Programovanie

4 kľúčové koncepty AI, ktoré musíte pochopiť

Bob Friday je spoluzakladateľom a technickým riaditeľom spoločnosti Mist Systems.

Umelá inteligencia (AI) berie svet útokom, pričom inovatívne prípady použitia sa uplatňujú vo všetkých priemyselných segmentoch. Máme desaťročia od nahradenia lekára robotom AI, ako to vidno vo filmoch, ale AI pomáha odborníkom vo všetkých priemyselných odvetviach rýchlejšie diagnostikovať a riešiť problémy a umožňuje spotrebiteľom ako ja robiť úžasné veci, napríklad vyhľadávať skladby pomocou hlasového príkazu.

Väčšina ľudí sa zameriava na výsledky AI. Pre tých z nás, ktorí sa radi pozerajú pod kapotu, treba pochopiť štyri základné prvky: kategorizáciu, klasifikáciu, strojové učenie a spoločné filtrovanie. Tieto štyri piliere tiež predstavujú kroky v analytickom procese.

Kategorizácia zahŕňa vytváranie metrík špecifických pre problémovú doménu (napr. Financie, vytváranie sietí). Klasifikácia zahŕňa určenie, ktoré údaje sú pre riešenie problému najrelevantnejšie. Strojové učenie zahŕňa detekciu anomálií, zhlukovanie, hlboké učenie a lineárnu regresiu. Kolaboratívne filtrovanie zahŕňa hľadanie vzorov vo veľkých množinách údajov.

Kategorizácia

AI vyžaduje veľa údajov, ktoré sú relevantné k riešenému problému. Prvým krokom k vytvoreniu riešenia umelej inteligencie je vytvorenie tzv. „Metriky zámeru návrhu“, ktoré sa používajú na kategorizáciu problému. Či už sa používatelia snažia vybudovať systém, ktorý dokáže hrať Jeopardy, pomôcť lekárovi diagnostikovať rakovinu alebo pomôcť správcovi IT diagnostikovať bezdrôtové problémy, musia používatelia definovať metriky, ktoré umožňujú rozdelenie problému na menšie kúsky. Napríklad v bezdrôtových sieťach sú kľúčové metriky čas pripojenia používateľa, priepustnosť, pokrytie a roaming. Pri diagnostike rakoviny sú kľúčovými ukazovateľmi počet bielych krviniek, etnický pôvod a röntgenové snímky.

Klasifikácia

Keď majú používatelia problém kategorizovaný do rôznych oblastí, ďalším krokom je mať klasifikátory pre každú kategóriu, ktoré používateľov nasmerujú v smere zmysluplného záveru. Napríklad pri výcviku systému AI na hranie hry Jeopardy musia používatelia najskôr klasifikovať otázku ako otázku, ktorá má doslovný charakter alebo ako slovná hra, a potom podľa času, osoby, veci alebo miesta. Keď používatelia v bezdrôtových sieťach poznajú kategóriu problému (napr. Problém pred pripojením alebo po pripojení), musia začať klasifikovať, čo problém spôsobuje: asociácia, autentifikácia, protokol dynamickej konfigurácie hostiteľa (DHCP) alebo iná bezdrôtová sieť. , káblové pripojenie a faktory zariadenia.

Strojové učenie

Teraz, keď je problém rozdelený na časti metadát špecifické pre doménu, sú používatelia pripravení tieto informácie vložiť do čarovného a silného sveta strojového učenia. Existuje veľa algoritmov a techník strojového učenia, pričom jedným z najpopulárnejších prístupov sa dnes stáva strojové učenie pod dohľadom pomocou neurónových sietí (t. J. Hlboké učenie). Koncept neurónových sietí existuje od roku 1949 a svoju prvú neurónovú sieť som postavil v 80. rokoch. Ale s najnovším zvýšením výpočtových a úložných schopností sa teraz nervové siete trénujú na riešenie rôznych problémov v reálnom svete, od rozpoznávania obrázkov a spracovania prirodzeného jazyka až po predpovedanie výkonu siete. Medzi ďalšie aplikácie patrí zisťovanie funkcií anomálií, detekcia anomálií časových radov a korelácia udalostí pre analýzu základných príčin.

Kolaboratívne filtrovanie

Väčšina ľudí zažíva spoločné filtrovanie, keď si vyberie film na Netflixe alebo si kúpi niečo od Amazonu a dostane odporúčanie k ďalším filmom alebo položkám, ktoré by sa im mohli páčiť. Okrem odporúčateľov sa spoločné filtrovanie používa aj na triedenie veľkých množín údajov a prispôsobenie riešenia umelej inteligencie. To je miesto, kde sa všetok zber a analýza dát premení na zmysluplný prehľad alebo akciu. Či už sa jedná o herné predstavenie, alebo lekár alebo správca siete, spoločné filtrovanie je prostriedkom na poskytnutie odpovedí s vysokou mierou dôveryhodnosti. Je to ako virtuálny asistent, ktorý pomáha riešiť zložité problémy.

AI je stále veľmi rozvíjajúcim sa priestorom, ale jej dopad je výrazný a bude ho cítiť ešte horšie, keď sa stane čoraz väčšou súčasťou nášho každodenného života. Pri výbere riešenia umelej inteligencie, napríklad pri kúpe automobilu, musíme pochopiť, čo sa nachádza pod kapotou, aby sme sa uistili, že kupujeme najlepší produkt pre naše potreby.

Nové technologické fórum poskytuje miesto na preskúmanie a diskusiu o vznikajúcich podnikových technológiách v nebývalej hĺbke a šírke. Výber je subjektívny, založený na našom výbere technológií, ktoré považujeme za dôležité a pre čitateľov najväčší záujem. neprijíma marketingové záruky na zverejnenie a vyhradzuje si právo upravovať všetok prispievaný obsah. Všetky otázky posielajte na adresu [email protected].

$config[zx-auto] not found$config[zx-overlay] not found