Zero
Verso la fine di ottobre, ho avuto il privilegio di moderato un dibattito sul tema dell’intelligenza artificiale, machine learning a Unbound Miami, una boutique (ma ottima) fiera specializzata in una vetrina di tecnologie dirompenti come cryptocurrency e blockchain.
La mostra e il pannello è stato molto coinvolgente con alcuni davvero grandi oratori, tra cui Dr. Alex Liu di IBM, Antonio DeLima di NEORIS, Prof. Sara Rushinek dell’Università di Miami Business School, e Ylan Kazi a UnitedHealth, e sono contento che finalmente sono in grado di mostrare a voi.
Dal momento che lo spettacolo, ho riflettuto molto sull’argomento della macchina di apprendimento nel cloud, e come è probabile che l’impatto nostre vite in un futuro prossimo. Ci sono molti aspetti di questa tecnologia sono potenzialmente molto positivi, ma, come con qualsiasi tecnologia dirompente, ci sono delle trappole.
Anche: intelligenza Artificiale, machine learning slancio continua
Per esempio, i social media, in particolare di servizi come Facebook, Instagram e Twitter — sono stati salutati come potenti strumenti per arricchire la nostra vita, e ci aiuta a connettersi con altre persone che non lo siamo mai prima, e hanno segnato un’età di notizie trasparenza, la segnalazione immediata, e citizen journalism.
E questi sono legittimi benefici. Ma questi benefici anche venire con insidie: Una popolazione infinita di “lifestream” distrarre la gente con la tecnologia augmented autismo; i pericoli della tecnologia assistita gaslighting; l’attivazione di gruppi estremisti e cospirazionisti di diffondere il loro veleno ovunque; la sovversione della nostra democrazia dal nemico attori stranieri; e, naturalmente, l’immancabile massa di informazioni personali compromessi di questi siti hanno un numero qualsiasi di tecniche API di sicurezza snafus.
Lo stesso si potrebbe dire per l’apprendimento automatico e di intelligenza artificiale. Sì, la proliferazione di sensori per la salute dispositivi può essere, e sarà, un potente strumento per la diagnosi precoce di gravi condizioni di salute e cambierà il rapporto tra medico e paziente, che permetterà una più dinamica e in tempo reale il monitoraggio delle condizioni di salute prima che diventino potenzialmente pericolosa per la vita.
Ma, come con i social media, cloud-based machine learning ha un simile potenziale di Black Mirror insidie.
Inoltre: AI startup Petuum obiettivo di industrializzare macchina di apprendimento
Macchina di apprendimento è una parte essenziale della trasformazione digitale di tendenza nell’impresa moderna. La possibilità di ottenere la comprensione dei processi di business attraverso ciò che è misurabile usando diversi tipi di sensori, e di correlare i dati utilizzando il modello di analisi, è sempre più importante la capacità che sta rapidamente diventando una parte essenziale della complessiva È di toolbox.
Per esempio, aziende come SAP, attraverso Leonardo Intelligente di prodotti di Impresa, hanno portato insieme IoT insieme finito di piattaforme applicative distribuite in cloud SaaS, che può essere facilmente personalizzato in modo che le imprese possano creare visualizzazioni di dati complessi al fine di ottenere informazioni su come risolvere problemi di business complessi.
Comprendere i modelli e le tendenze attraverso i big data non è nulla di nuovo: L’Agenzia per la Sicurezza Nazionale ha fatto complesso SIGINT (signal intelligence), per molti anni, per difendere il paese dal terrorismo e minacce straniere. Il PRISMA programma ha rivelato tanto. Allo stesso modo, la società di ricerca NPD utilizza grandi quantità di dati di vendita forniti dai grandi retailer, al fine di creare relazioni importanti tendenze negli acquisti di elettronica di consumo.
Cosa c’è di nuovo è che intelligente raccolta e analisi dei dati non è solo per le grandi imprese e istituzioni di tutto il mondo più, ogni azienda può trarre vantaggio. Con piattaforme come SAP Leonardo o semilavorati di servizi cloud come Azure machine learning, AWS Sagemaker, Google Cloud AI, e IBM Watson apprendimento automatico, la velocità di sviluppo e il time to market è molto più veloce di quanto non sia mai stato in precedenza per la costruzione di una complessa macchina di apprendimento del sistema o dell’applicazione.
Inoltre: che Cosa è il deep learning? Tutto quello che devi sapere
Le imprese sono naturalmente molto desiderosi di migliorare e snellire i processi aziendali. Ma gli stessi strumenti che aiutano le aziende a diventare più agili e risparmiare denaro può essere utilizzato anche in un opprimente di moda sui propri dipendenti.
Per esempio, la connessione Wi-Fi punti di accesso possono raccogliere dati su dispositivi che si trovano in prossimità di loro, e quindi una comune applicazione nel retail è quello di utilizzare le informazioni per comprendere meglio il traffico del piede in entrata e l’uscita di un negozio dove e per quanto tempo i clienti indugiare.
Deve leggere
Google ha appena lanciato un bizzarro AI esperimento chiamato Spostare Specchio (CNET)’IA è molto, molto stupido”, dice Google AI leader (CNET)AI mezzi di una vita, e di formazione (CNET)
Ma, in un’azienda, questo potrebbe essere utilizzato anche in combinazione con la gestione del dispositivo mobile, keylogging, e attività/presenza di rilevamento per il monitoraggio, l’ubicazione e le attività dei dipendenti, utilizzando i dati di correlazione e l’analisi dei modelli, al fine di comprendere meglio la produttività dei dipendenti aggregati o anche mirati.
Le stesse informazioni di marketing, dovrebbe essere ospitato in una “dati lago” a una grande nuvola hyperscaler come AWS o Azzurro, potrebbe anche non essere necessariamente vincolata ad un singolo inquilino. Che il marketing di dati, raccolti da un rivenditore in un centro commerciale, potrebbe essere condivisa con altri rivenditori come parte di un consorzio o di partenariato, al fine di sviluppare molto di più complesso modello di applicazioni di analisi su cosa e quando dobbiamo comprare.
Le informazioni raccolte in più di dati laghi più cloud potrebbe essere teoricamente combinati per produrre estremamente sofisticati report su qualsiasi numero di gruppi di utenti, soprattutto se si combina questo con ciò che è noto da loro profili di social media, come a loro piace e ciò che essi condividono.
Anche: Amazon si espande machine learning services davanti a re:Inventare
Sostanzialmente, quello che dovremmo fare è che tipo di sensore di raccolta dei dati, delle modalità di accesso a tali dati è dato, e come sarà purè e utilizzato in diversi modi, utilizzando la macchina assistita analytics.
Per esempio, wearables come l’Apple Watch in grado di fornire la telemetria per gli operatori sanitari circa la salute generale dei loro pazienti e fornire di allarme e di segnalazione in modo che i medici possano assumere un ruolo più proattivo, piuttosto che agire su un evento acuto, come un pronto soccorso visita.
Ma la stessa tecnologia è già utilizzata da società di assicurazione sulla vita, come John Hancock attraverso la sua Vitalità del programma, in ordine al problema delle politiche, con tariffe che sono influenzati da chi lo indossa attività complessiva e stile di vita.
Non ci sarebbe voluto molto per estendere l’analisi dei trend che la società è quasi certamente impegnarsi in per incorporare i dati dal ricevitore GPS sul dispositivo o anche dall’assicurato smartphone per capire, per esempio, che tipo di ristoranti che persona le visite e, potenzialmente, quale impatto ha sul suo stato di salute complessivo.
Così, in futuro, si potrebbe desiderare di pensare due volte prima di fare che Yelp check-in in In-N-Out.
Inoltre: Come di machine learning e data science di dare Bloomberg un vantaggio
Ci sono anche prodotti sul mercato, come ad esempio Sprint Auto, utilizzare i servizi basati su cloud per memorizzare GPS di viaggio e di altro veicolo, i dati di prestazioni, i dati possono essere accessibili da parte di una compagnia di assicurazione, se l’accesso a tali dati è stato venduto dagli originari del fornitore di dati.
Proprio come si potrebbe opt-in per John Hancock Vitalità, si potrebbe trovare te stesso di essere offerto (forzato) in una dinamica politica di GEICO, USAA, di vigilanza, o Hartford Assicurazione per il vostro veicolo se si utilizza un sistema automatico di rilevamento del dispositivo come Sprint Auto.
State visitando il McDonald ogni giorno per la prima colazione? Sei stato a guida troppo veloce discesa che strada principale? Penso che i premi appena andato fino a $3.000 all’anno. Collettivamente. Ricordate, questi non sono solo mirati raccolte di dati, ma i tuoi vicini sono anche determinare le tendenze nella tua città e comune, troppo, anche potenzialmente influenzare voi.
Yay, macchina di apprendimento!
Tutti questi esempi, ovviamente, non sono proprio il tipo di cose che la società farà nel loro proprio interesse quando l’accesso a questo tipo di dati che si stanno raccogliendo su di loro per applicazioni interne.
Deve leggere
Il 61% delle imprese hanno già implementato AI (TechRepublic)Top 5: i Modi AI cambiamenti di business (TechRepublic)10 modi AI avrà un impatto l’impresa nel 2018 (TechRepublic)
Non abbiamo ancora cominciato a scavare in quello che i terzi interessati potranno fare con questi dati se l’accesso è venduto o concesso a loro, né abbiamo esplorato la possibilità di dati lago di violazioni della sicurezza da cattivi attori, o anche non intenzionale violazione del tipo che abbiamo visto di recente che utilizza male API di sicurezza a Facebook e Google.
Macchina di apprendimento e i dati laghi sono strumenti potenti che, come i social media, in grado di migliorare la qualità della nostra vita e ci aiutano a ottenere importanti affari personali intuizioni che vi permette di diventare più agile e reattiva. Ma abbiamo bisogno di essere molto attenti a come vengono raccolti i dati, come si è condiviso, a che cosa serve, e come si è assicurata. Non riesco a pensare di qualsiasi altra tecnologia dirompente sul mercato in questo momento che ha tanto potenziale per il bene come per il male.
Sarà macchina di apprendimento nel cloud herald un’età di processo di business, visibilità e agilità, o diventerà il nostro prossimo incubo che distrugge la nostra vita e la privacy come la conosciamo? Parlare di nuovo e fammi Sapere.
Precedente e relativa copertura:
Che cosa è l’IA? Tutto quello che devi sapere
Un esecutivo a guida di intelligenza artificiale, machine learning e generale AI alle reti neurali.
Cos’è il deep learning? Tutto quello che devi sapere
Il lowdown su deep learning: da come si relaziona con il più ampio campo di machine learning a come iniziare con esso.
Che cosa è macchina di apprendimento? Tutto quello che devi sapere
Questa guida spiega in cosa consiste la macchina di apprendimento, di come esso è legato all’intelligenza artificiale, come funziona e perché è importante.
Che cos’è il cloud computing? Tutto quello che devi sapere su
Un’introduzione al cloud computing destra, dalle nozioni di base fino a IaaS e PaaS, ibrido, public e private cloud.
Storie correlate:
Non c’è un ruolo per IA o scienza di dati: questa è una squadra effortAI: La vista dal Capo Scienza di Dati OfficeIt non i posti di lavoro AI è distruggere che mi da fastidio, è quelli che sono in crescita
Argomenti Correlati:
Cloud
La Trasformazione Digitale
Robotica
Internet delle Cose
L’innovazione
Enterprise Software
0