Bilmeden Önce Yapay Zeka Ustası Olabilirsiniz. İşte Nasıl.

Jay Daniel Wright



İlk bakışta, Scot Barton bir yapay zeka öncüsü gibi görünmeyebilir. Kendi kendini süren arabalar yapmıyor veya bilgisayarlara bilgisayar oyunlarında insanları ezmeyi öğretmiyor. Ancak Farmers Insurance'daki rolü dahilinde, teknoloji için bir çığır açıyor.

kripto para bir heves mi

Barton, müşteri davranışı ve farklı politikaların tasarımı hakkındaki soruları yanıtlamak için verileri analiz eden bir ekibe liderlik ediyor. Grubu şimdi derin sinir ağlarından karar ağaçlarına kadar her türlü son teknoloji makine öğrenimi tekniğini kullanıyor. Ancak Barton, bunu mümkün kılmak için bir yapay zeka sihirbazları ordusu tutmadı. Ekibi adlı bir platform kullanıyor Veri Robotu , bu tür tekniklerin uygulanmasıyla ilgili birçok zor işi otomatikleştirir.





Sigorta şirketinin DataRobot ile çalışması, yapay zekanın muazzam potansiyelini gerçekleştirmesi için önümüzdeki birkaç yıl içinde nasıl gelişmesi gerekebileceğinin ipuçlarını veriyor. DeepMind'ın oyun oynama yazılımı AlphaGo gibi muhteşem gösterilerin ötesinde, AI, tüm endüstrilerde devrim yaratma ve her türlü işletmeyi daha verimli ve üretken hale getirme gücüne sahiptir. Bu da, genel üretkenliği artırarak ekonomiyi canlandırmaya yardımcı olabilir. Ancak bunun gerçekleşmesi için teknolojinin kullanımı çok daha kolay hale gelmesi gerekecek.

İlgili Hikaye Batı, Çin'in yapay zeka devriminden korkmamalı. Onu kopyalamalı.

Sorun şu ki, mevcut yapay zeka tekniklerinin kullanılmasıyla ilgili adımların çoğu şu anda önemli ölçüde uzmanlık gerektiriyor. Ve her şeyin üzerine daha kullanıcı dostu bir arayüz oluşturmak kadar basit değil, çünkü mühendisler genellikle kodlarını oluştururken ve ince ayarlarken muhakeme ve teknik bilgi uygulamak zorunda kalıyorlar.

Ancak yapay zeka araştırmacıları ve şirketleri artık, yapay zeka algoritmaları geliştirmenin daha zor yönlerini otomatikleştirmek için makine öğrenimini kullanarak teknolojiyi esasen kendi üzerine çevirerek bu sorunu çözmeye çalışıyor. Hatta bazı uzmanlar, teknolojinin uygulamalarını Microsoft Excel'in bugünkü kadar erişilebilir hale getirmek için tasarlanmış yapay zeka destekli işletim sistemlerinin eşdeğerini bile oluşturuyor.



DataRobot bu yönde atılmış bir adımdır. Ham verileri beslersiniz ve platform bunları otomatik olarak temizler ve yeniden biçimlendirir. Ardından, düzinelerce farklı algoritmayı aynı anda çalıştırarak performanslarını sıralar. Barton, belirli bir dolar değerini tahmin edip edemeyeceğini görmek için bir grup sigorta verisi girerek platformu kullanmayı denedi. Standart, elle oluşturulmuş bir istatistiksel yaklaşımla karşılaştırıldığında, seçilen model yüzde 20 daha düşük hata oranına sahipti. Kutunun dışında, tek bir tuşa basarak; Bu oldukça etkileyici, diyor.

AI Becerileri Boşluğu

AI uygulama gerçeği ortaya çıktı bir raporda danışmanlık şirketi McKinsey tarafından bu yılın Haziran ayında yayınlandı. Bu rapor, yapay zekanın, özellikle de makine öğreniminin, imalat, finans ve sağlık hizmetleri de dahil olmak üzere büyük endüstrileri elden geçirebileceği ve 2025 yılına kadar ABD ekonomisine potansiyel olarak 126 milyar dolara kadar katkıda bulunabileceği sonucuna varıyor. Ancak raporun büyük bir uyarısı var: kritik bir yetenek eksikliği .

Mümkün olduğu kadar çok insanı AI kullanmak için eğitmek için kesinlikle büyük bir baskı var (bkz. Andrew Ng'nin Sonraki Numarası: Bir Milyon AI Uzmanını Eğitim). Ancak bu zaman alacak ve herkes bir AI ustası olamaz. Herhangi bir teknolojinin etkisini en üst düzeye çıkarmanın en iyi yolu, onu mümkün olduğunca erişilebilir kılmaktır. AI ancak o zaman sıradan ofislere ve işyerlerine sızmaya başlayacak. DataRobot, bu ayarların bazılarında zaten kullanılıyor.

Jay Daniel Wright



Bir öğleden sonra, DataRobot'un Boston'un finans bölgesindeki ofisi, büyük bir ekranın etrafında dönen bir avuç mühendis dışında terk edildi. Danışmanlardan biri olan Jonathan Dahlberg bana bir demo verdiğinde, şirketin çözümü kesinlikle etkileyici görünüyor. Kredi başvuruları ve ödemelerden oluşan halka açık bir veri seti yüklüyor ve ardından, insanların neden temerrüde düştüğüne dair herhangi bir kalıp olup olmadığını görmek için sistemin bir dizi model geliştirmesini sağlıyor.

ince ayarlı evren çürütüldü

Birkaç saniye içinde ekranda onlarca rakip algoritma beliriyor; en üstte, nispeten seksi olmayan ancak yaygın olarak kullanılan bir gradyan artırma tekniği vardır. XGBoost . Bu, başvuranların gelirinin özellikle önemli olduğunu, ancak kredi istemek için gösterdikleri nedenin de önemli olduğunu çabucak gösterir. Başvurularında bir iş kurmaktan bahseden kişilerin özellikle kötü bir bahis olduğu ortaya çıktı.

Dahlberg, DataRobot'un gerçekten iyi bir veri bilimcisinin uzmanlığı veya becerisiyle eşleşebileceğini, ancak daha geniş bir perspektif sunabileceğini söylüyor. Bir kişi belirli bir tekniğe çok fazla güvenebilir ve DataRobot otomatik olarak temelde daha iyi bir yaklaşım ortaya çıkarabilir. Bir kullanıcının Python veya R programlama dillerini kullanarak temeldeki algoritmayı manuel olarak değiştirmesi de mümkündür. Yakından incelemeden, sistemin veri temizleme ve özellik gibi veri biliminin bazı daha zor yönlerini ne kadar iyi otomatikleştirdiğini bilmek zor. mühendislik, ancak şaşırtıcı bir miktarla ilgileniyor gibi görünüyor.

Şirketin CEO'su Jeremy Achin, izledikten sonra bir şirket kurmak için ilham aldı. Sosyal ağ MIT yakınlarında kahve içmek için buluştuğumuzda biraz utangaçça kabul ettiği gibi. Ancak DataRobot fikrini, bu yılın başlarında Google tarafından satın alınan kitle kaynak platformu Kaggle'daki veri bilimi yarışmalarına katılırken buldu. Kaggle, büyük bir veri kümesinden belirli bir tahminde bulunmada en iyi performansı gösteren algoritma için ödüller sunar. Bu görev, tipik olarak, verileri besleyen bir makine öğrenimi algoritması geliştirmeyi içerir. Kaggle'ın erken dönem en iyi yarışmacılarından biri olan Achin, her yarışmada yer alan birçok adımı otomatik hale getirdiğini fark etti. Yeterince veri seti, yeteri kadar problem toplar ve yeterince deney yaparsak, makine öğrenimi üzerinde makine öğrenimi yapabileceğimizi düşündüm. Orijinal fikir buydu, diyor.

Fikir açıkça yatırımcılar arasında yankı buldu. 2012 yılında başlatılan DataRobot, yaklaşık olarak Kaggle'ın satın alındığı dönemde, bu Mart ayında 54 milyon doları da dahil olmak üzere 100 milyon dolardan fazla para topladı. Şirket, halihazırda 100'den fazla müşterisi olduğunu söylüyor. Achin, bu kavramın, becerilerinin otomatikleştirilemeyeceğini düşünen veya olacağından endişelenen birçok veri bilimcisi arasında çok daha az popüler olduğunu söylüyor. Ancak çoğu işletmenin yapay zekadan yararlanmak istiyorlarsa başka seçeneği olmayacağına inanıyor. LinkedIn'de kaç kişinin unvanını 'veri bilimcisi' olarak değiştirdiği umurumda değil, diyor. İğneyi hareket ettirmeyeceksin.

Kendi Kendine Öğrenen Sistemler

Veri bilimcilerin eksikliği, diğer birçok kişiye makine öğrenimini otomatikleştirme konusunda ilham veriyor. AI'nın giderek daha fazla yönünü otomatikleştirmek için tekniklerini kullanma konusunda artan sayıda araştırma makalesi ortaya çıkıyor.

çete takip zihin kontrolü

Dünyanın en büyük AI oyuncularından biri olan Google da dikkatini bu fikre çeviriyor. Google, güçlü AI algoritmaları geliştirmek ve bunları hizmetlerinde dağıtmak için muazzam meblağlar yatırdı. Ancak şirket, bulut hizmetlerine daha fazla yapay zeka eklemek istiyor. Görüntü veya metin sınıflandırması için basit araçların ötesine geçmek, makine öğrenimi modellerinin eğitiminde yer alan işlerin daha fazlasını otomatikleştirmek anlamına gelecektir.

Jay Daniel Wright

Google'ın yapay zeka çabalarına liderlik eden İskoç bilgisayar mühendisi John Giannandrea, amacın bu teknolojiyi daha erişilebilir hale getirmek olduğunu söylüyor. Böylece herhangi biri 'Bana tahmine dayalı bir model oluşturun' diyebilir ve o harekete geçer ve yapar.

Bu yılın başlarında şirket, derin öğrenme sinir ağlarını ayarlama sürecini otomatikleştirmenin deneysel bir yolunu göstererek bu hedefe yönelik bazı önemli ilerlemeler olduğunu duyurdu (bkz. Bunlar belki de piyasadaki en güçlü makine öğrenimi algoritmalarıdır ve görüntü ve ses tanımada son teknolojiyi önemli ölçüde geliştirmişlerdir. Ama aynı zamanda mühendislikleri de çok zor. Giannandrea, bu çalışmanın bazı durumlarda elle geliştirilen sistemlerin performansıyla eşleşen bazı çok umut verici sonuçlar verdiğini söylüyor. Ve Google'ın önümüzdeki aylarda daha fazla sonuç yayınlamasını bekliyor.

Diğerlerinin daha da büyük tasarımları var. Eric Xing Örneğin, Carnegie Mellon Üniversitesi'nde bir profesör, farklı makine öğrenimi bileşenlerinden oluşan bir işletim sistemi geliştiriyor. Bu işletim sistemi, yapay zeka tasarlama ve eğitimindeki karmaşıklığın çoğunu soyutlamak için sanallaştırma ve makine öğrenimini kullanır. Hatta belirli bir veri setinde bir makine öğrenimi modelini eğitmek için kullanılabilecek bir grafik kullanıcı arayüzüne sahiptir.

devamsızlıklar kalbin daha da büyümesini sağlar

Xing, Çin'de eğitim gördü ve şimdi AI dünyasında tanınmış bir isim olan Andrew Ng ile birlikte UC Berkeley'de okudu. Çok kibar ve insanların bilgisayar kullanma şeklini yeniden icat etme konusunda şaşırtıcı derecede rahat. Xing, AI işletim sisteminin Microsoft'un elektronik tablo paketi Excel gibi kullanımı kolay hale geleceğini öngörüyor. Bu, AI'nın tamamında temel bir sorundur, diyor. Giriş engeli çok yüksek.

Xing bir şirket kurdu, petum , işletim sistemini geliştirmek ve makine öğrenimini tıbba getirmeyi amaçlayan bir dizi araç yarattı. Doktorlar bir arayüz ve tıbbi kayıtlar, görüntüler istiyor - her biri farklı bir makine öğrenimi yaklaşımı gerektiriyor, diyor. Petuum ayrıca platformunu piyasaya sürmeye hazırlanıyor.

Petuum'un işletim sistemi ve yapay zekayı otomatikleştirmeye yönelik diğer araçlar, bazı benzersiz zorluklarla karşılaşacak. Halihazırda makine öğrenimi algoritmalarının eğitim verilerinden önyargıları istemeden absorbe etmesiyle ilgili endişeler var ve bazı modeller dikkatlice incelenemeyecek kadar opaktır (bkz. Yapay Zekanın Kalbinde Karanlık Sır ). AI'nın kullanımı çok daha kolay hale gelirse, bu sorunların daha yaygın ve daha yerleşik hale gelmesi olasıdır.

Makine öğrenimini gerçekten iyi yapmak için bir doktora ve yaklaşık beş yıllık deneyime ihtiyacınız var, diyor Zengin Caruana , yaklaşık 20 yıldır veri bilimi yapan Microsoft'ta kıdemli bir araştırmacı. Birçok tuzak var. Algoritmanız altı ay sonra sona eriyor mu ve yorumlanabilir mi?

Caruana, bir veri bilimcinin bu tür sorunlara karşı korunmak için atması gereken bazı adımları otomatikleştirmenin mümkün olduğuna inanıyor - bir pilotun uçuş öncesi kontrol listesine benzer bir şey. Ancak her şeyi otomatikleştirmeyi vaat eden sistemlere çok fazla güvenmemeye dikkat ediyor. Biliyorum, diyor çünkü yol boyunca ayak parmağımı inatladım.

saklamak

Gerçek Teknolojiler

Kategori

Kategorize Edilmemiş

Teknoloji

Biyoteknoloji

Teknoloji Politikası

İklim Değişikliği

İnsan Ve Teknoloji

Silikon Vadisi

Bilgi Işlem

Mit Haber Dergisi

Yapay Zeka

Uzay

Akıllı Şehirler

Blok Zinciri

Özellik Hikayesi

Mezun Profili

Mezun Bağlantısı

Mit Haber Özelliği

1865

Benim Görüşüm

77 Toplu Cadde

Yazarla Tanışın

Cömertlik Içindeki Profiller

Kampüste Görüldü

Mezun Mektupları

Haberler

Seçim 2020

İle Indeksi

Kubbenin Altında

Yangın Hortumu

Sonsuz Hikayeler

Pandemi Teknoloji Projesi

Başkandan

Kapak Hikayesi

Fotoğraf Galerisi

Tavsiye