인공 지능은이 하이테크 비즈니스의 다가오는 주요 제품입니다. 최고의 기술 회사가 주도하는 혁신과 연구는 의료, 자동차, 금융, 소매 및 제조와 같은 산업 분야에 영향을 미치고 있습니다. 기술은이 모든 도메인 이름에서 매우 중요한 요소 였지만 AI는 기술을 회사의 중심에두고 있습니다. 생명을 구하는 의료 장비에서 자율 주행 차량에 이르기까지 AI는 사실상 모든 프로그램과 장치에 주입 될 것입니다.
Amazon, Apple, Facebook, Google, IBM 및 Microsoft와 같은 플랫폼 회사는 AI 연구 및 생성에 투자하고 있습니다. 그들은 기업이보다 쉽게 이용할 수있는 AI를 만들기 위해 노력하고 있습니다.
기계 학습 및 인공 지능 영역 내에서 세 가지 필수 측면이 혁신 속도를 가속화하고 있습니다.
고급 컴퓨팅 아키텍처
기존의 마이크로 프로세서와 CPU는 기계 학습을 처리하기위한 것이 아닙니다. 가장 빠른 CPU는 복잡한 ML 버전을 교육하는 데 완벽한 선택이 아닐 수 있습니다. 소프트웨어에 인텔리전스를 제공하는 ML 버전을 코칭하고 추론하려면 CPU를 새로운 유형의 칩으로 보완해야합니다.
AI의 부상으로 인해 GPU (그래픽 처리 장치)가 요구되었습니다. 한때 고급 갬블링 PC 및 워크 스테이션의 일부로 여겨 졌던 것이 일반 클라우드에서 가장 많이 찾는 프로세서가되었습니다. CPU와 달리 GPU는 ML 학습 절차를 가속화하는 수만 개의 코어와 함께 제공됩니다. 추론을 위해 훈련 된 버전을 수행하는 경우에도 GPU가 필수적입니다. 계속해서 CPU가있는 곳에 일종의 GPU가있을 것입니다. 고객 장치에서 클라우드의 가상 머신에 이르기까지 GPU는 AI의 핵심입니다.
다음 혁신은 일종의 필드 프로그래밍 가능 게이트 어레이 또는 FPGA에서 제공됩니다. 이 칩은 특정 종류의 워크로드를 얻기 위해 사용자 정의 및 프로그래밍이 가능합니다. 기존 CPU는 범용 계산을 위해 개발 된 반면 FPGA는 일단 제작되면 해당 영역에서 프로그래밍 할 수 있습니다. FPGA 장치는 ML 버전 교육과 같은 시장 컴퓨팅 작업을 위해 선택됩니다. 퍼블릭 클라우드 판매자는 FPGA를 활용하여 고도로 최적화되고 최적화 된 AI 인프라를 제공합니다.
마지막으로 클라우드에서 베어 메탈 서버에 액세스하면 과학자와 연구원이 클라우드에서 고성능 컴퓨팅 작업을 수행 할 수 있습니다. 이러한 커밋 된 단일 테넌트 서버는 동급 최고의 기능을 제공합니다. 가상 머신은 이러한 공통 및 다중 테넌트 인프라로 인해 시끄러운 이웃 문제로 어려움을 겪습니다. IBM Cloud와 함께 Amazon EC2와 같은 클라우드 인프라 제공 업체는 베어 메탈 서버를 제공하고 있습니다.
이러한 발명은 항공 우주, 건강, 사진 처리, 제조 및 자동차와 같은 분야에서 AI의 채택을 촉진 할 것입니다.
심층 신경망의 발전
심층 학습 및 인공 신경망의 발전에서 AI 연구의 다음으로 가장 중요한 요소입니다.
인공 신경망 (ANN)은 정확하고 정확한 버전을 발전시키기 위해 기존의 기계 학습 버전을 대체하고 있습니다. 컨볼 루션 신경망 (CNN)은 시력을 모니터링하는 심층 학습 기능을 제공합니다. SSD (Solitary Shot Multibox Detector) 및 GAN (Generative Adversarial Networks)과 같은 컴퓨터 비전의 현재 개선 사항 중 다수는 이미지 처리를 발견하고 있습니다. ) 예를 들어, 저조도 및 매우 낮은 해상도에서 촬영 한 몇 가지 기술, 비디오 및 이미지를 사용하면 HD 품질로 향상 될 수 있습니다. 컴퓨터 비전에 대한 지속적인 연구는 이제 의료, 보호, 운송 및 기타 도메인 이름에서 사진 처리의 기초가되었습니다.
Capsule Neural Networks (CapsNet)와 같은 여러 가지 새로운 ML 방법은 기본적으로 ML 버전이 배포되고 훈련되는 방식을 변경합니다. 제한된 데이터를 사용하여 훈련 된 경우에도 정확하게 예측하는 모델을 만들 수 있습니다.
기록 데이터 세트에 대한 접근성
Ahead of Cloud가 주류가되면서 정보를 저장하고 액세스하는 데 많은 비용이 들었습니다. 클라우드 기반 회사의 결과로 학계와 당국은 한때 카세트 카트리지와 자기 디스크로 제한되었던 정보를 잠금 해제하고 있습니다.
데이터 과학자는 더 정밀하게 예측할 수있는 ML 모델을 교육하기 위해 대규모 기록 데이터 세트에 액세스하기를 원합니다. ML 버전의 효율성은이 데이터 세트의 품질과 차원에 따라 직접 결정됩니다. 암을 발견하거나 비를 부르는 것과 같은 복잡한 문제를 해결하기 위해 연구원은 다양한 데이터 문제가있는 큰 데이터 세트를 원합니다.
정보 저장 및 복구가 더욱 경제적으로됨에 따라 정부 기관, 의료 기관 및 기관은 연구 분야에서 액세스 할 수있는 비정형 정보를 만들고 있습니다. 임상 영상에서 역사적인 강우 추세에 이르기까지 연구자들은 마침내 풍부한 데이터 세트에 액세스 할 수 있습니다. 이 변수만으로도 AI 연구에 큰 영향을 미칩니다.
고성능 컴퓨팅 장치와 함께 풍부한 데이터는 차세대 AI 옵션을 유도합니다.
Facebook, Google, IBM 및 Microsoft가 AI 연구에 기여하고 있습니다. 그들은 다양한 사업 분야에서 AI 관련 AI를 만들기 위해 수십억 달러를 투자하고 있습니다.
차세대 컴퓨팅 아키텍처와 함께 풍부한 데이터 세트에 대한 액세스는 연구원과 정보 과학자가 빠른 속도로 혁신 할 수 있도록 지원합니다. 이러한 변수는 AI를 장치 및 애플리케이션의 필수 부분으로 만듭니다.
Video
- https://www.youtube.com/watch?v=CMPKarLuna4&feature=youtu.be