Video: Bliv automationsteknolog på KEA (Oktober 2024)
Kunstig intelligens og maskinlæring er varme emner på hver teknologikonference, jeg går til, og den nylige DLD NYC-konference var ingen undtagelse.
Ramin Assadollahi fra ExB Group, et tysk firma, der beskæftiger sig med kognitiv computing inden for sundhedsydelser, fokuserede på forskellige måder nye computerteknikker kan hjælpe os med at lære "hvordan vi kan heles med software." Han adresserede mange af de udtryk, der smides rundt i dag, og bemærkede, at AI ikke behøver at være kognitiv computing, kognitiv computing ikke behøver at være maskinlæring, og big data er et separat problem helt.
Assadollahi fokuserede på måder, AI kunne forbedre medicinområdet på. Han bemærkede, at en patolog, der kigger på vævsdata, typisk ser 200.000 prøver i hans eller hendes arbejdstid, men med dyb læring og moderne grafikkort kan et computersystem behandle så mange i to uger. Han sagde, at med 100 prøver, kan et system være så godt som et menneske. Tilsvarende, sagde han, et computersystem kan indtage 28.000 tekniske artikler om dagen, mens et menneske måske kun læser omkring 4.000 sådanne artikler i hele sit arbejde.
Han sagde, at en AI, der kunne forstå enkeltceller på molekylært niveau, kunne hjælpe med at designe bedre lægemidler, og software, der kunne hjælpe med at finde ud af, hvilke medikamenter der passer sammen med andre, kunne være en livredder, da negative lægemiddelinteraktioner dræber 100, 00 mennesker om året. Hans firma er rettet mod hele sundhedskontinuummet - læger, forskere, farmaceuter og patienter - med fokus på "at bryde siloer op." Alt i alt sagde han, at AI ikke vil dræbe job, da antallet af mennesker, der er involveret i plejepleje, vokser. Det vil ikke erstatte lægen, sagde han, men i stedet giver lægen mulighed for at tilbringe mere tid med patienter.
David Kenny, der nu driver Watson-gruppen for IBM, talte om big data og potentialet for dyb læring i forskellige applikationer. Kenny var administrerende direktør for The Weather Company forud for IBMs erhvervelse af det selskab; det er verdens største udbyder af vejrdata. Han sagde, at TWC udviklede en app designet til at kortlægge atmosfæren, som Google forsøgte at kortlægge jorden ved hjælp af en kombination af IoT (Internet of Things) teknologi, vejrinformation og cloud computing til at indsamle vejrinformation på 2, 2 milliarder steder.
Hos Watson, sagde han, er han interesseret i tre store områder til algoritmer og software: menneskelig interaktion, såsom syn, vision og tale; dyb læring og maskinlæring til støtte for sådanne interaktioner; og ræsonnement. Han sagde, at Watson involverer tusinder af mennesker på tværs af IBM fra forskningslaboratorier til salg og service.
På nogle måder, sagde Kenny, er Watson anderledes end andre forstyrrende virksomheder, fordi det kræver meget viden, og etablerede virksomheder, der har viden, kan løbe hurtigere end startups. Han sagde, at oversættelse og menneskelig interaktion blev bedre, men stadig havde måder at gå på, og at meget af det, folk bruger Watson til, skaber samtale "bots".
Han sagde, at det var vanskeligt at forstå samtaler på grund af de forskellige toner, accenter og nuancer, som folk bruger, når de kommunikerer. ”Hver måned bliver det bedre, ” sagde han, med den software, der blev brugt til at forstå tale, der nu havde en fejlprocent på 6, 9 procent, ned fra 10 procent for tre måneder siden. Til sammenligning, sagde han, er den menneskelige fejlrate 4 procent. Han sagde, at han var optimistisk, at softwaren kan nærme sig den menneskelige fejlrate inden for et år.
Kenny hævder at IBM har en anden tilgang end sin konkurrence. Andre virksomheder arbejder ofte med centraliseret AI, men IBM arbejder med et antal klienter, der ønsker at oprette deres egne private versioner af Watson ved hjælp af deres egen intellektuelle ejendom eller "videngrafer." Han bemærkede, at 80 procent af verdens data ikke går på Internettet - ting som røntgenstråler, sundhedsregistre og bankkonti.
