IBM Bilişsel Sistem: Uygulamadan başlayarak, yapay zekanın tam olarak uygulanmasına izin verin
Yapay zeka ile ilgili olarak, çokça dolaşan bir paragraf var:
Yapay zeka, gençler arasındaki seks hakkında konuşmak gibidir: herkes konuşuyor, gerçekte kimin yaptığını bilmiyor, herkes başkalarının yaptığını düşünüyor, bu yüzden herkes bunu yaptığını iddia ediyor.
Bu cümle aynı zamanda "büyük veri", "derin öğrenme" ve diğer versiyonlarda da karıştırılmıştır.Temelde her yeni teknoloji dalgası, teknolojinin pratikte uygulanmasını yansıtan bu cümle ile tanımlanabilir. İkilem.
IBM, Leifeng.com'a böyle bir örnek verdi. Finans sektöründeki bir müşteri bir vadeli işlem endeksi tahmin modeli geliştirmek istiyor. Asıl işlev, endeksin sonraki 10 dakika içindeki yükseliş ve düşüşünü tahmin etmek için ilk 1000 dakikada işlem verilerini toplamaktır. Bu nedenle, bu şirket altı aydır araştırma ve geliştirme yaptı ve sonuç, tahmin doğruluğunun yaklaşık% 50 olduğu, ki bu da temelde tahminle aynı. Daha sonra, BlueMind derin öğrenme bulut platformu ve PowerAI derin öğrenme çerçevesi aracılığıyla mevcut algoritmayı optimize eden IBM'i buldular ve doğruluk oranı iki hafta içinde% 75'in üzerine çıktı.
Bunun gibi birçok örnek var.
Çeşitli sektörlerin bilgi düzeyinin iyileştirilmesi ve büyük veri platformlarının kurulması ile birçok sektör ve şirket büyük miktarda veri biriktirmiştir. Tam olarak istismar edilmeyen bu "veri kaynaklarının" karmaşık ve yapılandırılmamış özelliklerinden dolayı geleneksel veri analizi yöntemleriyle işlenmesi genellikle zordur. Bu, veri katma değeri elde etmek ve işletmelerin iş gelişimini desteklemek için makine öğrenimi ve diğer teknolojileri gerektirir.
Bununla birlikte, yapay zeka teknolojisi, uygulayıcılara yüksek talepler getiriyor ve henüz evrensel bir çözüm ortaya çıkmadı. Makine öğrenimi, hesaplama, olasılık teorisi, optimizasyon, doğrusal cebir, programlama, bilgisayar mühendisliği vb. İçerir. Açık kaynaklı algoritmalar ve makine öğrenimi çerçeveleri ortaya çıkmaya devam etse de, temelde her açık kaynak aracının ele alma konusunda iyi olan kendi sorunları vardır. Gerçek çalışmada, birden çok açık kaynak aracının birlikte kullanılması gerekir, geliştirme ortamının ve algoritmaların yapımından bahsetmeye gerek bile yok. Devreye alma ve endüstri, kısıtlamalar ve diğer engellerle karşılaşıyor. Yukarıdaki dizin tahmini örneği tam da bu şekilde ortaya çıktı.
Blue Giant IBM, asırlık bir şirket olarak kendi bilişsel sistem çözümlerini de piyasaya sürdü.Leifeng.com'a şirketin, müşterilerin parametreleri optimize etmelerine, makine öğrenimi döngülerini kısaltmalarına ve makine öğrenimini gerçekleştirmelerine yardımcı olacak hazır bir optimizasyon platformu sağlayabileceğini söyledi. Çözümün amacı.
Özellikle IBM, derin öğrenme için genel bir bilişsel teknoloji çözümü sağlar; yalnızca en düşük seviyeli donanıma (sunucular, depolama ve ağ bağlantıları gibi) sahip olmakla kalmaz, aynı zamanda entegre ve optimize edilmiş PowerAI derin öğrenme geliştirme çerçevesine sahiptir. Ve geliştirme döngüsünü kısaltmaya ve parametreleri optimize etmeye yardımcı olan BlueMind derin öğrenme platformu. En üst katman, Ar-Ge departmanının ihtiyaçlarını karşılayan özelleştirilmiş Ar-Ge hizmetleri dahil olmak üzere IBM'in hizmetleri ve desteğidir.
IBM'in hizmetleri ve desteği, özel olarak ayrılmış bir hizmet ekibi aracılığıyla kullanıcılara kendi ihtiyaçlarına göre yapay zeka hizmetleri sağlar;
IBM BlueMind derin öğrenme bulut platformu, müşterilerin geliştirme süresini kısaltabilir ve algoritmaların eğitilmesine ve optimize edilmesine yardımcı olabilir;
Müşterilere paketlenmiş ve optimize edilmiş çerçeve hizmetleri sağlamak için topluluk açık kaynak teknolojisine dayalı PowerAI derin öğrenme çerçevesi;
Temel donanım derin öğrenme platformu, NVLink teknolojisi, veri depolama platformları ve yüksek hızlı ağ bağlantılarına dayalı GPU hızlandırmalı sunucuları içerir.
IBM, müşterilerin derin makine öğrenimine dayalı olarak gerçekleştirmek istedikleri senaryoların tamamlanmasına yardımcı olmak için yalnızca sektör senaryolarını ve verilerini sağlamaları gerektiğini söyledi.
Ancak bir yanda teknoloji, diğer yanda özel uygulamalar Teknolojinin uygulanması, bir çivi bulmak için çekiç kullanmanın en tabu hikayesidir. Bu bağlamda IBM, en olgun endüstri uygulama senaryolarını da sağlayabileceğini söyledi. Sözde en olgun uygulama senaryoları, çeşitli sektörlerdeki müşteriler makine öğrenimi ve derin öğrenmeyi nasıl kullanacaklarını araştırırken, IBM'in zaten birçok olgun uygulama senaryosuna sahip olduğu ve ilgili hizmetlerin müşterilere doğrudan sağlanabileceği anlamına gelir.
Vadeli işlem endeksi tahmini
Finans her zaman yeni teknolojileri ve en fazla veriyi ilk kullanan olmuştur ve IBM burada ilerleme kaydetmiştir. Örneğin, BlueMind platformunda optimize etmek için önceden tanımlanmış bir sinir ağı kullanarak, dizinin tahmin doğruluğu% 80'in üzerine çıkar.
ATM yüz kapanma tespiti
Bankacılık alanında, IBM'in akıllı görüntü tanıma sistemi, çeşitli tıkanıklık türlerini gerçek zamanlı olarak algılayabilir ve erken uyarı sağlayabilir. Bu, ATM dolandırıcılığını önlemede çok kullanışlıdır, çünkü birisi kasıtlı olarak yüzünü kapattığında, özel dikkat gerektirmesi muhtemeldir.
Patolojik bölümlerde kanser hücrelerinin tespiti
Tıbbi tedavi her zaman yapay zeka teknolojisinin ilk geleceği sektör olarak kabul edildi. Patologların çok sayıda biyopsi örneğinden küçük kanser hücrelerini tanımlaması gerekir ki bu, zaman alıcı ve hataya açık bir durumdur. IBM'in kognitif teknolojisi, doktorların lezyonları bulmak, verimliliği artırmak ve ihmalleri önlemek için tıbbi görüntüleri analiz etmesine ve tümör vakalarını% 80'in üzerinde bir doğruluk oranıyla tahmin edip analiz etmesine yardımcı olabilir.
Parça ve malzeme kusur tespiti
Endüstriyel alanda, derin öğrenme teknolojisi, parça ve malzemelerdeki kusurların tespit edilmesine yardımcı olabilir, personelin bunları zamanında bulmasına ve düzeltmesine ve verim oranını artırmasına yardımcı olabilir.
Gerçek bir uygulama örneği yoksa teknolojinin bir anlam ifade etmediği söylenebilir. Bu nedenle, Google ve Microsoft gibi şirketler, yapay zeka uygulama geliştirme sürecini basitleştirmeyi ve bu gelişen teknolojiyle geliştiricileri güçlendirmeyi umuyor.
Geçtiğimiz yılın sonunda Google'a katılan tanınmış Çinli bilim adamı Li Feifei, bu yılın Mart ayındaki Google Bulut Hizmeti Konferansı'nda, AI'nın dört yönden demokratikleştirileceğini söyledi: bilgi işlem, algoritmalar, veriler ve yetenekler. Microsoft'un Build 2017 konferansında, AI ve araştırma departmanı başkanı Shen Xiangyang, geliştiricilere özelleştirilmiş yapay zeka hizmetleri sağlamayı bile önerdi.
100 yılı aşkın süredir işletmelere hizmet veren IBM, sektör anlayışında ve teknolojinin ticari uygulamasında en büyük avantaja sahip. IBM, Leifeng.com'a geçmişte dış izleniminin yalnızca kutu satmak (yani donanım) olabileceğini, ancak şimdi bilişsel bilgi işlem ve makine öğrenimi için müşterinin işinden, uygulama senaryolarından ve ilgili hizmetleri sağlama gereksinimlerinden başlaması gerektiğini söyledi.
2016'da IBM, Çin'de Bilişsel İş'i resmi olarak yayınladı; bu yılın Nisan ayında IBM Çin Forumu'nda şirket, sektörü dönüştürmeye yardımcı olacak ticari yapay zeka stratejisini daha da netleştirdi ve sağlık, enerji, eğitim ve elektronik alanlarındaki avantajlarını gösterdi. Diğer endüstrilerdeki işbirliğinin sonuçları. Yapay zeka konusunda da bu şirket kendisine en uygun yolu bulmuş görünüyor.
Yapay zeka, makine öğrenimi ve derin öğrenme sektörü uygulama senaryoları hakkında daha fazla bilgi edinmek için beni tıklayın.
