Пришло время поговорить об искусственном интеллекте и машинном обучении, роботах в настоящем времени. Они больше не за углом. Они здесь сегодня!
Merrill Lynch, инвестиционное подразделение The Bank of America, прогнозирует, что к 2020 году мировой рынок искусственного интеллекта и роботов приблизится к 153 миллиардам долларов. Более того, в некоторых отраслях производительность труда повысится до 30% за счет внедрения этих технологий.
Полнофункциональный искусственный интеллект (ИИ) ближе, чем мы думаем. Уже существуют рабочие прототипы. Компьютерные инженеры еще не создали настоящего ИИ, но их работа в этой области уже оказала большое влияние на несколько отраслей.
AI vs. ML
Прежде чем рассматривать машинное обучение в различных отраслях, нам нужно взглянуть на разницу между машинным обучением и искусственным интеллектом.
ML и AI почти синонимы. Тем не менее, различие все же есть. Искусственный интеллект - это компьютерная программа. Он способен выполнять то, что обычно могут делать люди, например распознавать речь, переводить с одного языка на другой или принимать решения. Эти компьютерные программы могут предпринимать шаги для достижения определенных целей.
Машинное обучение - это форма ИИ, при которой компьютерные системы фактически обучаются, развиваются, совершенствуются и «развиваются» при вводе новых и / или дополнительных данных. Нет необходимости программировать компьютер в традиционном смысле этого слова. Модели машинного обучения основаны на методах обучения людей.
Интеллектуальные машины на самом деле способны различать потоки новой информации, используя имеющиеся знания, создавая логические связи, комбинируя идеи и следуя образцам мышления, как это делают люди. Как сказал Джен-Хсун Хуанг, генеральный директор Nvidia: «По сути, у вас есть программное обеспечение для написания программного обеспечения».
Глубокое обучение против машинного обучения
В ML также присутствует аспект «глубокого обучения». Глубокое обучение - один из многих подходов к машинному обучению. Другие подходы включают изучение дерева решений, индуктивное логическое программирование, кластеризацию, обучение с подкреплением и байесовские сети, среди прочего.
Глубокое обучение было вдохновлено структурой и функцией человеческого мозга, а именно взаимосвязью многих нейронов и их проводящих путей в мозге. Искусственные нейронные сети (ИНС) - это алгоритмы, имитирующие биологическую структуру мозга.
Искусственный интеллект и машинное обучение играют огромную роль в оптимизации производственных операций. Вы можете использовать AI и ML для повышения эффективности и результативности важных отраслей.
«Железная рука» помощи сталелитейной промышленности
Например, сталелитейные компании могут получить большую выгоду от инструментов искусственного интеллекта, таких как оптимизация на основе машинного обучения, системы управления и датчики. ИИ обладает огромным потенциалом и способностью внедрять различные технологии. В конце концов, производство стали может быть более эффективным и прибыльным.
Давайте рассмотрим две области, в которых машинное обучение может быть использовано в производстве стали.
- Оптимизация производства: когда дело доходит до сталелитейной промышленности, всегда есть несколько незапланированных событий. Например, расплавленная сталь может сломаться и вылиться из формы в процессе литья. Это может замедлить производство стали и даже поставить под угрозу жизнь рабочих. Это может быть опасно и дорого. ML играет важную роль в прогнозировании таких явлений и, таким образом, помогает их минимизировать.
- Профилактическое обслуживание. Сталелитейные компании планируют еженедельные профилактические осмотры. ML может помочь в этой процедуре, спрогнозировав необходимость технического обслуживания для конкретной машины. Таким образом, вместо фиксированных графиков еженедельного обслуживания можно реализовать план обслуживания по мере необходимости. Это жизненно важно для производственных компаний, у которых имеется большое количество промышленного оборудования.
Применение машинного обучения в фармацевтике и медицине
Сфера здравоохранения находится на грани сокровищницы. Чем больше у вас данных в области здравоохранения, тем он успешнее. ML помогает добиться более точного процесса принятия решений. Это также повышает эффективность клинических исследований, испытаний и новых инструментов для врачей и страховых компаний.
Приложения ML для здравоохранения за последние три года привлекли самый высокий уровень финансирования. ML и AI помогают врачам, информируя их о более точных диагнозах своих пациентов благодаря более полному пулу информации в базе данных. Некоторые уникальные сканеры оснащены специальным оборудованием и системами, которые помогают быстрее и точнее находить проблемы со здоровьем.
Новые развивающиеся приложения машинного обучения в фармацевтике и медицине - это лишь проблеск великого будущего в области данных, инноваций и анализа.
1 - Выявление / диагностика заболевания
Выявление и диагностика заболеваний находятся на переднем крае исследований машинного обучения в медицине. ML активно используется для лечения рака. Согласно Отчету о разрабатываемых лекарствах от рака за 2018 год: 1120 лекарств и вакцин от рака в настоящее время разрабатываются американскими биофармацевтическими компаниями, и все они проходят клинические испытания или ожидают рассмотрения Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США (FDA).
Неудивительно, что крупные компании одними из первых последовали их примеру, особенно в таких жизненно важных областях, как выявление и лечение рака. Например, в октябре 2016 года IBM Watson Health анонсировала IBM Watson Genomics, синергетическую инициативу с Quest Diagnostics, цель которой - добиться прогресса в точной медицине. Их цель - объединить синхронизацию когнитивных вычислений и секвенирования геномных опухолей.
2 - Роботизированные операции
Машинное обучение и искусственный интеллект буквально меняют отрасль здравоохранения. Доктора применяют машинное обучение, проводя инвазивные операции с помощью робототехники. Они свидетельствуют о более безопасных и эффективных условиях проведения таких операций. Фактически, некоторые операции выполняются «железной рукой» без прямого контроля человека и достигают более высокого уровня точности.
Робот да Винчи находится в центре внимания на арене роботизированной хирургии. Умелые руки «железного хирурга» используются для выполнения некоторых операций в очень ограниченном пространстве. Это достигается с меньшим дрожанием железной руки, чем если бы процедуры выполнялись руками человека.
В настоящее время роботы, подобные да Винчи, значительно дополняют навыки и знания профессионального хирурга. В будущем ML может быть использован, чтобы позволить роботам, подобным да Винчи, овладеть хирургическим искусством от А до Я, не полагаясь в значительной степени на человеческую ловкость.
Машины недавно обучили копировать картины Ван Гога и Пикассо. Нетрудно представить, когда можно было бы фактически «научить» машины выполнять более точные и точные операции, чем операции, выполняемые рукой человека.
Список того, где ML применяется в фармацевтике и медицине, можно продолжать и продолжать (диагностика в медицинской визуализации, открытие лекарств, персонализированная медицина и т. Д.)
Бизнес и маркетинг переходят на ML
Вторжение ИИ затронуло и бизнес в целом. Согласно исследованию Массачусетского технологического института, из 168 крупнейших компаний мира 76% используют технологии машинного обучения для улучшения своих стратегий роста продаж.
MarketMuse - это помощник по исследованию на базе искусственного интеллекта, который ускоряет создание и оптимизацию контента, чтобы вы могли чаще выигрывать в обычном поиске. Это в основном ставка на ИИ, поскольку он также помогает определить большую часть вашей стратегии контент-маркетинга.
Искусственный интеллект и машинное обучение используются для определения лучших тем для написания и вариантов их более подробного освещения. После этого ваш текущий инвентарь контента анализируется для создания всеобъемлющего плана контента, специально разработанного для вас и вашего веб-сайта. Короче говоря, этот инструмент поможет вам своевременно и актуально, дав вам несколько отличных советов!
Мы уже принимаем как должное механизмы точных рекомендаций, используемые на Amazon, New York Times и Netflix. Вы, наверное, хорошо знаете, насколько умными стали эти двигатели! Двигатели используют определенные алгоритмы обучения. Они изучают ваши прошлые действия и покупки, чтобы дать достаточно точный прогноз того, что вы хотели бы купить, прочитать или посмотреть дальше.
Вы, наверное, испытали, как собственный RankBrain Google становится все умнее и умнее с каждым вводимым вами поисковым запросом в Google. Это не удивительно. Этот мозг на самом деле использует ИИ и учится лучше обрабатывать поисковые запросы и возвращать более релевантные результаты.
Вы, вероятно, привыкаете к умным чат-ботам, которые готовы помочь вам в сети 24 часа в сутки, 7 дней в неделю. Они очень быстро дают обратную связь и очень эффективно предоставляют невероятные аналитические данные и профили клиентов. Повышенная продуктивность. Более высокая прибыль. Что не нравится!
Import.io позволяет пользователям преобразовывать большие объемы данных на веб-сайтах в структурированные машиночитаемые данные без необходимости кодирования. И это бесплатно!
Мы можем продолжать и продолжать. Мы могли бы упомянуть SailThru, который применяет машинное обучение к вашему почтовому маркетингу. iPhone 7 использует ML в качестве супер-крутой камеры, которая со временем будет делать более качественные снимки! Выявление мошенничества также возможно в режиме реального времени. Это возможно благодаря тому факту, что все больше и больше систем безопасности используют машинное обучение со своими алгоритмами машинного обучения больших данных.
У нас недостаточно времени, чтобы описать, насколько сильно машинное обучение повлияло на социальные сети и продолжает их формировать. Будь то приложения для обмена сообщениями или наука о данных, машинное обучение и искусственный интеллект делают все возможное, продолжая революционизировать цифровой мир.
ИИ в индустрии СМИ и развлечений
После определенных достижений в области машинного обучения многие умные продукты перешли из научно-фантастических фильмов в дома. Виртуальный помощник JARVIS (Just A Rather Very Intelligent System) супергероя Ironman находит отражение в умных помощниках, таких как Alexa и Google Assistant. Он может не задерживать преступников, но может выполнять ряд практических задач с помощью домашних устройств IoT. NVIDIA использует технологию VR для создания Holodeck, похожего на один из научно-фантастического сериала Star Trek.
Технологии машинного обучения и искусственного интеллекта используются для создания фильмов, улучшения визуального дизайна, постпродакшна и многих других процессов.
Приложения искусственного интеллекта в индустрии M&E существуют в основном в четырех категориях: маркетинг и реклама, понимание услуг, поиск и классификация, а также внедрение инноваций.
Давайте посмотрим на маркетинг и рекламу. Алгоритм машинного обучения, обученный с такими данными, как текст, кадры и видеофрагменты, может извлекать язык, объекты и концепции из своих учебных ресурсов и предлагать маркетинговые и рекламные решения для повышения эффективности.
Например, трейлер фильма ужасов Морган был создан системой IBM AI Watson. Система ИИ была обучена анализировать и классифицировать 100 фильмов ужасов, чтобы узнать, какие моменты ужасов должны появляться в типичном трейлере фильма. У Уотсону потребовалось всего 24 часа, чтобы составить шестиминутный трейлер к этому фильму. Людям-профессионалам, вероятно, потребовались бы недели для производства такого клипа.
Заключение
ИИ и машинное обучение появляются повсюду. Их можно увидеть в сфере образования, транспорта или финансовых услуг, что может стать отдельной статьей для следующего блога. Системы машинного обучения продолжают прокладывать новый путь человечеству. Машинное обучение влияет на целые отрасли и будет продолжать это делать.
Прогноз таков: искусственный интеллект, машинное обучение, современная робототехника и системы автоматизации, скорее всего, в ближайшем будущем повлияют на все отрасли - от розничной торговли и обслуживания клиентов до общественного транспорта. В этом отношении будущее, безусловно, светлое. Как говорится: нет предела! Приходите и посмотрите, как ML может улучшить ваш бизнес или отрасль с помощью нашей команды разработчиков!
