Это перепечатка (более или менее) Ежедневного информационного бюллетеня ARCHITECHT за четверг. Зарегистрируйтесь здесь, чтобы получать его в свой почтовый ящик каждое утро.
В четверг мое внимание привлекла пара статей, которые намекают мне, хотя и очень косвенно, что мы, возможно, забегаем вперед, говоря о краткосрочных эффектах искусственного интеллекта. Дело не в том, что ИИ слаб или в настоящее время для него нет идеально согласованных приложений — они точно есть, — а скорее в том, что многие компании до сих пор не освоили использование данных в качестве инструмента для получения конкурентного преимущества и характеристик продукта.
Прежде чем я пойду дальше, вот два пункта, о которых я говорю:
- BMW и Volkswagen пытаются победить Apple и Google в их собственной игре (New York Times)
- Как изменилась аналитика за последние 10 лет (и как она осталась прежней) (Harvard Business Review)
В статье NYT указывается, что некоторые автомобильные компании идут на крайние меры, начиная от производства микросхем и заканчивая квантовыми вычислениями, чтобы получить преимущество в создании более умных автомобилей. В статье HBR рассказывается, как мы перешли от Hadoop и локального R к API, периферийным вычислениям и машинному обучению.
«В прошлом аналитика создавалась для лиц, принимающих решения, которые рассматривали результаты и принимали окончательное решение», — говорится в статье HBR. «Но технологии машинного обучения могут сделать следующий шаг и фактически принять решение или принять рекомендуемое действие». Основываясь на большей части того, что я читал и слышал за последние несколько месяцев, на самом деле не похоже, что большинство предприятий приближаются к этому уровню внедрения машинного обучения, не говоря уже об автоматизации. Может быть, на складе, но точно не в зале заседаний.
В то время как автомобили технически умнее, опыт вождения — то, как люди взаимодействуют со своими автомобилями — за исключением, возможно, Теслы и некоторых других высококлассных автомобилей, более или менее так же глуп, как и раньше. Забудьте об автономном вождении: такие простые вещи, как Wi-Fi, информация о пробках в режиме реального времени и работающее голосовое управление, по-прежнему недоступны во многих автомобилях.
Такие компании, как Google и Facebook, лидируют в области искусственного интеллекта отчасти потому, что они давно освоили большие данные с точки зрения инфраструктуры, сбора, аналитики и в качестве основы для новых функций. Это институциональное знание в той же степени, что и техническое знание.
Компаниям и учреждениям всех типов абсолютно должно присматриваться к тому, где и как они могут сегодня применять такие технологии, как ИИ (и, я думаю, квантовые вычисления). Мы постоянно сталкиваемся с успешными приложениями, но часто для конкретных задач, которые относительно решаются легко (я имею в виду такие вещи, как проверка документов в законе или оптимизация заводских роботов). Я просто не уверен, что мы сможем достичь пика автоматизации и интеллекта в нашей экономике без того, чтобы многие компании действительно добились этого.
Искусственный интеллект
Правительство проводит конкурс Kaggle для улучшения сканирования тела в аэропорту
Вероятно, это хорошая идея, но немного разочаровывает, если нас сканируют годами, а агенты до сих пор не могут идентифицировать оружие (или, по крайней мере, подозрительные предметы) с достаточной точностью.
Более глубокий взгляд на нового директора Tesla по искусственному интеллекту
Я, как и другие, много говорил о компьютерном зрении Андрея Карпаты, но в этом посте отмечен его опыт в других областях, которые также могут быть благом для Tesla. Однако, возможно, стоит отметить, что он никогда не руководил подразделением, ориентированным на продукт, как это. По крайней мере, это я могу сказать.
Google по-прежнему заявляет, что к концу года у нее будет квантовый компьютер на 49 кубитов
Помимо технологических последствий, вы должны задаться вопросом, как это повлияет на такие стартапы, как Rigetti, или других крупных поставщиков, таких как IBM. Быть первым — это еще не все, но (если мир готов) это, безусловно, помогает.
Профиль Plex.ai и его подход AI+блокчейн к автострахованию
Это небольшая канадская компания, мечтающая о подключенных автомобилях и более разумных способах регулярной оценки рисков. Но его текущая модель получения доходов — игра в роли политического посредника для потребителей — показывает, как далеко ей еще предстоит зайти.
Может быть, только может быть, мозг — это не просто большой компьютер
Отрадно видеть, что все больше экспертов предполагают, что человеческий интеллект не может быть отделен от нашего мозга и тела. Это не означает, что ИИ не умен, но что он принципиально другой.
Мусор на входе, мусор на выходе относится и к медицинским данным
В этой статье представлена проблема курицы или яйца, когда дело доходит до анализа медицинских данных, которые могут быть наполнены ошибками, а также просто неопределенностью во всем, от диагноза до причины.
Исследователи DeepMind считают, что машины могут учиться, наблюдая друг за другом
Это интересно, если вы следите за достижениями в обучении с подкреплением, поскольку оно представляет собой более простой и дешевый в вычислительном отношении подход к передаче знаний между агентами.
Облако и инфраструктура
Google хочет изменить международные законы о данных
Это чрезвычайно важный вопрос для поставщиков облачных вычислений, а также для всех, кто предлагает веб-платформу, и Google не одинок в своем стремлении к шансу. Короче говоря, Google запрашивает некоторые основные соглашения о том, какие страны могут запрашивать какие данные и при каких обстоятельствах.
Хостинг-провайдер Scaleway делает ставку на экземпляры ARM
Это одна из тех областей, где более мелкие специализированные поставщики облачных услуг, вероятно, могут занять свою нишу. Вопрос в том, что произойдет, если они будут достаточно успешны, чтобы их заметили большие мальчики.
IBM хочет помочь вам правильно создавать микросервисы
Это кажется ценной услугой, особенно для компаний, ИТ-персонал которых плохо разбирается в мире контейнеров. Не спите на IBM в этом пространстве — это активный разработчик открытого исходного кода с крупной организацией по продажам.
Как думать о Cloud Foundry и Kubernetes
Это хороший пост о вопросе, который задавали многие люди (включая меня). Конечно, все усложняется, когда на сцену выходят продавцы с менталитетом нулевой суммы.
Познакомьтесь с шеф-инженером Нелл Шамрелл-Харрингтон
Я встретил Нелл на облачной конференции GeekWire в начале этого месяца, где она выступила с докладом о DevOps. Она очень умная и очень милая, и вот ее советы по всем вопросам, от управления собраниями до того, чтобы кролики не сломали вашу установку (или не поджарились).
Netflix объясняет, как балансирует нагрузку контента на коробки Open Connect
То, на что Netflix идет ради оптимизации взаимодействия с пользователем, действительно впечатляет. Каждая компания, думающая о потоковой передаче, должна обратить на это внимание.
Информативное чтение о микросервисах, в основном о том, почему вам может понадобиться общий уровень данных
Этот пост охватывает множество микросервисов и рассматривает множество причин, по которым компании делают то, что они делают, даже если они, возможно, не должны этого делать. Но большой и важный вопрос для обсуждения — как думать о базах данных.
Все данные
Elastic покупает APM-стартап Opbeat
Это действительно умно с точки зрения продукта, ИМХО. Вы можете использовать технологию Elastic, чтобы создать что-то для APM, или вы можете просто купить это у них.
Snowflake Computing хочет помочь компаниям делиться своими хранилищами данных
Это реальный вариант использования для партнеров и компаний, имеющих ценные данные для продажи, и хороший способ увеличить продажи, поскольку обе стороны должны быть клиентами Snowflake.
Как TimescaleDB объединяет SQL с данными временных рядов
Существует так много вариантов баз данных, большинство из которых являются вескими причинами их существования. TimescaleDB не является исключением, особенно в эпоху Интернета вещей.
