Цифровой маркетинг, инновационная реклама и PR. Экспресс исследования рынков.

Большие новости и агрегатор новостей о новых рынках, событиях в мире искусства, науки, инноваций

Экосистема ИИ заполняется доступными инструментами машинного обучения

Дата публикации: 18 мая 2019, 11:01
Экосистема ИИ заполняется доступными инструментами машинного обучения

Искусственный интеллект на Северо-Западе: взгляд из информатики

За последние десять лет область искусственного интеллекта (ИИ) сильно изменилась. Приток масс данных вдохновил на разработку новых технологий и привел в действие существующие технологии, которые годами развивались в лабораториях. Технологии статистического машинного обучения (ML), глубокого обучения, рекомендаций, анализа текста и т. Д. - все они значительно расширились, в значительной степени благодаря тому, что данные, которые их поддерживают, теперь легко доступны. Более того, символические представления знаний были масштабированы до крупномасштабных графов знаний, которые содержат миллиарды фактов, и ежедневно используются Google, Microsoft, Amazon, Spotify и другими для улучшения своих услуг.

Многие коммерческие успехи являются гибридами, например, программные помощники построены из комбинации символических представлений для описания намерений и ответов на вопросы со статистическими подходами к обработке речи и языка. Интересные исследовательские технологии стали мощными приложениями, которые оказывают влияние на бизнес, торговлю, связь, медицину и образование.

 

Пересечение ИИ и Науки Данных
Пересечение ИИ и Науки Данных
Некоторые из наиболее заметных успехов в области искусственного интеллекта существуют на стыке ИИ и науки о данных. Наличие массивных наборов данных и вычислений, необходимых для обработки, уточнения и извлечения из них моделей, привело к масштабированию обучения, которое ранее было невозможно. Это произвело революцию в машинном обучении и предоставило инструменты, которые используются в искусственном интеллекте для разработки новых возможностей. Эти инструменты включают в себя повсеместно распространенные технологии распознавания речи и изображений, крупномасштабную обработку текста и основные технологии прогнозирования.

 Машинный интеллект на стыке ИИ и Науки о данных

Машинный интеллект на стыке ИИ и Науки о данных
Эти технологии, в свою очередь, использовались для разработки интерфейсов, которые связывают нас с личными помощниками, системами распознавания лиц, важными компонентами автомобилей с автоматическим управлением, статистическими подходами к диагностическим системам, текстовым анализом настроений и системами статистической классификации. В результате многие из компонентов так называемого машинного интеллекта поддерживаются этими технологиями, основанными на данных, которые используются как наукой о данных, так и ИИ.

 

Успех этих масштабируемых методов в поддержке ИИ привел к трем направлениям:

  • Во-первых, теперь ИИ занимает центральное место в глазах общественности и рассматривается как разрушитель почти во всех отраслях.
  • Во-вторых, теперь экосистема ИИ заполнена и инструментами машинного обучения, которые легко принимаются большинством разработчиков.
  • В-третьих, благодаря новым доступным инструментам мы наблюдаем более широкое использование ИИ дизайнерами и разработчиками, которые больше сосредоточены на результатах, чем на деталях технологий, которые они используют.

Хотя основные технологии машинного обучения эффективны в тех ситуациях, когда имеются большие наборы данных, важно понимать, что машинное обучение само по себе способствует другим функциям. Машинное обучение, применяемое к обработке речи и изображений, поддерживает первый шаг в диалоговых системах и приложениях распознавания лиц. Применяется для категоризации и прогнозирования, поддерживает диагностику и консультативные системы. Применительно к задачам, в которых новые данные могут быть получены из данных, обучение поддерживает основные задачи рассуждения, такие как принятие решений, решение проблем, а также понимание и генерация языка. Эти возможности основаны на более семантических подходах, но получают пользу от расширенных наборов знаний, которые вытекают из статистических методов.

 

AI и Data Science шире, чем их пересечение
AI и Data Science шире, чем их пересечение
Хотя между ИИ и наукой о данных существуют общие области исследований, важно понимать, что каждая из этих двух областей намного больше, чем их пересечение. Для Data Science работа, связанная со сбором, обслуживанием, организацией и эффективным вычислением данных, выходит за рамки того, что когда-либо считалось искусственным интеллектом. Аналогичным образом, работа по планированию, решению проблем, умозаключениям, принятию решений и управлению знаниями выходит за рамки статистических и аналитических методов науки о данных.

 

Наконец, из-за способности масштабировать многие базовые статистические технологии крупные технологические компании (например, Google, Microsoft, IBM и AWS) активно продвигали разработку и публикацию инструментов в виде API-интерфейсов, которые доступны для открытого использования. Параллельно разработчики и исследователи производят библиотеки с открытым исходным кодом для обучения, языковой обработки, распознавания изображений и т. Д. Некоторые технологии, которые существовали только в лабораториях 10 лет назад, теперь не только доступны, но и полностью реализуются. Пять лет назад для создания системы, использующей сверточную нейронную сеть для обработки изображений, потребовался исследователь искусственного интеллекта уровня PhD, обладающий особыми знаниями в этой области. Сегодня для этого требуется младший программист и кредитная карта.

Влияние на Академию: применение и исследования

Эти тенденции не ограничиваются частным сектором. Мы видим их и в академии, где поле за полем внедряют технологии искусственного интеллекта и науки о данных для решения проблем, начиная от диагностики на основе изображений, анализа текста, используемого для понимания и классификации общения, и распознавания речи в качестве внешнего интерфейса для системы поиска данных. Используя новейшие инструменты, эти технологии теперь могут быть введены в действие исследователями, обладающими знаниями в данной области, даже если они могут не иметь опыта работы с базовыми технологиями, которые они используют. Это привело к появлению групп «искусственного интеллекта» в самых разных областях.

Хотя есть исключения, эти группы обычно характеризуются двумя основными характеристиками:

  • Во-первых, они гораздо больше сосредоточены на применении технологий искусственного интеллекта к проблемам, определяемым их областями, чем на исследовании природы самих технологий. Как и следовало ожидать, они заинтересованы в своих собственных областях исследований и рассматривают различные технологии искусственного интеллекта как инструменты для продвижения этих исследований.
  • Во-вторых, из-за природы инструментов, которые фактически доступны, их внимание сосредоточено на возможностях, которые определяются статистическими системами машинного обучения, которые наиболее легко применяются сегодня. Опять же, как и следовало ожидать, они используют доступные инструменты, и эти инструменты в основном носят статистический характер.

Тем не менее, как и следовало ожидать, инструменты, которые делают определенные аспекты ИИ легко доступными для неспециалистов, не обязательно являются предметом внимания активных исследователей ИИ просто потому, что инструменты имеют тенденцию быть ограниченными по объему и возможностям. Эти инструменты позволяют широко использовать некоторые возможности, но часто мало что делают для исследователей, которые пытаются продвинуть современное состояние в области ИИ. Во многих случаях активные исследователи видят в этих инструментах наименьший общий знаменатель, который может быть полезен, но может создать обманчивое впечатление, что область «решена», что противоречит реальному состоянию науки.

В результате бывают случаи, когда исследователи ИИ иногда обеспокоены принятием этих инструментов исследовательскими группами в других областях, которые создают приложения на их основе. Это часто выглядит как мнение, что исследователи в других областях используют технологии и инструменты, которые они не понимают, и, с точки зрения ИИ, могут быть неполными или, в некоторых случаях, просто неправильными для поставленной задачи. Это напряжение можно преодолеть, но важно понимать, что оно является частью динамики развития ИИ и ОД как в частном секторе, так и в академии.

Эта комбинация исследований и применения также включает изучение влияния самого ИИ. Эта работа включает в себя соображения о том, как это подрывает бизнес, наш ответ на него с точки зрения государственной политики и регулирования, а также вопросы права и этики, которые вытекают из развития независимых интеллектуальных систем.

В университетах по всей стране эти темы определяют три направления деятельности:

  • Исследования: Активные исследования, в основном в отделах CS, направленные на развитие современного уровня в области искусственного интеллекта и машинного обучения.
  • Применение: Применение современного уровня техники в виде существующих систем и инструментов для решения проблем в областях академического спектра.
  • Влияние: изучение различных способов, которыми ИИ меняет мир, и того, как мы можем реагировать на эти изменения.

Несмотря на разную природу, все эти три вида деятельности могут выиграть от взаимодействия между исследователями в других областях. Координация исследований, применения и изучения воздействия служит всем трем. Мы уже видели, как подходы к этой координации приносят солидные выгоды в таких школах, как MIT, Cornell, Georgia Tech и Университет Карнеги-Меллона. Каждая из этих школ использует комплексный подход, при котором исследования тесно связаны с воздействием. Результатом этой интеграции стало и превосходное исследование, и постоянный поток идей и систем из этих школ в реальное использование.

Искусственный интеллект на Северо-Западе

У Northwestern есть богатая коллекция активных и активных сообществ искусственного интеллекта, которые проводят исследования и применяют их практически в каждой школе.

ИИ в области компьютерных наук

Информатика в Northwestern включает значительную и влиятельную группу искусственного интеллекта, в которой ведется значительная и постоянная работа в области обработки и генерации естественного языка, планирования и решения проблем, когнитивного моделирования, интерактивных интеллектуальных систем, робототехники и машинного обучения. В эту группу входят девять основных преподавателей, занимающихся машинным обучением, робототехникой, пониманием и генерацией языка, взаимодействием человека и робота, анализом социальных сетей, компьютерной журналистикой, анализом аудио, компьютерами и образованием, а также юридическими аргументами.

Группа ИИ сосредоточена на основных проблемах ИИ, а также имеет связи в области исследований и разработок со всеми школами в северо-западном кампусе. AI в CS также включает в себя ряд научно-педагогических факультетов и аспирантов, более 30 аспирантов, а также множество магистров и студентов. В частности, CS поддерживает недавно созданного магистра наук в области искусственного интеллекта (MSAI), который в настоящее время обучает 20 студентов в год и расширяется, чтобы включать кандидатов из-за пределов компьютера

ИИ связан с другими областями КС
ИИ связан с другими областями КС
Наука в попытке представить ИИ для студентов с учеными степенями в области медицины, права и бизнеса.

 

Современный ИИ гораздо шире, чем машинное обучение или глубокое обучение, и группа ИИ в КС отражает этот факт. С исследованиями, охватывающими различные аспекты ИИ, он также связан с другими областями КС, включая работу в области теории, систем, баз данных и взаимодействия человека с компьютером. Отделу CS на Северо-западе повезло, что во всех этих областях есть исследователи мирового класса, которые сотрудничают и поддерживают исследователей ИИ и их работу.

ИИ на Северо-западе

В то время как CS находится в центре искусственного интеллекта в качестве исследовательского центра, в кампусе есть и другие виды деятельности.

  • c Cormick School of Engineering
    В M c Cormick проводятся исследования в IEMS и в ECE в области машинного обучения, обработки изображений и оптимизации, которые расширяют охват многих из этих технологий и дают результаты, которые могут улучшить их. Аналогичным образом, работа, продвигаемая инициативами Data Science и Analytics, привела к применению инструментов машинного обучения. Связанные исследования проводятся во многих областях, включая химическую и биологическую инженерию.
  • Школа управления Kellogg В Школе управления
    JL Kellogg машинное обучение применяется в тех областях, где аналитика данных уже используется как часть набора инструментов для маркетинга и стратегического анализа. Кроме того, основное внимание уделяется тому, как технологии влияют на бизнес и могут способствовать организационным изменениям.
  • Юридическая школа Притцкера
    Точно так же Юридическая школа Притцкера использует ИИ с точки зрения технологии, которую необходимо изучать с нормативной точки зрения, и в качестве источника приложений, которые могут нарушить закон как практику. Недавние занятия и наймы были направлены на прямую поддержку обеих этих усилий.
  • Школа журналистики Medill, Медиа, Интегрированные маркетинговые коммуникации
    В Школе журналистики Medill, Медиа, Интегрированные маркетинговые коммуникации в подразделениях журналистики и Интегрированных маркетинговых коммуникаций есть инициативы по интеграции AI и Data Science в свою работу. Эти усилия воплощены как в Knight Lab (журналистика), так и в недавно созданной Retail AI Lab (IMC).
  • Школа общения
    В Школе общения программа «Технологии и социальное поведение» включает изучение ИИ и ОД с точки зрения справедливости, прозрачности и социального воздействия.
  • Колледж искусств и наук
    Вайнберга В Колледже искусств и наук Вайнберга программа когнитивных наук всегда включала ИИ в качестве одного из трех основных элементов наряду с наукой о психологии и обучении. В последнее время растет понимание того, что между КС и Статистикой должна быть более тесная связь, особенно с учетом того, что большая часть недавней работы по ИИ основана на статистических подходах.
  • Школа медицины им.
    Файнберга В Школе медицины им. Файнберга есть несколько групп, которые вкладывают время и деньги в развитие навыков, необходимых для применения широкого спектра технологий искусственного интеллекта к проблемам понимания изображений, диагностики, прогнозирования и вмешательства. Это включает в себя работу в области радиологии, профилактической медицины и кардиологии с новым ИИ в кардиологическом центре.

взаимодействия

Хотя понимание работы каждой из различных групп, изучающих или использующих ИИ, важно, важно также понимать, как они взаимодействуют друг с другом. В этом разделе мы собираемся наметить некоторые из этих взаимодействий, особенно те, которые связаны с магистром наук в области искусственного интеллекта (MSAI) и инициативой CS + X отдела компьютерных наук. Несомненно, существуют различные связи между различными группами, но эти две инициативы по своей природе предназначены для поддержки взаимодействия между различными группами.

  • Магистр наук в области искусственного интеллекта (MSAI)
    С самого начала программа MSAI была разработана для интеграции в различные области ИИ (семантика и статистика), различные аспекты информатики (наука о данных, взаимодействие человека с компьютером и разработка программного обеспечения), а также различные дисциплины, связанные с применением технологий в мире (когнитивная психология и деловая практика). В рамках этой программы мы привлекли лекторов, чтобы представить точку зрения на этические и правовые последствия ИИ, который включал связи с Прицкером и Вайнбергом.

    Мы также привлекли широкий круг компаний, которые либо работают над разработкой систем искусственного интеллекта напрямую, либо хотят применить технологии искусственного интеллекта в своей текущей работе. За последние три квартала мы пригласили около 30 компаний либо представить свои работы, либо рассказать о своих проблемах студентам (см. Приложение A). Эти визиты привели к стажировкам и внутренним исследовательским проектам. Даже в тех случаях, когда нет немедленных результатов, мы используем MSAI в качестве механизма для построения постоянных отношений с компаниями, которые заинтересованы в технологиях, которым мы обучаем.

    Весной этого года у нас есть проекты с внешними и некоммерческими компаниями, включая Северо-западную Мемориальную Больницу, Solstice Technologies, Отдел радиологии Файнберга, футбольную команду Northwestern и Greenkey Technologies. А наши студенты MSAI уже проходят стажировку в таких компаниях, как Deloitte, Abbott и Briteseed Medical.

    Поскольку большая часть работы в области искусственного интеллекта обеспечивается инструментами, предоставляемыми различными компаниями, занимающимися платформами, MSAI также активно привлекает представителей Google, Microsoft, AWS и IBM для обучения студентов навыкам когнитивных вычислений и машинного обучения. инструменты и дать им доступ к этим инструментам для использования в проекте и классе. Наша цель в наступающем году - расширить ее, чтобы разработать классы «Инструменты и методы», поддерживаемые этими компаниями как для студентов MSAI, так и для наших студентов. 

    Стремясь представить различные аспекты ИИ и его влияния, программа MSAI привлекла широкий круг докладчиков из этих компаний для обсуждения применения ИИ и последствий, связанных с его использованием, которые выходят за рамки самих технологий.

  • CS + X
    Хотя CS + X является инициативой, которая более сфокусирована, чем просто искусственный интеллект, ИИ находится в центре многих дискуссий просто из-за широкого применения различных технологий машинного обучения и языковой обработки. Для нас это также механизм разработки подходов к взаимодействию, которые включают занятия, семинары и докладчиков, а также прямые связи для исследований. 

    Обе эти программы привели к разговорам и отношениям, которые выходят за рамки самих программ.

Выводы

На Северо-Западе активно работает искусственный интеллект. В области компьютерных наук существует общепризнанная глубина экспертизы ИИ, и прикладная работа по ИИ во всем университете впечатляет. Задача состоит в том, чтобы использовать эту работу для расширения основного исследовательского опыта, чтобы как поддерживать, так и усиливать воздействие прикладной работы, одновременно следя за последствиями новых технологий по мере их появления.

Конечно, каждый вызов лучше всего рассматривать как возможность.

Междисциплинарная история подхода Northwestern и Whole Brain к исследованиям в M c Cormick School of Engineering дает уникальную возможность для реализации междисциплинарной стратегии, которая использует наши сильные стороны в строгих исследованиях, перспективных приложениях и вдумчивое изучение их воздействия.

Северо-запад находится в завидном положении. Опираясь на успех нашего взаимосвязанного исследования, мы создаем модель «AI Everywhere», которая поддерживает и интегрирует эти три измерения. Мы создаем будущее, в котором исследования ИИ мирового класса активно внедряются в практику по всему университету, руководствуясь глубоким пониманием науки, ее способности трансформироваться и нашей способностью предвидеть и направлять ее воздействие.

Источник: https://www.mccormick.northwestern.edu/news/articles/2019/05/artificial-intelligence-at-northwestern.html

Добавь свою компанию
Стань партнером
Ваш продукт в исследованиях и рейтингах
Предложить тему для рейтинга