Нейронные сети и машинное обучение существуют уже много лет. Тем не менее, в последние годы можно увидеть людей, увлеченных искусственным интеллектом и глубоким обучением. Это в основном из-за следующих двух причин
- Большие данные (огромный объем данных, доступных для обучения моделей ИИ)
- Дешевая вычислительная мощность (масштабируемая вычислительная мощность с ЦП и ГП)
Очевидно, что большие данные могут помочь в обучении больших моделей глубокого обучения с несколькими сотнями слоев и значительно повысить производительность. Это видно из Amazon Alexa, Cortana и Google Now, которые распознают речь в реальном времени наравне с людьми! Однажды эти алгоритмы будут лучше людей!
Большинство правительств по всему миру сидят на огромной куче данных. Эти данные накапливаются в течение многих лет в результате деятельности различных государственных ведомств. Следующей большой игрой для правительства является использование глубокого обучения для этих больших данных. Как вы, возможно, знаете, алгоритмы глубокого обучения могут очень хорошо выполнять классификацию, кластеризацию и логистическую регрессию.
Каковы проблемы правительства, которые могут использовать потенциал глубокого обучения и предложить правительству большую ценность? Есть куча таких проблем
- Выявление мест с высокой проходимостью
- Рекомендации по политике (глубокое обучение может извлечь уроки из прошлых политик и их эффективности и предложить новые политики для некоторых проблем)
- Выявление потребностей граждан еще до того, как они об этом узнают (социальная инженерия, анализ контента социальных сетей и т. д.)
- Развертывание чат-ботов для повышения качества обслуживания клиентов (австралийское налоговое управление тестирует это!)
- Прогнозирование медицинских услуг
- Планирование инфраструктуры и так далее
Прямо сейчас я создаю обучающие модели машинного обучения с использованием Tensor Flow (инструмент искусственного интеллекта с открытым исходным кодом) с использованием Python для оценки риска для пассажира, который едет в общественном транспорте. Эта модель использует данные из полицейского управления для получения уровня преступности, данных о насилии в семье, данных об общественных делах, и эта модель автоматически настраивается, когда сообщается о инциденте / насилии. Эта модель может помочь государственным органам выявить пригороды с высоким риском и принять новые меры по снижению риска.
Глубокое обучение готово совершить большой скачок в правительстве, и я надеюсь, что будущим правительством не будет управлять Скайнет!! :( Если при разработке модели глубокого обучения будут приняты во внимание государственные принципы, такие как конфиденциальность и этика, мы сможем решить сложные проблемы правительства.
