3 Ffactor sy'n Cyflymu Twf Deallusrwydd Artiffisial (AI)

Deallusrwydd Artiffisial yw prif beth y busnes uwch-dechnoleg hwn sydd ar ddod. Mae'r arloesedd a'r ymchwil a gyfarwyddir gan y cwmnïau technoleg gorau yn effeithio ar nodweddion fertigol y diwydiant fel gofal iechyd, ceir, cyllid, manwerthu a gweithgynhyrchu. Er bod technoleg erioed wedi bod yn elfen bwysig iawn ar gyfer yr holl enwau parth hyn, mae AI yn dod â thechnoleg yng nghanol y cwmni. O offer meddygol hanfodol sy'n achub bywydau i mewn i gerbydau hunan-yrru, bydd AI yn cael ei drwytho i bron bob rhaglen a chyfarpar.

Mae cwmnïau platfform fel Amazon, Apple, Facebook, Google, IBM, a Microsoft yn buddsoddi mewn astudio a chreu AI. Maent yn gweithio tuag at greu AI yn fwy hygyrch i gwmnïau.

Mae tair agwedd hanfodol yn cyflymu cyfradd arloesi ym maes Dysgu Peiriant a Deallusrwydd Artiffisial .

Pensaernïaeth gyfrifiadurol uwch

Nid yw microbrosesyddion confensiynol a CPUs i fod i ofalu am Ddysgu Peiriant. Efallai nad y CPU cyflymaf fyddai'r dewis perffaith ar gyfer hyfforddi fersiwn ML cymhleth. Ar gyfer hyfforddi a chasglu fersiynau ML sy'n darparu gwybodaeth i feddalwedd, mae'n rhaid ategu CPUau â brîd newydd o sglodion.

Oherwydd cynnydd AI, mae galw mawr am yr Uned Prosesu Graffeg (GPU). Mae'r hyn a ystyriwyd ar un adeg yn rhan o gyfrifiaduron a gweithfannau gamblo pen uchel wedi dod yn brosesydd y mae galw mawr amdano o'r cwmwl cyffredinol. Yn wahanol i CPUs, mae GPUs yn cyrraedd gyda degau o filoedd o greiddiau sy'n cyflymu'r weithdrefn hyfforddi ML. Hyd yn oed ar gyfer cynnal fersiwn hyfforddedig ar gyfer inferencing, mae GPUs yn dod yn hanfodol. Wrth symud ymlaen, mae'n debyg y bydd rhyw fath o GPU yno lle mae CPU. O ddyfeisiau cwsmeriaid i beiriannau rhithwir o'r cwmwl, GPUs fyddai'r allwedd i AI.

Daw'r arloesedd canlynol yn yr Array Gate Rhaglenadwy Kind of Field neu FPGA. Mae'r sglodion hyn yn addasadwy ac yn rhaglenadwy i gael math penodol o lwyth gwaith. Mae CPUau confensiynol yn cael eu datblygu ar gyfer cyfrifo pwrpas cyffredinol tra gellir rhaglennu FPGAs o'r ardal ar ôl iddynt gael eu ffugio. Dewisir dyfeisiau FPGA ar gyfer tasgau cyfrifiadurol y farchnad fel hyfforddi fersiynau ML. Mae gwerthwyr cwmwl cyhoeddus yn harneisio FPGAs i ddarparu seilwaith optimized a optimized iawn ar gyfer AI.

Yn olaf, mae'r mynediad at weinyddion metel noeth o'r cwmwl yn dod â gwyddonwyr ac ymchwilwyr i wneud gwaith cyfrifiadurol perfformiad uchel yn y cwmwl. Mae'r gweinyddwyr ymroddedig, un tenant hyn yn darparu'r swyddogaeth orau yn y dosbarth. Mae peiriannau rhithwir yn dioddef yn y problemau cymdogion swnllyd oherwydd y seilwaith cyffredin ac aml-denant hwn. Mae darparwyr seilwaith cwmwl fel Amazon EC2 ynghyd ag IBM Cloud yn cyflenwi gweinyddwyr metel noeth.

Bydd y dyfeisiadau hyn yn hybu mabwysiadu AI mewn meysydd fel Awyrofod, iechyd, prosesu lluniau, gweithgynhyrchu a modurol.

Cynnydd mewn Rhwydweithiau Niwral Dwfn

Yr elfen nesaf a'r elfen fwyaf hanfodol mewn ymchwil AI ar y cynnydd mewn dysgu dwys a rhwydweithiau niwral artiffisial.

Mae Rhwydweithiau Niwral Artiffisial (ANN) yn disodli fersiynau Dysgu Peiriant confensiynol i esblygu fersiynau cywir a manwl gywir. Mae Rhwydweithiau Niwclear Convolutional (CNN) yn darparu gallu dysgu dwys i fonitro gweledigaeth. Mae nifer o'r gwelliannau cyfredol mewn gweledigaeth gyfrifiadurol fel Synhwyrydd Multibox Ergyd Unigol (SSD) a Rhwydweithiau Gwrthwynebol Cynhyrchiol (GAN) yn darganfod prosesu delweddau. ) Er enghraifft, gellid gwella defnyddio ychydig o'r technegau, fideos a delweddau hynny sy'n cael eu cymryd mewn golau isel a datrysiad isel iawn i ansawdd HD. Mae'r ymchwil barhaus mewn gweledigaeth gyfrifiadurol bellach yn sylfaen ar gyfer prosesu lluniau ym maes gofal iechyd, amddiffyn, trafnidiaeth ac enwau parth eraill.

Yn sylfaenol, bydd nifer o'r dulliau ML hyn sy'n dod i'r amlwg fel Capsule Neural Networks (CapsNet) yn newid y ffordd y mae fersiynau ML yn cael eu defnyddio a'u hyfforddi. Bydd ganddynt y gallu i greu modelau sy'n rhagweld yn fanwl gywir hyd yn oed os cânt eu hyfforddi gan ddefnyddio data cyfyngedig.

Hygyrchedd i setiau data hanesyddol

Daeth Ahead of Cloud yn brif ffrwd, roedd arbed a chyrchu gwybodaeth yn ddrud. O ganlyniad i'r cwmnïau yn y cwmwl, mae'r byd academaidd ac awdurdodau yn datgloi'r wybodaeth a oedd unwaith yn gyfyngedig i'r cetris casét a'r disgiau magnetig.

Mae gwyddonwyr data eisiau mynediad at setiau data hanesyddol mawr i addysgu modelau ML a allai ragweld yn fwy manwl. Mae effeithiolrwydd fersiwn ML yn cael ei bennu'n uniongyrchol gan ansawdd a dimensiynau'r set ddata hon. Er mwyn mynd i’r afael â phroblemau cymhleth fel darganfod canser neu alw glaw, mae ymchwilwyr eisiau setiau data mawr gyda materion data amrywiol.

Gyda storio ac adfer gwybodaeth yn dod yn fwy darbodus, mae asiantaethau'r llywodraeth, sefydliadau gofal iechyd a sefydliadau yn creu gwybodaeth anstrwythuredig sy'n hygyrch i'r maes ymchwil. O ddelweddu clinigol i duedd glaw hanesyddol, mae ymchwilwyr o'r diwedd yn gallu cyrchu setiau data cyfoethog. Mae'r newidyn hwn ar ei ben ei hun yn effeithio'n sylweddol ar ymchwil AI.

Bydd data gormodol ynghyd â chyfarpar cyfrifiadurol perfformiad uchel yn cymell opsiynau AI y genhedlaeth nesaf.

Mae Facebook, Google, IBM, a Microsoft yn cyfrannu at yr ymchwil AI. Maent yn buddsoddi biliynau o ddoleri i greu AI cysylltiedig ar draws fertigau busnes amrywiol.

Mae'r mynediad at setiau data cyfoethog ynghyd â phensaernïaeth gyfrifiadurol y genhedlaeth nesaf yn grymuso ymchwilwyr a gwyddonwyr gwybodaeth i arloesi ar gyflymder cyflym. Bydd y newidynnau hyn yn creu cyfran hanfodol o ddyfeisiau a chymwysiadau i AI.