Искусственный интеллект и большие данные | Статья в журнале «Молодой ученый»

Отправьте статью сегодня! Журнал выйдет 31 октября, печатный экземпляр отправим 4 ноября.

Опубликовать статью в журнале

Автор:

Рубрика: Информационные технологии

Опубликовано в Молодой учёный №50 (288) декабрь 2019 г.

Дата публикации: 15.12.2019

Статья просмотрена: 522 раза

Библиографическое описание:

Пилецкая, А. В. Искусственный интеллект и большие данные / А. В. Пилецкая. — Текст : непосредственный // Молодой ученый. — 2019. — № 50 (288). — С. 20-22. — URL: https://moluch.ru/archive/288/65241/ (дата обращения: 22.10.2020).



Искусственный интеллект и большие данные становятся одной из самых потенциально разрушительных тем в цифровом мире. По мере того, как мировые данные растут в геометрической прогрессии, возможности ИИ отстают друг от друга, далеко идущие последствия которых становятся яснее с каждым днем. В этой статье мы исследуем тему ИИ и больших данных.

Ключевые слова:искусственный интеллект, большие данные, big data, глубокое обучение.

Искусственный интеллект — это концепция машин, выполняющих задачи, которые когда-то требовали человеческого интеллекта. Многие используют термины AI, машинное обучение (ML) и глубокое обучение (DL) взаимозаменяемо, но между ними есть ключевые различия. AI широко охватывает всю область исследования, из которых ML и DL являются подсегментами. Искусственный интеллект можно разделить на две отдельные области. Под прикладным ИИ понимается приложение, оптимизированное для выполнения одной конкретной задачи, например, для предложения фильма или оптимизации маршрута вождения. Общий ИИ включает в себя более широкие возможности применения ИИ, такие как компьютер, обучающий различным задачам и способность решать проблемы, как человек. Машинное обучение — это процесс создания машин или программ, которые могут получать доступ к данным, применять к ним алгоритмы, получать ценную информацию и затем применять полученные знания к другим сценариям или новым наборам данных.

Большие данные — топливо ИИ. Это и то, что обучает ИИ, становится все более и более мощным, и то, к чему в конечном итоге применяются системы ИИ, чтобы генерировать реальное понимание. Чем больше систем искусственного интеллекта может использовать данные, тем больше их интеллект и разрушительный потенциал. Хотя ИИ как концепция существует уже более 50 лет, нехватка структурированных данных для большей части этого диапазона и вычислительных ограничений задерживала рост ИИ. Например, хорошая технология распознавания речи требует около 150000 часов (т. е. 10 лет) аудиоданных. Приложения распознавания лица требуют около 15 миллионов изображений.

Только до недавнего времени было доступно такое количество изображений и аудиоданных. Фактически, с 2015 года генерируется 90 % мировых данных. В том же году цифровая вселенная, т. е. резервуар данных, созданных и скопированных, насчитывал менее 10 зетабайт, то есть 10, а затем 21 ноль. К 2020 году ожидается рост более чем в четыре раза до 44 зетабайт. Всего через пять лет он может достичь 180 зетабайт.

Большая часть этого роста может быть приписана более широкому внедрению Интернета вещей и достижений в области глубокого обучения. С увеличением числа подключенных устройств, записывающих видео, измеряющих частоту сердечных сокращений или отслеживающих доставку, информация в мире становится все более цифровой. Комбинируя создание этих данных с достижениями в области глубокого обучения для распознавания изображений и речи, все больше и больше информации теперь не просто сохраняется и сохраняется, а структурируется и анализируется системами ИИ.

Питаясь постоянно растущим запасом данных, была подготовлена почва для ИИ, чтобы стать разрушительной силой в мировой экономике. Согласно одному отчету, ИИ может внести до 15,7 триллиона долларов в мировой ВВП в 2030 году, причем 9,1 триллиона долларов будут вызваны побочными эффектами потребления, а 6,6 триллионов долларов — увеличением производительности. Для контекста, это добавило бы около 14 % к мировому ВВП, или больше, чем совокупный объем производства Китая и Индии.

Как уже упоминалось, ускоренное внедрение Интернета вещей приводит к оцифровке информации по всей экономике, которая теперь может обрабатываться или анализироваться системами искусственного интеллекта. Поэтому охват ИИ продолжает расширяться в различных секторах и сферах бизнеса. Вследствие увеличения глобальных инвестиций в робототехнику, которые к 2020 году могут превысить 180 миллиардов долларов, промышленная автоматизация находится на переднем крае внедрения ИИ в физическом мире. Программы ИИ все чаще используются в производственном процессе для моделирования и тестирования, прогнозного обслуживания, оптимизации цепочки поставок и индивидуального производства.

Автономные транспортные средства: AI стоит у руля автономных транспортных средств (AV), которые, как представляется, вызовут массовые нарушения в транспортной отрасли. Получая информацию от сложных датчиков, GPS, камер и радарных систем, программное обеспечение AI, встроенное в AV, каждую секунду вычисляет миллиарды точек данных, чтобы эффективно видеть дорогу и ориентироваться в автомобиле.

Препятствия остаются до полной автоматизации, но автомобили высшего класса уже способны выполнять основные функции вождения с ограниченным человеческим взаимодействием. И тестирование началось с AV, которые управляют всеми аспектами вождения без помощи человека в определенных условиях.

Здравоохранение: применение искусственного интеллекта в системе здравоохранения США может привести к ежегодной экономии в 15026 долларов к 2026 году и улучшению результатов лечения пациентов. Ожидается, что ИИ, от искусственной хирургии с помощью интеграции диагностических изображений и медицинских данных до операции, до виртуальных сестринских помощников, которые помогут с первоначальной диагностикой и логистикой пациента, — ожидается, что ИИ произведет революцию в различных аспектах здравоохранения.

Розничная торговля и электронная коммерция: ИИ уже используется для выработки персонализированных рекомендаций, помогающих магазинам лучше взаимодействовать со своими клиентами и увеличивать доходы. Тем не менее, ИИ также может быть использован на стороне операций для снижения затрат, таких как прогнозирование заказов клиентов, что может снизить затраты на доставку, запасы и цепочки поставок.

Разнообразные компании, занимающиеся ИИ и большими данными, имеют хорошие возможности для потенциальной выгоды по мере появления этой темы. Мы считаем, что это компании, которые владеют большими проприетарными наборами данных, разрабатывают передовые программы ИИ или создают компьютерное оборудование, которое может выполнять эти сложные вычисления.

Литература:

  1. Влияние развития нейросетевых технологий в России на цифровую экономику // researchgate. URL: Влияние развития нейросетевых технологий в России на цифровую экономику (дата обращения: 11.12.2019).
  2. Tariq Rashid. Make Your Own Neural Network. — 1-е изд. —: CreateSpace Independent Publishing Platform, 2016. — 222 с.
Основные термины (генерируются автоматически): искусственный интеллект, глубокое обучение, данные, GPS, машинное обучение, набор данных, система.


Похожие статьи

Роль больших данных в глубинном обучении | Статья в журнале...

Ключевые слова: глубинное обучение, алгоритмы, большие данные, искусственный интеллект. Основной упор в машинном обучении идет на представление входных данных и обобщении изученных наборов данных для использования на будущих неизвестных данных.

Применение методов искусственного интеллекта в спорте

Машинное обучение (machine learning-ML) — это обширный подраздел AI, изучающий методы построения самообучающихся моделей. Интеллектуальный анализ данных использует методы ML для извлечения нетривиальной и потенциально полезной информации из огромных...

Анализ систем Business Intelligence в РФ | Статья в журнале...

Одновременно машинное обучение помогает повысить точность данных и уменьшить число ошибок при их обработке — система в прямом

Искусственный интеллект ( ИИ ) — это совокупность знаний, данных и система их обработки базирующаяся на ЭВМ, реализующая...

IT-технологии обучения и их применение в различных сферах

Концепция машинного обучения. Машинное обучение связано с развитием искусственного интеллекта- новой научной дисциплиной

Первые обучаются на большом массиве данных некой системы в прошлом, а потом пытаются смоделировать поведение этой системы на...

Развитие машинного обучения в фармакологии

Машинное обучение — один из разделов искусственного интеллекта, который связан с компьютерами, основной смысл которого — способность приобретения

Затем, набор данных обычно делится на три части: набор данных обучения, набор проверки и набор тестов.

Онлайн платформы машинного обучения | Статья в журнале...

Машинное обучение (МО) — подобласть компьютерной науки, которая занимается такими задачами, как распознавание лиц, распознавание речи, обработка естественного языка, прогнозный анализ, глубокое обучение (глубокие нейронные сети) и многие другие.

Использование кодеков в подготовке исходных данных для...

В данной работе решается задача подготовки исходных данных (обучающей выборки) для использования в обучении искусственной нейронной сети, распознающей образы в видео. Анализируется тенденции популярности тем «Большие данные» и «Глубокое обучение»...

Инструменты проектирования виртуальных помощников

Глубокое машинное обучение, решение глобальных проблем, возможность обучить практически всем навыкам. Необходимость в виртуальном окружении, наличие серверов и специализированного ПО, знания языков программирования, ориентирован на крупные проекты.

Применение машинного обучения для обнаружения сетевых...

Машинное обучение может построить необходимую модель автоматически на основе некоторых обучающих данных. Применение такого подхода нуждается в наличии необходимой подготовки данных, но эта задача является менее сложной по сравнению с вычислением...

Искусственный интеллект в современных... | «Молодой

Наиболее развивающимся в искусственном интеллекте является метод машинного обучения. Он заключается в том, что принятие решения на

Компанией также было заявлено, что система машинного обучения будет реализована путём сбора персональных данных пользователей.

Похожие статьи

Роль больших данных в глубинном обучении | Статья в журнале...

Ключевые слова: глубинное обучение, алгоритмы, большие данные, искусственный интеллект. Основной упор в машинном обучении идет на представление входных данных и обобщении изученных наборов данных для использования на будущих неизвестных данных.

Применение методов искусственного интеллекта в спорте

Машинное обучение (machine learning-ML) — это обширный подраздел AI, изучающий методы построения самообучающихся моделей. Интеллектуальный анализ данных использует методы ML для извлечения нетривиальной и потенциально полезной информации из огромных...

Анализ систем Business Intelligence в РФ | Статья в журнале...

Одновременно машинное обучение помогает повысить точность данных и уменьшить число ошибок при их обработке — система в прямом

Искусственный интеллект ( ИИ ) — это совокупность знаний, данных и система их обработки базирующаяся на ЭВМ, реализующая...

IT-технологии обучения и их применение в различных сферах

Концепция машинного обучения. Машинное обучение связано с развитием искусственного интеллекта- новой научной дисциплиной

Первые обучаются на большом массиве данных некой системы в прошлом, а потом пытаются смоделировать поведение этой системы на...

Развитие машинного обучения в фармакологии

Машинное обучение — один из разделов искусственного интеллекта, который связан с компьютерами, основной смысл которого — способность приобретения

Затем, набор данных обычно делится на три части: набор данных обучения, набор проверки и набор тестов.

Онлайн платформы машинного обучения | Статья в журнале...

Машинное обучение (МО) — подобласть компьютерной науки, которая занимается такими задачами, как распознавание лиц, распознавание речи, обработка естественного языка, прогнозный анализ, глубокое обучение (глубокие нейронные сети) и многие другие.

Использование кодеков в подготовке исходных данных для...

В данной работе решается задача подготовки исходных данных (обучающей выборки) для использования в обучении искусственной нейронной сети, распознающей образы в видео. Анализируется тенденции популярности тем «Большие данные» и «Глубокое обучение»...

Инструменты проектирования виртуальных помощников

Глубокое машинное обучение, решение глобальных проблем, возможность обучить практически всем навыкам. Необходимость в виртуальном окружении, наличие серверов и специализированного ПО, знания языков программирования, ориентирован на крупные проекты.

Применение машинного обучения для обнаружения сетевых...

Машинное обучение может построить необходимую модель автоматически на основе некоторых обучающих данных. Применение такого подхода нуждается в наличии необходимой подготовки данных, но эта задача является менее сложной по сравнению с вычислением...

Искусственный интеллект в современных... | «Молодой

Наиболее развивающимся в искусственном интеллекте является метод машинного обучения. Он заключается в том, что принятие решения на

Компанией также было заявлено, что система машинного обучения будет реализована путём сбора персональных данных пользователей.

Задать вопрос