Le scoperte AI (Intelligenza Artificiale) di quest'anno

[ad_1]

<div _ngcontent-c17 = "" innerhtml = "

Quando si tratta di AI (Intelligenza Artificiale), i VC (venture capitalist) continuano ad essere aggressivi con i loro finanziamenti. & Nbsp; Durante il terzo trimestre, 965 aziende legate all'AI negli Stati Uniti hanno raccolto un totale di $ 13,5 miliardi. & nbsp; In effetti, quest'anno dovrebbe registrare un record di finanziamenti totali (il totale dell'anno scorso è stato di $ 16,8 miliardi). & nbsp;

Alcune delle offerte sono state, beh, sbalorditive. & Basta guardare il miliardo di dollari che Microsoft ha sborsato per un partecipazione azionaria in OpenAI (la società è una delle poche a perseguire un'intelligenza artificiale forte).

Qual è stato il risultato di tutta questa attività? Quali sono state le scoperte per l'IA quest'anno?

Ce ne sono in abbondanza:

Guy Caspi, CEO di Deep Instinct:

“Un'area che è particolarmente interessante è Generative Adversarial Networks (GAN). Nel maggio 2019, i ricercatori Samsung hanno dimostrato un sistema basato su GAN che produceva video di una persona che parlava con una sola foto di quella persona fornita. Quindi, nell'agosto di quest'anno, un ampio set di dati composto da 12.197 brani MIDI, ciascuno con i propri testi e melodie, è stato creato attraverso la generazione di melodie neurali dai testi utilizzando GAN-LSTM condizionale ”.

Sheldon Fernandez, che è il CEO di DarwinAI:

"Anche se in qualche modo non rispettato nei circoli tradizionali, l'ascesa di modelli linguistici su larga scala basati su trasformatori come BERT e ROBERTa ha rappresentato uno sviluppo estremamente significativo nel regno dell'elaborazione del linguaggio naturale (PNL), ottenendo prestazioni all'avanguardia in linguaggio generale Comprensione della valutazione (GLUE). & Nbsp; Considerato da molti come il "momento ImageNet" per la PNL, numerosi team, incluso il nostro, si sono basati su tale lavoro per compiti critici come il rilevamento di notizie false ".

Seth Siegel, che è il partner di Artificial Intelligence & amp; Automazione a Consulenza Infosys:

"Tensorflow quando rilasciato ha preso d'assalto il mondo della scienza dei dati, tuttavia, come tutte le grandi tecnologie, i crescenti problemi di dover integrare più componenti indipendenti come Keras hanno fornito esperienze di sviluppo scadenti e hanno rallentato i progetti. & Nbsp; Con il rilascio di Tensorflow 2.0 e l'integrazione di Keras, data scientist e sviluppatori stanno rapidamente sviluppando modelli ed eliminando i colli di bottiglia nel processo di sviluppo del modello. & nbsp; Siamo entusiasti di vedere la rapida iterazione degli strumenti e degli ambienti sottostanti che aiutano a costruire il mondo dell'IA. "

Krishna Gade, che è il CEO di Fiddler Labs:

"L'intelligibilità artificiale ha colpito il mainstream. Tecniche basate sull'economia classica come il valore di Shapley hanno acquisito importanza e le aziende le stanno adottando per convalidare i modelli di intelligenza artificiale, spiegare le prestazioni agli stakeholder aziendali e anche comprendere il valore dei set di dati di formazione forniti ai modelli di intelligenza artificiale.

“Anche l'apprendimento per rinforzo sta guadagnando slancio, soprattutto nei luoghi in cui i dati di formazione sono limitati. Abbiamo visto una bella dimostrazione del cubo di Rubik costruito da una mano robotica usando RL ".

Chad Meley, VP of Marketing presso Teradata:

"La visione della vendita al dettaglio ha avuto un anno eccezionale nel 2019, segnando l'inizio dei negozi di" mattoni e malta "che diventano una parte essenziale della trasformazione digitale delle imprese. Gli innovatori del commercio al dettaglio stanno esplorando la visione artificiale abilitata all'intelligenza artificiale per estrarre informazioni significative dalle telecamere a circuito chiuso come i modelli di traffico dei negozi e i tempi di sosta. A differenza di molti casi di utilizzo dell'IA aziendale che migliorano l'efficacia dei modelli di generazione precedente, la visione al dettaglio ha un certo fattore di freschezza derivante dalla generazione di approfondimenti da insiemi di dati precedentemente intrattabili. L'unico modo per osservare le persone che si muovevano o per quanto tempo impiegava un dipendente ad aiutare un cliente era che un'altra persona osservasse fisicamente la situazione. Ora possiamo capire cosa sta succedendo nell'ambiente fisico in un modo che si ridimensiona e funziona continuamente.

"Alcuni dei casi d'uso includono l'analisi del sentiment, che utilizza il riconoscimento facciale per rilevare quando un cliente è frustrato o deliziato, e associa il movimento del tempo, in cui AI monitora e analizza le attività degli addetti alle vendite, ad esempio quanto tempo trascorrono a interagire con i clienti, quanto tempo trascorrono in negozio rispetto alla stanza sul retro, quanto tempo generalmente trascorrono nell'esecuzione di attività a valore aggiunto e così via. "

Flavio Villanustre, VP of Technology & amp; CISSO atLexisNexis Risk Solutions, di cui fa parte relx:

“Il 2019 è stato un anno entusiasmante per AI e Deep Learning. Ci sono state una serie di grandi innovazioni che stanno aprendo la strada a scoperte nel prossimo futuro, come le Capsule Networks di Geoffrey Hinton, che forniscono ai computer la capacità di identificare modelli visivi in ​​modo molto più accurato rispetto ai più tradizionali filtri di rete convoluzionali che venivano Usato. A proposito, nel caso in cui non lo sapessi già, Hinton è stato uno dei tre principali ricercatori mondiali premiati con il Turing Award 2018 per i progressi nelle reti neurali profonde. Le Capsule Networks possono essere applicate direttamente alle applicazioni critiche dell'IA, come la diagnostica medica, l'analisi strutturale e i veicoli di guida autonomi e assistiti. Inoltre, questi e altri progressi nell'intelligenza artificiale stanno contribuendo a portare nuove funzionalità al Computer Aided Design (CAD), in particolare in aree molto complesse e noiose come le nanoparticelle, il design molecolare e la ricerca di materiali. Un diverso tipo di innovazione è venuto dalla disponibilità commerciale di Quantum Computers, con persino un'offerta di Amazon Web Services chiamata BRAKET che intendeva rendere Quantum Computing come servizio ampiamente disponibile. I computer quantistici sono in grado di fornire un'accelerazione così massiccia di determinati compiti relativi all'intelligenza artificiale, che potrebbero cambiare il gioco quando si tratta di utilizzare l'IA applicata a problemi generali a velocità che non possono essere raggiunte con sistemi più tradizionali. "

David Benigson, CEO di Segnale AI:

“Quest'anno abbiamo visto l'intelligenza artificiale evolvere in intelligenza aumentata; una tecnologia creata appositamente per assistere il processo decisionale aziendale anziché sostituirlo. L'intelligenza aumentata guida i risultati aziendali monitorando e sintetizzando per creare intuizioni intelligenti che aiutano a far emergere problemi mai visti prima.

Florian Douetteau, CEO di Dataiku:

"Il linguaggio macchina si sta democratizzando: quest'anno abbiamo visto sempre più persone del settore autorizzarsi e collaborare con le tecnologie per costruire le proprie soluzioni di intelligenza artificiale".

Tom (@ttaulli) è l'autore del libro, & nbsp;Nozioni di base sull'intelligenza artificiale: un'introduzione non tecnica.

">

Quando si tratta di AI (Intelligenza Artificiale), i VC (venture capitalist) continuano ad essere aggressivi con i loro finanziamenti. Nel corso del terzo trimestre, 965 società collegate all'AI negli Stati Uniti hanno raccolto un totale di $ 13,5 miliardi. In effetti, quest'anno dovrebbe registrare un record di finanziamenti totali (il totale dell'anno scorso è stato di $ 16,8 miliardi).

Alcune delle offerte sono state, beh, sconcertanti. Guarda i $ 1 miliardo che Microsoft ha sborsato per una partecipazione azionaria in OpenAI (la società è una delle poche che persegue una forte intelligenza artificiale).

Qual è stato il risultato di tutta questa attività? Quali sono state le scoperte per l'IA quest'anno?

Ce ne sono in abbondanza:

Guy Caspi, CEO di Deep Instinct:

“Un'area che è particolarmente interessante è Generative Adversarial Networks (GAN). Nel maggio 2019, i ricercatori Samsung hanno dimostrato un sistema basato su GAN che produceva video di una persona che parlava con una sola foto di quella persona fornita. Quindi, nell'agosto di quest'anno, un ampio set di dati composto da 12.197 brani MIDI, ciascuno con i propri testi e melodie, è stato creato attraverso la generazione di melodie neurali dai testi utilizzando GAN-LSTM condizionale ”.

Sheldon Fernandez, che è il CEO di DarwinAI:

"Anche se in qualche modo non rispettato nei circoli tradizionali, l'ascesa di modelli linguistici su larga scala basati su trasformatori come BERT e ROBERTa ha rappresentato uno sviluppo estremamente significativo nel regno dell'elaborazione del linguaggio naturale (PNL), ottenendo prestazioni all'avanguardia in linguaggio generale Comprensione della valutazione (GLUE). Considerato da molti come il "momento ImageNet" per la PNL, numerosi team, incluso il nostro, si sono basati su tale lavoro per compiti critici come il rilevamento di notizie false ".

Seth Siegel, partner di Artificial Intelligence & Automation presso Consulenza Infosys:

“Tensorflow, una volta rilasciato, ha preso d'assalto il mondo della scienza dei dati, tuttavia, come tutte le grandi tecnologie, i crescenti problemi di dover integrare più componenti indipendenti come Keras hanno fornito esperienze di sviluppo scadenti e hanno rallentato i progetti. Con il rilascio di Tensorflow 2.0 e l'integrazione di Keras, data scientist e sviluppatori stanno rapidamente sviluppando modelli ed eliminando i colli di bottiglia nel processo di creazione del modello. Siamo entusiasti di vedere la rapida iterazione degli strumenti e degli ambienti sottostanti che aiutano a costruire il mondo dell'IA. "

Krishna Gade, che è il CEO di Fiddler Labs:

"L'intelligibilità artificiale ha colpito il mainstream. Tecniche basate sull'economia classica come il valore di Shapley hanno acquisito importanza e le aziende le stanno adottando per convalidare i modelli di intelligenza artificiale, spiegare le prestazioni agli stakeholder aziendali e anche comprendere il valore dei set di dati di formazione forniti ai modelli di intelligenza artificiale.

“Anche l'apprendimento per rinforzo sta guadagnando slancio, soprattutto nei luoghi in cui i dati di formazione sono limitati. Abbiamo visto una bella dimostrazione del cubo di Rubik costruito da una mano robotica usando RL ".

Chad Meley, vicepresidente del marketing di Teradata:

"La visione della vendita al dettaglio ha avuto un anno eccezionale nel 2019, segnando l'inizio dei negozi di" mattoni e malta "che diventano una parte essenziale della trasformazione digitale delle imprese. Gli innovatori del commercio al dettaglio stanno esplorando la visione artificiale abilitata all'intelligenza artificiale per estrarre informazioni significative dalle telecamere a circuito chiuso come i modelli di traffico dei negozi e i tempi di sosta. A differenza di molti casi di utilizzo dell'IA aziendale che migliorano l'efficacia dei modelli di generazione precedente, la visione al dettaglio ha un certo fattore di freschezza derivante dalla generazione di approfondimenti da insiemi di dati precedentemente intrattabili. L'unico modo per osservare le persone che si muovevano o per quanto tempo impiegava un dipendente ad aiutare un cliente era che un'altra persona osservasse fisicamente la situazione. Ora possiamo capire cosa sta succedendo nell'ambiente fisico in un modo che si ridimensiona e funziona continuamente.

"Alcuni dei casi d'uso includono l'analisi del sentiment, che utilizza il riconoscimento facciale per rilevare quando un cliente è frustrato o deliziato, e associa il movimento del tempo, in cui AI monitora e analizza le attività degli addetti alle vendite, ad esempio quanto tempo trascorrono a interagire con i clienti, quanto tempo trascorrono in negozio rispetto alla stanza sul retro, quanto tempo generalmente trascorrono nell'esecuzione di attività a valore aggiunto e così via. "

Flavio Villanustre, VP of Technology & CISSO presso LexisNexis Risk Solutions, che fa parte di relx:

“Il 2019 è stato un anno entusiasmante per AI e Deep Learning. Ci sono state una serie di grandi innovazioni che stanno aprendo la strada a scoperte nel prossimo futuro, come le Capsule Networks di Geoffrey Hinton, che forniscono ai computer la capacità di identificare modelli visivi in ​​modo molto più accurato rispetto ai più tradizionali filtri di rete convoluzionali che venivano Usato. A proposito, nel caso in cui non lo sapessi già, Hinton è stato uno dei tre principali ricercatori mondiali premiati con il Turing Award 2018 per i progressi nelle reti neurali profonde. Le Capsule Networks possono essere applicate direttamente alle applicazioni critiche dell'IA, come la diagnostica medica, l'analisi strutturale e i veicoli di guida autonomi e assistiti. Inoltre, questi e altri progressi nell'intelligenza artificiale stanno contribuendo a portare nuove funzionalità al Computer Aided Design (CAD), in particolare in aree molto complesse e noiose come le nanoparticelle, il design molecolare e la ricerca di materiali. Un diverso tipo di innovazione è venuto dalla disponibilità commerciale di Quantum Computers, con persino un'offerta di Amazon Web Services chiamata BRAKET che intendeva rendere Quantum Computing come servizio ampiamente disponibile. I computer quantistici sono in grado di fornire un'accelerazione così massiccia di determinati compiti relativi all'intelligenza artificiale, che potrebbero cambiare il gioco quando si tratta di utilizzare l'IA applicata a problemi generali a velocità che non possono essere raggiunte con sistemi più tradizionali. "

David Benigson, CEO di Segnale AI:

“Quest'anno abbiamo visto l'intelligenza artificiale evolvere in intelligenza aumentata; una tecnologia creata appositamente per assistere il processo decisionale aziendale anziché sostituirlo. L'intelligenza aumentata guida i risultati aziendali monitorando e sintetizzando per creare intuizioni intelligenti che aiutano a far emergere problemi mai visti prima. "

Florian Douetteau, CEO di Dataiku:

"Il linguaggio macchina si sta democratizzando: quest'anno abbiamo visto sempre più persone del settore autorizzarsi e collaborare con le tecnologie per costruire le proprie soluzioni di intelligenza artificiale".

Tom (@ttaulli) è l'autore del libro, Nozioni di base sull'intelligenza artificiale: un'introduzione non tecnica.



[ad_2]