Elasticsearch, som opprinnelig var en søkemotor for tekst, kan nå inkludere dokumenter som bilder, nettverksarkitektur, tekstdokumenter og produktkvitteringer i databasene. Kapitlet dekker også nye teknologier på markedet som Associative Processing Unit (APU).

Kapittel 2 ble skrevet av Mark Wright, direktør for markedsføring ved GSI Technology.

Det tredje kapitlet dekker begrensningene og fordelene ved data-tilgjengelighet. Det starter med å forklare hva data-tilgjengelighet er og ikke er, fulgt av begrensninger som data-kompatibilitet, lagringsfeil, server/nettverksfeil, kostnad og dårlig datakvalitet. Kapitlet avslutter med å introdusere løsninger som en høy-ytelses data-behandlingspipeline og hybrid-sky.

Kapittel 3 ble skrevet av Adebunmi Odefunso, programvare-ingeniør og ML-praktiker ved Purdue University.

Det fjerde kapitlet dekker de ulike veiblokkeringer i ML og AI, med fokus på problematisk algoritmer og modeller som ansiktsgjenkjenningssystemer, som har demonstrert høye feilrater og bias. Det går videre til å demonstrere hvordan man kan mitigere bias og øke tolkbarhet og hvorfor datasettet bør være stort og diversifisert. Ulike andre aspekter av data dekkes, som konsistens og nøyaktighet av datakilder.

Kapittel 4 ble skrevet av Shivam Mathura, direktør for strategi ved COTA Inc.

Det femte kapitlet bruker den nyeste AI-modellen GPT-3 til å utforske begrensningene og potensialet for AI på Bedrift. Målet med kapitlet er å erkjenne at «dagens begrensninger er morgendagens suksesser» og behovet for fortsatt eksperimentering.

Kapittel 5 ble skrevet av Shaina Raza, PhD-kandidat i rådgivningsdatavitenskap ved Ryerson University.

Det sjette kapitlet dekker fremvoksende 6G trådløse kommunikasjonsnettverk og hvordan de vil kreve AI, maskinlæring og mer. Det går videre til å merke hvordan disse systemene vil muliggjøre utenforliggende kapasitet og nettverksadgang. Noen av de andre temaene i kapitlet inkluderer: Neste-generasjons trådløse nettverk med AI og SDN, Motivasjon fra DARPA Spectrum Collaboration Challenge og Implementering av intelligente radiotalgoritmer.

Kapittel 6 ble skrevet av flere forfattere, inkludert Kemal Akkaya, Arjuna Madanayake, Udara De Silva, og Sravan Pulipati fra Florida Int. University; Josep M. Jornet, Kaushik Chowdhury, Francesco Restuccia, og Tommaso Melodia fra Northeastern University; Soumyajit Mandal og John Shea fra University of Florida; Aditya Dhananjay fra Pi Radio; og Jay Dawani og Vassil Dimitrov fra Lemurian Labs.