g u t x .com.tr İpek yolu - Çin'i anlamaya götürürüm

Ne İzlemeli? İnsanları ve Yapay Zekayı birleştirmenin en iyi şekli nedir?

Yapay zeka teknolojisi hızla gelişiyor, bize ne gibi değişiklikler getirecek? İnsanlar yapay zeka ile nasıl anlaşmalı?

Yapay zeka ekosisteminde neler oldu

Yapay zeka ekosistemi, üniversitelerden işletmelere ve hükümet salonlarına kadar dünya çapında patlama yaşıyor.

Öncelikle yapay zekanın akademik araştırma alanından ilginç bir gerçek var.

Araştırmacılar için en büyük akademik konferans, Sinirsel Bilgi İşleme Sistemi (NeurIPS) adlı bir konferanstır.

İkincisi, hayatın her kesiminden şirketler yapay zekaya yatırım yapıyor gibi görünüyor.

Üçüncüsü, akademi daha fazla makale yayınladıkça ve şirketler daha fazla proje uyguladıkça, politikacılar doğal olarak ülkelerini veya bölgelerini yapay zeka odaklı girişimler kurmak veya makine öğrenimi araştırmaları yapmak için gezegendeki en uygun yer olarak konumlandırmaya çalışıyor. yerel.

Pek çok ülke bir yapay zeka ekosistemi geliştirme planlarını açıkladı ve hiçbir ülke bu konuya Çin'den daha fazla ilgi göstermiyor.

Otomatik prosedürler bizi daha yaratıcı kılıyor

Bir veya iki günlük ücretsiz teslimat hizmetleri sunan Amazon Prime ve küresel muadillerine giderek daha fazla güveniyoruz. Amazon, ihtiyaçlarımızı karşılamak için evimize daha yakın ve daha yakın dağıtım merkezleri inşa ediyor ve 25 kiloluk sarı kutuları bir yerden diğerine taşımak için binlerce Kiva robotu konuşlandırdı.

Amazon, bu robotlara ek olarak, Kiva robotlarına yardım etmek ve robot sıkışması sorununu çözmek için binlerce insan işçi de işe aldı.

Makineler basit ve tekrarlayan görevleri devraldığında, insanlar en iyi yaptıkları şeyi yapmakta özgürdür: kutunun dışında düşünmek ve karmaşık sorunları yaratıcı yollarla çözmek.

Eksiksiz ve güncel bir müşteri ilişkileri yönetim sistemi ile, satış ve pazarlama personeli nihayet müşteri ilişkileri yönetim sisteminden kazanmayı umdukları içgörülere göre hareket edebilir.

Makine öğrenimi bize gerçek dünyada süper güçler verdi

İnsan algı sistemimiz harika. Gözleriniz çok detaylı çözünürlükle 10 milyon farklı rengi ayırt edebilir. Ancak algı sistemimizin de iyi bilinen sınırlamaları vardır. Bu yüzden bomba koklayan insanlar yerine bomba avcı köpeklerimiz var.

İnsanlar olarak, şeylerin yavaş büyüyen sürecini gözlemlemek ve zaman içinde karşılaştırmak bizim için zor: Algılama sistemimiz, yavaş büyüyen ıspanaklara değil, hızlı hareket eden avcılara dikkat etmek için tasarlanmıştır.

Öte yandan, makine görme sistemi sağlıklı bir marul ağacının 36. gününde tam olarak neye benzemesi gerektiğini bilmek için eğitilebilir.

Büyüyemeyen marul için çiftlik, en iyi sağlığı elde etmesine yardımcı olmak için sıcaklığı, ışık koşullarını, su seviyesini, besin maddelerini, nemi ve diğer faktörleri otomatik olarak ayarlayabilir.

Bu kapalı çiftlikler, mahsulün fit kare başına 15 pound üretebilirken, yüksek verimli seralar ve tarlada yetiştirilen mahsuller sırasıyla fit kare başına 7 pound ve fit kare başına 1 pound üretebilir.

Dahası, pestisit kullanmadan ve su tüketimini% 95 azaltmadan, bu mahsullerin verimi de bu büyüme verimliliklerini sağlayabilir. Süper vizyonun gücü bizi daha verimli çiftçiler yapar.

Super Vision fabrika içerisinde de kullanılabilir.

Dünya çapında robotik alanında yapılan büyük yatırımlara rağmen, fabrika işlerinin yaklaşık% 90'ı hala manuel olarak yapılıyor. Buradaki zorluk, fabrikada çok fazla maliyetin belirtilmesi ve işçilerin bu görevleri yapmaya devam etmelerinin zor olmasıdır. Amerika Birleşik Devletleri'nde çok iyi işletilen bir fabrika, pahalı yeniden işe alma ve yeniden eğitim maliyetlerini ödemek için yıllık gelirinin% 30'una sahip olabilir.

Çin'de, her gün% 2'lik bir işçi devir oranına sahip olmak alışılmadık bir durum değil, bu da birkaç ay içinde yeni bir işgücüne sahip olacağınız anlamına geliyor. Yüksek maliyet göz önüne alındığında, fabrikanın her yeni çalışanın eğitim maliyetini en aza indirmesi hayati önem taşımaktadır.

Drishti bu fabrikalara süper görüş yetenekleri getiriyor.

Çalışanlar ürünleri bir araya getirirken videoları yakalayıp analiz ederek, sistem, her işe ayak uydurmalarına yardımcı olmak için kişiselleştirilmiş eylem önerileri sağlayabilir. Drishti kullanan tesisler, işgücü verimliliğini% 25 artırmış ve hata oranlarını% 50 azaltmıştır.

Şantiyelere süper görme yetenekleri getirdiğimizde, tüm çalışanların güvende kalmasına, bütçesine ve planlamasına yardımcı olabiliriz. Doxel, işten sonra her gün yer robotlarından ve dronlardan veri toplamak için lidar (sürücüsüz arabalarda kullanılan aynı lidar) ve kameralar kullanıyor.

Bu günlük döngüsel görev, doğru malzemeleri ve araçların sahaya ulaşmasını sağlayarak doğru çalışanları doğru zamanda tutmaya yardımcı olur. Bu, tesisatçı veya elektrikçi duvarın arkasındaki boruyu veya kabloyu bitirmeden önce duvarı tamir etmek gibi kendi ev yenileme projelerinizde karşılaşabileceğiniz hataları da önlemeye yardımcı olacaktır.

Daha iyi kararlar vermemize yardımcı olun

Makine öğrenimi algoritmaları, insan önyargısını en aza indirerek, daha eksiksiz veri kümeleri kullanarak veya karar verme yazılımımızdaki bilinen eksiklikleri gidererek daha iyi kararlar almamıza yardımcı olabilir.

Eski bilgisayar bilimi aksiyomları "çöp girdisi, çöp çıktısı" hala geçerli olsa da, tamamen temsili veri kümelerine sahip iyi tasarlanmış bir sistem daha bilinçli kararlar almamıza yardımcı olabilir.

Textio ayrıca bölgesel farklılıklara da dikkat çekti.

Makine öğrenimi ayrıca, en iyi çalışanlarınızı bu kadar verimli kılan şeyin ne olduğunu bulmanıza yardımcı olabilir ve bir acemiyi ilk gün uzmana dönüştürmenize yardımcı olabilir. Cresta.ai, en etkili satış görevlilerinin sohbet sırasında potansiyel müşterilerle nasıl etkileşimde bulunduğunu gözlemler: potansiyel müşterinin neye ihtiyacı olduğunu bulmak, ürünleri önermek, soruları yanıtlamak.

Bu sistem, en iyi uygulamaları çıkarır ve bunları, potansiyel müşterilerle etkileşimde bulunurken deneyimsiz veya verimsiz satış personeli tarafından kullanılmak üzere gerçek zamanlı önerilere dönüştürür.

Intuit gibi müşteri dağıtımlarında, satış ekibinin dönüşüm oranı% 20 arttı ve eğitim süresinde% 66 tasarruf sağlandı. Diğer bir deyişle, bu sistemi kullanmama ile karşılaştırıldığında satış temsilcileri daha az eğitimle daha fazla iş tamamladı.

Bu sistem satış personeli ve müşteriler için iyidir.

Demokratik Kongo Cumhuriyeti hükümetinde güvenilir bir siyasi ortağımız varsa, tüm madencilerin çalışma koşullarını iyileştirmeye çalışabiliriz, ancak aynı zamanda yeni kobalt kaynakları da aramalıyız.

KoBold Metals'ın yaptığı tam olarak budur.

Arazi verileri, belirli bir alanda büyüyen bitkiler, manyetik ve elektromanyetik modeller, su ve hava durumu modelleri, kaya türleri vb. Gibi birçok farklı veri kaynağına bakarak, bu sistem madene çok pahalı bir keşif gezisi göndermeden önce yardımcı olabilir. Jeologlar kobalt için olası yerler buldular.

Tehlikeli işleri ve görevleri otomatikleştirmek bizi daha güvenli hale getirir

Denizde kurtarma, uzak bölgelere kan ve aşı götürme ve içeride düşman askerler olup olmadığını görmek için binalara koşma gibi bazı görevler açıkça tehlikelidir. Yeni başlayanlar ve kar amacı gütmeyen kuruluşlar bu görevlerin otomatikleştirilmesine yardımcı oluyor.

"Little Ripper" adlı bir kuruluş, okyanus üzerinde video görüntüleri toplamak için bir dron uçuruyor. Sörfçüler ve yüzücüler için bir erken uyarı sistemi olarak sudaki köpekbalıklarını tanıyan bir makine öğrenimi modeli oluşturmayı planlıyorlar.

Videoları toplamak için bir eğitim görevi sırasında gerçek bir yardım çağrısı geldi.

70 saniye içinde, drone operatörü ölü yüzücülere uçtu, can yeleklerini onlara fırlattı ve onları tehlikeli dalgalara bir cankurtaran ekibi göndermek zorunda kalmadan kurtardı.

Portföy şirketlerimizden biri olan Zipline, Ruanda halkına hayat kurtaran kan ve aşılar sağlamak için çok çalışıyor. Drone tabanlı dağıtım sistemleri o kadar yaygın ki Ruanda'da kan nakli için kullanılan kanın% 25'ini sağlıyorlar. Çoğu ekspres teslimat yarım saat içinde tamamlanır.

Şirket şimdi dağıtım sistemini Gana'ya genişletiyor ve Amerika Birleşik Devletleri'nde test uçuşlarına başladı.

Makine öğrenimi, birbirimizi daha iyi anlamamıza yardımcı olacak

İşleyen bir sistem: Yapay zeka araştırmasının ilk hedeflerinden biri makine çevirisidir, yani bir insan dilini diğerine çevirmektir.

Bu tür bir çeviri çok zordur, profesyonel bir BM tercümanı bir seferde sadece 20 dakika çalışsa bile, yerini bir takım arkadaşı alır.

Girdiğimiz her toplantı odasındaki veya açtığımız her tarayıcı penceresindeki her web aramasına gerçek zamanlı çeviri yerleştirdiğimizi ve her aramayı daha iyi anlayabildiğimizi hayal edin.

Krizdeki kişilere metin mesajları yoluyla tavsiyelerde bulunan Crisis Text Line adında kar amacı gütmeyen bir kuruluş var.

Crisis Text Line başlatıldığında, iyi eğitimli danışmanlardan yüksek riskli SMS gönderenleri tahmin etmek için kullanılabilecek 50 tetikleyici sözcük listelemelerini istediler.

Ürettikleri kelimeler genellikle sizin düşündüğünüzle aynıdır: "ölmek", "kes", "intihar" ve "öldür". Hizmeti bir süre çalıştırdıktan sonra şirket, listeye eklenebilecek veya çıkarılabilecek başka kelimeler olup olmadığını görmek için makine öğrenimi teknolojisini uyguladı ve sonuçlar çok şaşırtıcıydı.

Etkili tekniklerden birinin yaratıcılık olduğunu keşfettiler: Başarılı danışmanlar çok genel veya "şablon" yanıtlar kullanmak yerine yaratıcı yollarla yanıt veriyorlar.

Aşırı kriz danışmanlığı durumunda, makine öğrenimi birbirimizi daha iyi anlamamıza yardımcı olur.

Düğüm

dil

Makine öğrenimi yazılımı bizi daha iyi insanlar yapma konusunda büyük bir potansiyele sahip olsa da, bu hedefe kasıtlı, düşünceli ve şefkatli çabalar olmadan ulaşamayız.

"Çöp girişi, çöp çıkışı" argümanı hala geçerlidir ve yapay zekaya dayalı sistemlere giderek daha fazla güvendikçe, bu ifade daha potansiyel olarak tehlikeli hale gelebilir.