Ingineri de inteligență artificială: mituri vs. realități
Publicat: 2018-05-08Inteligența artificială a cunoscut o creștere rapidă în domeniile în care și-a găsit relevanță. De la frigidere inteligente la mașini cu conducere autonomă – totul este rezultatul unor algoritmi sofisticați de inteligență artificială. Cine este responsabil pentru asta? Inginerii de inteligență artificială.
Se crede că inteligența artificială este aceeași cu învățarea automată, dar, în realitate, cea din urmă este un subset al primei. Inteligența artificială este un domeniu larg, cu aplicații diverse, dar și unul dintre cele mai dificile domenii de lucru. Inteligența artificială își propune să ofere mașinilor capacitatea de a imita oamenii în aproape toate aspectele – ceea ce este mult mai dificil decât pare. Mașinile sunt în mod inerent dispozitive stupide și necesită multe date, putere de calcul și eforturi pentru a învăța. 
Cei mai de succes profesioniști AI împărtășesc adesea caracteristici comune și dragoste pentru mașini care le permit să înflorească în cariera lor. Lucrul cu inteligența artificială necesită un proces de gândire extrem de analitic și logic și capacitatea de a rezolva cele mai dificile probleme în mod cât mai rentabil și eficient. Se așteaptă ca inginerii în inteligență artificială să aibă o previziune clară cu privire la inovațiile tehnologice care se traduc în programe de ultimă generație care permit întreprinderilor să rămână competitive.
Inteligența artificială: preluarea sau mai degrabă preluată
În plus, specialiștii AI trebuie, de asemenea, să fie înarmați cu abilitățile tehnice necesare pentru a proiecta, dezvolta, întreține, monitoriza și repara sistemele și programele lor. În cele din urmă, profesioniștii în inteligență artificială trebuie să fie competenți în traducerea informațiilor înalt tehnice într-un mod care să fie ușor de înțeles chiar și pentru cei din medii non-tehnice. Ei trebuie să lucreze în colaborare cu restul organizației pentru a produce cele mai perspicace rezultate.
Bine, acum că suntem pe aceeași pagină în ceea ce privește rolurile unui inginer de inteligență artificială, să ne uităm la câteva abilități esențiale pe care orice profesionist AI trebuie să le posede.
Bazele informaticii și matematicii formează coloana vertebrală a majorității programelor de inteligență artificială. Pozițiile la nivel de intrare necesită cel puțin o diplomă de licență, în timp ce pozițiile care implică funcții de supraveghere, conducere sau administrative necesită frecvent diplome de master sau doctorat.
Orice inginer AI aspirant ar trebui să fie confortabil cu:
- Diverse niveluri de matematică, inclusiv probabilitate, statistică, algebră și calcul.
- Rețele bayesiene sau modelare grafică, inclusiv rețele neuronale.
- Fizică, inginerie și robotică.
- Informatică, limbaje de programare și codare.
- Teoria științei cognitive.
Domeniul inteligenței artificiale a crescut continuu și a dat naștere diferitelor tehnologii noi la care acești dezvoltatori/ingineri AI lucrează în mod constant. Să vedem care sunt:
Cuprins
Procesarea limbajului natural și analiza textului
NLP utilizează și acceptă analiza textului. NLP ajută la înțelegerea oricărei propoziții spuse într-un limbaj natural cu privire la structură, sentiment, intenție și semnificație prin metode statistice. NLP găsește o utilizare extinsă în detectarea și securitatea fraudelor, o gamă largă de asistenți automatizați (Siri, de exemplu) și aplicații pentru extragerea datelor nestructurate.
Un ghid pentru începători pentru înțelegerea limbajului natural
Agenți virtuali
De la simpli chatbot la sisteme avansate care pot interacționa perfect cu oamenii, toate acestea au fost posibile datorită inginerilor AI și Inteligenței Artificiale. Utilizarea acestor chatbot și agenți virtuali este în creștere pe măsură ce organizațiile își dau seama de importanța chatbot-urilor pentru serviciul și asistența clienților.
Hardware optimizat pentru AI
Hardware-ul trebuie să devină mult mai adaptabil pe măsură ce AI și tehnologiile conexe cresc. Și ce înseamnă asta?
Unități de procesare grafică (GPU) și dispozitive special concepute și dezvoltate pentru a rula eficient joburi de calcul orientate spre AI. Acestea au un impact masiv asupra aplicațiilor Deep Learning. Unii furnizori care dezvoltă astfel de GPU includ Cray, Google, IBM, Intel și Nvidia.
Biometrie
Biometria se ocupă cu identificarea, măsurarea și analiza aspectelor fizice ale corpului uman. Permite interacțiuni mult mai naturale între oameni și mașini, având grijă de interacțiunile legate de atingere, vedere, vorbire și recunoaștere a limbajului corpului.
Platforme de învățare profundă
Platformele de învățare profundă duc inteligența artificială și învățarea automată la un nivel cu totul nou, lucrând cu rețele neuronale avansate cu diferite straturi de abstractizare. Această tehnologie imită creierul uman prin procesarea datelor și crearea de modele care ajută la luarea deciziilor.
5 aplicații revoluționare ale învățării automate
Acum, haideți să vă ghidăm prin câteva mituri și concepții greșite – suntem siguri că și dvs. aveți unele dintre acestea în minte. Haideți împreună să-i spargem!
Mitul #1: AI gândește exact ca o persoană – poate rezolva toate problemele pe care oamenii le pot.
Nu există încă inteligență generală în AI și poate că nici nu avem nevoie de ea. În orice caz, astăzi AI se concentrează mai mult pe învățarea unui lemur cum să obțină mâncare și nu pe a lăsa un cimpanzeu să-și dea seama singur. Majoritatea funcțiilor AI sunt dezvoltate pentru un anumit scop, cum ar fi procesarea limbajului natural (NLP), recunoașterea imaginilor, motoarele de căutare, jocurile, predicțiile sau caracteristicile specifice ale mașinilor cu conducere autonomă. Acest lucru aduce adesea o valoare de afaceri mai mare decât inteligența generală. Un specialist este întotdeauna preferat în locul unui generalist.
Mitul #2: AI este același lucru cu învățarea automată sau învățarea profundă.
AI este adesea interpretată greșit pentru ML, Deep Learning sau chiar procesare cognitivă. Cu toate acestea, adevărul este că ML este o parte a AI în care furnizarea de date antrenează în mod regulat mașina. După cum am menționat mai devreme, AI este mai larg decât atât și formează suprasetul tehnologiilor pe care le-am menționat.
5 aplicații ale procesării limbajului natural pentru companii în 2018
Mitul nr. 3: Inginerii cu inteligență artificială dezvoltă sistemul doar o dată, apoi continuă să învețe singur.
Doar daca! Chiar și învățarea automată, un subset al AI, rămâne extrem de dificil de implementat. Desigur, există provocări mai ușoare și mai grele, dar, în general, obținerea acestor algoritmi pentru a se potrivi nevoilor dvs. de afaceri este o sarcină în sine. Adesea, algoritmii sunt ușor de înțeles, dar provocarea constă în selectarea algoritmului potrivit pentru problemă și prezentarea datelor algoritmului în mod corect. Acest lucru necesită o cunoaștere cuprinzătoare a problemei, precum și o înțelegere aprofundată a capabilităților și constrângerilor algoritmilor și modelelor. Complicarea și mai mult este faptul că mașinile necesită o cantitate corectă de pregătire pentru a deveni inteligente artificial.
Acest antrenament are nevoie de date precise într-o formă cât mai pură posibil. În plus, datele care sunt folosite pentru antrenament sunt extraordinar de dinamice și devin învechite dacă nu sunt folosite la momentul potrivit. Deci, inginerii de inteligență artificială trebuie, de asemenea, să efectueze iterații după iterații pe sistemul lor pentru a se asigura că funcționează perfect cu date atât de dinamice.
Mitul #4: algoritmii AI pot crea în mod magic sisteme inteligente. Calitatea datelor care sunt furnizate este irelevantă pentru AI.
AI este orice altceva decât „încărcați și plecați”. AI nu va fi de mare ajutor dacă aveți date extrem de ample sau neprocesate. Astfel de date nu sunt digerabile pentru orice sistem și vor duce adesea la rezultate eronate. În loc să ingereze orice și orice, un inginer AI trebuie să analizeze cu atenție datele și să se asigure că sunt de cea mai înaltă calitate posibilă. Un algoritm nu este altceva decât un program, iar un program necesită date pentru a lucra. Cu cât datele sunt mai bune, cu atât rezultatele sunt mai bune.
Mitul #5: AI este un domeniu extrem de nou.
John McCarthy a inventat termenul de „inteligență artificială” în 1956 și apoi a definit domeniul pentru mai mult de cinci decenii. Deci, deși conceptul AI nu este atât de nou, este mult mai răspândit în lume astăzi.
Diferența dintre Data Science, Machine Learning și Big Data!
Ah! Deci, este vorba despre miturile în jurul inginerilor de inteligență artificială. Anunțați-ne dacă ați mai auzit astfel de mituri și vă vom ajuta să dezvăluiți asta! Vom reveni cu alți Mythbusters.
Învață cursul ML de la cele mai bune universități din lume. Câștigă programe de masterat, Executive PGP sau Advanced Certificate pentru a-ți accelera cariera.
