Helpex - Trao đổi & giúp đỡ Đăng nhập

AI và Machine Learning ngày nay ở đâu?

Cảm ơn Matt Coatney, VP Services tại Exaptive đã dành thời gian để nói chuyện với tôi về tình trạng AI và học máy ngày nay và cách anh ấy thấy nó phát triển.

Q: Chìa khóa cho chiến lược học máy / AI thành công là gì?

Trả lời: Không giống như phong trào DevOps, nó liên quan nhiều hơn đến người dân và cách tiếp cận, vì công nghệ mới đang giới thiệu một sự thay đổi trong chiến lược quản lý kinh doanh. Một mặt, nó có thể thay thế các nhiệm vụ mà mọi người đã và đang thực hiện các nhiệm vụ đó hiệu quả hơn, đáng tin cậy và hiệu quả hơn. Mặt khác, các mô hình kinh doanh mới là khả thi ở những nơi trước đây họ không có.

Một vài ví dụ Matt chia sẻ:

  • Trong y học, Watson của IBM đã phát hiện ra một chủng bệnh bạch cầu hoàn toàn khác so với nhóm bác sĩ thậm chí đã cân nhắc trong vòng chưa đầy 10 phút.
  • Atomwise, một công nghệ sinh học tại Thung lũng Silicon, đang tìm kiếm các loại thuốc hiện có để áp dụng cho các mục tiêu mới và tìm thấy hai loại thuốc ngăn chặn sự lây lan của Ebola trong một ngày. Loại nghiên cứu này được sử dụng để mất nhiều năm.

H: Làm thế nào các công ty có thể tận dụng được nhiều dữ liệu lớn hơn với AI và học máy?

Trả lời: Các công ty dành quá nhiều thời gian cho công nghệ mà họ nghĩ rằng họ cần so với việc tập trung vào công nghệ cần thiết để giải quyết một vấn đề kinh doanh cụ thể. Các công ty cần suy nghĩ về vấn đề họ đang cố gắng giải quyết và làm thế nào để giải pháp hợp lý với người tiêu dùng. Hãy suy nghĩ về cách làm cho giải pháp hiệu quả để bạn có thể nhận ra ROI tích cực và chuyển sang dự án hoặc cơ hội tiếp theo. Xác định số liệu thành công của bạn và nhận được chiến thắng nhanh chóng. Nó không khác gì so với các dự án chúng tôi đã làm trong CNTT trong 20 năm qua, chúng tôi chỉ cần ghi nhớ các thực tiễn tốt nhất.

Q: AI / machine learning đã thay đổi như thế nào trong năm qua?

Trả lời: Rất nhiều cách tiếp cận giống nhau trong 50 đến 60 năm qua, chỉ là chúng ta có những máy tính mạnh hơn nhiều với nhiều bộ nhớ hơn và các thuật toán được tối ưu hóa như học sâu, để giờ đây chúng ta có thể có kết quả tốt hơn trong một phần của thời gian. Các ví dụ bao gồm nhận dạng khuôn mặt của Facebook và xe tự lái của Google. Ngoài ra, chúng tôi hiện có AI là một dịch vụ nơi các công ty có thể thuê thời gian từ máy tính, đưa ra yêu cầu và lấy lại thông tin trong thời gian kỷ lục. Điều này làm giảm các rào cản gia nhập trong khi đảm bảo bất kỳ tổ chức nào cũng có được mức chất lượng tương đương với Facebook và Google của thế giới.

Q: các giải pháp kỹ thuật bạn sử dụng để thu thập và phân tích dữ liệu là gì?

Trả lời: Hầu hết các công ty tập trung vào các công cụ dữ liệu lớn Hadoopesque. Chúng tôi có thể làm điều đó, nhưng chúng tôi cũng tìm thấy giá trị trong dữ liệu nhỏ hơn bằng cách sử dụng các công cụ như SQL, NoQuery, Oracle, Microsoft và thư viện scikit-learn của Python để có kết quả mới mà không cần đầu tư hàng triệu. Vẫn còn rất nhiều giá trị được khai thác từ dữ liệu hiện có bất kể kích thước.

Q: Khách hàng của bạn đang giải quyết vấn đề gì trong thế giới thực với AI / machine learning?

Bất cứ điều gì xung quanh dự báo, kết nối lại hoặc dự đoán nội dung - các ứng dụng theo phong cách Netflix. Mô hình tài chính và dân chủ hóa các mô hình tài chính tiên tiến. Ngoài ra, các công cụ quản lý nội dung và kiến ​​thức giúp các tổ chức hiểu rõ hơn và giá trị từ nội dung của họ bằng cách gắn thẻ các khái niệm, từ khóa, v.v.

H: Những vấn đề phổ biến nhất bạn thấy ngăn cản các công ty nhận ra lợi ích của AI / học máy là gì?

Các công ty đang tập trung vào các công cụ và nền tảng thay vì vấn đề kinh doanh mà họ đang cố gắng giải quyết. Họ cần tách biệt sự cường điệu khỏi thực tế, hiểu những gì công cụ có thể và không thể làm. Sự cường điệu tiếp thị đang được mua và tạo ra những kỳ vọng không thực tế. Cần phải được kiểm tra và hiểu rõ hơn về các công cụ. Hiểu rằng cần có thời gian để đào tạo AI cho ngành công nghiệp và trường hợp sử dụng (ví dụ: cách luật sư viết và nói chuyện).

Q: Nơi nào bạn nhìn thấy những cơ hội lớn nhất trong sự phát triển liên tục của AI / machine learning?

  • Trả lời: Tôi rất hào hứng về AI như một dịch vụ và cơ hội cung cấp cho các nhà phát triển và doanh nhân muốn bắt đầu kinh doanh nhanh chóng mà không tốn nhiều chi phí.
  • Hỗ trợ quyết định và tự động hóa trong không gian kiến ​​thức . Quan điểm tốt hơn về các vấn đề dẫn đến các giải pháp tốt hơn, ít sai lệch hơn.
  • Sự hợp nhất của thế giới vật lý và ảo với robot.
  • Sử dụng dữ liệu để giải quyết các vấn đề kinh doanh . Các trung tâm dữ liệu của Google sử dụng 25% nhà máy điện hạt nhân mỗi ngày. Google đã sử dụng Deep Mind để tối ưu hóa tất cả các máy chủ của họ và giảm mức tiêu thụ năng lượng từ 15 đến 20%. Cuối cùng, mọi doanh nghiệp sẽ có thể nhận ra cùng một loại tiết kiệm OPEX.

Q: Mối quan tâm lớn nhất của bạn về tình trạng AI / machine learning hiện nay là gì?

A: AI sẽ được sử dụng cho mục đích tốt hay xấu? Nó là trung tính. Nó phụ thuộc vào cách nó được áp dụng và ai áp dụng nó. Chúng tôi cần giám sát quốc tế. Nó đã được sử dụng trong chiến tranh mạng.

Tránh bị mắc kẹt trong một tối đa địa phương. Chúng tôi đã sử dụng cùng một kiến ​​trúc phần cứng và phần mềm trong 60 đến 70 năm qua để làm một việc phức tạp hơn nhiều so với trước đây chúng tôi từng làm. Chúng ta cần khám phá các phương pháp khác nhau để cải thiện hiệu suất theo cấp số nhân.

H: Những kỹ năng nào các nhà phát triển cần để làm việc trong các dự án AI / machine learning?

A: Bắt đầu với các kỹ năng mềm. Các nhà phát triển và nhà khoa học dữ liệu tốt nhất đã chú ý đến việc cải thiện kỹ năng quản lý dự án, giao tiếp và quản lý thời gian của họ. Tập trung vào việc hiểu các khái niệm trừu tượng và được làm tròn như bạn có thể với các ngôn ngữ và công nghệ khác nhau. Nắm bắt sự phá hủy sáng tạo vì cảnh quan là chất lỏng và thay đổi nhanh chóng.

H: Điều gì khiến tôi thất bại khi hỏi rằng bạn nghĩ các nhà phát triển cần biết về AI và học máy?

Có rất nhiều quan niệm sai lầm xung quanh thuật ngữ. Chúng ta cần hiểu rõ hơn về ý nghĩa của chúng ta khi sử dụng các thuật ngữ này:

  • Học máy là cách chúng ta sử dụng phần mềm để học một cái gì đó.
  • AI đồng nghĩa với học máy nhưng có xu hướng thể hiện trình độ năng lực của con người cao cấp hơn.
  • Học sâu là một kỹ thuật máy học cụ thể có khả năng xử lý việc học nhiều sắc thái hơn, có xu hướng liên quan đến AI.
3 hữu ích 0 bình luận 9.3k xem chia sẻ

Có thể bạn quan tâm

loading