Kuidas saab AI-d kasutada koerte päästmiseks, toidu suurendamiseks ja tervishoiukulude vähendamiseks



<div _ngcontent-c15 = "" innerhtml = "

Getty

Mõelge viimase kümnendi määratlevatele tehnoloogiatele. Sotsiaalmeedia tööriistad, nagu Facebook ja Twitter, põhjustasid kommunikatsiooni revolutsiooni, pilvetehnoloogiad segasid salvestust ja mobiiltehnoloogiad, nagu Airbnb ja Uber, muudavad seda, kuidas me elame ja pendeldame.

Intuitiivne tundub, et neil tehnoloogilistel tööriistadel on konkreetsed, täpselt määratletud eesmärgid. Siiski on üks tehnoloogia, mis on uskumatult mitmekülgne ja mille kasutuspiirid laienevad pidevalt. See tehnoloogia on tehisintellekt (AI) – tööriist, mis ühendab statistikat ja andmetöötlust funktsioonide loomiseks, mis teevad kõike alates trendide tuvastamisest ja tuleviku ennustamisest kuni ülesannete automatiseerimiseni ja palju muud.

Enne AI oli kõigil tehnoloogiatel üks ühine joon: nad teeksid täpselt seda, mida sa neile käskisid. Rakendused olid üles ehitatud deterministlikuks. Kui kasutaja sisestaks mõne sisendi, saaks ta eeldatava väljundi.

Nüüd suudame AI abil luua programme, mis väljastavad ootamatuid, mis on deterministlike asemel tõenäosuslikud. AI kavatseb tundmatu paljastada, õppides andmetest nii, nagu inimene seda sooviks.

Üks AI teedrajavatest näidetest oli IBM Deep Blue, kui 1997. aastal alistas see arvuti malemängus suurärimehe. (Täielik avalikustamine: IBM on üks minu ettevõtte partneritest.) Kui käike oleks oodatud, poleks arvuti kunagi võita saanud.

Tänapäeval on AI laienenud kaugemale uurimistöö ulatusest ja jõudnud miljardite inimeste kätte. Isegi kui te pole sellest teadlik, kasutavad paljud teie kasutatavad teenused teie andmeid, õpivad sellest ja kasutavad seda oma funktsioonide täiustamiseks. Näiteks, YouTube kasutab sügavaid närvivõrke, AI vorm, millele soovitada videoid üle 2 miljardi kasutaja. Google'i otsinguteenused pakuvad veelgi suuremat kasutajaskonda AI-põhine otsingutulemid.

Kuid see ei tähenda ainult seda, et saaksite rohkem klikke ja soovitaksite veebisisu. AI-d saab rakendada kõikjal, kus on mudeli treenimiseks sisend-väljundprobleeme ja soovituslikke andmeid.

Üks minu ettevõtmistest kogub tööstuses AI probleemide avaldusi rahvahulga lahenduste leidmiseks andmeteadlaste kogumi jaoks. Mõned nendest probleemilausetest hõlmavad loomade elu päästmist, põllumajandussaagi suurendamist ja tervishoiunõuete menetlemise kiirendamist.

Näiteks teame, et teatud varjupaika sattunud loomi võetakse teatud kohtades tõenäolisemalt vastu kui teistes ja neid loomi saab ümber paigutada, et neid potentsiaalselt säästa eutaniseerimise eest. & Nbsp; Kuid need on ainult suundumused, millest me oleme teadlikud, ja AI-d saab kasutada loomade adopteerimisharjumuste varjatud suundumuste paljastamiseks.

Täpsemalt võib varjupaigas oleva looma tekstikirjelduse analüüsimiseks kasutada selliseid AI mudeleid nagu loomuliku keele töötlemine ning loomade kujutiste analüüsimiseks võib kasutada konvolutsioonseid närvivõrgustikke ja aidata kindlaks teha loomade tapmise või vastuvõtmise tõenäosust erinevad varjualused.

See tehnoloogia, närvivõrgud, on AI mitmekülgne alamväli, mida saab rakendada isegi satelliidipiltide jaoks. Näiteks põllumajanduses minnakse üle täppisviljelusele, võimaldades põllumajandustootjatel vähendada oma keskkonnamõju. Täppisviljeluse esimene samm on põldude tuvastamine satelliidipiltide abil, mida saab teha mitmesuguste piltide söötmisega närvivõrkude kaudu, mis väljastavad erinevate olemasolevate kontuuripiiride tõenäosuse.

See võib tunduda segane, kuid jällegi on AI tõenäosuslik tehnoloogia, nii et see ei ütle teile, et midagi kindlasti nii on, vaid väljastab lihtsalt statistilised tõenäosused. Näiteks saab AI-d kasutada tegevuse tõhususe suurendamiseks sellistes valdkondades nagu tervishoid, kus algselt on keeldutud väited miljardeid dollareid halduskulusid. Siin saab AI abil kiirendada nõuete esitamise ja nende märkimist vastavalt tagasilükkamise tõenäosusele.

On selge, et AI on hämmastavalt kasulik tööriist, kuid paindlikkus selle kasutamisel võib lisada ka segadust ja lõppkokkuvõttes hirmu AI ümbritseva ees. Osaliselt AI kiire kasvu tõttu on üldiselt palju väärarusaamu, mida AI saab ja mida mitte.

Seega pole AI-teekonna esimesel etapil AI-ga midagi pistmist. Enne AI inseneriprojekti alustamist peate formuleerima probleemilause, et praegused algoritmid on lahendamiseks sobivad, ja seejärel leidma probleemile suunavad andmed. Kuigi sageli kuuleme "suurte andmete" plahvatusest, on tegelikkus selline, et käepärase probleemiga seotud andmete omamine on olulisem kui lihtsalt suure andmemahu olemasolu.

Probleemist sügavuti aru saades on teil aga parem võimalus leida asjakohaseid andmeid ja luua AI abil loomingulisi lahendusi.

">

Mõelge viimase kümnendi määratlevatele tehnoloogiatele. Sotsiaalmeedia tööriistad, nagu Facebook ja Twitter, põhjustasid kommunikatsiooni revolutsiooni, pilvetehnoloogiad segasid salvestust ja mobiiltehnoloogiad, nagu Airbnb ja Uber, muudavad seda, kuidas me elame ja pendeldame.

Intuitiivne tundub, et neil tehnoloogilistel tööriistadel on konkreetsed, täpselt määratletud eesmärgid. Siiski on üks tehnoloogia, mis on uskumatult mitmekülgne ja mille kasutuspiirid laienevad pidevalt. See tehnoloogia on tehisintellekt (AI) – tööriist, mis ühendab statistikat ja andmetöötlust funktsioonide loomiseks, mis teevad kõike alates trendide tuvastamisest ja tuleviku ennustamisest kuni ülesannete automatiseerimiseni ja palju muud.

Enne AI oli kõigil tehnoloogiatel üks ühine joon: nad teeksid täpselt seda, mida sa neile käskisid. Rakendused olid üles ehitatud deterministlikuks. Kui kasutaja sisestaks mõne sisendi, saaks ta eeldatava väljundi.

Nüüd suudame AI abil luua programme, mis väljastavad ootamatuid, mis on deterministlike asemel tõenäosuslikud. AI kavatseb tundmatu paljastada, õppides andmetest nii, nagu inimene seda sooviks.

Üks AI teedrajavatest näidetest oli IBM Deep Blue, kui 1997. aastal alistas see arvuti malemängus suurärimehe. (Täielik avalikustamine: IBM on üks minu ettevõtte partneritest.) Kui käike oleks oodatud, poleks arvuti kunagi võita saanud.

Tänapäeval on AI laienenud kaugemale uurimistöö ulatusest ja jõudnud miljardite inimeste kätte. Isegi kui te pole sellest teadlik, kasutavad paljud teie kasutatavad teenused teie andmeid, õpivad sellest ja kasutavad seda oma funktsioonide täiustamiseks. Näiteks YouTube kasutab videote soovitamiseks enam kui 2 miljardile kasutajale sügavaid närvivõrke, mis on AI-vorm. Google'i otsinguteenused pakuvad veelgi suuremat kasutajabaasi AI-põhiste otsingutulemitega.

Kuid see ei tähenda ainult seda, et saaksite rohkem klikke ja soovitaksite veebisisu. AI-d saab rakendada kõikjal, kus on mudeli treenimiseks sisend-väljundprobleeme ja soovituslikke andmeid.

Üks minu ettevõtmistest kogub tööstuses AI probleemide avaldusi rahvahulga lahenduste leidmiseks andmeteadlaste kogumi jaoks. Mõned nendest probleemilausetest hõlmavad loomade elu päästmist, põllumajandussaagi suurendamist ja tervishoiunõuete menetlemise kiirendamist.

Näiteks teame, et teatud varjupaika sattunud loomi võetakse teatud kohtades tõenäolisemalt vastu kui teistes ja neid loomi saab ümber viia, et neid eutaniseerimise eest potentsiaalselt päästa. Kuid need on ainult suundumused, millest oleme teadlikud, ja AI abil saab paljastada loomade adopteerimisharjumuste varjatud suundumusi.

Täpsemalt võib varjupaigas oleva looma tekstikirjelduse analüüsimiseks kasutada selliseid AI mudeleid nagu loomuliku keele töötlemine ning loomade kujutiste analüüsimiseks võib kasutada konvolutsioonseid närvivõrgustikke ja aidata kindlaks teha loomade tapmise või vastuvõtmise tõenäosust erinevad varjualused.

See tehnoloogia, närvivõrgud, on AI mitmekülgne alamväli, mida saab rakendada isegi satelliidipiltide jaoks. Näiteks põllumajanduses minnakse üle täppisviljelusele, võimaldades põllumajandustootjatel vähendada oma keskkonnamõju. Täppisviljeluse kõige esimene samm on põldude tuvastamine satelliidipiltide abil, mida saab teha mitmesuguste piltide söötmisega närvivõrkude kaudu, mis väljastab erinevate olemasolevate kontuuripiiride tõenäosuse.

See võib tunduda segane, kuid jällegi on AI tõenäosuslik tehnoloogia, nii et see ei ütle teile, et midagi kindlasti nii on, vaid väljastab lihtsalt statistilised tõenäosused. Näiteks saab AI-d kasutada tegevuse tõhususe suurendamiseks sellistes valdkondades nagu tervishoid, kus algselt tagasi lükatud väited põhjustavad miljardeid dollareid halduskulusid. Siin saab AI abil kiirendada nõuete esitamise ja nende märkimist vastavalt tagasilükkamise tõenäosusele.

On selge, et AI on hämmastavalt kasulik tööriist, kuid paindlikkus selle kasutamisel võib lisada ka segadust ja lõppkokkuvõttes hirmu AI ümbritseva ees. Osaliselt AI kiire kasvu tõttu on üldiselt palju väärarusaamu, mida AI saab ja mida mitte.

Seega pole AI-teekonna esimesel etapil AI-ga midagi pistmist. Enne AI inseneriprojekti alustamist peate formuleerima probleemilause, et praegused algoritmid on lahendamiseks sobivad, ja seejärel leidma probleemile suunavad andmed. Kuigi sageli kuuleme "suurte andmete" plahvatusest, on tegelikkus selline, et käepärase probleemiga seotud andmete omamine on olulisem kui lihtsalt suure andmemahu olemasolu.

Probleemist sügavuti aru saades on teil aga parem võimalus leida asjakohaseid andmeid ja luua AI abil loomingulisi lahendusi.