您的位置: 首页 >互联网 >

现在就开始通往人工智能的漫长旅程吧 否则可能会错过好处

2020-03-30 09:08:20 编辑: 来源:
导读 如果说人工智能的趋势是一个不断增长的泡沫,那么多伦多创业公司Dessa的联合创始人StephenPiron说,它在2012年开始膨胀。 这就是由多伦多大学的杰弗里·辛顿(Geoffrey Hinton)领导的团队超级视觉(Super Vision)轻松地赢得了图像网络比赛,使用了一种以前没有测试过的AI模型。 描述为一个“大的,深卷积的神经网络训练的原始RGB像素值”,其中包含“6000万个参

如果说人工智能的趋势是一个不断增长的泡沫,那么多伦多创业公司Dessa的联合创始人StephenPiron说,它在2012年开始膨胀。

这就是由多伦多大学的杰弗里·辛顿(Geoffrey Hinton)领导的团队超级视觉(Super Vision)轻松地赢得了图像网络比赛,使用了一种以前没有测试过的AI模型。 描述为一个“大的,深卷积的神经网络训练的原始RGB像素值”,其中包含“6000万个参数和65万个神经元”,它比以前在比赛中的任何尝试都要好得多,以至于其他人都注意到了。 在此后的每一年里,每个其他人工智能研究者都采用了相同的神经网络方法来实现认知视觉。

六年后,辛顿被称为“深度学习的教父”。 他把自己的时间从与谷歌合作到多伦多大学,在那里他还参与了有影响力的矢量研究所。 这是皮隆说加拿大是开发人工智能技术的好地方的原因之一。 但他也警惕未来的漫长旅程及其沿途的陷阱。

Piron说:“我已经足够大了,不记得网络泡沫了。 在9月30日的加拿大CIO峰会上,他指出了一个比较Nvidia今天的股价与英特尔大约在网络泡沫破灭时的股价的幻灯片。 “这可能是一个令人清醒的形象。

Nvidia的并行处理GPU和对人工智能应用的高需求(英特尔也有自己的人工智能专用芯片在开发中)。 但仅仅因为人工智能引擎的原始计算能力已经到位,并不意味着任何人都知道他们应该安装什么车辆。

麦肯锡的图表显示了Nvidia的GPU是如何与深度学习的需求联系在一起的。

银行是人工智能的第一批客户之一,希望使用历史宝库的数据来提供机器学习算法,这些算法可以引导客户走向正确的投资,以更好的准确性检测欺诈交易,或者根据客户简介推荐正确的产品。

举几个银行追求人工智能项目的例子:加拿大皇家银行于2016年10月创建了BorealisA I(最初被称为机器学习中的RBC研究)。 实验室在过去的六个月里招募了人才,甚至吸引了一些高调的美国研究人员。 今年1月,TDBankGroup收购了总部位于多伦多的初创企业Layer6,并将其整合到其数字产品团队中,旨在改善对客户的个性化和实时建议。

根据Piron的说法,Dessa的任务是帮助企业适应和实施人工智能,目前正与银行业的一位客户合作。 这个客户,就像许多银行部门一样,正试图做出与2012年后Image Net研究人员相同的支点——抛弃旧的人工智能方法,而是将深度学习作为未来。

要做到这一点,他们必须抛弃一些旧的基础设施,并开始支持基于云的GPU,Piron说。 这意味着,看看这些云系统的安全性,银行就会确定哪些数据适合进入该环境。 (它是否应该上传一百万客户的信用卡号码来训练一个算法?)

“更多的数据使模型更好,”Piron说。 “它给了银行一个用例,这一切都是关于它节省的钱。

数据对于每个部门的人工智能算法都是至关重要的,而不仅仅是银行业务。 在连接和管理云服务提供商CogecoPer1,总部设在多伦多,但与世界各地的地点,人工智能正在被用于预测维护。 该公司希望在“bug”表达自己对客户的服务问题之前,及早介入路由器和交换机的问题。

Cogeco Peer1产品创新和技术总监克雷格?塔瓦雷斯(Craig Tavares)在加拿大CIO峰会的一个小组上说:“人工智能正在通过查看历史数据并将其同化来填补缺失的信息。 “自动化可以用于测量结果,并触发警报,告诉您执行某种类型的维护。

使该功能发挥作用的挑战是避免垃圾数据。 塔瓦雷斯说,他总是看着CogecoPer1的数据湖,并思考如何清理它。

他表示:“通过日常操作,您的数据可能处于可接受的状态。 “有了人工智能,情况并非如此。 了解你的数据有多干净是很重要的。

因此,用例开始实现,但缓慢而肯定。 Prion说,他遇到的高管知道他们想使用人工智能,但不知道从哪里开始。

“我们花了很多时间让他们平静下来,”他说。 “我们审视他们的业务,并制定利用人工智能的多年路线图。

当客户来敲门时,CogecoPer1采取了类似的方法,询问如何实现AI。 在一个单独的小组中,CogecoPer1营销和创新副总裁BertrandLabelle说,他习惯于明智地指导这些请求。

”“我们进来问‘你想实现什么? 为什么?“,”他说。 “那我们就谈谈你的工作量应该在哪里运行。

虽然通往人工智能自治的道路还有几年,那里的道路上充满了数据快照,但现在绝对是开始的正确时机,皮隆确认。 他指出,麦肯锡(McKinsey)对人工智能可能对科技行业产生的影响进行了预测。 它表明,现在开始人工智能培训的公司将拥有竞争优势,而那些不会落后的公司。

这篇文章表示:“由于风险太大,企业不可能有一个模糊或暂定的计划来获取价值。 “早期进入者可以提高并迅速获得规模,成为标准。 公司应该专注于强有力的解决方案,让他们现在就建立存在,而不是追求完美。 随着他们的早期成功,他们可以扩大到更多的投机机会。


免责声明:本文由用户上传,如有侵权请联系删除!

2016-2022 All Rights Reserved.平安财经网.复制必究 联系QQ280 715 8082   备案号:闽ICP备19027007号-6

本站除标明“本站原创”外所有信息均转载自互联网 版权归原作者所有。