ДАННЫЕ И БОЛЬШИЕ ДАННЫЕ
Когда вы делитесь изображением в Интернете или ищете направление на Картах Google или в других приложениях или на веб-сайтах, вы создаете и отправляете множество фрагментов информации по дикой всемирной сети (Интернету), к которой мы все подключены.
Вы можете генерировать различные типы информации из различных источников, небольшие фрагменты информации — это то, что мы называем данными.
Теперь представьте себе количество информации или данных, которые производятся миллиардами интернет-пользователей со всего мира ежедневно.
Сколько изображений размещено в Instagram? или сколько постов в Facebook и Twitter люди публикуют каждый день?… сколько видео загружается на Youtube в час? или сколько раз люди нажимают кнопку поиска, чтобы найти что-то в Google за секунду? … у вас есть изображение здесь!
на изображении ниже показано количество данных, которые крупные компании получают от своих клиентов.
Ответ на предыдущий вопрос: миллиарды, которые мы называем большими данными (научный термин ). Определение больших данных — это более крупные и сложные наборы данных, особенно из новых источников данных.
Что же делать крупным компаниям с огромным объемом информации, ежедневно получаемой от их пользователей за очень короткий промежуток времени?
Если вы никогда не задавали этот вопрос или не знали об этом раньше, то приведенная ниже информация может направить вас в очень интересный горизонт.
Известно, что у этих компаний есть несколько мощных суперкомпьютеров и серверов за границей, что означает, что они хранят данные, а также манипулируют ими и обрабатывают их. но почему?
«Данные дороже золота»
Итак, вы спросите, что эти крупные компании делают с этим огромным объемом данных и как они наживаются на этом… Хотя это непросто, поскольку в настоящее время каждую секунду генерируются миллионы необработанных данных.
Этим компаниям необходимо получать и хранить порции данных на нескольких компьютерах по всему миру и обрабатывать их в режиме реального времени, чтобы получать из них ценную информацию. следовательно, в процессе появится больше проблем!
вызовы больших данных!
проклятие скорости!
Действительно, инженерам и специалистам трудно получить то, к чему они стремятся, поскольку они проходят через множество ограничений. первый такой:
Объем относится к объему генерируемых данных.
Согласно новым статистическим данным, общий объем данных, создаваемых и потребляемых во всем мире, будет быстро расти и достигнет 64,2 зеттабайт только в 2020 году.
Прогнозируется, что в течение следующих трех лет, до 2025 года, глобальный объем создаваемых данных вырастет до более чем 180 зеттабайт. На рисунке ниже показано увеличение объема данных, создаваемых во всем мире с 2010 по 2025 год.
Скоростьотносится к высокой скорости накопления информации из различных источников (телефонов, компьютеров, сетей, социальных сетей и т. д.).
Следовательно, возникает больше сложностей, поскольку компании вынуждены принимать, обрабатывать и хранить все данные, чтобы иметь возможность извлекать их и отвечать как можно быстрее, потому что «Многие типы данных имеют ограниченный срок хранения, и их ценность со временем может снизиться, а в некоторых случаях очень быстро».
Forsooth, решение для анализа больших данных в режиме реального времени потребуется, чтобы помочь предприятиям принимать правильные решения в нужное время, достигать бизнес-целей и процветать, а в будущем — просто выживать.
Разнообразие относится к природе данных, которые являются структурированными, полуструктурированными и неструктурированными данными, а также к разнородным источникам. (подробнее о разнообразии данных здесь)
Достоверность относится к уровню достоверности или беспорядочности данных, поэтому он связан с гарантией качества, достоверности и точности данных (данные в реальном мире трудно знать, что правильно, а что нет).
Ценность определяется тем, насколько данные достойны положительного влияния на бизнес компании.
«В ходе опроса, проведенного среди мировых маркетологов в конце 2020 года, было обнаружено, что 41% респондентов заметили увеличение роста доходов и повышение эффективности благодаря использованию ИИ в своих маркетинговых кампаниях. Еще 38% объясняют создание персонализированного потребительского опыта использованием ИИ в маркетинговых целях». источник: Исследовательский отдел Statista.
Это знаменитые 5 vs больших данных. Следовательно, есть также больше проблем и проблем, с которыми ученые сталкиваются, пытаясь получить информацию и ценную информацию из них.
Сказав это, ученые могут преодолеть эти проблемы и проблемы, внедрив множество технологий, таких как решения BI, анализ данных и алгоритмы искусственного интеллекта…
Какое место в этом конфликте занимают данные?
Данные — это топливо для каждой программы и программного обеспечения, работающего сегодня на наших устройствах, в сетях и т. д.
Искусственный интеллект со всеми его реализациями — ничто без большого количества оптимизированных, чистых и классифицированных данных для обучения.
Так же и с технологиями и сложными алгоритмами. В настоящее время мы можем видеть множество продуктов ИИ, которые мы используем каждый день.
Возможно, крупные компании используют большие данные и искусственный интеллект, чтобы зарабатывать деньги, продавая продукты; например, беспилотные автомобили, программное обеспечение для распознавания лиц, роботизированные решения, автоматический машинный перевод, алгоритмы демографического прогнозирования и прогнозирования выборов, виртуальные помощники (Siri, Google Assistant…), программное обеспечение для обнаружения мошенничества или путем продажи собственных данных другим компаниям… и т. д.
Эта технология может выходить за рамки упомянутых примеров и может охватывать многие области.
На самом деле искусственный интеллект присутствует везде, от киносъемки (глубокие подделки, интеллектуальные звуковые прогнозы…) до рекламы (предсказания ставок в реальном времени «RTB»…) в область медицины (от медицинской визуализации до анализа геномов и открытия новых лекарств, до обнаружения рака и опухолей, болезни Альцгеймера и исследований мозга).
Вся отрасль здравоохранения находится в состоянии трансформации, и технологии искусственного интеллекта способствуют улучшению.
На рисунке ниже показаны грубые карты внимания, созданные с использованием модели глубокого обучения, которая способна классифицировать опухоль головного мозга как один из шести распространенных типов с помощью одного 3D-МРТ, согласно исследованию, опубликованному в Radiology.
ИИ и все его различные реализации помогли людям преодолеть множество трудностей, преодолеть многие проблемы и устранить существующие пробелы, которые не могли сделать многие поколения до этого.
И, например, проблемы, которые пандемия COVID-19 создала для многих систем здравоохранения, также побудили многие медицинские организации по всему миру начать полевые испытания новых технологий с поддержкой ИИ, таких как алгоритмы, предназначенные для помощи в мониторинге пациентов, и инструменты на основе ИИ для скрининг пациентов с COVID-19… и т. д.
при этом первая точка идет на компьютеры. компьютеры 1–0 мозг
Человеческий мозг сложнее любой другой известной структуры во Вселенной.
Можно подумать, что результат в первой части статьи был недостаточно справедливым, но чтобы направить вас в другой горизонт, следует проследить, что будет дальше, потому что мы погружаемся глубоко в архитектуру мозга и компьютера и видим, насколько интересны оба компонента. являются.
Лекс Фридман сказал в одной из своих лекций о Глубоком обучении: Эта визуализация (gif ниже) — это всего лишь 3% нейронов в нашем мозгу таламокортикального система, та волшебная вещь между нашими ушами, которая позволяет всем нам видеть, слышать, думать, рассуждать, надеяться, мечтать и бояться нашей возможной смерти.
Все это то, что мы хотим понять. Это мечта об искусственном интеллекте и воссоздании его версий, его отголосков в разработке наших интеллектуальных систем. Это мечта.
Так почему же ученые и инженеры в области ИИ так одержимы пониманием сложности человеческого мозга?
Чтобы обучить компьютерные алгоритмы ИИ понимать такие сложные или даже самые простые задачи, как отличить изображения кошек от собак, требуется много изображений в качестве входных данных для алгоритмов нейронной сети ИИ, и этот процесс займет от нескольких часов до нескольких дней. результаты.
На самом деле, обучающие модели ИИ в некоторых случаях потребляют энергии, используемой для обучения, более чем в 3 раза больше, чем годовое потребление энергии среднего американца.
С другой стороны, нашему мозгу достаточно нескольких картинок и названий животных, и они обрабатываются и запоминаются за считанные секунды; это мощная вычислительная обработка. а стоило бы понять как это работает!
Чтобы понять, что происходит внутри как человеческого мозга, так и компьютеров, нам нужно изучить обе архитектуры и посмотреть, какие различия приводят к различным результатам вычислений.
АРХИТЕКТУРА ПРОЦЕССОРОВ!
В классической архитектуре фон Неймана (известная архитектура компьютерного оборудования, которая используется до сих пор) программы и данные хранятся в памяти. процессор и память разделены, а данные передаются между ними. В такой конфигурации задержка неизбежна.
на рисунке ниже вы можете увидеть непрерывную связь между центральным процессором (ЦП), где происходит вся обработка (математическая и логическая), и памятью с использованием шин (зеленые цветные строки).
это означает, что независимо от того, насколько быстро может работать данный процессор, по сути, он ограничен скоростью передачи, разрешенной шинами данных.
По мере увеличения скорости процессор все больше времени простаивал, ожидая выборки данных из памяти.
И со всеми различными архитектурами, которые существуют сегодня в наших устройствах; мы даже не можем приблизиться к производительности мозга (как показано на рисунке ниже), но, что наиболее важно, текущие архитектуры процессоров не смогут запускать будущий ИИ, так как даже суперкомпьютеры изо всех сил пытаются запустить некоторые модули ИИ с классической архитектурой.
как на этом графике, построенном на основе последних данных,
Узкое место фон Неймана часто считалось проблемой, которую можно преодолеть только путем значительных изменений в архитектуре компьютера или процессора. Вот почему нам нужны лучшие машины!
МОЗГ "АРХИТЕКТУРА"
Человеческий мозг — самый мощный суперкомпьютер в мире. Он помогает нам ориентироваться в окружающей среде, выполняя около тысячи триллионов логических операций в секунду. Он компактен, потребляет меньше энергии, чем лампочка, и имеет потенциально бесконечный объем памяти.
Что же делает мозг таким сложным и волшебным?
Мозг вычисляет параллельнопоскольку электрически активные клетки внутри него, называемые нейронами, работают одновременно, и непрерывно нейроны влияют на электрические импульсы друг друга через соединения. называются синапсами. (узнать больше о вычислительной нейронауке).
Когда информация проходит через мозг, он обрабатывает данные как очередь импульсов, которые распространяются по его нейронам и синапсам.
Чтобы лучше проиллюстрировать, можно распознать слова в этом абзаце из-за особого паттерна электрической активности в вашем мозгу, вызванного входом от ваших глаз, что вы можете распознать слова в этом абзаце. абзац.
В мозгу нет отдельных модулей для обработки и памяти, как в архитектуре фон Неймана.
Вместо этого нейроны объединяют (совместно размещают) память и обработку в одном блоке. Проще говоря, процессор и память в человеческом мозгу не разделены, а существуют в одном месте.
Эта синаптическая «пластичность» лежит в основе как кратковременной, так и долговременной памяти и, таким образом, лежит в основе того, как мы учимся.
Когда мы выполняем задачу, которая представляет собой вычислительную задачу в нашем мозгу, мы потребляем лишь крошечную часть всего количества нейронов. Это причина, по которой человеческий мозг чрезвычайно эффективно питается; мы потребляем 20 ватт энергии и способны достичь одного exaFLOP(1⁰¹⁸ операций с плавающей запятой в секунду).
До сих пор, с быстрым развитием машинного обучения (ML), мы также сталкиваемся с другой проблемой — энергопотреблением. Наше путешествие к истинному ИИ может замедлиться или даже стать невозможным из-за ограничений мощности.
Давайте представим это в перспективе: самый быстрый в мире суперкомпьютер IBM Summit потребляет 30 мегаватт энергии и способен совершать 200 махов, человеческий мозг потребляет 20 ватт энергии и способен на 1 экзафлопс, что в пять раз превышает вычислительную мощность IBM Summit.
не забывая отдать должное человеческому мозгу за создание ИИ и оборудования, которое его запускает, человеческий мозг получает за это балл (1–1).
Возможно, мы только что осознали, что, поскольку наши технологии и наши процессоры / графические процессоры очень продвинуты, мы еще не можем или не способны достичь того, что может сделать человеческий мозг. вот почему нам нужны новые аппаратные технологии, чтобы конкурировать с этим сложным биологическим органом. чтобы осуществить мечту о будущем ИИ!
так что очевидно, что на данный момент мозг является большим победителем по сравнению с компьютерами [мозг 2–1 компьютер].
ПОЧЕМУ МЫ НЕ ВЗЯТЬ ЭТУ УДИВИТЕЛЬНУЮ СЛОЖНУЮ АРХИТЕКТУРУ ЧЕЛОВЕЧЕСКОГО МОЗГА И ПОСТАВИТЬ ЕЕ В ТВЕРДОЕ СОСТОЯНИЕ (аппаратные средства наших устройств)? ИЛИ ЭТО ВООБЩЕ ВОЗМОЖНО?!
Нейроморфные вычисления, оборудование, работающее как мозг!
Угадайте, что! Да, это возможно! ,иэто именно то, что сделали ученые, создав новую эволюционную аппаратную технологию под названиемНейроморфные вычисления.
Внутри нейроморфного компьютера есть совершенно другой основной компонент — электронный мозг; Искусственный, но физически аналог нейронов и синапсов, общающихся с помощью электрических сигналов, который намного ближе, быстрее и гораздо более энергоэффективен, чем аппаратная эмуляция биологического мозга.
Мемристоры
Чтобы сделать чипы на синаптической основе, ответ дает мемристор, это устройство, состоящее из двух металлических электродов, разделенных тонкой пленкой диоксида титана. или TiO2.
К преимуществам мемристорной технологии относятся следующие:
- Мемристоры не потребляют энергию в режиме ожидания и удобны для CMOS-интерфейсов.
- Плотность позволяет сохранять дополнительную информацию.
- Позволит ускорить загрузку, поскольку информация не теряется при выключении устройства.
- Мемристор = жесткий диск + оперативная память.
- Он потребляет меньше энергии и выделяет меньше тепла.
Узнайте больше о том, как работают мемристоры → здесь.
Подходит ли нейроморфный метод для машинного обучения с помощью нейронных сетей?
Это изображение массива мемристоров, полученное с помощью электронного микроскопа. (Изображение: Yeonjoo Jeong, группа наноэлектроники, Мичиганский университет)
Тесты показали увеличение производительности на 10 миллионов для машинного обучения, поскольку физическая архитектура использует нейроморфную парадигму, которая намного ближе к абстракциям.
Нейронные сети — это настоящие нейронные сети, основанные на электронном оборудовании.
Итак, с мемристорами и технологиями нейроморфной инженерии наступает конец одной эры… и начало другой… эры мощных нейронных сетей и машинного обучения!
Обе архитектуры очаровательны, первая — одна из самых сложных систем в этой вселенной, где даже ученые не могут ни понять и охватить ее, ни разгадать тайну ее функции, чтобы лучше понять, как она работает на самом деле и что делает ее очень мощной. конкурентный процессор и отличный контейнер памяти.
Этот орган является созданием второй архитектуры, его концепция может показаться простой, но это один из самых сложных объектов, когда-либо созданных людьми, поэтому он является причиной, которая привела к существованию новую человеческую революцию.
И человеческий мозг получает балл за это.
Возможно, я хотел бы рассказать о том, как человеческий мозг может быть уязвимым для многих вещей, которые могут повлиять на его работу. в панике Под давлением события
Большинство из нас беспокоятся о том, как нас видят другие, о том, куда направляется наша карьера, и о важных вещах в нашей жизни. что мы забыли. Мы жаждем любви, но беспечны и нечувствительны к тем, кто рядом с нами.
Наши тела имеют ряд постыдных привычек и уязвимых мест…. это то, что делает нас людьми! Но мы не можем отрицать, что у компьютеров нет таких уязвимостей.
По этой причине компьютеры получают балл за это.
Сказав это, мы говорили о том, как сложный орган помог улучшить компьютерное оборудование, и с этим улучшением взамен наш мозг получил много преимуществ!
«Лучшее понимание человеческого мозга — одна из задач 21 века. У нас растет количество людей, страдающих нейродегенеративными заболеваниями, страдающих большой депрессией, другими психическими заболеваниями. Нам нужны новые инструменты для диагностики и более эффективные методы лечения этих заболеваний головного мозга. А поскольку мы живем в условиях стареющего населения, то эти болезни, безусловно, будут играть большую роль в будущем».
ТЕХНОЛОГИЯ ИНТЕРФЕЙСА МОЗГ-КОМПЬЮТЕР, ТЕХНОЛОГИЯ, КОТОРАЯ ИЗМЕНИТ ВСЕ…
Интерфейс мозг-компьютер (BCI) — это технология, которая связывает человеческий мозг с машиной, используя данные/сигналы мозга или нейросистемы для управления или выполнения определенной деятельности. это может звучать как какая-то технология из фантастического фильма, но это реально.
Эта технология позволяет людям управлять многими устройствами, просто подумав об этом, как здорово, правда?
BCI помогает при ограниченных возможностях человека (функциональных и физических), а также при заболеваниях головного мозга и психических заболеваниях, а также при коммуникативных трудностях, способ улучшить человеческую жизнь и еще больше изменить ход человеческой эволюции.
Как же работает эта технология?
В системе BCI есть 3 компонента:
Диаграмма, показывающая, как может выглядеть новая тюбетейка для отслеживания сна и как она будет работать. https://newatlas.com/science/brain-cleaning-skullcap-sleep-glymphatic-system-us-army/
1- Физическое оборудование: отвечает за сбор ДАННЫХ из мозга/нейросистемы.
Физическое оборудование может быть инвазивным или неинвазивным. большинствонеинвазивных систем BCI используютсигналы электроэнцефалограммы (ЭЭГ) для обнаружения электрической активности в головном мозге с помощью небольших металлических дисков (электродов), прикрепленных к коже головы. .
Этот метод проще, безопаснее и безболезненнее. в этом случае устройство BCI представляет собой портативную и носимую гарнитуру.
Инвазивные BCI, с другой стороны, внедряются непосредственно в серое вещество мозга, для этого требуется нейрохирургия, а реализованное устройство представляет собой чипы с тысячами штифтов/электродов для обнаружения мозга. сигналов и передавать данные на компьютеры по беспроводной сети.
Этот метод более эффективен в считывании сигналов, поэтому он производит качественные и точные сигналы мозга, однако он сложен и может быть небезопасным даже при использовании передовых роботизированных хирургических технологий.
Самой известной инвазивной технологией BCI является новая компания Илона МАСКА NEUROLINK».
2- Программное обеспечение: для обработки собранных данных (с использованием алгоритмов обработки сигналов и машинного обучения).
Различные полосы частот мозга (классифицированные в зависимости от того, какую деятельность пользователь выполняет в данный момент) являются входными характеристиками для алгоритмов глубокого обучения или машинного обучения, и цель состоит в том, чтобы декодировать нейронные сигналы.
Чтобы узнать больше об алгоритмах глубокого и машинного обучения BCI: https://www.hindawi.com/journals/sp/2020/5762149/
3- Действие: развертывание программного обеспечения на машинах, которые преобразуют результаты программного обеспечения в действия.
Как только алгоритм может переводить входные данные с помощью ИИ, программное обеспечение может генерировать некоторые выходные данные, например, движение механической руки, письмо и текстовые сообщения (концепция проекта Facebook (Meta) BCI), управление роботами, игра в видеоигры, а также возможно, контроль воспоминаний и мыслей (NEUROLINKбудущая цель)…
Компьютер здесь многое сделал для нас, в данном случае мы можем согласиться, что дело в компьютере [Компьютер 3–3 мозг]
На этом конкуренция не заканчивается, и это может показаться несправедливым, поскольку человеческий мозг развивался тысячи лет, но, с другой стороны, компьютеры, аппаратное и программное обеспечение находятся в новом, но постоянном развитии и совершенствовании!
Но, не забывая, ученые все еще пытаются понять, как триллионы нейронов связаны внутри нашего мозга, и по мере того, как мы узнаем, человеческие технологии также будут улучшаться.
И вопрос здесь в том, возьмут ли однажды компьютеры и ИИ верх, ведь некоторые современные технологии уже могут управлять нашим мозгом?
и положит ли это конец человеческой эре? и каково было бы жить в таком мире? … много вопросов, но я думаю, что мы все равно скоро узнаем!
окончательно! наслаждайтесь этим изображением, созданным ИИ, дав ему название этой статьи в качестве подсказки к созданию этого произведения искусства!
