"Это на самом деле новое вино, но есть множество бутылок, и есть разные годы, сказал Джеймс Kobielus, что он Wikibon научные данные, главный аналитик углубленного исследования и разработки приложений.
Kobielus добавил, что, на самом деле, большую часть старого вина еще довольно вкусно, новое поколение искусственного интеллекта привыкло использовать методы и на основе этих методов, например, Apache Hadoop рамка больших данных для использования технологии.
Сегодня, однако, энтузиазм по поводу искусственного интеллекта, искусственный интеллект из-за какой-то бывший кандидат на отсутствие конкретного развития. Согласно Kobielus сказать, существующей технологию приближает нас к тем, кто смотрит «мышление» подобен человеческой машине «. Один из самых большие данные важны, «сказал он в Мальборо, штат Массачусетс студия CUBE в. Почему большие данные вызвали интерес в области искусственного интеллекта? потому что это глубокая модель обучения для обучения огромной помощи Позволяя ему делать больше человекоподобных умозаключений. Кобиэль и Дэйв Велланте сделали прорывы в искусственном интеллекте и машинной разведке. Дейв Велланте - ведущий аналитик Викибона и один из соавторов живой студии SiliconANGLE.
Искусственный интеллект революция будет алгоритмический
Искусственный интеллект в долгосрочном прогрессе в интеллектуальном диалоге, но также отражает его быстрый рост доходов. Исследование исследовательского агентства Tractica LLC показывает, что в 2016 году масштаб рынка программного обеспечения для искусственного интеллекта в 1,4 млрд. Долларов США к 2025 году будет увеличен до 59,8 млрд. Долларов США «Искусственный интеллект имеет приложения и применения в вертикалях практически любой отрасли и рассматривается как следующая крупная технологическая смена, аналогичная тому, что происходило в прошлом, например, промышленная революция, компьютерный век и революция смартфонов», исследование Tractica LCC Руководитель Aditya Kaul сказал, что некоторые из этих вертикалей включают финансы, рекламу, здравоохранение, аэрокосмическую промышленность и потребителей.
Следующая промышленная революция будет сосредоточена на программном обеспечении искусственного интеллекта, которое может звучать как фантастическая фантастическая фантазия, но даже вне Силиконовой долины это чувство также распространяется. Журнал «Время» недавно опубликовал статью Особенная статья под названием «Искусственный интеллект: будущее человечества». Однако это видение искусственного интеллекта существовало десятилетиями в фанатичных болотах научной фантастики и науки и техники, которые развивались за последние несколько лет Так быстро? Из сегодняшнего искусственного интеллекта и в обозримом будущем, что мы можем получить от реальности?
Прежде всего, ИИ - это широкий тег - на самом деле горячая фраза, а не точный технический термин ». Кобилюс говорит, что ИИ означает« все, что помогает машине думать как человек ». Но Разве машина не мыслит в строгом смысле совершенно иного ума, чем человеческий мозг? Машина на самом деле не думает, разве это не зависит от ситуации. Если синоним «мышления» «выведен», Тогда машина может считаться эквивалентной мозгу.
Когда люди говорят об искусственном интеллекте, они часто говорят о самом популярном способе искусственного интеллекта - машинного обучения - математического приложения, основанного на выводе шаблона из набора данных ». Кобилюс сказал:« Долгое время , Люди используют программное обеспечение для вывода паттернов из своих данных ». Некоторые из существующих методов вывода включают в себя вспомогательные векторные машины, байесовскую логику и деревья решений, которые не исчезли и все еще используются в растущей области Искусственного интеллекта Модели машинного обучения или алгоритмы, обучаемые по данным, делают свои собственные выводы, часто называемые выходами искусственного интеллекта или представлениями, которые не требуют предварительного программирования на машине и требуют программирования только самой модели.
Вывод модели машинного обучения основан на статистических возможностях, которые несколько схожи с процессами человеческого понимания. Выводы из данных могут быть представлены в виде предсказаний, корреляций, классификаций, классификаций, аномалий распознавания или тенденций и т. Д. Для машин , Учебный образец является иерархическим, а классификатор данных называется «персептрон», который образует искусственную нейронную сеть, накладывая персептроны. Эта связь между нейронными сетями между персептронами активирует их Функции, в том числе нелинейные персептроны, такие как касательные, позволяют ответ или выход слоя стать следующим уровнем входа через неврологический процесс, а выход последнего уровня является конечным результатом.
Глубокоуровневый слой нейронов
Сети глубокого обучения - это искусственные нейронные сети, которые имеют большое количество воспринимающих слоев, и чем больше слоев сети, тем больше их глубина. Эти дополнительные слои поднимают больше вопросов, обрабатывают больше ввода и производят больше Выход, который абстрагирует более высокий уровень данных.
Теперь, когда у вас есть нейронная сеть с 1000 уровнями датчиков, разработчики программного обеспечения все еще изучают, что могут сделать более глубокие нейронные сети, а последнее программное обеспечение для обнаружения лиц Apple iPhone использует 20-слойную сверточную нейронную сеть. В 2015 году исследователи Microsoft выиграли конкурс ComputerNet Vision Image через 152-слойную остаточную сеть, сказал Питер Ли, директор по исследованиям в Microsoft, что благодаря дизайну, который предотвращает размывание данных, сеть может собирать изображения с изображений К информации, выходящей за пределы типичной глубины 20 или 30 слоев остаточной сети, он сказал: «Мы можем узнать много тонких вещей».
В дополнение к обработке изображений появляются новые случаи искусственного интеллекта и углубленного обучения, начиная от правоохранительной деятельности и заканчивая геномикой, а в прошлом году исследователи использовали искусственный интеллект для прогнозирования сотен европейских судов по правам человека Судя по делу, они предсказали, что окончательное решение судей-мужчин достигло 79% точности.
Имеет способность мыслить и располагает множеством ресурсов и даже машин, чтобы делать выводы более точно, чем люди. В последнее время алгоритмы исследователей в Стэнфорде для глубокого обучения более подходят для диагностики пневмонии, чем у радиологов. Алгоритм CheXNet использует 121-слойную сверточную нейронную сеть, обученную на множестве из более чем 100 000 рентгеновских изображений грудной клетки.
Модель искусственного интеллекта продолжает улучшаться в обучении
Данные тегов модели машинного обучения действительно важны, но человеческий глаз по-прежнему является лучшим инструментом для работы. В прошлом году IBM заявила, что они набирают много людей, просто чтобы пометить данные AI.University исследователя Торонто Пархам Аараби И Вэньцзи Го исследовал, как человеческий мозг и нейронные сети работают вместе, чтобы разработать алгоритм, который учится из явных человеческих инструкций, а не через ряд примеров, где тренер может Он говорит алгоритму, что небо обычно синее и находится на вершине картины, которая работает лучше, чем традиционная тренировка нервной сети. Кобилюс сказал: «Не зная алгоритма, вы не знаете, работает ли алгоритм. Он также пришел к выводу, что большая часть обучения будет проводиться в облачной или другой централизованной среде, в то время как децентрализованные «сетевые» устройства, такие как автономные транспортные средства, будут принимать решение на месте.