RE•WORK Biały Papier: Wyzwania, Sukcesy, Postępy i Niepowodzenia Przetwarzania w AI

RE-WORK jest liderem w dziedzinie wydarzeń związanych z AI i głębokim uczeniem, organizując szczyty i warsztaty na całym świecie. Wydarzenia te obejmują tematy związane z głębokim uczeniem, uczeniem maszynowym, AI w różnych sektorach, widzeniem komputerowym, samochodami autonomicznymi, odpowiedzialnym AI i więcej. Przyjmują one liderów z obu branży i akademii.

W najnowszym białym papierze RE•WORK, zatytułowanym „Wyzwania, Sukcesy, Postępy i Niepowodzenia Przetwarzania w AI”, autorami są m.in. osoby z Purdue University, Ryerson University, GSI Technology (GSIT ), COTA Inc., Omdena i innych.

Biały papier jest podzielony na sześć rozdziałów:

• Rozdział 1: Ograniczenia danych w powszechnych aplikacjach przemysłowych i non-profit

• Rozdział 2: Zbieżność ElasticSearch, ANN i Computer-in-Memory

• Rozdział 3: Ograniczenia i zalety dostępności danych

• Rozdział 4: Przeszkody na drodze do ML i AL

• Rozdział 5: Ograniczenia przetwarzania w przedsiębiorstwach AI – Czy GPT-3 jest ostatecznym rozwiązaniem?

• Rozdział 6: Wszystko w 6G sieciach bezprzewodowych

Pierwszy rozdział pracy obejmuje najczęstsze wyzwania związane z danymi, z którymi borykają się zarówno prywatne, jak i organizacje non-profit. Szczegółowo opisuje również ograniczenia dotyczące dostępności i kosztów, prywatności i etyki, oraz danych. Rozdział ten opiera się na trzech konkretnych studiach przypadku, aby zademonstrować ograniczenia danych w tekście, filmie i danych geograficznych, w tym „Addressing vulnerability with NLP”, „Computer Vision for Emergency Response” i „Computer Vision Applications for Autonomous Driving”.

Rozdział 1 został napisany przez Rosano de Oliveira Gomez, Lead Machine Learning Engineer z Omdena; Harini Suresh, PhD researcher at MIT; i Erim Afzal, ML engineer z Omdena.

Drugi rozdział koncentruje się na wykorzystaniu przybliżonego najbliższego sąsiada (ANN) z przyspieszeniem przetwarzania w pamięci, co zapewnia odpowiedź w czasie rzeczywistym z operacji wyszukiwania. Elasticsearch, który pierwotnie był silnikiem wyszukiwania tekstu, może teraz zawierać w bazach danych dokumenty takie jak obrazy, sieciowe architektury, dokumenty tekstowe i paragony produktów. Rozdział ten omawia również nowe technologie na rynku, takie jak Associative Processing Unit (APU).

Rozdział 2 został napisany przez Marka Wrighta, dyrektora marketingu w GSI Technology.

Trzeci rozdział opisuje ograniczenia i zalety dostępności danych. Rozpoczyna się od wyjaśnienia, czym jest dostępność danych i czym nie jest, a następnie omawia ograniczenia, takie jak kompatybilność danych, awarie magazynowania, awarie serwera/sieci, koszty i słaba jakość danych. Rozdział kończy się wprowadzeniem rozwiązań, takich jak potok przetwarzania danych o wysokiej wydajności i hybrydowa chmura.

Rozdział 3 został napisany przez Adebunmi Odefunso, software engineer i ML practitioner z Purdue University.

Czwarty rozdział opisuje różne przeszkody na drodze do ML i AI, skupiając się na problematycznych algorytmach i modelach, takich jak systemy rozpoznawania twarzy, które wykazały wysokie wskaźniki błędów i uprzedzeń. Rozdział ten wyjaśnia, jak złagodzić uprzedzenia i zwiększyć interpretowalność, oraz dlaczego zestaw danych powinien być duży i zróżnicowany. Omawia również różne inne aspekty danych, takie jak spójność i dokładność źródeł danych.

Rozdział 4 został napisany przez Shivam Mathura, Dyrektora Strategii w COTA Inc.

Piąty rozdział wykorzystuje najnowszy model AI GPT-3, aby zbadać ograniczenia i potencjał AI w przedsiębiorstwach. Celem rozdziału jest uznanie, że „dzisiejsze ograniczenia są jutrzejszymi sukcesami” i potrzeba kontynuowania eksperymentów.

Rozdział 5 został napisany przez Shaina Raza, kandydata na stopień doktora w dziedzinie informatyki na Ryerson University.

Szósty rozdział opisuje nowe sieci bezprzewodowe 6G i to, jak będą one wymagać AI, uczenia maszynowego i więcej. Rozdział ten zauważa również, że te systemy umożliwią bezprecedensową pojemność i dostęp do sieci. Niektóre z innych tematów omawianych w rozdziale to: Następne pokolenie sieci bezprzewodowych z AI i SDN, Motywacja z DARPA Spectrum Collaboration Challenge oraz wdrożenie inteligentnych algorytmów radiowych.

Rozdział 6 został napisany przez wielu autorów, w tym Kemala Akkaya, Arjunę Madanayake, Udara De Silvę i Sravana Pulipati z Florida Int. University; Josepa M. Jorneta, Kaushika Chowdhury, Francesco Restuccia i Tommaso Melodię z Northeastern University; Soumyajita Mandala i Johna Shea z University of Florida; Adityę Dhananjaya z Pi Radio; oraz Jay’a Dawani i Vassila Dimitrova z Lemurian Labs.