Bob Friday on Mist Systemsin perustaja ja CTO.
Tekoäly (AI) vie maailman myrskyyn, ja innovatiivisia käyttötapauksia sovelletaan kaikissa toimialoilla. Olemme vuosikymmenien päässä korvaamasta lääkäriä tekoälyrobotilla, kuten elokuvissa nähdään, mutta tekoäly auttaa kaikkien toimialojen asiantuntijoita diagnosoimaan ja ratkaisemaan ongelmat nopeammin, mikä antaa minun kaltaisilleni kuluttajille mahdollisuuden tehdä upeita asioita, kuten löytää kappaleita äänikomennolla.
Useimmat ihmiset keskittyvät tekoälyn tuloksiin. Niille meistä, jotka haluavat katsoa konepellin alle, on ymmärrettävä neljä perustekijää: luokittelu, luokittelu, koneoppiminen ja yhteistyösuodatus. Nämä neljä pilaria edustavat myös vaiheita analyyttisessä prosessissa.
Luokittelu käsittää sellaisten mittareiden luomisen, jotka ovat ominaisia ongelma-alueelle (esim. Talous, verkostoituminen). Luokittelu sisältää sen määrittämisen, mitkä tiedot ovat olennaisimpia ongelman ratkaisemiseksi. Koneoppimiseen sisältyy poikkeavuuksien havaitseminen, klusterointi, syvällinen oppiminen ja lineaarinen regressio. Yhteistyösuodatus edellyttää mallien etsimistä suurista tietojoukoista.
Luokittelu
Tekoäly vaatii paljon tietoja, jotka ovat merkityksellisiä ratkaistavan ongelman kannalta. Ensimmäinen keino tekoälyratkaisun luomiseen on luoda niin sanotut "suunnittelutarkoitusmetriikat", joita käytetään ongelman luokittelemiseen. Olipa käyttäjä yrittänyt rakentaa järjestelmän, joka voi pelata Jeopardiaa, auttaa lääkäriä diagnosoimaan syöpää tai auttaa IT-järjestelmänvalvojaa diagnosoimaan langattomia ongelmia, käyttäjien on määriteltävä mittarit, joiden avulla ongelma voidaan jakaa pienempiin paloihin. Esimerkiksi langattomassa verkossa tärkeimmät mittarit ovat käyttäjän yhteysaika, läpäisykyky, peitto ja verkkovierailu. Syöpädiagnoosissa keskeisiä mittareita ovat valkosolujen määrä, etninen tausta ja röntgenkuvaukset.
Luokitus
Kun käyttäjät ovat luokitelleet ongelman eri alueille, seuraava askel on saada luokitukset kullekin luokalle, jotka ohjaavat käyttäjiä mielekkään johtopäätöksen suuntaan. Esimerkiksi kun he harjoittavat tekoälyjärjestelmää pelaamaan Jeopardiaa, käyttäjien on ensin luokiteltava kysymys kirjaimelliseksi tai sanaleikkeiksi ja luokiteltava sitten ajan, henkilön, asian tai paikan mukaan. Langattomassa verkossa, kun käyttäjät tietävät ongelman luokan (esim. Yhteyden muodostamista edeltävä tai sen jälkeinen ongelma), käyttäjien on aloitettava luokittelu, mikä aiheuttaa ongelman: yhteys, todennus, dynaaminen isäntäkonfigurointiprotokolla (DHCP) tai muu langaton , langalliset ja laitekertoimet.
Koneoppiminen
Nyt kun ongelma on jaettu toimialakohtaisiin metatietopaloihin, käyttäjät ovat valmiita syöttämään nämä tiedot koneoppimisen maagiseen ja tehokkaaseen maailmaan. Koneoppimisalgoritmeja ja -tekniikoita on monia, ja valvotusta koneellisesta oppimisesta hermoverkkojen avulla (ts. Syväoppiminen) on tulossa yksi suosituimmista lähestymistavoista. Neuroverkkojen käsite on ollut olemassa vuodesta 1949 lähtien, ja ensimmäisen neuroverkon rakennin 1980-luvulla. Viimeisimpien laskenta- ja tallennusominaisuuksien kasvaessa hermoverkkoja koulutetaan nyt ratkaisemaan erilaisia reaalimaailman ongelmia kuvien tunnistamisesta ja luonnollisen kielen käsittelystä verkon suorituskyvyn ennustamiseen. Muita sovelluksia ovat poikkeavuusominaisuuksien löytäminen, aikasarjojen poikkeavuuksien havaitseminen ja tapahtumakorrelaatio perussyyanalyysiä varten.
Yhteistyösuodatus
Useimmat ihmiset kokevat suodatuksen yhteistyössä, kun he valitsevat elokuvan Netflixistä tai ostavat jotain Amazonista ja saavat suosituksia muista elokuvista tai kohteista, joista he saattavat pitää. Suosittelijoiden lisäksi yhteisöllistä suodatusta käytetään myös lajittelemaan suuria tietojoukkoja ja asettamaan kasvot tekoälyratkaisulle. Täällä kaikki tiedonkeruu ja analysointi muutetaan merkitykselliseksi oivallukseksi tai toiminnaksi. Olipa kyseessä peliohjelma, lääkäri tai verkon ylläpitäjä, yhteistyösuodatus on keino antaa vastauksia erittäin luotettavasti. Se on kuin virtuaaliassistentti, joka auttaa ratkaisemaan monimutkaisia ongelmia.
Tekoäly on edelleen hyvin kehittyvä tila, mutta sen vaikutus on syvällinen ja se tuntuu vieläkin innokkaammin, kun siitä tulee yhä suurempi osa jokapäiväistä elämäämme. Kun valitsemme tekoälyratkaisun, kuten autoa ostettaessa, meidän on ymmärrettävä, mikä on hupun alla, jotta voimme varmistaa, että ostamme parhaan tuotteen tarpeisiimme.
New Tech Forum tarjoaa mahdollisuuden tutkia ja keskustella kehittyvistä yritysteknologioista ennennäkemättömällä syvyydellä ja laajuudella. Valinta on subjektiivinen, perustuu valitsemiemme tekniikoihin, joiden uskomme olevan tärkeitä ja kiinnostavia lukijoille. ei hyväksy markkinointivakuuksia julkaisua varten ja pidättää oikeuden muokata kaikkea lähetettyä sisältöä. Lähetä kaikki tiedustelut osoitteeseen [email protected].
