Это эпоха науки о данных. Революция в информационных технологиях, охватившая мир в последние десятилетия, достигла точки, когда огромные объемы данных собираются и распространяются непрерывно, мощные вычислительные платформы, способные обрабатывать эти данные, и необычайные преимущества, ожидающие тех, кто может понять их все.
Войдите в науку о данных, междисциплинарную область, в которой используются научные методы, процессы, алгоритмы и системы для извлечения знаний и практических идей из данных, а затем применяются знания и идеи в широком диапазоне областей приложений. Наука о данных опирается на большие данные - огромные объемы данных, которые экспоненциально растут со временем, что приводит к настолько большим наборам данных, что традиционные инструменты управления данными не могут эффективно обрабатывать данные или делать точные прогнозы на основе сложной, многомерной, нелинейной динамики.
Эта ситуация требует искусственного интеллекта (ИИ) - моделирования человеческого интеллекта в машинах, которые запрограммированы думать, как люди, и имитировать их действия, и которые проявляют черты, связанные с человеческим разумом, такие как обучение и решение проблем. Машинное обучение (ML), в свою очередь, является ветвью ИИ, основанной на идее, что системы могут учиться на данных, выявлять закономерности и принимать решения с минимальным вмешательством человека.
Это работает так, что мы собираем больше данных и, анализируя их, выявляем тенденции и идеи и делаем более точные прогнозы. Например, большие данные и AI / ML широко используются для питания беспилотных автомобилей, Google Maps, приложений для совместного использования пассажиров, таких как Uber и Lyft, и коммерческих рейсов, которые полагаются на автопилот AI.
ИИ оказался особенно надежным в работе по прогнозированию COVID-19. Например, моя команда разработала общую основу для создания надежной эпидемиологической модели на основе данных, состоящей из рабочего процесса, который объединяет такие элементы, как сбор данных, временные рамки событий, разработка модели и прогнозирование в условиях неопределенности в различных сценариях.
Используя эту структуру, мы создали модель для оценки воздействия различных политик контроля для смягчения распространения пандемии коронавируса. Затем мы применили эту структуру к модифицированной модели «восприимчиво-подвержены-инфицированы-восстановлены» (SEIR) в Нью-Йорке. Мы обнаружили, что можем точно прогнозировать ежедневные новые случаи заражения, госпитализации и смерти, что соответствует имеющимся данным на веб-сайте Нью-Йорка. Кроме того, мы использовали модель для изучения эффектов вакцинации и сроков открытия закрытых столовых в Нью-Йорке, а также проанализировали эпидемиологические модели с помощью нейронных сетей, основанных на физике.
Сегодня ИИ и машинное обучение имеют решающее значение для всех областей. Например, наша консультационная служба Purdue по науке о данных предоставляет практическую консультационную поддержку по анализу данных и бизнес-аналитике для решения проблем, связанных с наукой о данных в исследованиях, образовании, а также в управлении бизнесом и организациями. Мы будем сотрудничать с государственными учреждениями, национальными лабораториями и корпоративными партнерами. На сегодняшний день мы подали два патента в Управление коммерциализации технологий Purdue Research Foundation: один касается использования алгоритмов искусственного интеллекта / машинного обучения для прогнозирования свойств микроструктуры литий-ионных аккумуляторов, а другой - системы контурной обработки на основе машинного обучения для высокочастотных сигналов, четыре -мерное ультразвуковое исследование сердца и фотоакустическая визуализация.
Алгоритмы AI / ML будут продолжать стимулировать технологические инновации во многих областях. В производстве, например, роботы на базе искусственного интеллекта / машинного обучения будут работать вместе с людьми для выполнения ограниченного круга задач, таких как сборка и штабелирование, а датчики, управляющие прогностической аналитикой на основе искусственного интеллекта, помогут обеспечить бесперебойную работу оборудования. В сфере транспорта ИИ сократит количество поездок на беспилотных автомобилях, что приведет к меньшему количеству аварий. В здравоохранении ИИ будет играть жизненно важную роль в обнаружении болезней и открытии лекарств.
Короче говоря, искусственный интеллект, часто связанный с машинным обучением, меняет наш образ жизни, и мы можем ожидать, что эта тенденция усилится.
Гуан Линь, доктор философии
профессор школы машиностроения, инженерный колледж; и факультеты математики, статистики (любезно) и наук о Земле, атмосфере и планетах (любезно), Научный колледж
Директор Консультационной службы по науке о данных
Ученый факультета университета
Член совета факультета Инженерная инициатива Purdue в области данных и инженерных приложений
Университет Пердью
Ссылки по теме
Веб-семинар« Инженерное дело на высоте : Как наука о данных и искусственный интеллект повлияют на постпандемическое будущее здравоохранения?»
Purdue Today: создана консультационная служба по науке о данных
Сайт Консультационной службы по науке о данных
Образовательная экосистема науки о данных получит выгоду от последнего раунда финансируемых проектов
