Zero
AWS Amazon ha annunciato SageMaker Verità a Terra per aiutare le aziende a creare la formazione di insiemi di dati per l’apprendimento automatico. Questo è un potente nuovo servizio per le persone che hanno accesso a un sacco di dati che non è stato coerente con annotazioni. In passato, gli esseri umani hanno l’etichetta di un enorme corpus di immagini o fotogrammi all’interno di video di formare un computer vision modello. Verità a terra utilizza la macchina di apprendimento, oltre agli esseri umani di etichettare automaticamente un set di dati di training.
Inoltre: Si AI bisogno di terapia in futuro? CNET
Questo è un esempio di un tema emergente più di un anno, quindi, di machine learning per l’apprendimento automatico. Apprendimento automatico di dati di cataloghi (MLDCs), di tipo probabilistico o fuzzy matching, automatizzato di dati di training annotazione, e i dati sintetici creazione, l’uso di machine learning per la produzione o la preparazione dei dati per il successivo apprendimento della macchina a valle, spesso per risolvere problemi con dati di scarsità o di dispersione. Questo è tutto bene e buono, fino a quando si considera che la macchina di apprendimento in sé e per sé si basa sul ragionamento induttivo e quindi di probabilità.
Consideriamo come questo può giocare nel mondo reale: Un fornitore di assistenza sanitaria desidera utilizzare computer vision per diagnosticare una malattia rara. A causa di dati sparsi, un sistema automatico annotator è utilizzato per creare più dati di allenamento (più marcate le immagini). Lo sviluppatore imposta il 90% di propensione soglia, nel senso che solo i record con un 90% di probabilità di essere classificati saranno utilizzati come dati di training. Una volta che il modello è addestrato e schierato, si è utilizzato in pazienti i cui dati sono collegati insieme da più database mediante corrispondenza fuzzy su i campi di dati testo. Enti diversi insiemi di dati con il 90% di possibilità di essere la stessa sono abbinati. Infine, il modello di bandiere immagini con un 90 per cento o maggiore probabilità di rappresentare la malattia per la diagnosi.
Anche: Top 5: i Modi AI cambierà business TechRepublic
Il problema è che, tradizionalmente, i dati di scienziati e di apprendimento automatico esperti di concentrarsi solo sul finale propensione punteggio come una rappresentazione complessiva di accuratezza della stima. Questo ha funzionato bene in un mondo in cui la preparazione dei dati che portano alla formazione è stato deduttivo e deterministico. Ma quando si introducono le probabilità di sopra delle probabilità, che finale propensione punteggio non è più accurata. Nel caso di cui sopra, c’è un argomento che la probabilità di una diagnosi accurata diminuisce dal 90% al 73 per cento (90% x 90% x 90%) – non è l’ideale in una vita-e-una situazione di morte.
Come l’enfasi sulla necessità di explainability in AI, aumenta, c’è bisogno di un nuovo quadro di riferimento per le attività di analisi della governance che incorpora tutte le probabilità incluso nella macchina di apprendimento processo, dalla creazione di dati per i dati di preparazione per la formazione di inferenza. Senza di essa, erroneamente gonfiato punteggi di propensione si emettono diagnosi errate pazienti, maltrattare i clienti, e indurre in errore le imprese e i governi fanno le decisioni critiche.
— Da Brandon Purcell, Principal Analyst
Come AI modificare il modo in cui le aziende lavorano nel 2019? Registrati oggi per di Forrester gratuito previsioni webinar su 23 gennaio, alle ore 11, ET.
Questo post è stato pubblicato originariamente qui.
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.
Argomenti Correlati:
L’innovazione
La Trasformazione Digitale
CXO
Internet delle Cose
Enterprise Software
Smart Cities
0