ACER_09_SWIFT5 ACER_09_SWIFT5 ACER_09_SWIFT5 Advertisement

AI platformy / Strojové učenie ako služba

0

Pred takmer dvoma rokmi spoločnosť Seattle Sport Sciences, ktorá poskytuje údaje vedeniam futbalových klubov, trénerom a hráčom na zlepšenie tréningu, začala s vývojom systému, ktorý sleduje fyziku lopty a pohyby hráčov vo videozáznamoch. Na jeho vytvorenie spoločnosť potrebovala označiť milióny snímok z videa, aby naučila počítačové algoritmy, čo majú hľadať. Najprv si preto najala malý tím, ktorý sedel pred počítačovými monitormi a identifikoval hráčov a lopty na každej snímke. Rýchlo si však uvedomili, že takýto tím je drahý a na spracovanie obrovského množstva údajov potrebujú softvér.

Systémy strojového učenia môžu transformovať podnikanie, veď takmer každá spoločnosť má procesy vhodné na strojové učenie. Počítače sa môžu naučiť rozpoznávať vzory a na základe týchto vzorov robiť rozhodnutia, často rýchlejšie a presnejšie ako ľudia.

Nedávny prieskum spoločnosti Algorithmia, uskutočnený v 500 spoločnostiach, ukázal, že drahé tímy dátových vedcov trávia viac času vytváraním a údržbou nástrojov pre systémy AI a iba menej ako štvrtinu času sa venujú výcviku a iterácii modelov strojového učenia, čo je vlastne ich hlavná funkcia. Teraz sa však objavujú nové nástroje, ktoré uľahčujú vstup do éry technologických inovácií. Zjednotené platformy prenášajú prácu zhromažďovania, označovania a vkladania údajov do modelov učenia s učiteľom (supervised learning), ktoré sľubujú štandardizáciu pracovných postupov spôsobom, ako to robia Salesforce a Hubspot v oblasti riadenia vzťahov so zákazníkmi.

Niektoré z týchto platforiem automatizujú zložité úlohy pomocou integrovaných algoritmov strojového učenia, čo ešte viac uľahčuje prácu. Dátoví vedci tak môžu venovať viac času práci, na ktorú boli najatí, a umelá inteligencia sa stáva dostupnou aj pre malé a stredné spoločnosti. Giganty v oblasti umelej inteligencie ako Google, Amazon, Microsoft a Apple dávajú nástroje k dispozícii pre verejnosť (mnohé z nich zadarmo), a to vrátane rozsiahlych knižníc kódu, ktoré môžu inžinieri skompilovať do modelov hĺbkového učenia. Výkonný nástroj na rozpoznávanie objektov Facebooku ­Detectron (https://research.fb.com/down­loads/detectron/) sa od svojho vydania v roku 2018 stal jedným z najbežnejšie adoptovaných open source projektov. 

Nové platformy, ktoré predávajú spoločnosti Determined AI (https://determined.ai/) a Paperspace (https://www.paperspace.com/), umožňujú riadenie procesu strojového učenia. Platforma Determined AI obsahuje automatizované prvky, ktoré pomáhajú dátovým vedcom nájsť najlepšiu architektúru pre neurónové siete. Paperspace zasa ponúka ­prístup k dedikovaným GPU v cloude.

Labelbox (https://labelbox.com/product/platform) je platforma cvičných dát na správu označovania údajov tak, aby tímy dátových vedcov mohli efektívne pracovať s anotujúcimi tímami na celom svete. Poskytuje spoločnostiam možnosť sledovať ich údaje, zisťovať a opravovať predpojatosť v údajoch a optimalizovať kvalitu výcvikových údajov skôr, ako ich vložia do svojich modelov strojového učenia.

Napríklad spoločnosť John Deere používa túto platformu na označovanie obrázkov jednotlivých rastlín, aby inteligentné traktory mohli zistiť burinu a presne dodávať pesticídy, čím šetria peniaze a chránia životné prostredie pred chemikáliami.

Spoločnosti už nemusia najímať výskumných pracovníkov, aby písali algoritmy strojového učenia. Spoločnosť Algorithmia (https://algorithmia.com/) pomáha firmám pri zavádzaní, servise a škálovaní ich modelov strojového učenia a prevádzkuje obchod s algoritmami. Na platforme spoločnosti môžu používatelia vyhľadávať medzi 7000 rôznymi algoritmami a licencovať jeden, prípadne nahrať svoje vlastné. Môžu si dokonca kúpiť kompletné modely hĺbkového učenia, pripravené na implementáciu.

Fritz.ai (http://fritz.ai/) zasa ponúka niekoľko vopred vycvičených modelov, ktoré dokážu detegovať objekty vo videách alebo prenášať štýly umeleckých diel z jedného obrázka na druhý. Všetky sa spúšťajú lokálne na mobilných zariadeniach.

Spoločnosti čoskoro ponúknu strojové učenie ako službu. Zákazníci jednoducho odovzdajú údaje, určia cieľ a budú mať prístup k vycvičenému modelu prostredníctvom rozhrania API.

Nástroje strojového učenia môžu štandardizovať postupy umelej inteligencie a vďaka týmto pokrokom sú spoločnosti schopné implementovať strojové učenie s menším počtom dátových vedcov. Podľa správy Dun & Bradstreet (https://www.prnewswire.com/news-releases/artificial-intelligence-is-creating-jobs-dun--bradstreet-survey-finds-300774141.html) z roku 2019 až 40 percent respondentov z organizácií Forbes Global 2000 tvrdí, že u nich pribúdajú ďalšie pracovné miesta súvisiace s umelou inteligenciou. Vedenia spoločností musia pochopiť potrebu týchto nástrojov a zodpovedajúcim spôsobom upraviť rozpočet. Takéto nástroje môžu byť drahé, či už sa rozhodnete pre ich vytvorenie, alebo kúpu. Nákup hotového riešenia môže byť spočiatku drahší, ale z dlhodobého hľadiska často vyjde lacnejšie.

Odvetvie AI nástrojov je mladé, dopyt je však dostatočný. Seriózni hráči sa chcú podeliť o svoje znalosti a pomáhať firmám na ich ceste k úspechu.

 

ZDROJ: hbr.org

Všetky autorove články

Pridať komentár

Mohlo by vás zaujímať

Mohlo by vás zaujímať