Из класса в бизнес: какое место ИИ занимает в бизнесе и обществе?
Серия статей об искусственном интеллекте, бизнесе и обществе
В следующей серии постов мы обсудим растущую интеграцию искусственного интеллекта (ИИ) в нашу повседневную жизнь и бизнес-модели.
Хотя обсуждение ИИ в основном велось в университетских аудиториях и исследовательских лабораториях, нельзя отрицать, что стремительное развитие ИИ затрагивает все аспекты жизни нашего общества. Однако фактические последствия до сих пор в значительной степени не обсуждались.
Вот почему мы в KISSPatent сообщаем о последних тенденциях в области технологий. На конференции по искусственному интеллекту в Нью-Йорке в мае этого года десятки лидеров технологической отрасли собрались, чтобы обсудить тенденции в области искусственного интеллекта. Чтобы избавить вас от поездки в Нью-Йорк, мы решили сообщить основные выводы, которые могут быть интересны вам как предпринимателю или стартапу.
Читайте дальше, чтобы узнать, что лидеры отрасли думают об искусственном интеллекте!
И, как всегда, если у вас есть какие-либо вопросы, не стесняйтесь обращаться к нам напрямую, и мы ответим как можно скорее.
Люди VS. ИИ ПРОТИВ. Конфиденциальность: что думает Европа?
Наши европейские друзья всегда ценили и уважали право на неприкосновенность частной жизни, когда речь шла о сборе данных от технологических гигантов, таких как Google. На самом деле, они настолько это ценят, что приняли широкомасштабный закон, обеспечивающий дополнительную защиту конфиденциальности для граждан Европы — в той мере, в какой они изменили способ ведения бизнеса технологическими гигантами.
Однако не только технологические гиганты имеют доступ к личным данным. Помните тему наших сообщений в блоге, AI?
ИИ требует доступа к большим объемам данных для обучения моделей. Когда эти данные становятся личными, мы начинаем видеть, как ИИ сталкивается с проблемами, которые мы назвали выше: в основном с конфиденциальностью и правами личности.
Остается вопрос: кто будет контролировать доступ к нашим данным и кто будет определять, как эти данные будут использоваться?
Пол Немитц из Европейской комиссии дал четкий ответ Европы на эти вопросы. Все компании, в том числе стартапы в области искусственного интеллекта, должны будут соблюдать индивидуальные права на неприкосновенность частной жизни. Другими словами, «алгоритм заставил меня сделать это» не сработает для технологических компаний — как выяснил Google в отчете Google. право быть забытым в суде.
Немитц утверждал, что Европа уникальна в своем требовании к неприкосновенности частной жизни по сравнению с США, где личные данные контролируются технологической олигополией, а в Китае они контролируются правительством.
Это побудило Европу обеспечить соблюдение прав человека вопреки потребностям технологических компаний, особенно в отношении ИИ. Он подчеркнул, что ни один алгоритм ИИ нельзя использовать для выполнения действий, которые в противном случае были бы незаконными.
Вопрос о людях, ИИ и конфиденциальности остается нерешенным и будет продолжать развиваться по мере развития ИИ. Тем не менее, по-прежнему ясно, что Европа полна решимости в первую очередь защищать права на неприкосновенность частной жизни и будет применять законы по своему усмотрению.
Приложения ИИ в реальном мире: мировая бедность
При оценке бедности в мире есть один показатель, который Всемирный банк предпочитает: цена. Но измерение цен во всем мире на множество товаров и услуг — непростая задача.
Представьте, что вы пытаетесь собрать информацию о ценах на продукты… или даже идете к стоматологу. Теперь представьте, что вы пытаетесь собрать эти цены в 162 странах.
Почему эти цены так важны? Измеряя цены точно и надежно, Всемирный банк может определить паритет покупательной способности (ППС), который (если вы помните из курса экономики в колледже) измеряет общее количество товаров и услуг, которые можно купить за одну единицу национальной валюты. другая страна.
Или вы можете быть более знакомы с ППС из «Индекса Биг Мака» The Economist, который представляет собой версию ППС, которая измеряет покупную цену Биг Маков на международном уровне.
При измерении уровня бедности в мире Всемирный банк использует ППС для сравнения уровня бедности в разных странах, а затем может оценить, растет или уменьшается глобальная бедность. Государственные статистики каждой страны несут ответственность за выборку цен на наборы товаров и услуг, а затем сообщают информацию во Всемирный банк.
Теперь, когда мы сделали краткий экономический обзор, вам может быть интересно, а при чем тут технологии? Как я отметил в начале серии статей, искусственный интеллект интегрирован почти во все аспекты бизнеса и общества, и усилия Всемирного банка ничем не отличаются.
Морис Нсабимана (статистик, Всемирный банк) — очень впечатляющий человек, с которым я познакомился во время AI CON 2018, — хочет привлечь «обычных» людей к усилиям Всемирного банка по сбору цен на товары и услуги. Он точно указал, что мобильные телефоны с камерами доступны во всем мире — и на самом деле, больше людей добились успеха в телефонах с камерами, чем в чистой питьевой воде.
У Мориса была армия наемных добровольцев, которые фотографировали цены на самые разные товары и услуги — от продуктов в супермаркетах до счетов врачей. В итоге у него было более миллиона фотографий для анализа. Intel вмешалась со своим проектом BigDL, чтобы упростить разработку и использование моделей ИИ для решения таких задач, как классификация изображений (тема другого поста). С помощью Intel Всемирный банк смог проанализировать фотографии, чтобы определить (а) товары или услуги и (б) цены.
Проект все еще продолжается, но это увлекательное использование ИИ для решения глобальных проблем, которые обычно требуют огромного количества ручного вмешательства человека.
Более быстрый способ ускорить распознавание изображений AI: BigDL
Ранее я упоминал, что Всемирный банк использовал программное обеспечение для распознавания изображений с помощью ИИ при реализации своего проекта телефона с камерой, чтобы лучше оценивать цены во всем мире. Программное обеспечение, которое они использовали, называется BigDL.
В этом посте я вкратце расскажу, что такое BigDL и почему вас это должно волновать.
BigDL — это бесплатная распространяемая библиотека для глубокого обучения от Intel. Она изначально работает на Apache Spark и позволяет инженерам по данным и ученым писать приложения для глубокого обучения на Scala или Python в виде стандартных программ Spark. BigDL берет на себя всю тяжелую работу по управляемым распределенным вычислениям.
Юлия Телль из Intel представила внутреннюю работу BigDL на AI CON 2018. Она подчеркнула простоту использования BigDL — это так же просто, как написать обычную программу на Scala или Python. Благодаря простоте использования пользователи могут легко масштабировать приложение ИИ — пользователям не нужно беспокоиться о реализации программы в масштабе.
BigDL имеет большой объем встроенной поддержки ИИ, включая нейронные сети. Пользователи могут загружать предварительно обученные модели Caffe или Torch в программы Spark с помощью BigDL, что является отличной функцией, поскольку означает, что пользователи могут загружать свои уже построенные модели и запускать их. Пользователям не придется начинать создание моделей или обучение с нуля, что сэкономит им массу усилий.
BigDL был выпущен Intel с открытым исходным кодом. Как проект с открытым исходным кодом, BigDL имеет 50 участников, половина из которых не из Intel. Кроме того, на AWS Marketplace бесплатно доступен образ BigDL, с помощью которого можно опробовать готовую установку.
BigDL — это лишь один из примеров инноваций в области искусственного интеллекта, который может показаться нишевым проектом, но имеет глобальные последствия и способность размножаться во всемирном движении за перемены.
Будущее сияет ярче с ИИ
Лично я техно-оптимист. Я убежден, что технологии приведут человечество к лучшему будущему, и что единственная потенциальная проблема с технологиями — это наша неспособность использовать свое воображение для инноваций и поиска решений потенциальных проблем.
В споре о летающих машинах и 140 персонажах я определенно на стороне летающих машин.
Я не единственный техно-оптимист. Профессор Мануэла Велозу (ниже) из Университета Карнеги-Меллона также с оптимизмом смотрит в будущее технологий. «ИИ и люди: лучше, чем просто люди, лучше, чем просто ИИ», — таково было ее заключительное заявление на AI CON 2018, и оно прекрасно объясняет, почему мы продолжаем стремиться к развитию ИИ.
У профессора Велозу есть веская причина для оптимизма, учитывая новаторский характер ее работы над взаимодействием человека и ИИ.Ее группа разработала «коботов»: автономных роботов, которые бродят по ее офисному зданию и умеют задавать вопросы людям. за помощью, когда это необходимо. Разве это не похоже на сотрудничество мечты?
У коботов нет рук, поэтому они не могут перемещать объекты, которые их просят достать, или нажимать кнопки лифта. Вместо этого они просят о помощи ближайших людей. Если люди не помогают им, коботы отправляют электронное письмо своим коллегам-людям — студентам и постдокам группы профессора Велозо — с указанием своего местоположения и проблемы. Затем человек спасает кобота.
Проф. Велозу подчеркнула необходимость сотрудничества между ИИ и людьми, чтобы люди могли получать от ИИ максимальную пользу. Она называет эти взаимодействия «симбиотической автономией».
По ее мнению, без постоянного взаимодействия между людьми и ИИ ИИ не сможет в полной мере принести пользу людям. ИИ, конечно, не может заменить людей, но может помочь им во многих задачах. Протягивая руку помощи, коботы и ИИ могут улучшить человеческую жизнь — и все это с помощью технологий.
Так почему бы не с оптимизмом смотреть в будущее технологий? Он такой же яркий, как никогда.
Вперед и вверх с ИИ на фермах
Тото, мне кажется, мы больше не в Канзасе!
На самом деле, мы могли бы находиться в Канзасе, Айове, Калифорнии или любом другом месте, где сельское хозяйство жизненно важно для региона. ИИ в сочетании с IoT (Интернетом вещей) может полностью изменить сельское хозяйство в глобальном масштабе.
Дженнифер Марсман из Microsoft представила свой последний проект по увеличению урожайности сельскохозяйственных культур при одновременном сокращении использования дефицитных ресурсов, таких как вода и пестициды.
Проект, являющийся частью инициативы Microsoft «ИИ для Земли», рассматривал возможность объединения локализованных датчиков с ИИ, чтобы сообщать фермерам о состоянии их полей и посевов.
Датчики определят, какая область конкретного поля нуждается в большем количестве ресурсов, таких как вода или пестициды. Когда мы слышим «сенсоры», мы можем сразу же подумать о последствиях затрат, но, что интересно, Дженнифер Марсман с удивлением обнаружила, что стоимость датчиков была не самой сложной частью уравнения — на самом деле это была стоимость подключения.
Чтобы решить проблему подключения, Microsoft попробовала дроны и воздушные шары, но наиболее инновационным потенциальным решением является использование «белого пространства» в телевизионных сигналах. Это неиспользуемые части телевизионных сигналов, которые могут обеспечить решения для дальней связи; как сказала Дженнифер, потенциально вы можете подключиться к своей домашней сети за 12 миль.
Дженнифер также отметила, что «ИИ для Земли» принимает предложения о грантах для всех, кто заинтересован в применении ИИ для решения таких сложных человеческих проблем, как голод в мире.
Если у вас есть идея с искусственным интеллектом, это может стать вашим шансом изменить ситуацию!
Новая игрушка Амазонки
Хорошо, я признаю, что я первый в очереди, чтобы узнать, какие крутые новые игрушки выпускает Amazon — будь то AWS или продуктовый магазин с нулевой очередью.
На AI CON 2018 Дэн Мбанга из AWS продемонстрировал новейшую игрушку Amazon: камеру DeepLens. Это первая в мире видеокамера с искусственным интеллектом.
Локальное оборудование видеокамеры может запускать алгоритмы глубокого обучения, такие как анализ изображений и распознавание объектов. Фактическое обучение происходит в облаке, за которым следует загрузка уже обученной модели в камеру.
Если вы все еще пытаетесь осмыслить, зачем вам может понадобиться камера DeepLens, веб-сайт Amazon предлагает забавный пример: вы можете научить ее распознавать, является ли еда хот-догом или нет.
Конечно, есть и более сложные и важные для бизнеса способы использования (для тех из вас, кто не управляет ресторанами хот-догов). Его также можно научить распознавать различные действия, такие как расчесывание волос или употребление кофе.
Хотите забить один? AWS уже принимает предварительные заказы на доставку в середине июня.
Является ли ИИ умнее (и лучше), чем люди?
В вечных спорах о человеке и машине те, кто осторожен, чтобы не обидеть наших собратьев, склонны занимать среднюю позицию в вопросе о том, лучше ли ИИ людей.
Тем не менее, Зубин Гахрамани из Uber и Кембриджского университета отбросил осторожность, выразив свою позицию в отношении человека и машины. Он утверждал, что ИИ должен выйти за пределы своего ориентированного на человека происхождения, чтобы сосредоточиться на решении проблем в тех областях, в которых люди по своей природе плохи.
Один из способов улучшить ИИ — добавить вероятностные меры к алгоритмам машинного обучения, чтобы модели могли выполнять расчеты, когда они не уверены, как выполнить задачу.
В настоящее время большинство алгоритмов машинного обучения представляют собой алгоритмы «все или ничего» — в них нет серой зоны или места для неопределенности, которые не совсем точно эмулируют реальную жизнь, наполненную вероятностными результатами.
Вы можете подумать, что если мы просто увеличим размер набора данных, все «неизвестные» рассеются (центральная предельная теорема для тех, кто помнит).
Но это не совсем так. Даже с большим набором данных почти невозможно избежать неопределенности в ML — особенно в крайних случаях, которые далеко уходят от исходного набора данных.
Один из примеров, который привел профессор Гахрамани, касается анализа и распознавания изображений. Алгоритмы машинного обучения, которые могли правильно распознавать машину и собаку, внезапно запутались, когда к изображениям был добавлен белый шум, и оба были классифицированы как страусы.
Нет, я тоже не знаю, почему он выбрал страуса, но он показывает, что современные алгоритмы машинного обучения можно обыгрывать. Добавление места для неопределенности помогло бы предотвратить эти ошибки и сделать модели более точными.
Примечание: еще одним интересным упоминанием был Automated Statistician, веб-сайт, который позволяет вам заручиться помощью ИИ-специалиста по данным, чтобы лучше понять статистику и вероятность. Посмотрите это здесь.
С помощью наших друзей-статистиков мы можем увидеть более точные модели машинного обучения, способные учитывать неизбежные вероятности повседневной жизни!
Творческий искусственный интеллект: создание песен специально для вас
У меня к вам вопрос: могут ли компьютеры создавать новые произведения искусства или только копировать существующие образцы? Споры не утихают с момента создания ИИ.
Для аутсайдеров сообщества ИИ большинство людей согласны с тем, что ИИ может только копировать искусство, а не создавать новые работы.
Однако Amper Music убедила меня, что ИИ может быть творческим — по крайней мере, в области музыкальной композиции.
На AI CON 2018 я стал свидетелем захватывающей демонстрации, которая доказала, что ИИ может создавать искусство. ИИ Amper Music задает вам несколько вопросов о ваших музыкальных предпочтениях — жанре, инструментах, ритме и т. д. — а затем создает индивидуальную песню специально для вас. Песни бесплатны для личного использования, но вы нужно будет заплатить 200 долларов, чтобы использовать их в коммерческих целях.
Amper Music недавно получила раунд финансирования в размере 4 миллионов долларов от венчурных капиталистов, которые, похоже, также верят, что ИИ может создавать новые произведения искусства. Это увлекательное использование ИИ может привести к тому, что компании, наконец, откажутся от одной и той же стандартной музыки в рекламных роликах и видео.
Чтобы узнать больше об истории Amper Music, ознакомьтесь с этой статьей TechCrunch здесь.
Заглянуть внутрь тела с помощью ИИ
Представьте себе визит к врачу, когда врач просто заглядывает внутрь вашего тела — никаких тычков, уколов или неприятных иголок.
Есть технология, которая позволяет это делать медицинским работникам (технология визуализации), но она требует облучения в высоких дозах, которые могут быть вредны для человека.
Остается вопрос: как мы можем заглянуть внутрь тела неинвазивно, чтобы получить те же преимущества визуализации, но без вредных побочных эффектов?
Как вы могли догадаться из темы наших постов в блоге, приходите на помощь ИИ! Профессор Грег Захарчук из Стэнфордского университета продемонстрировал искусственный интеллект, который позволяет использовать для визуализации чрезвычайно малое количество радиации, сохраняя при этом все преимущества визуализации.
При уменьшении количества излучения, используемого в процедуре (будь то внешнее или внутреннее введение в тело), изображения могут казаться слишком шумными, а разрешение слишком низким. И действительно, проф. Захарчук продемонстрировал, что исходные изображения были довольно шумными.
Однако ИИ можно использовать для очистки изображений и даже для их улучшения — до такой степени, что изображения становятся почти неотличимыми от изображений с высоким разрешением и высокой радиацией. Последствия для медицины огромны — процедуры визуализации, которые ранее имели ограниченное применение, могут внезапно применяться в самых разных медицинских ситуациях.
Этот прорыв может означать, что уход за пациентами внезапно станет быстрее, дешевле и продвинутее, чем когда-либо!
Может ли ИИ предсказать болезнь до того, как она повлияет на вас?
Многие болезни, которые доставляют человечеству больше всего проблем, больше не «вылавливаются» — это хронические заболевания, такие как диабет, или смертельные внутренние убийцы, такие как рак.
Раннее выявление таких заболеваний до того, как они проявятся в своей полной форме, будет иметь большое значение для общества. В случае хронических заболеваний
возможность отслеживать симптомы и (будем надеяться) эффективность лечения будут иметь большое значение. также быть эффектным.
Обнаружение заболевания на основе многолетней истории рецептов, выписанных человеком, обеспечивает систему раннего предупреждения, которая не требует дополнительных анализов или визитов к врачу. Джули Чжу и Дима Ракеш из Optum использовали глубокое обучение, чтобы показать, что медицинские состояния можно выявлять на ранней стадии, а затем отслеживать на основе истории назначений.
Они использовали нейронную сеть LSTM (долговременная кратковременная память) для анализа рецептов, выписанных за двухлетний период 4,52 миллионам пациентов и специально ориентированных на диабет. Используя LSTM, они смогли предсказать начало диабета до того, как болезнь была диагностирована.
Кроме того, они также смогли показать, что, отслеживая рецепты пациентов, они могут определить, эффективно ли лечение пациента, то есть хорошо ли контролируется диабет.
ИИ также позволяет исследователям комбинировать несколько переменных, таких как возраст, многолетняя история болезни и пол, чтобы делать более точные прогнозы в отношении лечения болезни пациента. Этот расширенный взгляд на здравоохранение может изменить ход лечения пациентов — и все благодаря ИИ!
Мы ваш ресурс для всего, что связано с патентами и интеллектуальной собственностью! Узнайте, как вы можете защитить и развить свой стартап, из ежедневной информации из нашего Центра обучения: https://kisspatent.com/learning-hub.
Все еще жаждете большего? В нашем Ресурсном центре есть масса информации! Изучите наши электронные книги, официальные документы, вебинары и многое другое: https://kisspatent.com/resourcecenter
Если у вас есть вопросы относительно вашего конкретного бизнес-сценария, не стесняйтесь обращаться к нам. Мы более чем рады помочь! Запланируйте звонок с нашими специалистами здесь: https://kisspatent.com/contact
Первоначально опубликовано на kisspatent.com.
