1. जब चीजों का इंटरनेट एआई से मिलता है;
सदा सिस्टम्स, बड़े पैमाने पर आईटी उद्योग बाजार अनुसंधान के हाल के एक पेशेवर प्रबंधकों के अनुसार पाया कि 2018 कृत्रिम बुद्धि (AI) और हालात (IOT) के इंटरनेट में, नई प्रौद्योगिकियों में व्यापार निवेश का सबसे महत्वपूर्ण क्षेत्रों बनता जा रहा है।
500 आईटी सर्वेक्षण पेशेवरों में, उत्तरदाताओं का 38%, व्यापार निवेश का मुख्य उद्देश्य के रूप में सड़क ऐ उल्लेख करते हुए चीजों में से 31%, ब्लॉक श्रृंखला की सूची में 10% आधारित है। हालात जुड़े उपकरणों यह आमतौर पर मशीन लर्निंग (एमएल) मॉडल को प्रशिक्षित करने के लिए विशाल डेटा उत्पन्न करता है।
सर्वेक्षण कंपनियों में, क्योंकि चीजों को और धार कंप्यूटिंग (धार कंप्यूटिंग) उद्योग और अधिक स्थिर की अवस्था है, और की ऐ और अधिक से अधिक बातें, के लेआउट इस मौलिक ध्वनि मशीन सीखने की सटीकता में सुधार करने के लिए उपलब्ध है, ऐ आवश्यक हो गया है आवश्यक शर्तें।
छवि पहचान क्षमता / चित्रा: कैम्ब्रिज विश्वविद्यालय
कंपनियां अकादमिक संगठन के निरंतर शोध के बजाय एआई का निवेश अंततः प्राप्य बनाना चाहते हैं। विदेशी मीडिया सीआईओ ने सवाल उठाया कि एआई निवेश को सही व्यावसायीकरण के लिए उन्मुख कैसे बनाया जाए और व्यावसायिक नेताओं के लिए एक महत्वपूर्ण कार्य कैसे किया जाए।
इसके अलावा, आज के युग की पृष्ठभूमि में, लागत और ऐ चलाने का कठिनाई भी काफी कम न केवल "एक सेवा के रूप मंच" और अधिक डेटा कंप्यूटर प्रशिक्षण कंपनियों के लिए जो (PaaS) कंपनी है कि यह भी सार्वभौमिक के उपकरणों बनाता है प्रदान कर सकता है (इंटरऑपरेबिलिटी) सुधार की डिग्री। इसके अलावा, बड़ी संख्या में परिपक्व मशीन लर्निंग लाइब्रेरीज़ और एपीआई ने एआई में प्रवेश के लिए दहलीज कम कर दी है।
ऐ प्रौद्योगिकी और नई चीजें आ के समर्थन के साथ, संगठनों मुख्य विकास का पालन करना होगा, गुंजाइश क्रीप घंटे विकास चक्र को रोकने के अनिश्चितकालीन के लिए प्रेरित किया। आदेश, समय की अवधि मील का पत्थर हासिल करने के लिए प्रतिभा को बनाए रखना में उत्तरोत्तर जरूरी होता जा रहा है।
मशीन छवि पहचान क्षमता / चार्ट: कैम्ब्रिज विश्वविद्यालय
सदा और चारों ओर उभरती प्रौद्योगिकियों खबर कहा जाता है, कंपनियों के अधिक नई तकनीक में निवेश करने को तैयार हैं का नेतृत्व करेंगे, लेकिन सुरक्षा और गोपनीयता प्रौद्योगिकी के विकास से पिछड़ जाते हैं, और नई प्रौद्योगिकी में निवेश के एक चिंता के स्वामित्व वाली बाढ़ सुरक्षा होना चाहिए, सदा का मानना है कि कंपनियों के रूप में कर रहे हैं यदि आप वास्तव में उभरती प्रौद्योगिकियों में अग्रणी बनना चाहते हैं, तो आप उभरती प्रौद्योगिकियों के सुरक्षा परीक्षण को अनदेखा नहीं कर सकते हैं।
2018 में ऑक्सफोर्ड विश्वविद्यालय से एक रिपोर्ट में, शोधकर्ताओं ने रोड, ऐ प्रौद्योगिकी के रूप में लंबे समय से एक दोष नहीं है के रूप में उल्लेख किया है, यह मशीन सीखने के कार्यप्रवाह दक्षता को कमजोर कर सकता है, लेकिन यह भी व्यापार के संचालन जोखिम में डालना है, अगर महत्वपूर्ण सुरक्षा परीक्षणों पर ध्यान नहीं दिया सेक्स, मुझे डर है कि मुझे यह नहीं मिलेगा।
पिछले साल से ब्लॉक श्रृंखला पहले से ही विज्ञान और प्रौद्योगिकी के लिए मीडिया का ध्यान का एक बहुत आकर्षित किया है, लेकिन यह निवेश व्यापार बातें और ऐ के मामले में पीछे है। अधिक से अधिक उद्यमों भविष्य में ब्लॉक श्रृंखला प्रौद्योगिकी की सफलता और व्यावहारिक मामलों को साझा करने के लिए शुरू के रूप में इस क्षेत्र में निवेश से चीजें और एआई के इंटरनेट के साथ प्रतिस्पर्धा करने की उम्मीद है।
2. एआई दुभाषियों का इतिहास;
एशिया के लिए 2018 Boao फोरम में, मुख्य एजेंडे के अलावा, सबसे विशेष रूप से एक गर्म स्थान की शुरूआत वास्तविक समय कृत्रिम बुद्धि सम्मेलन में पहली बोली जाने वाली भाषा अनुवाद है। हालांकि, वहाँ किया गया है कोई पिछले ऐ बेहूदगी से घोषित "वास्तविक समय दुभाषिए उद्योग चलो आसन्न बेरोजगारी के खतरे के सामने, इसके विपरीत, गंभीर गलतियों का अनुवाद परिणाम, इसके विपरीत, वास्तविक समय दुभाषियों को राहत मिली। ऐसा लगता है कि यह लाइन अभी भी लंबे समय तक खाई जा सकती है।
"बाइबल पुराने नियम उत्पत्ति" अध्याय 11 में वर्णित है, के बाद महान बाढ़ के कम होने, इस इंसानों की दुनिया नूह के बेटे हैं, एक ही भाषा बोलते जब मनुष्य सहयोग करने के लिए शुरू किया, निर्माण कोलाहल के कोलाहल टॉवर कहा जाता है टॉवर। इस कदम भगवान चिंतित है, तो भगवान मनुष्य करते हैं दुनिया भर में एक अलग भाषा होने लगे, मानव जाति नहीं रह गया है संयुक्त सहयोग था। कोलाहल योजना, विफलता में समाप्त हुआ जब भाषा मतभेद भी सबसे बड़ा मानव संचार बना दिया बाधा। शायद खून अभी भी कोलाहल के टावर के पुनर्निर्माण का सपना चाहते हैं, इसलिए अनुवाद विकसित करने में इतिहास के वर्षों के अतीत हजारों मानव सांस्कृतिक परियोजनाओं का ध्यान केंद्रित हो गया है।
भाषा बाधा, तोड़ने के लिए विशेष रूप से पार भाषा के लिए एक ही अवधारणाओं को समझने के लिए इतना आसान नहीं है। अंतर्भाषिक मानव इतिहास में समानांतर कोष पहली बार, 196 ईसा पूर्व में निर्मित है, रोसेटा स्टोन (रोसेटा स्टोन) दोनों प्राचीन मिस्र, प्राचीन ग्रीक और स्थानीय लोकप्रिय चरित्र का उपयोग कर, प्राचीन मिस्र के राजा टॉलेमी वी सिंहासन फतवे चढ़ा रिकॉर्ड करने के लिए ऊपर। इस अनुवाद में एक प्रमुख मील का पत्थर है।
नियम-आधारित मशीन अनुवाद
स्रोत मशीन अनुवाद का सवाल है, वापस 1949 तक पता लगाया जा सकता, सूचना सिद्धांत शोधकर्ता वॉरेन Weave औपचारिक रूप से मशीन अनुवाद की अवधारणा का प्रस्ताव रखा। पांच साल बाद, वह है, 1954 में, आईबीएम जॉर्ज टाउन विश्वविद्यालय के सहयोग से दुनिया का पहला मशीन अनुवाद की घोषणा की आईबीएम 701। यह, अंग्रेजी में अनुवाद करने के रूस में सक्षम है, हालांकि यह एक महान शरीर है, जो वास्तव में यह केवल कानूनी नियमों के छह प्रावधानों के साथ-साथ 250 शब्दों। बनाया गया है लेकिन फिर भी, यह अभी भी एक प्रमुख तकनीकी सफलता है, जब मनुष्य सोचना शुरू किया तो हम जल्द ही भाषा की दीवारों को तोड़ने के लिए सक्षम होना चाहिए।
भगवान के बारे में पता हो सकता है वहाँ मतभेद हैं, लेकिन यह भी मनुष्य के लिए कोलाहल के टॉवर ठंडे पानी की एक बाल्टी डाला के पुनर्निर्माण के लिए योजना है। 1964 में, विज्ञान सलाहकार समिति की राष्ट्रीय अकादमी भाषा का स्वत: प्रसंस्करण (स्वचालित भाषा संसाधन सलाहकार समिति, ALPAC) की स्थापना की। दो साल बाद, आयोग प्रस्तुत रिपोर्ट में, यह माना जाता है कि मशीन अनुवाद निवेश जारी रखने के लायक नहीं है, क्योंकि इस रिपोर्ट ने संयुक्त राज्य अमेरिका को अगले दस वर्षों में मशीन अनुवाद अध्ययन को लगभग पूरी तरह बंद कर दिया है।
1980 के दशक में आईबीएम की पहली अनुवादक, जब मुख्य धारा प्रौद्योगिकी नियम आधारित मशीन अनुवाद है से जन्मे। सबसे आम तरीका है शब्दकोश के अनुसार प्रत्यक्ष शाब्दिक अनुवाद है, हालांकि यह पहल में शामिल होने का सिंटैक्स नियमों को दूर करने के बाद में था लेकिन ईमानदार होने के लिए, परिणाम बहुत निराशाजनक साबित हुए, क्योंकि यह बेवकूफ दिखता है। इसलिए, 1 9 80 के दशक तक इस तरह के प्रथा गायब हो गईं।
क्यों बयानबाजी के सभी प्रकार के लिए शब्द की अस्पष्टता से भाषा के नियमों को लागू नहीं कर सकते? क्योंकि भाषा बेहद जटिल और अस्पष्ट प्रणाली है,, सभी असंभव संपूर्ण नियम। लेकिन दिलचस्प है, हाल ही में क्षेत्र की नई कंपनियों के कई प्राकृतिक भाषा में लगे कंपनी, अभी भी संपूर्ण नियमों के साथ चीनी अर्थशास्त्र को हल करने की कोशिश कर रही है, लेकिन यह विचार निश्चित रूप से विफलता में समाप्त होगा।
मैं वर्णन करने के लिए क्यों शासन संभव नहीं है इस उदाहरण देते हैं। सिर्फ चीनी, "जल्दी ही प्रसव व्यक्त करते हैं," अवधारणा आप तर्क के कई प्रकार के बारे में सोच सकते हैं कि से में दो भाषाओं रूपांतरण अनुवाद की जटिलता का उल्लेख करने के लिए, ? 10 प्रकार के? या 100 प्रकार? देखने के प्राकृतिक भाषा आँकड़े बिंदु हम पहले किया है, तर्क के 3600 प्रकार के कुल भी हो सकते हैं, और उस नंबर भी समय के साथ वृद्धि करनी चाहिए। अवधारणा बहुत आसान है एक प्रकाश की सजा तो हो सकता था नियमों की एक जटिल प्रणाली के लिए, यदि आप अनुवाद का उपयोग करते हैं, तो मुझे डर है कि नियमों की मात्रा एक आश्चर्यजनक खगोलीय संख्या होगी। इसलिए, नियम-आधारित मशीन अनुवाद विचार कल पीले फूल बन जाएगा।
इंस्टेंस-आधारित मशीन अनुवाद
कम ज्वार में मशीनी अनुवाद की दुनिया में, मशीन अनुवाद के लिए एक देश एक मजबूत जुनून है, और है कि जापान है। जापानी अंग्रेजी गरीब सार्वभौमिक जाना जाता है, और इसलिए मशीन का अनुवाद वहाँ कठोरता के लिए एक मजबूत मांग है।
क्योटो विश्वविद्यालय के प्रोफेसर माकोटो नागाओ प्रस्तावित आधारित मशीन अनुवाद,, हम खरोंच से मशीन बंद करो और अनुवाद करना चाहते हैं के लिए, जब तक हम, वाक्य की पर्याप्त संख्या रखने के भी चेहरे में बिल्कुल वाक्य से मेल नहीं खाता है भी वाक्य की तुलना में किया जा सकता है, अनुवाद एक ही रूप में लंबे समय के रूप में शब्द के प्रतिस्थापन हो सकता है नहीं है। निश्चित रूप से यह कितने चालाक है, यह कोई परेशानी नहीं की वजह से नियम आधारित मशीन अनुवाद से अनुभवहीन नहीं है। लेकिन लंबे समय से पहले, मानव जाति कोलाहल के टावर के पुनर्निर्माण के लिए आशा यह सुबह फिर से देखने के लिए लगता है।
सांख्यिकीय मशीन अनुवाद के आधार पर
में विस्फोट सांख्यिकीय मशीन अनुवाद उछाल या आईबीएम, "मशीन अनुवाद गणितीय सिद्धांत" कागज 1993 में जारी किए गए प्रस्तावित सांख्यिकीय मॉडल एक शब्द, "आईबीएम मॉडल 1" के लिए बुलाया में पांच इकाइयों के होते हैं "5 आईबीएम मॉडल।"
विचार सांख्यिकीय मॉडल संभावनाओं का सवाल के रूप में अनुवाद किया है। सिद्धांत रूप में समानांतर कोष उपयोग करने की आवश्यकता है, और फिर सचमुच आँकड़े। उदाहरण के लिए, हालांकि मशीन नहीं पता था कि क्या "ज्ञान" के अंग्रेजी है, लेकिन कोष आंकड़ों के सबसे बाद, तो आप पाएंगे जब तक की सजा का ज्ञान नहीं है के रूप में प्रकट होता है, इसी अंग्रेजी वाक्य "ज्ञान" शब्द प्रकट होता है। इस तरह से, यहां तक कि शब्दकोशों और व्याकरण के नियमों के कृत्रिम रखरखाव के बिना हो जाएगा, लेकिन यह भी मशीनों शब्द का अर्थ समझते हैं।
इस अवधारणा के बाद से जल्द से जल्द वॉरेन Weave एक समान अवधारणा का प्रस्ताव रखा, नया नहीं है, लेकिन वहाँ पर्याप्त समय नहीं है और समानांतर कोष भी कमजोर था और सीमित क्षमता कैलकुलेटर, इसलिए वहाँ से कोई कार्यान्वित किया। आधुनिक सांख्यिकीय मशीन अनुवाद है जहां खोजने के लिए "आधुनिक Rosetta पत्थर" मतलब है? वास्तव में, सबसे महत्वपूर्ण स्रोत संयुक्त राष्ट्र है, क्योंकि संयुक्त राष्ट्र के प्रस्तावों और घोषणा व्यक्तिगत सदस्य राज्यों के भाषा संस्करण होगा, लेकिन उस के अलावा अन्य, आप अपने खुद के समानांतर कोष के लिए बनाना चाहते अब मानव अनुवाद की लागत यह जानने के लिए अनुवाद करती है कि यह लागत आश्चर्यजनक रूप से उच्च है।
पिछले दशक में, हम चाहते हैं कि सुनने के लिए गूगल अनुवाद से परिचित सांख्यिकीय मशीन अनुवाद के आधार पर कर रहे हैं, हर कोई होना चाहिए स्पष्ट सांख्यिकीय अनुवाद मॉडल नहीं हर किसी की धारणा में कोलाहल के महान कारण की उपलब्धियों, मशीन अनुवाद बस में बंद है "उपयोगी" की बजाय "उपयोगी" की डिग्री।
तंत्रिका नेटवर्क मशीन अनुवाद
2014 तक, मशीन अनुवाद सबसे क्रांतिकारी परिवर्तन के इतिहास की शुरुआत की - "गहरी सीखने" यहाँ!
तंत्रिका नेटवर्क तथ्य तंत्रिका नेटवर्क आविष्कार 80 साल पहले किया गया है में नया नहीं है, है, लेकिन 2006 के बाद से जेफ्री हिंटन (भगवान के पहले तीन बड़ी गहराई से अध्ययन) में सुधार में तंत्रिका नेटवर्क अनुकूलन मिथ्या दोष बहुत धीमी गति से, गहरी सीखने के लिए जारी रहेगा है 2017, मानव आवाज मान्यता आशुलिपिक की तुलना में अधिक; चमत्कारी उपलब्धियों की एक किस्म के साथ अक्सर 2015 में हमारे जीवन में दिखाई देते हैं, मानव छवि मान्यता से परे पहली बार 2016 ;. के लिए मशीन, अल्फा जाओ विश्व शतरंज चैंपियन को हरा 2018, मानव समझ से परे पहली बार के लिए अंग्रेजी पढ़ने मशीन। भी गहराई की वजह से इस क्षेत्र में निश्चित रूप से, मशीन अनुवाद लेकिन और इस सुपर उर्वरक पनपने सीखने शुरू करते हैं।
2014 अखबार में तीन देवताओं, पहली बार के लिए की योशुआ बेंगियो गहराई से अध्ययन मशीन अनुवाद के लिए प्रौद्योगिकियों सीखने की गहराई के बुनियादी वास्तुकला की स्थापना की। वह मुख्य रूप से आवर्तक तंत्रिका नेटवर्क अनुक्रम (RNN) पर आधारित है, ताकि मशीन स्वचालित रूप से वाक्य के बीच कैप्चर कर सकते हैं शब्द सुविधा, और फिर स्वचालित रूप से किसी अन्य भाषा अनुवाद करने के लिए लिखा है। यह लेख एक, गूगल खजाना। बहुत जल्दी, गूगल में भगवान के आशीर्वाद के तहत बारूद की पर्याप्त आपूर्ति के साथ-साथ बड़े, गूगल ने आधिकारिक तौर 2016 में घोषणा की सभी सांख्यिकीय मशीन अनुवाद फ्रेम, तंत्रिका नेटवर्क मेजबान मशीन अनुवाद में, आधुनिक मशीन अनुवाद के निरपेक्ष मुख्यधारा बन जाते हैं।
गूगल की मशीन अनुवाद तंत्रिका नेटवर्क सबसे प्रमुख विशेषता attentional तंत्र (ध्यान) के शामिल किए जाने है, ध्यान तंत्र, मानव अनुवाद के अनुकरण वास्तव में पहले फिर से आंख का उपयोग करेगा, और उसके बाद अर्थ विज्ञान की पुष्टि करने में कुछ प्रमुख शब्दों ले जाएगा "ब्रिटिश - फ्रेंच" में प्रक्रिया (चित्रा 2) वास्तव में आशीष शक्ति बढ़ने attentional तंत्र है के बाद गूगल ने घोषणा की कि, "ब्रिटिश - में", "ब्रिटिश - पश्चिम" कई भाषाओं, आदि, से पहले साथ त्रुटि दर। सांख्यिकीय मशीन अनुवाद प्रणाली एक 60% कमी की तुलना में।
हालांकि मौजूदा समानांतर कोष के अनुसार तंत्रिका नेटवर्क जानने के लिए और सजा सूक्ष्म भाषा सुविधाओं को समझ सकता हूँ, लेकिन यह सही नहीं है, सबसे बड़ी समस्या यह कोष से आता है, और यह काले रंग का एक बहुत समझना मुश्किल के रूप में बॉक्स की तरह लेता है। यही कारण है कि है, भले ही के बाद से वहाँ कोई रास्ता नहीं गलत बदलने के लिए है, हम केवल "गहरी सीखने" सही। इसलिए एक ही एक वाक्य बनाने के लिए अधिक सही कोष आपूर्ति कर सकते हैं, लेकिन बहुत अलग अनुवाद हो सकता है।
फरवरी 2018 में, माइक्रोसॉफ्ट ने मानवता से परे मशीन भाषा समझने के लिए नई चाल बनाई। 14 मार्च को, माइक्रोसॉफ्ट रिसर्च एशिया और रेडमंड रिसर्च इंस्टीट्यूट के शोधकर्ताओं ने घोषणा की कि उनकी आर एंड डी मशीन अनुवाद प्रणाली थी परीक्षण परीक्षण सेट Newstest2017, मानव अनुवाद के साथ तुलनीय स्तर तक पहुंच सकता का अंग्रेजी अनुवाद में सेट पर समाचार। स्वाभाविक रूप से, इस तंत्रिका नेटवर्क के लिए एक महान जीत का एक मशीन अनुवाद है, ज़ाहिर है, वास्तुकला, की सबसे उल्लेखनीय में नवाचार की एक बहुत कुछ है यह दोहरी लर्निंग और डिलिबरेशन नेटवर्क से जुड़ा हुआ है।
दोहरी शिक्षा, सीमित समानांतर कोष की समस्या को हल करने के लिए सामान्य रूप में, सीखने की गहराई मशीन उत्तर देने के लिए प्रदान की जानी चाहिए, इसलिए मशीन इसके अनुवाद के बीच अंतर के आधार पर और सही जवाब सुधार निरंतर में सक्षम हो जाएगा। यह भी मानव अनुवाद की प्रक्रिया की नकल जांच नेटवर्क के लिए के रूप में आम तौर पर मानव अनुवाद पहले एक मोटा अनुवाद करेंगे, और फिर दूसरी अनुवाद की सटीक सामग्री को समायोजित, वास्तव में, आप पा सकते हैं कि कोई बात नहीं बुद्धिमान तंत्रिका नेटवर्क, अभी भी सबसे बुद्धिमान प्राणियों के संदर्भ सतह है, जो शरीर है पर खत्म हो जाएगा मानवता के लिए हम।
संदर्भ का उपयोग भाषा से बाहर नहीं किया जा सकता है
मशीन अनुवाद के विकास का मतलब यह नहीं है कि अनुवाद पेशे के भविष्य नहीं खाने के लिए भोजन हो जाएगा। यह ध्यान दिया जा सकता है कि माइक्रोसॉफ्ट के प्रस्तुति के "सार्वभौमिक परीक्षण सेट Newstest2017 समाचार रिपोर्टों" "अंग्रेजी अनुवाद परीक्षण सेट," डाटासेट पर बल दिया अच्छे प्रदर्शन और बहुमुखी प्रतिभा के बराबर के चिह्न है, जो भी समझा जा सकता है क्यों Tencent जून स्पष्ट रूप से सामान्य अनुवाद अच्छा था पर आकर्षित करने के लिए सक्षम नहीं हो, लेकिन क्यों Boao वास्तविक समय व्याख्या में गलत प्रदर्शन है।
वास्तविक समय अनुवाद व्याख्या कहा जा सकता है काम की परिणति है, हम मूल वाक्य सुनवाई की सही समझ, लेकिन यह भी अन्य भाषाओं के लिए एक सीमित समय के लिए रूपांतरण हो। और वक्ताओं मत भूलना किसी भी समय अनुवाद, आवाज की पहचान और इतने बराबर के लिए प्रतीक्षा करने नहीं देंगे मशीन अनुवाद सिंक्रनाइज़ किया जाना चाहिए, प्लस साइट पर शोर, भाव वक्ताओं, शब्द विस्मयादिबोधक और इतने कारकों की टोन, मशीन के न्याय के गर्भपात में परिणाम की संभावना है।
मेरे दृष्टिकोण से, राजा के टेनेंट के अनुवाद को इस बिंदु पर दोषी ठहराया जा सकता है कि यह पर्याप्त काम नहीं हो सकता है, और महत्वपूर्ण उचित संज्ञाएं दर्ज नहीं की गई हैं। इसके परिणामस्वरूप "राजमार्ग और बेल्ट" की "क्लासिक गलती" होगी।
चित्र में एक दिलचस्प अंतर भी देखा जा सकता है। 3. पश्चिमी मशीन अनुवाद क्यों गुम हो गया है, लेकिन घर देश में मशीन अनुवाद लगभग हमेशा नियंत्रण में है? ऐसा इसलिए है क्योंकि भाषा मानव उपयोग परिदृश्यों से निकले बिना अस्तित्व में नहीं हो सकती है। यानी, हम अक्सर चीनी सीखते हैं। संदर्भ, जो हमारी पिछली संस्कृति से आता है, में यादें होती हैं जो अतीत में आम थीं। Google, जिन्होंने तांग कविता नहीं पढ़ी है, स्वाभाविक रूप से इस कविता के सार को समझ नहीं सकते हैं। कृत्रिम बुद्धि की उम्र में भाषा अंतिम मानव बाधा हो सकती है क्योंकि मनुष्यों के उपयोग के कारण भाषाएं लगातार बदलती रहेंगी। यह मशीनों के लिए एक बहुत मुश्किल विकल्प है।
प्रौद्योगिकी की प्रगति के साथ, एक दिन, मशीन अनुवाद "उपयोगी" से "उपयोगी" होने और फिर "उपयोगी" होने के लिए बदल जाएगा। लेकिन जैसा कि मैंने हमेशा तर्क दिया है, मशीनें अपने काम के लोगों को लूट नहीं पाएंगी। तथ्य यह है कि मनुष्य बेरोजगार हैं केवल अपना ही है। अपने स्वयं के उपकरण बनने के लिए कृत्रिम बुद्धि का अच्छा उपयोग कैसे करें, और खुद को उबाऊ और थकाऊ काम से बाहर निकालें, यह भविष्य के लिए सही मुद्रा है।
3.एआई, बड़े डेटा और निजी गोपनीयता की आग की लड़ाई केवल शुरू हो गई है;
निकट अवधि में सबसे गर्म विषय चीन में आयोजित 2018 मेले समेत बड़े डेटा के अलावा कोई नहीं है। यह अविश्वसनीय है कि बड़े डेटा के लिए सबसे महत्वपूर्ण बात डेटा संग्रह है, लेकिन यूरोपीय संघ ने सामान्य डेटा संरक्षण विनियमन (जीडीपीआर) की भी घोषणा की है। सबसे कड़े व्यक्तिगत डेटा संरक्षण कानून होने का दावा करते हुए, यह बड़े डेटा विकास और व्यक्तिगत डेटा पर विवादों को भी उजागर करता है।
डेटा बड़ा डेटा बनने का कारण डेटा एकत्र और विश्लेषण करना है, और अधिक डेटा, सबसे प्रासंगिक डेटा का विश्लेषण किया जा सकता है और उपयोगी डेटा बन सकता है।
लेकिन आंकड़ों का स्रोत है, लेकिन सभी के होठों पर, राष्ट्रवाद में, वहाँ उनकी निजी हितों का त्याग करने वाले देशों जाने के लिए मजबूर हो के लिए बाहर नीति है, जो चीन में सबसे स्पष्ट है, चीन विकास के आंकड़ों के काफी जल्दी, सरकार ले जाने के लिए लगता है कई नियोजन नीति, और यहां तक कि तथाकथित गरीबी में कमी, गरीबी और इतने पर, बड़ा डेटा के साथ की तरह, सभी समस्याओं का नहीं एक समस्या है, लेकिन बड़ा डेटा का एक बहुत, वास्तव में, व्यक्तिगत डेटा अधिकार है, जो देश की निजी गोपनीयता पर जोर बलिदान करने के लिए पार्टियों हैं, यह है असंभव हुआ।
ताइवान के व्यापार विकास की दिशा औद्योगिक बड़े डेटा पर केंद्रित है। सबसे तेजी से विकास मान है है, जिसमें 40 वर्षों का उत्पादन डेटा है। यह मान हैई का सबसे बड़ा फायदा है और यह भी एक जगह है जहां ताइवान के पास बड़े डेटा विकसित करने के अवसर हैं।
लेकिन अगर आप के रूप में बड़ा डेटा मुख्य भूमि चीन के रूप में ताइवान विकसित करना चाहते हैं, और लोगों की गोपनीयता के क्षेत्र से संबंधित है, मूल रूप से, वहाँ कई आवर्तक समस्याओं पर कर रहे हैं, आदि सिर्फ एक रिकॉर्ड, यह संभावना गोपनीयता पर हमले के लिए नेतृत्व करेंगे, नहीं के बारे में उल्लेख करने के लिए बड़ा डेटा सीधे व्यक्तिगत गोपनीयता से संबंधित है, अंत बड़ी सफलता में डेटा, सार्वजनिक हित और व्यक्तिगत गोपनीयता संतुलन पर खिंचती हैं करने के लिए जारी करने के लिए हो सकता है। कुई हेंग नेटवर्क
4.AI अनुमान तैनात बढ़त नोड छवि / आवाज अनुप्रयोगों प्रत्येक आकाश के आधे के लिए जिम्मेदार है;
2018 AIoT (ऐ + IOT) बाजार खतरनाक बढ़ रहा है, उपकरणों की एक किस्म के विकास ड्राइव, लेकिन यह भी गहरी सीखने समारोह बादल की ओर कम-विलंबता कम बैंडविड्थ, उच्च गोपनीयता और कृत्रिम बुद्धि के उच्च दक्षता प्राप्त करने के लिए के किनारे पर चल रही है बढ़ावा देने के लिए आवेदन अनुभव।
कृत्रिम बुद्धि (AI) के साथ, धार (एज कम्प्यूटिंग) प्रौद्योगिकी पर हाल के वर्षों में, उपभोक्ता इलेक्ट्रॉनिक्स और घरेलू उपकरणों स्मार्ट घर अवधारणा शामिल किए गए हैं क्रांतिकारी परिवर्तन जगह धीरे-धीरे ले जाएगा की एक किस्म का तेजी से विकास, विभिन्न चल रही है। अंत में कृत्रिम बुद्धि घरेलू उपकरणों से मिलकर नेटवर्क, शायद, आप हो जाएगा और मैं परिवार के अन्य सदस्यों को नहीं देख सकता। स्थानीय बादल और संबंधित उपकरणों की अवधारणा घर अपरिहार्य के लिए कृत्रिम बुद्धि नेटवर्क के तत्वों हो जाएगा।
स्मार्ट स्पीकर / निगरानी उपभोक्ता एआई के दो प्रमुख स्पिंडल बन जाएगी
रिसर्च फर्म डिंब उपभोक्ता प्रौद्योगिकी शोधकर्ता रोनन डी Renesse के विकास पर नज़र रखने के लिए जिम्मेदार (चित्रा 1) है कि उपभोक्ता इलेक्ट्रॉनिक्स क्षेत्र में ऐ के आवेदन, लगभग दो साल अक्सर मीडिया का ध्यान का ध्यान केंद्रित हो गया है, लेकिन उपभोक्ता इलेक्ट्रॉनिक्स और ऐ प्रवृत्ति के साथ संयुक्त, , नेटवर्क में कृत्रिम बुद्धि के एक परिवार के केवल अब सिर्फ अगले तीन से पांच साल में विकसित करने के लिए शुरू, कई उपभोक्ता इलेक्ट्रॉनिक्स उत्पादों ऐ कार्यों के साथ सुसज्जित किया जाएगा, और एक दूसरे से लिंक किया जाएगा।
चित्रा 1 ओवन में उपभोक्ता प्रौद्योगिकी के शोधकर्ता रोनान डी रेनेसे का मानना है कि भविष्य के परिवार में विभिन्न इलेक्ट्रॉनिक उपकरण अदृश्य परिवार के सदस्य बन जाएंगे।
हार्डवेयर श्रृंखला के लिए, हालांकि इस प्रवृत्ति को कई नए कारोबार के अवसरों लाएगा, लेकिन अगर दृश्य के एक उच्च स्तर की दृष्टि से, यह चुपचाप कृत्रिम बुद्धि नेटवर्क घर में प्रवेश किया, आप हो जाएगा मैं एक "परिवार को नहीं देख पा सदस्य हैं। "
हार्डवेयर तरफ, परिचित स्मार्ट वक्ताओं, मूल रूप से एक अपेक्षाकृत परिपक्व उत्पाद है, हालांकि वहाँ बिक्री में उल्लेखनीय वृद्धि होगी, लेकिन बढ़ती ताकत धीरे-धीरे अगले पांच वर्षों में धीमी हो जाएगी। जब अनुमानित 2022 वैश्विक स्मार्ट वक्ता लगभग 9.5 अरब $ के लिए बिक्री राशि। वास्तव में, Renesse का मानना है कि अमेज़न (अमेज़न) गूगल के साथ शायद, भविष्य में स्मार्ट बोलने वालों की अपने खुद के ब्रांड शुरू नहीं होगा, क्योंकि स्वयं उत्पाद इस तरह के लाभ मार्जिन नहीं है, इन दो घरेलू नेटवर्क दिग्गजों के लिए, जब तक हार्डवेयर विक्रेता अपनी प्लेटफॉर्म सेवाओं का उपयोग करते हैं, वे उपयोगकर्ता डेटा को एकत्रित कर सकते हैं।
इसी अवधि के दौरान घर बुद्धिमान निगरानी प्रणाली में परिवर्तन इस तरह के उत्पादों और अधिक स्पष्ट हो जाएगा की तुलना में बुद्धिमान वक्ताओं, स्मार्ट घर निगरानी उत्पादों तथाकथित पेश वास्तव में, नहीं कृत्रिम बुद्धि घटक है, लेकिन कैमरे, अलार्म, ताले, सेंसर और अन्य हार्डवेयर एक दूसरे से जुड़े उत्पाद एक समर्थन घटना ट्रिगर सुरक्षा प्रणाली (घटना ट्रिगर) समारोह के रूप में। पर संबंधित हार्डवेयर और सॉफ्टवेयर प्रौद्योगिकी और अधिक परिष्कृत हो गया है, भविष्य घर निगरानी कैमरों कृत्रिम बुद्धि के साथ सुसज्जित के अनुपात में तेजी से उच्च हो जाएगा, लेकिन यह भी अधिक प्राप्त करने के लिए अनुप्रयोग, जैसे वॉयस सहायकों के उपयोग, बहु-उपयोगकर्ता वातावरण में अधिक सटीक सेवाओं के साथ कई उपयोगकर्ताओं को प्रदान करते हैं।
एआई ऐप्स के लिए उपभोक्ता गोपनीयता सुरक्षा
हालांकि, हार्डवेयर उद्योग, सबसे उल्लेखनीय स्थानीय बादल (स्थानीय बादल) की अवधारणा और संबंधित आवेदन उत्पादों, आम तौर पर समर्थित ऐ और फिर से पट्टे पर घर उपकरणों के साथ हो सकता है। Renesse ने कहा, इलेक्ट्रॉनिक उत्पादों की ऐ कार्यों के साथ सुसज्जित किया जाएगा उपयोगकर्ता डेटा की बड़ी मात्रा का उत्पादन है, लेकिन देखते हैं डेटा की गोपनीयता का एक बहुत, दांव पर है। इसलिए अगर घर इलेक्ट्रॉनिक्स उत्पादों की कृत्रिम बुद्धि के साथ सुसज्जित आदेश संचालित करने के लिए, स्पष्ट रूप से गोपनीयता की चिंताओं का कारण होगा में बाहरी क्लाउड पर पूरी तरह से निर्भर था।
दूसरी ओर, कई सुविधाओं के अपेक्षाकृत सरल बातें उपभोक्ता उपकरणों, बिजली, कंप्यूटिंग शक्ति द्वारा, उत्पादन और अन्य शर्तों की लागत, नहीं बहुत उच्च अंत ऐ एल्गोरिदम समर्थन करने में सक्षम हो सकता है। इस समय, स्थानीय क्लाउड उपकरण मस्तिष्क के भूमिका निभाएगा, इन उपकरणों को समान रूप से ऑर्डर करें।
हालांकि, रेनेसे ने यह भी स्वीकार किया कि यह भी कहना मुश्किल है कि कौन सा डिवाइस स्थानीय क्लाउड सेंटर खेलेंगे। यह उच्च ऑर्डर स्मार्ट स्पीकर हो सकता है, यह स्मार्ट टीवी या अन्य उत्पाद हो सकता है।
आर्म स्मेथ, आर्म के वरिष्ठ विपणन निदेशक (चित्रा 2) का यह भी मानना है कि भविष्य में टर्मिनल में अधिक से अधिक कंप्यूटिंग और अनुमान इंजन आगे बढ़ेगा। इस स्थानांतरण के लिए मुख्य ड्राइविंग बल उपयोगकर्ता की गोपनीयता की रक्षा करना है। । अंत प्रसंस्करण और विश्लेषण काम से, डेटा आसानी से गुमनाम हो सकता है और यह सुनिश्चित करें कि संवेदनशील डाटा नेटवर्क के माध्यम से खुलासा नहीं किया जाएगा। परिवार आवेदन, उदाहरण के लिए, उपभोक्ताओं को नहीं चाहिए नेटवर्क से किसी को पता चला कि उसके परिवार को नहीं था लोगों का समय, और फिर आसानी से घर पर चोरी करना।
आर्म के सीनियर मार्केटिंग डायरेक्टर चित्रा 2 इयान स्माइथ ने कहा कि उपभोक्ता एआई अनुप्रयोगों के लिए, क्या गोपनीयता संरक्षण तंत्र विश्वसनीय है या नहीं, यह एप्लिकेशन महत्वपूर्ण हो सकता है कि एप्लिकेशन को लोकप्रिय किया जा सकता है या नहीं।
दृष्टि अनुप्रयोगों के लिए, Smythe का मानना है कि दृश्य मान्यता समर्थन कैमरा कार्यों में कुछ महत्वपूर्ण गोपनीयता के मुद्दों प्रकृति में। जाहिर है, इन उपकरणों ताकि कोई फर्क नहीं पड़ता जब इकाई संग्रहीत या क्लाउड पर प्रसारित किया जाता है, की रक्षा कर सकते तैयार किया जाना चाहिए पर विचार करने के गोपनीयता और संवेदनशील जानकारी। चूंकि प्रसारण आमतौर पर वायरलेस रूप से जुड़ा हुआ है, तो आप बेतार संचरण सुरक्षा करने के लिए सावधान ध्यान देना चाहिए। इस उपकरण के इंजीनियरों डिजाइन सुनिश्चित करना चाहिए कि नेटवर्क कनेक्शन डिवाइस को हैक कर लिया नहीं किया जाएगा, देख रहे हैं।
बैटरी जीवन मुख्य तकनीकी चुनौती बनी हुई है
हालांकि, किनारे नोड को एआई को धक्का देने के लिए, वर्तमान में सबसे बड़ी तकनीकी चुनौती अभी भी सिस्टम की बिजली खपत है। उपभोक्ता निगरानी कैमरे को उदाहरण के रूप में लेते हुए, उपभोक्ता ऐसे उत्पादों की पूरी तरह से वायरलेस होने की उम्मीद कर सकते हैं, और यह भी सर्वोत्तम है कि बिजली के तारों को भी कनेक्ट न करें। इसका मतलब यह है कि इन उत्पादों को बैटरी संचालित होना चाहिए और वायरलेस नेटवर्क का भी समर्थन करना चाहिए। इसके अलावा, यह सभी वस्तुओं की पहचान करने में सक्षम होना चाहिए और असीमित संग्रहण स्थान की आवश्यकता होनी चाहिए।
उपर्युक्त आवश्यकताओं सिस्टम डिज़ाइन के लिए एक बड़ी चुनौती उत्पन्न करती है, जिसमें मशीन सीखने (एमएल) क्षमताओं को चलाने के लिए निर्बाध बैटरी के महीनों को चलाने की क्षमता और भंडारण के लिए क्लाउड पर फ़ाइलों को लगातार अपलोड करने की क्षमता की आवश्यकता होती है। ये चरम परिदृश्य चिप डिजाइन और सिस्टम घटकों के लिए हैं। आवश्यकताओं की काफी मांग है, और सबसे महत्वपूर्ण बात यह है कि उन्होंने बैटरी जीवन को बढ़ाने के लिए इन कार्यों के ऑर्केस्ट्रेशन को सक्षम करने के लिए महारत हासिल की है।
घर निगरानी कैमरों के मामले में, कैमरे को 24 घंटों के लिए कमरे में वीडियो संचारित करने की आवश्यकता नहीं है। एक पुष्टिकारी व्यक्ति होने पर छवि का हिस्सा अपलोड करना उचित है। इसी तरह, यदि रिक्ति की तरह दृश्य अपरिवर्तित रहता है। एमएल एल्गोरिथ्म मतलब नहीं है, उपभोक्ता उपकरणों आपरेशन के मोड में होने की उम्मीद करने के लिए सक्षम। सावधान व्यवस्था कहां, कब इन सुविधाओं को सक्षम करने के लिए, क्रम में केवल दो ए.ए. बैटरी लंबी अवधि के सामान्य उपयोग कर सकते हैं।
बल्कि इसलिए भी कि बिजली की खपत ऐ के लिए मुख्य बाधाओं टर्मिनल उपकरण में तैनात में से एक है, वहाँ कई घर स्टार्टअप आदेश चिप की सहायता के लिए में, बाजार पर कम बिजली तंत्रिका नेटवर्क (एनएन) त्वरक सिलिकॉन बौद्धिक संपदा (आईपी) लॉन्च करने के लिए अवसर देखा है कर रहे हैं डेवलपर्स, जबकि बिजली की खपत को कम करने, लेकिन यह भी प्रदर्शन के लिए आवश्यक निष्कर्ष एल्गोरिथ्म प्रतिरोध होशियारी (Kneron) को पूरा करने के आधिकारिक तौर पर अपने तंत्रिका नेटवर्क प्रोसेसर (NPU) श्रृंखला जारी की है, कृत्रिम टर्मिनल डिवाइस तैयार किया गया खुफिया के लिए एक समर्पित प्रोसेसर है आईपी। परिवार तीन उत्पादों, अर्थात् KDP 300 की अल्ट्रा कम शक्ति संस्करण के होते हैं, मानक संस्करण KDP 500, साथ ही KDP 700 के उच्च प्रदर्शन संस्करण, स्मार्ट फोन, स्मार्ट घर, बुद्धिमान सुरक्षा के आवेदन, साथ ही बातों उपकरणों की एक किस्म को पूरा करने के कम बिजली की खपत, छोटे आकार विशेषताओं के साथ उत्पादों की पूरी श्रृंखला है, और एक शक्तिशाली कंप्यूटिंग क्षमता प्रदान करता है। ऐ प्रोसेसर वाट बंद के दसियों के लिए बाजार में उपलब्ध बिजली के विपरीत, Kneron NPU आईपी बिजली की खपत 100 मेगावाट है (मेगावाट) स्मार्ट फोन के लिए स्तर समर्पित KDP 300 मान्यता, या सत्ता के milliwatts भी 5 से भी कम समय का सामना।
धीरज उत्पादों के विपणन और अनुप्रयोग प्रबंधक शि यलुन (चित्रा 3 में छोड़े गए) ने इंगित किया कि बिजली की खपत और प्रदर्शन आवश्यकताओं को पूरा करते समय टर्मिनल डिवाइस पर कृत्रिम बुद्धिमान संचालन करने की आवश्यकता एक सर्वोच्च प्राथमिकता है। इसलिए, व्यक्तिगत अनुप्रयोगों के लिए अनुकूलित समाधान प्रदान करना महत्वपूर्ण है। वर्तमान में, कृत्रिम बुद्धि के आवेदन को व्यापक रूप से दो प्रमुख श्रेणियों में विभाजित किया जा सकता है: आवाज और वीडियो, और उपयोग की जाने वाली तंत्रिका नेटवर्क संरचना अलग है। भाषण अनुप्रयोगों का ध्यान प्राकृतिक भाषा विश्लेषण है। मुख्यधारा नेटवर्क वास्तुकला आवर्ती तंत्रिका नेटवर्क (आरएनएन) है। छवि विश्लेषण के लिए उपयोग की जाने वाली मुख्य नेटवर्क संरचना संक्रामक तंत्रिका नेटवर्क (सीएनएन) है। विभिन्न नेटवर्क संरचनाओं के लिए अनुकूलित करने के लिए, क्षमता द्वारा प्रदान किया गया समाधान अलग है।
ऊर्जा-तीव्रता (चित्रा 3, दाएं) के लिए सॉफ़्टवेयर डिज़ाइन मैनेजर शेन मिंगफेंग ने कहा कि हालांकि भाषा भाषा के स्वर के कारण प्राकृतिक भाषा विश्लेषण में चिप कंप्यूटिंग प्रदर्शन की कम मांग है, बोलने की आदतों में बहुत अंतर है, इसलिए मॉडल प्रशिक्षण के लिए आवश्यक डेटा सेट दूसरी तरफ, वीडियो पहचान से कहीं अधिक, क्योंकि उपभोक्ता क्लाउड-आधारित वॉयस सहायक जैसे ऐप्पल सिरी और Google सहायक का उपयोग करने के आदी हैं, ऑफलाइन अर्थात् विश्लेषण अनुप्रयोग उपभोक्ताओं द्वारा समर्थित हैं। पूर्व शर्त यह है कि हमें सीमित कंप्यूटिंग संसाधनों के तहत एक समान उपभोक्ता अनुभव प्रदान करना होगा। यह चिप विक्रेताओं और सिस्टम डेवलपर्स के लिए एक चुनौती है।
चित्रा 3 एरॉन एलन (बाएं), धीरज उत्पादों के विपणन और अनुप्रयोग प्रबंधक का मानना है कि भाषण और छवि पहचान प्रकृति में बहुत अलग है और विभिन्न समाधानों से मुलाकात की जानी चाहिए। सॉफ्टवेयर विकास के लिए एक सॉफ्टवेयर डिजाइन प्रबंधक शेन मिंगफेंग है।
वास्तव में, स्मार्ट वक्ताओं के विशाल बहुमत अभी भी एज कंप्यूटिंग उत्पाद नहीं हैं। एलन हारून ने बताया कि क्या यह अमेज़ॅन की इको, ऐप्पल के होमपॉड या बायडू, अलीबाबा प्लेटफॉर्म स्मार्ट स्पीकर हैं, अभी भी डेटा को उपयोगकर्ताओं को जवाब देने के लिए प्रसंस्करण और अर्थपूर्ण विश्लेषण के लिए क्लाउड पर वापस भेजा जाता है। वॉयस ऑपरेशंस जो सीधे उत्पाद पर किया जा सकता है, ज्यादातर मशीन-आधारित प्राकृतिक अर्थपूर्ण समझ के बजाय नियम-आधारित होते हैं।
के बाद से 2016 भालू कंपनी की पहली टर्मिनल उपकरण-विशिष्ट ऐ प्रोसेसर NPU आईपी शुरू कर सकते हैं, आईपी, KDP में शुरुआत ग्राहकों के लिए अपने डिजाइन और विनिर्देशों में सुधार जारी है, और विभिन्न औद्योगिक अनुप्रयोगों के लिए अनुकूलित। वर्तमान में उपलब्ध में 500 संयंत्र प्रणाली का उपयोग कर ग्राहकों को दिया गया है और दूसरी तिमाही विनिर्माण क्षेत्र में बड़े पैमाने पर उत्पादन में हो जाएगा (मास्क टेप-आउट)। खोज कुत्तों सहयोग से वाक् पहचान ऑफ़लाइन अर्थ पार्स हासिल की है, तो टर्मिनल उपकरण नेटवर्क से कनेक्ट नहीं कर रहा है, भले ही, लेकिन यह भी उपयोगकर्ता के आवाज निर्देशों को समझ सकते हैं।
Kneron NPU आईपी टर्मिनल डिवाइस के लिए कृत्रिम बुद्धि प्रोसेसर समर्पित है ताकि एक ऑफ़लाइन वातावरण में टर्मिनल डिवाइस, आप ResNet चला सकते हैं डिज़ाइन किया गया है, YOLO अन्य गहरे सीखने नेटवर्क। Kneron NPU एक पूरा अंत ऐ हार्डवेयर समाधान है, हार्डवेयर सहित आईपी, संकलक (संकलक), और संपीड़न मॉडल (मॉडल संपीड़न) तीन भागों में, इस तरह के Resnet -18, Resnet -34, Vgg16, GoogleNet, और Lenet, साथ ही मुख्य धारा का समर्थन गहरी सीखने के रूप में मुख्यधारा के तंत्रिका नेटवर्क मॉडल, की एक किस्म का समर्थन कर सकते कैफे, केरास और टेंसरफ्लो सहित फ्रेम्स।
Kneron NPU आईपी बिजली की खपत 100 मेगावाट के स्तर, अल्ट्रा कम शक्ति या KDP 300 के संस्करण भी कम से कम 5 मेगावाट, प्रदर्शन प्रति वाट 1.5 टॉप / डब्ल्यू या अधिक, विशेष प्रौद्योगिकी के एक नंबर का उपयोग करते हैं, यह कर सकते हैं में उत्पादों की पूरी रेंज है चिप विक्रेताओं की जरूरतों को पूरा करें, कम बिजली की खपत के लिए सिस्टम विक्रेताओं, उच्च कंप्यूटिंग पावर।
बुनियादी तत्वों को लॉक करना हार्डवेयर त्वरक तकनीकी पुनरावृत्ति से डरते नहीं हैं
इलाज (Hardwired) सर्किट कुछ कंप्यूटिंग कार्यों की दक्षता में सुधार करने, बिजली की खपत, उम्र के लिए चिप डिजाइन को कम करने, लेकिन चिप कार्यों के लिए बाजार की मांग की स्थिति में कम आवेदन लचीलापन, महत्वपूर्ण परिवर्तन की कीमत पर , या सॉफ़्टवेयर एल्गोरिदम बहुत बदलता है, चिप डिजाइनरों को नए चिप्स को फिर से विकसित करना होता है।
ऐसी स्थिति में जहां चिप कार्यों के लिए बाजार की मांग काफी हद तक निर्धारित की गई है, यह डिजाइन विधि कोई समस्या नहीं है। हालांकि, उभरते हुए प्रौद्योगिकी क्षेत्रों में जहां तकनीकी पुनरावृत्ति तेजी से चल रही है, इस डिजाइन दृष्टिकोण को अपनाने के लिए अपेक्षाकृत बड़ा वाणिज्यिक जोखिम होगा। कृत्रिम बुद्धि एक बहुत तेज़ प्रौद्योगिकी पुनरावृत्ति क्षेत्र है। लगभग हर साल नए एल्गोरिदम और मॉडल आते हैं। शोध संस्थान ओपन एआई ने यह भी बताया कि पिछले 6 वर्षों में, एआई मॉडल प्रशिक्षण मांग पर प्रदर्शन की मांग, हर 3.43 महीने में वृद्धि होगी। बार।
इस संबंध में, शेन मिंग-फेंग ने कहा, जरूरी नहीं कि एक हार्डवेयर त्वरक कोई लोचदार है ऊर्जा उत्पादों के लिए प्रतिरोधी है। उदाहरण के लिए, वास्तुशिल्प डिजाइन में, कंपनी घुमाव गिरी विभाजन (फ़िल्टर अपघटन) प्रौद्योगिकी, बड़े घुमाव गिरी घुमाव का उपयोग करता है एक घुमाव के गणना ब्लॉक में विभाजित छोटे खंडों की अधिकता अलग, तो संयुक्त reconfigurable हार्डवेयर त्वरण घुमाव (reconfigurable घुमाव के तेज) तकनीक, आपरेशन छोटे खंडों की अधिकता समग्र तेजी लाने के लिए जुड़े हुए हैं के घुमाव के आपरेशन परिणाम की गणना कंप्यूटिंग प्रदर्शन।
दृष्टान्त समझने में अधिक आसान है, जैसे लेगो ईंटों एक वस्तु का निर्माण करने के पैटर्न की एक किस्म में जोड़ा जा सकता है, लेकिन वस्तु ही अभी भी कुछ बुनियादी बॉक्स के एक पूरे के ढेर है। प्रतिरोध ऊर्जा कार्यक्रम ऐ एल्गोरिदम के लिए अपरिहार्य है बुनियादी तत्वों, जिससे एल्गोरिथ्म के प्रदर्शन में सुधार है, और इसलिए, भले ही तेजी से अद्यतन ऐ एल्गोरिदम, समाधान प्रतिरोध अभी भी प्रभाव में तेजी लाने के लिए उपयोगी हो सकता त्वरित।
एक्सेलेरोमीटर के स्वयं के डिज़ाइन के अलावा, जो मूल तत्वों पर केंद्रित है, संपूर्ण एल्गोरिदम को पूरी तरह से तेज करने के बजाय, टेरेन भी एआई अनुप्रयोगों को तेज़ करने या तैनात करने के लिए अन्य तकनीकें प्रदान करता है। उदाहरण के लिए, इसकी मॉडल संपीड़न तकनीक अप्रत्याशित मॉडल को संपीड़ित करती है। कई बार; मल्टी लेवल कैशिंग सीपीयू उपयोग और डेटा ट्रांसफर को कम कर सकती है, और समग्र परिचालन दक्षता में सुधार कर सकती है। इसके अतिरिक्त, केनरॉन एनपीयू आईपी को वास्तविक समय पहचान विश्लेषण प्रदान करने के लिए केनरॉन छवि पहचान सॉफ्टवेयर के साथ जोड़ा जा सकता है। प्रतिक्रिया न केवल अधिक स्थिर है, बल्कि सुरक्षा और गोपनीयता आवश्यकताओं को भी पूरा करती है। क्योंकि हार्डवेयर और सॉफ्टवेयर को कड़ाई से एकीकृत किया जा सकता है, समग्र समाधान छोटा है और उत्पादों की तीव्र विकास में सहायता के लिए बिजली की खपत कम है।
छवि पहचान एआई किनारे की ओर अधिक जरूरी है
पूरी तरह से, छवि पहचान के लिए वर्तमान बाजार की मांग अधिक जरूरी है। हालांकि ऑफ़लाइन अर्थात् विश्लेषण में स्मार्ट स्पीकर के लिए संभावित रूप से विशाल बाजार है, लेकिन सट्टेबाजी उद्योग के लिए कम संसाधन हैं। इस घटना का मुख्य कारण यह है कि ट्रांसमिशन बड़ी मात्रा में बैंडविड्थ पर कब्जा करेगा, जो बदले में स्वामित्व की समग्र प्रणाली लागत बढ़ाएगा। आवाज में यह समस्या नहीं है।
जिंगक्सिन टेक्नोलॉजी (चित्रा 4) के महाप्रबंधक लिन झिमिंग ने समझाया कि कृत्रिम बुद्धि और चीजों के इंटरनेट का एकीकरण एज कंप्यूटिंग तकनीक की शुरूआत भी करेगा। एज कंप्यूटिंग तकनीक विभिन्न उभरते अनुप्रयोगों पर लागू होगी। इस प्रवृत्ति के बीच, ताइवान के निर्माताओं के लिए लचीलापन और गति सबसे बड़ा फायदे हैं। अधिकांश ताइवान कंपनियों और आईसी डिजाइन कंपनियों के लिए, किनारे से कृत्रिम खुफिया बाजार में कटौती करना आसान है।
चित्रा 4: जिंगक्सिन टेक्नोलॉजी के महाप्रबंधक झिक्सिन लिन का अनुमान है कि आईपी कैम एज उपकरणों पर एआई अनुमान लगाने के लिए मुख्य अनुप्रयोगों में से एक होगा।
इसी समय, आयात बढ़त कंप्यूटिंग प्रौद्योगिकी की वजह से, लेकिन यह भी स्मृति, पारेषण को बढ़ाने के लिए प्रणाली-ऑन-चिप (SoC) लाना होगा और इतने हार्डवेयर आवश्यकताओं पर काफी निर्माण लागत को धक्का दिया जाएगा। छवि सहसंबंध के कारण मूल रूप से अन्य अधिक जटिल अनुप्रयोगों की तुलना में, के लिए लागत सहिष्णुता भी बड़ी है, इसलिए एज कंप्यूटिंग तकनीक को आईपी कैम जैसे छवि-संबंधित अनुप्रयोगों द्वारा आयात किया जाने वाला पहला होने की उम्मीद है।
आर्टिफिशियल इंटेलिजेंस अनुप्रयोगों दो वर्गों प्रशिक्षण और मान्यता पर चर्चा में विभाजित किया जा सकता है। बड़े पैमाने पर आपरेशन की गहरी सीखने की प्रक्रिया में, थोड़े समय के अभी भी क्लाउड कंप्यूटिंग द्वारा नियंत्रित किया जाएगा। बढ़त ऑपरेटर कार्य के लिए जिम्मेदार है, एकत्रित की गई जानकारी चूसा पहले क्या प्रारंभिक इलाज है, जो फिल्टर बाहर महत्वहीन जानकारी, और उसके बाद के बाद परिवहन शुल्क बचाने के लिए बादल में डेटा अपलोड। दूसरी ओर, एक पूरी बादल गहराई सीखने के परिणामों, यह संभव अधिक बुद्धिमान टर्मिनल के समारोह की पहचान है। आईपी कैम के लिए उदाहरण के लिए, छवि गहरी शिक्षा का काम क्लाउड कंप्यूटिंग द्वारा पहले पूरा किया जा सकता है। स्टैंडबाय शिक्षार्थी पैदल यात्री को पहचानने के बाद, किनारे पर आईपी कैम केवल पहचान कार्य कर सकता है।
दूसरी ओर, यह पुलिस, आवेदनों की एक विस्तृत श्रृंखला पर समुदाय की सुरक्षा में आईपी कैम के कारण है, इसलिए सरकार और उद्यमों अपेक्षाकृत निवेश है, जो भी आईपी कैम कारणों की एक अधिक तेजी से विकास हो जाएगा समर्थन करने के लिए तैयार हैं।
लिन Zhiming शेयर, कई निर्माताओं को अपने स्वयं के सिस्टम में कृत्रिम बुद्धि चिप आयात करने का तरीका तलाशने कर रहे हैं। वर्तमान स्थिति है जब चीजें सिर्फ पनपने, हम अभी भी तलाश रहे हैं कैसे कटौती, चारों ओर 2020 निर्माताओं का अनुमान लागू करने के लिए शुरू किया के समान है अधिक वास्तविक उत्पादों को लॉन्च करेगा।
रीयल-टाइम अनुप्रयोगों को एज कंप्यूटिंग आर्किटेक्चर का उपयोग करना चाहिए
आर्टिफिशियल इंटेलिजेंस एक गर्म विषय आजकल है, जो धीरे-धीरे बढ़त कंप्यूटिंग वास्तुकला के लिए क्लाउड कंप्यूटिंग संरचना से स्थानांतरित है, आपूर्ति श्रृंखला निर्माताओं पर कोई छोटी प्रभाव लाएगा। समय की छोटी अवधि के बावजूद कृत्रिम बुद्धि आधारित क्लाउड कंप्यूटिंग विकसित करने के लिए जारी रहेगा, हालांकि, दृष्टि अनुप्रयोगों के संबंध में कई कृत्रिम खुफिया कार्य किनारों को आयात करना शुरू कर देंगे।
Xilinx विकास निदेशक (Xilinx) दृश्य खुफिया रणनीति बाजार डेल लालकृष्ण Hitt (चित्रा 5) ने बताया कि निकट भविष्य में, ऐ विकास प्रशिक्षण घटक अभी भी क्लाउड कंप्यूटिंग का बोलबाला हो सकता है। हालांकि, अनुमान / घटकों तैनात शुरू हो गया है कम विलंबता और नेटवर्क दक्षता की आवश्यकता वाले अनुप्रयोगों का समर्थन करने के लिए किनारे संचालन का उपयोग करें।
चित्रा 5 Xilinx विजुअल इंटेलिजेंस रणनीति के बाजार विकास के निदेशक डेल के। हिट का मानना है कि उन अनुप्रयोगों के लिए जिनके लिए बहुत कम विलंबता की आवश्यकता होती है, किनारे के संचालन सबसे अच्छे समाधान होंगे।
दृष्टि से संबंधित अनुप्रयोगों के लिए मशीन-लर्निंग एज-ऑपरेटेड अनुप्रयोगों के लिए महत्वपूर्ण और दूरगामी रुझानों में से एक होगी। यह औद्योगिक मशीन दृष्टि, स्मार्ट शहरों, दृश्य विश्लेषण और स्वयं ड्राइविंग बाजार में भी मजबूत होगा। विकास क्षमता। औद्योगिक दृष्टि और उपभोक्ता अनुप्रयोगों, गणित बढ़त मशीन सीखने एल्गोरिदम के कारण के मामले में, निष्पादित किया जाना है तो प्रदर्शन के लिए आवश्यकताओं को पिछली पीढ़ियों में कई कार्यक्रमों की तुलना में भी अधिक है। इसके अलावा, धार मशीन सीखने एल्गोरिथ्म / समारोह भी तेजी से किया गया है में विकसित हो रहा है, और इसलिए जीवन के सभी क्षेत्रों भावी मशीन लर्निंग अनुमान आर्किटेक्चर के लिए अनुकूलित करने के लिए स्वयं अनुकूली हार्डवेयर की आवश्यकता है।
Hitt स्वयं ड्राइविंग, उदाहरण के लिए, प्रत्येक कार सेंसर समर्थन के पीछे परिष्कृत एल्गोरिदम है, धारणा सेंसर डाटा के उत्पादन से परिणाम की व्याख्या के लिए जिम्मेदार है। नवीनतम प्रवृत्ति परिणामों की इन धारणाओं व्याख्या उत्पादन के लिए गहरी सीखने एल्गोरिदम का उपयोग करने के लिए तथापि, सभी संभावित सेंसर डेटा को पढ़ने के तरीके सीखने के लिए गहरी सीखने वाले एल्गोरिदम को संभावित स्थितियों की एक बड़ी संख्या के माध्यम से प्रशिक्षित किया जाना चाहिए।
प्रशिक्षण के बाद, गहरी सीखने वाले एल्गोरिदम, अल्ट्रा कम विलंबता के साथ उच्च कंप्यूटिंग प्रदर्शन की आवश्यकता है। आदेश सुरक्षित रूप से वाहन को नियंत्रित करने में बिजली के वाहनों के लिए, आप ऑपरेटिंग तापमान सीमा से निपटने और बैटरी पावर अर्धचालक व्यापार का विस्तार करने के कम बिजली का उपयोग करना चाहिए लक्ष्य स्व-ड्राइविंग एज एआई की विभिन्न आवश्यकताओं को पूरा करने के लिए उच्च दक्षता, कम-शक्ति, अनुकूलनीय समाधान प्रदान करना है।
में प्रक्रिया के विकास के किनारे पर चल रही है, सबसे बड़ी चुनौती बहुत तेजी से बाजार की बदलती जरूरतों है, यह प्रौद्योगिकी के तेजी से अनुकूलन की एक किस्म के लिए बदल सकते हैं क्रम उद्यमों प्रतिस्पर्धी बने रहने के लिए अनुमति देने के लिए बहुत महत्वपूर्ण है।
Hitt आगे एक ऐसी ही निधन निरंतर प्रगति की एक तेजी से दर से सीखने वाले एल्गोरिदम की गहराई वर्णन करते हैं, 2017 में अग्रणी समाधान के कई अब तक का सामना किया है। हालांकि दूसरों से कई अब एक उच्च क्षमता, बढ़ती मांग कंप्यूटिंग, हार्डवेयर के साथ अभी भी अनुकूलित हार्डवेयर आदेश अद्यतन करने की जरूरत है का सामना करना पड़ में समाप्त हो जा रहा है, यहां तक कि कुछ हार्डवेयर उत्पादन में से बचने के लिए एक तेज दर से अद्यतन किया जाना चाहिए। कई विकल्प मूल चिप को अद्यतन याद रखना चाहिए।
Hitt पूरक, FPGA अद्वितीय लाभ है कि कंप्यूटिंग, स्मृति वास्तुकला, और हार्डवेयर की गहराई के अन्य पहलुओं के लिंक शामिल अनुकूलित किया जा सकता है और सीपीयू और GPU अनुकूलित करने के लिए कम बिजली खपत पर उच्च प्रदर्शन प्राप्त की तुलना में, जबकि पूर्व दो तेजी से हार्डवेयर वास्तुकला ली गई नई मांगों के लिए अनुकूलित नहीं किया जा सकता।
बड़े भारी बढ़त कंप्यूटिंग
ऐ ऐप्लिकेशन, क्लाउड डेटा सेंटर के संचालन पर भरोसा करते हैं, हालांकि बहुत अधिक कंप्यूटिंग शक्ति समर्थन कर रहे हैं, यह आम तौर पर तर्क की सरलीकृत मॉडल के अनुसार पहचान डिवाइस की शुद्धता के किनारे से अधिक है, लेकिन खाते गोपनीयता की चिंताओं, ऑनलाइन वास्तविक समय प्रतिक्रिया और लागत और अन्य कारकों को ध्यान में लेने के बाद डिवाइस के किनारे पर प्रत्यक्ष अनुमान, अभी भी बहुत ही आकर्षक विकल्प है। दूसरी ओर, एक बड़े बादल डाटा टर्मिनल डिवाइस से केंद्र बाजार का आकार, वहाँ एक मजबूत आर्थिक प्रोत्साहन है। यह भी पिछले साल AIoT चिल्ला नारे झटका है मूल्य बजी, अर्धचालक उद्योग सक्रिय रूप से लेआउट के लिए के प्रमुख कारणों में।
भविष्य के लिए देख रहे हैं, कि बादल द्वारा समर्थित हैं ऐ अनुप्रयोगों अभी भी बाजार पर मौजूद हैं, लेकिन अनुपात साल वर्ष कम करने के लिए बाध्य है, यह एक नई संकर बादल वास्तुकला और बढ़त कंप्यूटिंग से बदल दिया जाएगा। ऐ डेवलपर्स के अनुप्रयोगों, बादल बदला नहीं जा सकता मूल्य इस कारण के लिए नहीं बल्कि अनुमान प्रदर्शन की तुलना में, मॉडल ट्रेन में निहित है। भी, एप्लिकेशन डेवलपर, समाधान प्रदाताओं "बादल" के बीच एक सहज एकीकरण को प्राप्त करने और "अंत" एप्लिकेशन डेवलपर हो जाएगा कर सकते हैं आपूर्तिकर्ताओं का मूल्यांकन करते समय सबसे महत्वपूर्ण विचार। नई इलेक्ट्रॉनिक्स
5. एमआईटी स्नातकों को इस महीने एक ब्लॉकचेन डिप्लोमा मिलेगा
सीना टेक्नोलॉजी न्यूज जून 3 दोपहर के समाचार पर बीजिंग समय, ब्लॉकचेन प्रौद्योगिकी एमआईटी स्नातकों को डिजिटल रूप से अपने अकादमिक फिर से शुरू करने की अनुमति देता है।
कैम्ब्रिज, मैसाचुसेट्स सॉफ्टवेयर कंपनी सीखना मशीन और एमआईटी मीडिया लैब और पंजीकृत कार्यालय सहयोग, छात्रों को ब्लॉक श्रृंखला बटुआ, सुरक्षित भंडारण और उनके डिप्लोमा साझा करने डाउनलोड करने के लिए चुन सकते हैं।
"एमआईटी प्रौद्योगिकी की समीक्षा" के अनुसार बताया कि, एक प्रारंभिक पायलट परियोजना के बाद सफल होता है, एमआईटी सभी नए स्नातकों के लिए ब्लॉक श्रृंखला बटुआ सेवा प्रदान करने के इस महीने की शुरुआत से फैसला किया।
'मैं नहीं मानता कि हम आदेश को डिजिटल रूप से रिकॉर्ड करने के लिए सीखने के केंद्रीय संस्थानों को नियंत्रित कर सकते हैं।' मीडिया लैब के अभिनव सीखने प्रतिनिधित्व के फिलिप श्मिट निदेशक।
एक डिप्लोमा ब्लॉक श्रृंखला के रूप में परिचय के प्रयोजन के बाद से इस तरह के, संभावित नियोक्ताओं पुष्टि करने के लिए उनके स्कूल डिप्लोमा सच है उन्हें कॉल करने के लिए नहीं होगा सक्षम, उनके शैक्षिक योग्यता के समय पर और विश्वसनीय पहुँच करने के लिए छात्रों को सक्षम करने के लिए है।
नए स्नातक जो डिजिटल डिप्लोमा चाहते हैं केवल एक ऐप डाउनलोड करने की आवश्यकता है।
'स्नातक होने से पहले, एमआईटी छात्र को एक निमंत्रण ईमेल भेज देगा। ईमेल कहता है -' अरे, ब्लॉकस्कर्ट वॉलेट डाउनलोड करें, पासवर्ड स्वीकार करें और प्रकाशक के रूप में एमआईटी जोड़ें '। क्रिस जेजर्स, सीईओ, लर्निंग मशीन कहते हैं, 'जब एमआईटी डिप्लोमा जारी करता है, तो छात्रों को डिजिटल फाइल के साथ एक ईमेल प्राप्त होता है कि वे सीधे आवेदन में आयात कर सकते हैं।'