Auteur | Roberto Sannazzaro, Ben Longstaff

Traducteur | yugao

Produit | camp de base de la technologie AI (ID: rgznai100)

En 2020, l'aube du Nouvel An est souvent un bon moment pour regard en arrière sur le peuple de l'année passée et les perspectives pour l'année à venir. Cet article examine les tendances des aspects techniques et non techniques de l'IA, pour discuter de la tendance relativement nouvelle, comme AutoML, la morale AI, parce que ces tendances sont de plus en plus étroitement liées au nombre croissant d'entreprises et d'utilisateurs.

Dans le cadre d'un examen sommaire de 2019

En 2019, Intel, Qualcomm et Nvidia et d'autres fabricant grande puce a publié une puce spéciale conçue pour exécuter uniquement des applications basées sur AI, principalement utilisé dans le domaine de la vision par ordinateur, le traitement du langage naturel et la reconnaissance vocale.

NVIDIA a développé Jetson Nano Dev Kit

Google a publié tensorflow 2.0, étendu à tensorflow sur le soutien Node.js, l'intégration avec iOS, et éventuellement son API de haut niveau a officiellement changé Keras, la mobilité et PWA (Project Web Access) devenir le premier choix.

De plus, le modèle BERT a évolué dans DistilBERT et FastBert, des algorithmes de vision par ordinateur pour atteindre le niveau peut être effectuer de façon très précise la plupart des tâches du côté des consommateurs.

DeepMind et OpenAI grandes entreprises telles que briser les frontières renforcer davantage l'apprentissage dans ce domaine sont témoins de la première application dans le monde réel.

Le dernier point, mais important est, créateur Keras FrançoisChollet a publié un document, une nouvelle méthode d'analyse comparative modèle AI.

Cependant, ce que nous attendons de 2020?

apprentissage machine automatisée (AutoML)

ETL a la capacité d'effectuer des tâches, des données et de conversion prétraiter, AutoML est susceptible de devenir plus répandue en 2020.

techniques d'apprentissage machine à AutoML peut gérer l'ensemble du processus, tels que les paquets tels auto-sklearn peuvent être le choix du modèle automatique, optimisation des paramètres et le score ultra, et d'autres fournisseurs de services cloud ont fourni des solutions de rechange « tableau de bord de l'automobile »: Amazon Prévisions l'algorithme peut déterminer automatiquement les données les plus appropriées, Google fournit également des services similaires Nuage AutoML.

En fait, tout est transformé en une API REST (interface de programmation d'application)

Sous bien à première vue, cela semble surtout pour ceux qui ne comprennent pas l'IA, mais ces types de services offre également une bonne occasion pour les utilisateurs avancés: modèle AutoML peut être utilisé comme référence, il peut être utilisé pour évaluer le temps passé en utilisant différents différent du sens du modèle de développement technique.

La mort d'Amnesty International

Pouvez-vous dire quelle compagnie va maintenant faire de la publicité avec un titre similaire: « Aujourd'hui, les ordinateurs! », « Nous utilisons le fax! » « Peut aussi être utilisé sur Internet! »?

rappelez-vous cela?

Il ne peut pas. Je me souviens encore du début de cette année, il y a des entreprises de publicité dans la promotion de leurs téléphones intelligents et la caméra AI. Eh bien, je n'aurais pas. Maintenant, de nombreuses applications grand public, les véhicules et les appareils ménagers ont été en utilisant des fonctions intégrées AI. Nous (les consommateurs) seront habitués. mots à chaud « AI » va progressivement disparaître des affaires, mais les consommateurs se sont habitués à la fonction AI.

Apprentissage fédéral

Dès 2017, Google a introduit le concept de l'apprentissage distribué, la méthode d'utilisation du centre de données à la partie de modèle ou de toute la formation.

modèle de base de formation sur un ordinateur, le modèle sera livré à l'utilisateur final, l'utilisateur final peut accéder aux données (sur son téléphone portable, ordinateurs portables, tablettes), ces données peuvent être utilisées pour affiner le modèle et la personnalisation.

Imaginez si un modèle pour traiter des données très sensibles: Le modèle permet aux entreprises peuvent accéder aux données de nettoyage spécialement préparés pour eux.

Une fois que le modèle de base pour répondre à certaines exigences, le modèle peut être livré au client, le client peut continuer à former sans avoir à partager les données utilisateur avec les participants externes.

Comme mentionné précédemment, tensorflow 2.0 support pour d'autres plates-formes, telles que iOS, Node.js, etc., peut être l'une des raisons pour rendre cette vision possible, de manière à assurer pour la construction, le transport, la formation et l'optimisation de l'outil multi-plateforme pour l'entreprise . En outre, la plate-forme telle que Kubernetes comme Docker et offre également la possibilité de développer et coordonner le déploiement d'un environnement relativement complexe, de sorte que la machine fédérale d'apprentissage possible.

Un autre exemple de l'apprentissage fédéral: Votre téléphone peut personnaliser le modèle local. Résumé utilisateurs (B) pour mettre à jour et une compréhension commune du modèle change C.

Fin de l'ère des nuages oligarques

Le cloud computing est devenu de plus en plus populaire en 2019, beaucoup de gens « partager nos données avec eux, nous ne pourrons jamais » changé de l'idée: « Eh bien, nous pouvons peut-être essayer. »

Tablet PC peut contrôler un tel système de refroidissement?

Avec l'augmentation de la taille du fournisseur de nuage, le nombre de clients et de produits, le marché a commencé à passer de la situation oligopolistique de la concurrence ouverte, ce qui signifie que les fournisseurs de cloud computing sont en train de perdre la capacité de faire ces prix. A déjà été réalisé dans l'allocation des ressources entre les différents fournisseurs de cloud, tandis que 2020 sera nuageux dans les trackers de marché et d'autres produits, cible les fournisseurs de cloud computing juge ne seront plus limités à leurs plans de prix, mais ils fournissent également des services pour les utilisateurs façon: les fabricants seraient intéressés de me laisser utiliser les ressources plus ou moins? Ils me touchent tout le contenu stocké dans le nuage, ou peuvent avoir des solutions de distribution de données?

Deepfakes étendre l'influence

Photoshop laissez-nous douter de la légitimité de l'Internet pour voir la photo. Deepfakes travail sur la vidéo faisant la même chose.

Les responsables américains ont exprimé leur inquiétude quant à l'impact sur les élections générales 2020 aux dirigeants de Facebook à Deepfakes. Deepfake prévu aura une incidence sur l'élection présidentielle américaine en 2020. Cela aggravera le conflit entre les sociétés de médias sociaux, les éditeurs et les plates-formes. Pour nouvelles combat faux, l'éditeur va créer un registre de vérification des actifs numériques pour lutter contre de fausses nouvelles. En 2024, les plates-formes de médias sociaux doivent vérifier l'authenticité du contenu.

Dans de nombreuses régions du monde, la pornographie est illégale vengeance. serait difficile Deepfake porno de vengeance de poursuivre, car il est difficile de confirmer la source. Une fois que les familles des victimes des politiciens, des plates-formes de médias seront traités comme l'éditeur.

véhicules sans pilote en utilisant le processus de ralentissement

En raison de la prescription, les véhicules sans pilote en utilisant le processus va ralentir et éventuellement le capital gagneront, les coûts de transport proche de zéro. Netscape fournit une plate-forme pour Amazon, Google et Facebook, les véhicules sans pilote deviendra une nouvelle plate-forme. Lorsque le coût de livraison est réduit à zéro, il semble maintenant inutile d'ouvrir de nouveaux modèles d'affaires, tels que:

• la préparation des aliments Mobile, la pizza que vous atteignez le point où vous pouvez faire un bon travail.

• Prévisibilité du transport, avant de passer la commande sera envoyée le produit.

• Pour les travailleurs mobiles dans le bureau.

• l'utilisation tactile des éléments de faible demande.

• principes de fabrication en temps réel donneront lieu à une consommation immédiate.

Interprétable, responsable, éthique et peut expliquer AI

En 2019, nous expliquons l'IA (Xai) étaient difficiles à essayer, y compris une série d'encourager l'intelligibilité de l'algorithme et la reproductibilité de la pratique. Cette tendance est l'application de l'apprentissage de la machine et des moyens d'apprentissage en profondeur dans de nombreux domaines et différentes entreprises différentes.

Modèle plus est (ne devrait pas être) la boîte noire, le résultat de chaque décision doit être expliquée.

Cette tendance peut conduire à la nécessité d'une axée sur les données, afin que nous puissions comprendre l'intelligibilité et (humaine) la responsabilité de la frontière, et être en mesure de répondre à la question suivante: « Ceci est cohérent avec notre mission et les valeurs ?. »

De plus, l'application des techniques d'apprentissage machine pour résoudre la société peut exclure ou de discrimination envers certaines tâches utilisateur doit attention Leur responsabilité légale et morale pour le modèle de prise de décision.

conclusion

Rappelant la tendance de la liste courte réponse, les conclusions suivantes:

• « Embarqué » Intelligence artificielle: petits composants de matériel spécialement conçu pour une tâche spécifique.

• L'intelligence artificielle devient (plus) peut migrer: support multi-plateforme, la normalisation et la reproductibilité.

• François Chollet de l'IA nouvelle méthode d'analyse comparative peut devenir la prochaine machine de test d'intelligence Turing, chapitre 3 de son document détaillant son cadre (https: // ar xi v.org/pdf/1911.0 154 7.pdf).

Millet MIX Alpha obtenir des millions de dollars dans Technology Award, ou Sony lancera un téléphone mobile sans frontières, Linus est pas recommandé d'utiliser ZFS | Geeks gros titres

Rust dans la fosse Guide: ligne sur ligne | RPSC sélection Bowen