Noll
AWS meddelade Amazon SageMaker Marken Sanningen att hjälpa företag att skapa utbildning datamängder för maskininlärning. Detta är en kraftfull ny tjänst för folk som har tillgång till massor av uppgifter som inte har varit konsekvent kommenteras. I det förflutna, människor skulle märka en massiv samling av bilder eller bilder i video för att utbilda en dator vision modell. Marken Sanningen använder maskininlärning i tillägg till människor för att automatiskt märka en utbildning för uppgifterna.
Också: Kommer AI behöver terapi i framtiden? CNET
Detta är ett exempel på en framväxande tema under det senaste året eller så — maskininlärning för maskininlärning. Maskin-lärande datakataloger (MLDCs), probabilistiska eller nära matchning, automatiserad utbildning uppgifter anteckningar och syntetiska data skapas alla använder maskininlärning för att producera eller förbereda data för senare lärande nedströms, ofta lösa problem med data brist eller spridning. Allt detta är gott och väl tills vi anser att lärande i och av sig själv förlitar sig på induktiva resonemang och är därför sannolikheten-baserade.
Låt oss diskutera hur detta kan spela ut i den verkliga världen: En vårdgivare skulle vilja använda datorn vision att diagnostisera en sällsynt sjukdom. På grund av glesa data, en automatiserad skrev en kommentar används för att skapa mer utbildning data (mer märkt bilder). Utvecklaren anger 90 procent benägenhet tröskelvärde, vilket innebär att endast poster med 90 procent sannolikhet att vara korrekt klassificerade kommer att användas som utbildningsmaterial data. När modell är utbildade och distribueras, att det används på patienter vars uppgifter är kopplade till varandra ur flera databaser med hjälp av fuzzy matching på text-fält. Enheter från olika datauppsättningar med 90 procent chans att samma matchas. Äntligen, modellen flaggor bilder med 90 procent eller mer sannolikt skildrar sjukdomen för diagnos.
Även: Topp 5: Sätt AI kommer att förändra verksamheten TechRepublic
Problemet är att, som traditionellt, data forskare och maskin-lärande experter bara fokusera på det slutliga benägenhet betyg som en representation av den totala noggrannheten av förutsägelsen. Detta har fungerat bra i en värld där de uppgifter som beredningen leder upp till utbildningen har varit deduktiv och deterministisk. Men när du presentera sannolikheter på toppen av sannolikheter, som sista benägenhet betyg är inte längre korrekt. I fallet ovan, det är ett argument för att vara gjorde att sannolikheten för en korrekt diagnos minskar från 90 procent till 73 procent (90 procent x 90 procent x 90 procent) — inte perfekt i en liv och död situation.
Eftersom tonvikten på behovet av explainability i AI ökar, det måste bli en ny ram för analytics styrning som innefattar alla de sannolikheter som ingår i maskinen-learning process-från data skapas data prep till utbildning för att slutledning. Utan det, felaktigt uppblåsta benägenhet poäng kommer att feldiagnostisera patienter, misshandla kunder, och vilseleda företag och regeringar som de fatta viktiga beslut.
– Genom Att Brandon Purcell, Chefsanalytiker
Hur kommer AI förändra hur företag fungerar i 2019? Registrera dig idag för Forresters gratis förutsägelser utkommer den 23 januari kl 11 ET.
Det här inlägget publicerades ursprungligen här.
Tidigare och relaterade täckning:
Vad är AI? Allt du behöver veta
En verkställande guide till artificiell intelligens, från maskininlärning och allmänna AI att neurala nätverk.
Vad är djupt lärande? Allt du behöver veta
Lowdown på djupt lärande: från hur det förhåller sig till de bredare fält av maskinen lärande genom hur man kommer igång med det.
Vad är lärande? Allt du behöver veta
Denna guide förklarar vad lärande är, hur den är relaterad till artificiell intelligens, hur det fungerar och varför det är viktigt.
Vad är cloud computing? Allt du behöver veta om
En introduktion till cloud computing rätt från grunderna upp till IaaS och PaaS, hybrid, offentliga och privata moln.
Relaterade Ämnen:
Innovation
Digital Omvandling
CXO
Sakernas Internet
Affärssystem
Smarta Städer
0