Машинное обучение — Информационный бюллетень — 9 августа 2018 г.

В последние месяцы мне стало ясно, что держать руку на пульсе ИИ совершенно невозможно. События развиваются слишком быстро. В каждой отрасли алгоритмы обучены распознавать закономерности и действовать на входных данных для получения определенного результата. С помощью этой базовой конструкции чат-боты могут звучать более человечно и обеспечивать лучшее обслуживание клиентов. В Индии ICICI, крупный банк, сократил время ответа на вопросы своих клиентов о денежных переводах с 12 часов (время, в течение которого сотрудник должен получить, прочитать и обработать запрос) до реального времени. Для зарубежной диаспоры, беспокоящейся о своей семье, это является основным источником удовлетворения. Алгоритм здесь на самом деле успокаивает человеческую боль.

В этом выпуске мы рассмотрим последний призыв Darpa к документам, образованию, безопасности, строительству и транспорту (два сектора, которые отстают в принятии) и здравоохранению.

DARPA хочет уменьшить объем размеченных данных, необходимых для обучения точных моделей
Наличие готовых к действию данных является основным препятствием для использования машинного обучения в вопросах национальной безопасности. Кроме того, существующие платформы чрезвычайно чувствительны к типу данных и будут отставать до точки неэффективности, если параметры будут изменены или добавлена ​​точка данных. Это настоящая проблема для приложений разведки, которым нужны универсальные системы, способные быстро обучаться и перепрограммироваться или переобучаться при необходимости по мере развития ситуации. DARPA запрашивает инновационные исследовательские предложения в области машинного обучения и искусственного интеллекта.
В соответствии с запросом статей: предлагаемое исследование должно исследовать инновационные подходы, которые обеспечивают революционные достижения в науке, устройствах или системах. Представленные документы должны быть на один шаг дальше, чем общеизвестно. Поскольку DARPA стремится специально исключить исследования, которые в первую очередь приводят к эволюционным улучшениям существующего состояния практики.

Цель этой программы – повысить эффективность процесса обучения моделей машинного обучения за счет сокращения объема размеченных данных, необходимых для построения модели, на шесть и более порядков. величины и за счет уменьшения количества данных, необходимых для адаптации моделей к новым условиям, до десятков-сотни помеченных примеров.

Безопасность сейчас сталкивается с вредоносными программами на основе ИИ
Мы знали, что в какой-то момент ИИ будет использоваться для создания интеллектуальных вирусов и вредоносных программ. Официально это сделано, поскольку IBM представила «DeepLocker. Вредоносное ПО DeepLocker принципиально отличается от любого другого известного нам вредоносного ПО. Он использует искусственный интеллект, чтобы скрыть вредоносное приложение в безопасных полезных нагрузках, — сказал eWEEK Марк Ф. Стоклин, главный научный сотрудник и менеджер отдела когнитивной кибербезопасности в IBM Research. С помощью ИИ мы можем скрывать и скрывать условия разблокировки вредоносной полезной нагрузки, что делает реверс-инжиниринг практически невозможным.

Цель состоит в том, чтобы помочь организациям понять рост этих новых угроз и помочь им подготовиться к новым типам вредоносных программ.

Строительство по-прежнему выполняется вручную, но искусственный интеллект может помочь с безопасностью рабочих

Одной из самых ручных отраслей в мире является строительная отрасль. Я живу рядом со строительной площадкой, и я поражен тем, насколько этот процесс все еще полностью зависит от человека или управляемых им машин. Все делается вручную, от раскопок до фундамента и самого здания. Каждый железный стержень, который будет составлять арматуру здания, был установлен человеческой рукой, каждый кусок бетона, каждый потолок и каждый пол, каждая стена была построена парой человеческих рук . Используются машины. Да, разглаживать цемент до того, как он высохнет, выносить тяжелые мешки с грязью за пределы площадки, сверлить, резать и т. д. Но автоматики нет. Ничего не автоматизировано. Это огромная проблема для строительной отрасли. Несмотря на нынешнее положение дел, компании ищут способы внедрить какой-либо анализ данных в этот процесс. «Саффолк загружает алгоритм фотографиями рабочих мест, отчетами о несчастных случаях и годами данных, чтобы помочь предсказать опасные условия труда и избежать несчастных случаев на производстве.

Железнодорожный транспорт созрел для новых технологий
Поезда в США, как известно, являются низкотехнологичными по сравнению с их европейскими и азиатскими аналогами. Несмотря на огромную территорию, здесь нет высокоскоростных поездов, а регулирование является основным препятствием для внедрения новых технологий. Это медленно меняется. Norfolk Southern разрабатывает новые технологии, которые планируется использовать для измерения надежности запасных частей, прогнозирования опаздывающих поездов и более точного определения местоположения поездов. Используя машинное обучение, предиктивную аналитику и датчики Интернета вещей, компания разрабатывает набор инструментов для продвижения южных поездов в будущее.
Компания NS разработала прогностические модели, чтобы прогнозировать, когда кривые пути потребуют замены. С помощью машинного обучения, искусственного интеллекта и точек данных, собранных с оборудования на гусе, компания разработала алгоритмы, которые могут точно прогнозировать износ гусениц за пятилетний период. Используя прогнозную аналитику, менеджеры теперь могут лучше планировать ремонт и техническое обслуживание и сокращать время простоя.

Здравоохранение
Помощь в сортировке в отделениях неотложной помощи с помощью распознавания изображений является важным достижением для практикующих врачей. Aidoc, 2-летняя израильская радиологическая компания, управляемая искусственным интеллектом, получила одобрение Управления по санитарному надзору за качеством пищевых продуктов и медикаментов США на инструмент глубокого обучения, который может идентифицировать определенные кровоизлияния на основе изображений головного мозга. Эта технология исследует компьютерную томографию на наличие признаков острого внутричерепного кровоизлияния, помогая рентгенологам в сортировке рабочих процессов.

Образование
Приложения ИИ теперь улучшают образование. В онлайн-обучении провайдеры высшего образования, такие как Coursera, Udacity и edX, используют машинное обучение для улучшения таргетинга, курсы и службы поддержки. Поставщики премиум-контента и курируемого открытого контента все чаще используют машинное обучение, чтобы преподать следующий лучший урок.
Неудивительно, что технологические гиганты не упускают возможности предложить собственный контент на эту тему. Сначала Google, а теперь Facebook.Facebook опубликовал шесть видеокурсов по машинному обучению. Он называется Руководство Facebook по машинному обучению. Курс состоит из видеороликов продолжительностью от 8 до 10 минут, охватывающих: определение проблемы, данные, оценку, функции, модель и экспериментирование. А пока вы там, загляните на исследовательский веб-сайт FB. На самом деле это впечатляющая коллекция исследовательских работ, охватывающих невероятно большое количество тем, от безопасности и распознавания фотографий до облегчения описания изображений для слабовидящих. Настоятельно рекомендуется!'

Музыка/искусство

Композитор электронной музыки Aphex Twin и цифровой креативщик Weirdcore объединились в клипе Aphex last music. Называется T69 Collapse. Weirdcore использовала искусственный интеллект Transfusion для объединения изображений и создания третьего. Вспомните Google Deep Dream Generator. Для тех из вас, кто знаком с работой Aphex Twin, вы узнаете звук и образы для новичков, посмотрите. Это прекрасный пример того, как технологии повышают творческий потенциал.

Машинное обучение на этой неделе:
— 71 % организаций потратят больше о данных в ближайшие пять лет
— Нам действительно нужно иметь какие-то точки соприкосновения, чтобы эта область развивалась
— Искусственный интеллект обещает сделать найм непредвзятой утопией
— Root AI, ориентированный на домашнее хозяйство, привлек $2,3 млн инвестиций.
— 46 % компаний планируют нанять больше людей, чем раньше для внедрения новых технологий

Спасибо

Мелвин Манчау — консультант по вопросам управления, специализирующийся на бизнес-операциях, технологиях и стратегии для финансовых учреждений. Мнения, выраженные здесь, принадлежат ему.