हमसे जुडे

AI

देखो लंदन की कूल, घर पर Quirky संवर्धित वास्तविकता कला प्रदर्शनी

अवतार

प्रकाशित

on

संग्रहालयों के लिए यह कुछ महीने नहीं रहा, महामारी ने उनमें से कई को बंद कर दिया और बाकी लोगों को बहुत सीमित करने के लिए मजबूर किया। लेकिन लंदन में पिछले महीने एक नया, अच्छी तरह से प्रदर्शित कला प्रदर्शन किया गया था, और किसी भी आरक्षण या मुखौटे की आवश्यकता नहीं थी।

असत्य शहर एक था संवर्धित वास्तविकता द्वारा प्रस्तुत कला प्रदर्शनी एक्यूट आर्ट और मीडिया को चकित कर दिया। यह टेम्स नदी के साउथबैंक के साथ हुआ, जिसमें 36 अलग-अलग "मूर्तियां" थीं, जिन्हें आगंतुक केवल स्मार्टफोन ऐप के माध्यम से देख सकते थे।

यहां बताया गया है कि यह कैसे काम करता है: रिवर वॉक के साथ लगाई गई लाल बूओं ने डिजिटल कलाकृतियों के स्थानों का संकेत दिया। आगंतुक को अपने फोन पर एक्यूट आर्ट नामक एक ऐप इंस्टॉल करना था। आसपास के क्षेत्र में अपने फोन को इंगित करते हुए, उन्हें डिजिटल मूर्तियां दिखाई देती हैं।

कलाकृति ने किसी विशेष विषय का पालन नहीं किया, बल्कि एक विशाल, प्यारे मकड़ी से लेकर एक चीख-पुकार करने वाले ऑक्टोपस से लेकर आध्यात्मिक नेता तक सभी शामिल थे। कलाकारों में नार्वे भी शामिल था बाज़ने की धुन, चीनी काओ फी, अर्जेंटीना टॉमस सारासेनो, जर्मन एलिकजा क्वाडे, अमेरिकन कॉस, और कई अन्य।

"मैं मनुष्यों के साथ भावनात्मक संबंधों को आकार देने के लिए संवर्धित वास्तविकता का उपयोग करना चाहता हूं," फी बोला था एक और. "संवर्धित वास्तविकता अतीत में जो कुछ भी हुआ है उसे फिर से लागू कर सकती है और वास्तविकता का एक विकल्प प्रदान करती है जो खुले-समाप्त होता है।"

एआर कलात्मक अभिव्यक्ति के लिए संभावित से भरा एक माध्यम है। इसकी एक प्रमुख विशेषता यह है कि यह स्मार्टफोन पर किसी को भी, "कहीं भी" प्रदर्शित किया जा सकता है। यह एक महामारी के दौरान विशेष रूप से प्रासंगिक लगता है, जब हम संलग्न स्थानों में बहुत से लोगों के आसपास नहीं होने की कोशिश कर रहे हैं - लेकिन महामारी को दूर ले जाते हैं, और एआर अभी भी एक रोमांचक तरीका है जिससे पहुंच का लोकतंत्रीकरण किया जा सकता है। कला.

जैसा कि प्रदर्शक क्यूरेटर डैनियल बिर्बनम ने कहा, "यह कला को संप्रेषित करने के एक बिल्कुल नए तरीके की झलक है, जिससे कला बहुत बड़े दर्शकों को उपलब्ध होती है।"

अवास्तविक शहर के लिए संभावित दर्शक अब और भी बड़ा है, क्योंकि प्रदर्शनी को बढ़ाया गया और दर्शकों को घर से उपलब्ध कराया गया; 9 फरवरी के माध्यम से, आप कर सकते हैं एप डाउनलोड करें और डिजिटल मूर्तियों को अपने रहने वाले कमरे में, या आपके सामने के लॉन पर, या वास्तव में आप जहां चाहें वहां रख सकते हैं।

"हम कोशिश कर रहे हैं ... उन विचारों को महसूस करें जो कलाकारों के पास हैं और वे अधिक पारंपरिक माध्यमों में महसूस नहीं कर सकते हैं," बीरनबाम ने कहा। “एक सदी में अक्सर एक या दो नए माध्यम पेश किए जाते हैं। एआर और वीआर इस सदी के पहले नए कलात्मक माध्यमों का प्रतिनिधित्व करते हैं, इसलिए निश्चित रूप से कलाकारों की दिलचस्पी है। ”

छवि क्रेडिट: एक्यूट आर्ट/कॉस

स्रोत: https://singularityhub.com/2021/01/22/watch-londons-cool-quirky-auganted-reality-art-exhibit-at-home/

AI

गेमिंग के लिए जीपीयू, डेटा सेंटर सर्वर हर जगह चिप की कमी के बावजूद एनवीडिया के राजस्व को बढ़ाते हैं

अवतार

प्रकाशित

on

वैश्विक चिप की कमी के बीच एनवीडिया वॉल स्ट्रीट की उम्मीदों को आगे बढ़ाता है और हराता रहता है। बुधवार को, इसने अपने वित्तीय 2021 की चौथी तिमाही, तीन महीने से 31 जनवरी तक के बम्पर आंकड़ों और पूरे साल के परिणामों का खुलासा किया।

मुख्य कार्यकारी अधिकारी जेन्सेन हुआंग ने संख्याओं पर चर्चा करने के लिए विश्लेषकों के साथ एक कॉन्फ्रेंस कॉल से पहले "Q4 एक और रिकॉर्ड तिमाही, ब्रेकआउट ईयर कैपिंग" का दावा किया था। उन्होंने गेमिंग और डेटा सेंटर को अपने सिलिकॉन वैली कॉरपोरेशन के दो सबसे बड़े क्षेत्रों के रूप में देखा, दोनों ने मुनाफे को बढ़ाया।

"त्वरित कंप्यूटिंग में हमारे अग्रणी काम ने दुनिया के सबसे लोकप्रिय मनोरंजन गेमिंग को सुपरकंप्यूटिंग के लिए सभी शोधकर्ताओं के लिए लोकतांत्रित किया जा रहा है, और एआई प्रौद्योगिकी में सबसे महत्वपूर्ण बल के रूप में उभर रहा है," उन्होंने कहा। बहते गवाही में।

विशेष रूप से, हमें बताया गया है, वर्टिकल को GPU बिक्री एनवीडिया के डेटा सेंटर के राजस्व में वृद्धि का कारण बनता है, जो हाइपरस्केल क्लाउड दिग्गजों की बिक्री के विपरीत है। सीएफओ कोलेट क्रेस ने कॉल पर विश्लेषकों के हवाले से बताया, "सुपर कंप्यूटिंग, वित्तीय सेवाओं, उच्च शिक्षा और उपभोक्ता इंटरनेट वर्टिकल में विशेष रूप से ताकत के साथ कम्प्यूटेशनल और राजस्व में 50 प्रतिशत से अधिक वर्टिकल उद्योग राजस्व में थे।"

पिछले साल, GPU विशाल ने इसके आधार पर प्रोसेसर का एक स्लीव लॉन्च किया एम्पीयर आर्किटेक्चर। जिसमें हाई-एंड शामिल है A100, जो एआई सुपर कंप्यूटर, सर्वर और चंकी कार्यस्थानों के लिए डिज़ाइन किया गया है, जहां पर अधिकांश गणना शक्ति प्रशिक्षण, विकास और बड़े न्यूरल नेटवर्क और मशीन-लर्निंग एल्गोरिदम चला रही है।

इसने अपनी GeForce गेमिंग लाइन को RTX 30 छतरी के नीचे अलग-अलग शक्ति के पांच कार्ड के साथ रीफ्रेश किया। 3090, 3080, 3070, 3060 तिवारी सहित लगभग सभी, लॉन्च होने के बाद जल्दी से टूट गए। हार्डवेयर स्टॉक कम हैं, और उम्मीद नहीं की जा सकती है कि जल्द ही किसी भी समय रिकवरी हो जाएगी चल रहे सूखे अर्धचालकों का।

RTX 3060 कार्ड गुरुवार को बिक्री पर जाने के कारण है। वह एक Nv होगा गला घोंटना ड्राइवर के स्तर पर अगर यह पता लगाता है कि इसका इस्तेमाल एथेरियम जैसे सिक्कों को करने के लिए किया जा रहा है, तो एक चाल जो कुछ खनिकों को लॉन्च के समय किफायती कार्ड हथियाने से रोक सकती है, और इस तरह गेमर्स से लड़ने के लिए शायद कुछ और छोड़ दे। अगले महीने से, एनवीडिया विशेष रूप से खनन के लिए जीपीयू को टाल देगा। काफ़ी हद तक सुझाव यह दृष्टिकोण, कागज़ पर समझदार होने के बावजूद, वास्तव में बहुत कुछ हासिल नहीं होगा यदि खनिक ड्राइवर-लागू सुरक्षा को पराजित करते हैं, और क्रिप्टो-माइनिंग कार्ड्स सिलिकॉन को गेमर्स से दूर कर देते हैं।

", आरटीएक्स 30 सीरीज़ लाइनअप को स्टॉक में रखना मुश्किल हो गया है, और जब हमने शुरुआत की थी, तब भी हमने क्यू 4 को चैनल इन्वेंटरी से बाहर कर दिया था।" "हालांकि हम आपूर्ति बढ़ा रहे हैं, लेकिन चैनल इन्वेंटरी पूरे Q1 में कम रहेगी।"

हुआंग ने कहा: “कंपनी के स्तर पर, हम विवश हैं। मांग आपूर्ति की तुलना में अधिक है ... हमें बस एक अच्छी नौकरी योजना तैयार करनी है। " फिर, निवेशकों को आश्वस्त करने के लिए, उन्होंने कहा: "हमारे पास साल भर में प्रत्येक तिमाही बढ़ने के लिए पर्याप्त आपूर्ति है।"

इस सब के बावजूद, एनवीडिया अच्छी और स्वस्थ आत्माओं में प्रतीत होता है। यहाँ संख्याओं पर त्वरित रूप से भागना है:

  • राजस्व चौथी वित्तीय तिमाही के लिए $ 5bn थे, एक साल पहले के 61bn डॉलर की तुलना में 3.1 प्रतिशत की छलांग। इसके वित्त वर्ष 2021 के अंत में भी इसकी कुल आय 16.7 बिलियन डॉलर हो गई, जो पिछले साल दर्ज किए गए $ 53bn से 10.9 फीसदी अधिक थी।
  • गेम Q4 में $ 2.5bn में खींचा गया, एक साल पहले से 67 प्रतिशत की छलांग। लैपटॉप के 70 से अधिक नए मॉडल एक GeForce RTX 30 ग्राफिक्स चिपसेट युक्त लॉन्च किए गए।
  • डाटा केंद्र Q1.9 रेवेन्यू में $ 4 बिलियन का दूसरा सबसे बड़ा सेगमेंट था। यह पिछले वर्ष की तुलना में 97 प्रतिशत की वृद्धि है। सीएफओ ने कहा कि इसमें मेलानॉक्स की संख्या शामिल नहीं है: अधिग्रहीत नेटवर्किंग बिज़ "का चीन की ओईएम में तीसरी तिमाही में गैर-प्रतिवर्ती बिक्री से प्रभावित होने वाला क्रमिक पतन था।" "अगली तिमाही की शुरुआत ... अब हम मेलानॉक्स राजस्व को अलग से नहीं तोड़ेंगे।"
  • मोटर वाहन, व्यावसायिक विज़ुअलाइज़ेशन, और ओईएम तुलना से बहुत छोटे हैं, और क्रमशः $ 145m, $ 307m, $ 153m थे। यहां खेल और एनीमेशन में सेल्फ ड्राइविंग कारों और ग्राफिक्स रेंडरिंग के लिए राजस्व में 11 फीसदी की कमी आई है। हालांकि, ओईएम साल भर पहले 7 फीसदी की गिरावट के साथ बना था।
  • शुद्ध आय नवीनतम तिमाही के लिए $ 1.46bn था, जो कि $ 53m साल-दर-साल से 950 प्रतिशत की वृद्धि थी। पूरे वर्ष के लिए, यह 55 प्रतिशत से $ 4.3bn तक था।
  • सकल मार्जिन प्रतिशत एक साल पहले 63.1 आधार अंकों (BPS) से 180 प्रतिशत नीचे था।
  • प्रति शेयर जीएएपी की कमाई $ 2.31 थे, साल-दर-साल से 51 प्रतिशत की वृद्धि।

एनवीडिया का प्रस्तावित ब्रिटिश चिप डिजाइनर आर्म का अधिग्रहण अमेरिका और ब्रिटेन में नियामकों द्वारा समीक्षा के तहत किया जा रहा है। हर कोई इसके पक्ष में नहीं है, बिना सोचे-समझे; Google, Microsoft, और क्वालकॉम ने निजी तौर पर अपनी चिंताओं को आवाज़ दी है। हालांकि, हुआंग ने भरोसा बनाए रखा कि यह सौदा हो जाएगा।

"उस समय, हमने भविष्यवाणी की थी कि अमेरिका, ब्रिटेन, यूरोपीय संघ, चीन और अन्य न्यायालयों में [अधिग्रहण के लिए] प्रक्रिया में 18 महीने लगेंगे।" “यह प्रक्रिया उम्मीद के मुताबिक आगे बढ़ रही है, हमें विश्वास है कि नियामकों को लाभ मिलेगा। साथ में आर्म और एनवीडिया पारिस्थितिकी तंत्र को अधिक विकल्प प्रदान करेगा और हम आर्म के ओपन लाइसेंसिंग मॉडल को जारी रखने का इरादा रखते हैं।

"महामारी बीत जाएगी लेकिन दुनिया हमेशा के लिए बदल गई है, हम देखते हैं कि प्रौद्योगिकी हर उद्योग में त्वरित हो रही है। डिजिटलीकरण, स्वचालित करने और तेजी लाने का आग्रह कभी अधिक नहीं रहा। " ®

स्रोत: https://go.theregister.com/feed/www.theregister.com/2021/02/25/gpus_for_gaming_and_aipowered/

पढ़ना जारी रखें

AI

AWS लैम्ब्डा में TensorFlow मॉडल चलाने के लिए कंटेनर छवियों का उपयोग करना

अवतार

प्रकाशित

on

TensorFlow एक ओपन-सोर्स मशीन लर्निंग (एमएल) लाइब्रेरी है जिसका उपयोग व्यापक रूप से तंत्रिका नेटवर्क और एमएल मॉडल विकसित करने के लिए किया जाता है। उन मॉडलों को आमतौर पर प्रशिक्षण को तेज करने के लिए कई GPU उदाहरणों पर प्रशिक्षित किया जाता है, जिसके परिणामस्वरूप महंगे प्रशिक्षण समय और कुछ गीगाबाइट तक के मॉडल आकार होते हैं। प्रशिक्षण प्राप्त करने के बाद, इन मॉडलों को उत्पादन में अंतर्ग्रहणों के लिए तैनात किया जाता है। वे तुल्यकालिक, अतुल्यकालिक, या बैच-आधारित वर्कलोड हो सकते हैं। शून्य से लाखों अनुरोधों को संसाधित करने के लिए उन समापन बिंदुओं को अत्यधिक मापनीय और लचीला होना चाहिए। यहीं पर AWS लाम्बा स्केलेबल, लागत प्रभावी और विश्वसनीय सिंक्रोनस और एसिंक्रोनस एमएल हीनिंग के लिए एक सम्मोहक गणना सेवा हो सकती है। लैम्ब्डा ऑटोमैटिक स्केलिंग, कम ऑपरेशनल ओवरहेड और पे-पर-इनफरेंस बिलिंग जैसे लाभ प्रदान करता है।

यह पोस्ट आपको बताती है कि लैंबडा के साथ किसी भी TensorFlow मॉडल का उपयोग 10 जीबी मेमोरी के साथ उत्पादन में स्केलेबल इनफॉरमेशन के लिए कैसे किया जाता है। यह हमें कुछ गिगाबाइट्स तक लम्बे कार्यों में एमएल मॉडल का उपयोग करने की अनुमति देता है। इस पोस्ट के लिए, हम TensorFlow-Keras का पूर्व-प्रशिक्षित उपयोग करते हैं ResNet50 छवि वर्गीकरण के लिए।

समाधान का अवलोकन

लैम्ब्डा एक सर्वर रहित कंप्यूट सर्विस है जो आपको सर्वर को प्रोविजन या मैनेज किए बिना कोड चलाने की सुविधा देती है। लैम्ब्डा स्वचालित रूप से हर घटना के जवाब में कोड चलाकर आपके एप्लिकेशन को मापता है, जिससे इवेंट-संचालित आर्किटेक्चर और समाधान की अनुमति मिलती है। कोड समानांतर में चलता है और प्रत्येक घटना को व्यक्तिगत रूप से संसाधित करता है, कार्यभार के आकार के साथ स्केलिंग करता है, प्रति दिन कुछ अनुरोधों से सैकड़ों हजारों वर्कलोड तक। निम्नलिखित चित्र हमारे समाधान की वास्तुकला को दर्शाता है।

निम्नलिखित चित्र हमारे समाधान की वास्तुकला को दर्शाता है।

आप एक के रूप में अपने कोड और निर्भरता पैकेज कर सकते हैं कंटेनर छवि डॉकर सीएलआई जैसे उपकरणों का उपयोग करना। अधिकतम कंटेनर का आकार 10 जीबी है। अनुमान के लिए मॉडल डॉकरीकृत होने के बाद, आप छवि को अपलोड कर सकते हैं अमेज़ॅन इलास्टिक कंटेनर रजिस्ट्री (अमेज़न ईसीआर)। फिर आप अमेज़ॅन ईसीआर में संग्रहीत कंटेनर से लैंबडा फ़ंक्शन बना सकते हैं।

.. पूर्वापेक्षाएँ

इस पूर्वाभ्यास के लिए, आपके पास निम्नलिखित शर्तें होनी चाहिए:

समाधान को लागू करना

हम छवि वर्गीकरण के लिए टेन्सरफ्लो हब से एक पूर्व-प्रशिक्षित मॉडल का उपयोग करते हैं। जब एक छवि को एक पर अपलोड किया जाता है अमेज़न सरल भंडारण सेवा (अमेज़न S3) बाल्टी, छवि का पता लगाने और इसे मुद्रित करने के लिए एक लैम्ब्डा फ़ंक्शन को आमंत्रित किया जाता है अमेज़ॅन क्लाउडवॉच लॉग करता है। निम्न आरेख इस वर्कफ़्लो को दिखाता है।

वह निम्नलिखित आरेख इस वर्कफ़्लो को दिखाता है।

समाधान को लागू करने के लिए, निम्नलिखित चरणों को पूरा करें:

  1. अपनी स्थानीय मशीन पर, नाम के साथ एक फ़ोल्डर बनाएँ lambda-tensorflow-example.
  2. बनाओ requirements.txt उस निर्देशिका में फ़ाइल करें।
  3. अपने एमएल मॉडल के लिए सभी आवश्यक पुस्तकालयों को जोड़ें। इस पोस्ट के लिए, हम TensorFlow 2.4 का उपयोग करते हैं।
  4. एक बनाएं app.py स्क्रिप्ट जिसमें लैम्ब्डा फ़ंक्शन के लिए कोड होता है।
  5. एक ही डायरेक्टरी में एक डॉकरीफाइल बनाएं।

निम्न पाठ हमारे उपयोग के मामले के लिए TensorFlow कोड चलाने के लिए आवश्यकताएँ.txt फ़ाइल का एक उदाहरण है:

# List all python libraries for the lambda
tensorflow==2.4.0
tensorflow_hub==0.11
Pillow==8.0.1

हम TensorFlow 2.4 संस्करण का उपयोग केवल CPU समर्थन के साथ कर रहे हैं, क्योंकि इस लेखन के रूप में, Lambda केवल CPU समर्थन प्रदान करता है। TensorFlow के CPU-केवल संस्करणों के बारे में अधिक जानकारी के लिए, देखें पैकेज का स्थान.

अजगर कोड app.py में रखा गया है। App.py में इंफेक्शन फंक्शन को इनवॉइस करने के लिए एक विशिष्ट संरचना का पालन करने की आवश्यकता होती है लम्बोदर रनटाइम। लम्बे के लिए हैंडलर के बारे में अधिक जानकारी के लिए, देखें पायथन में एडब्ल्यूएस लाम्बा फंक्शन हैंडलर। निम्नलिखित कोड देखें:

import json
import boto3
import numpy as np
import PIL.Image as Image import tensorflow as tf
import tensorflow_hub as hub IMAGE_WIDTH = 224
IMAGE_HEIGHT = 224 IMAGE_SHAPE = (IMAGE_WIDTH, IMAGE_HEIGHT)
model = tf.keras.Sequential([hub.KerasLayer("model/")])
model.build([None, IMAGE_WIDTH, IMAGE_HEIGHT, 3]) imagenet_labels= np.array(open('model/ImageNetLabels.txt').read().splitlines())
s3 = boto3.resource('s3') def lambda_handler(event, context): bucket_name = event['Records'][0]['s3']['bucket']['name'] key = event['Records'][0]['s3']['object']['key'] img = readImageFromBucket(key, bucket_name).resize(IMAGE_SHAPE) img = np.array(img)/255.0 prediction = model.predict(img[np.newaxis, ...]) predicted_class = imagenet_labels[np.argmax(prediction[0], axis=-1)] print('ImageName: {0}, Prediction: {1}'.format(key, predicted_class)) def readImageFromBucket(key, bucket_name): bucket = s3.Bucket(bucket_name) object = bucket.Object(key) response = object.get() return Image.open(response['Body'])

पायथॉन 3.8 के लिए निम्न डॉकरीफाइल ओपन-सोर्स प्रदान किए गए एडब्ल्यूएस का उपयोग करता है आधार चित्र कि कंटेनर छवियों को बनाने के लिए इस्तेमाल किया जा सकता है। बेस इमेज लैंग्डा पर कंटेनर इमेज चलाने के लिए आवश्यक भाषा रनटाइम्स और अन्य घटकों के साथ पहले से लोड होती हैं।

# Pull the base image with python 3.8 as a runtime for your Lambda
FROM public.ecr.aws/lambda/python:3.8 # Install tar and gzip
RUN yum -y install tar gzip zlib # Copy the earlier created requirements.txt file to the container
COPY requirements.txt ./ # Install the python requirements from requirements.txt
RUN python3.8 -m pip install -r requirements.txt # Copy the earlier created app.py file to the container
COPY app.py ./ # Download ResNet50 and store it in a directory
RUN mkdir model
RUN curl -L https://tfhub.dev/google/imagenet/resnet_v1_50/classification/4?tf-hub-format=compressed -o ./model/resnet.tar.gz
RUN tar -xf model/resnet.tar.gz -C model/
RUN rm -r model/resnet.tar.gz # Download ImageNet labels
RUN curl https://storage.googleapis.com/download.tensorflow.org/data/ImageNetLabels.txt -o ./model/ImageNetLabels.txt # Set the CMD to your handler
CMD ["app.lambda_handler"]

आपकी फ़ोल्डर संरचना निम्न स्क्रीनशॉट की तरह दिखनी चाहिए।

आपकी फ़ोल्डर संरचना निम्न स्क्रीनशॉट की तरह दिखनी चाहिए।

आप निम्न बैश कमांड के साथ कंटेनर छवि को Amazon ECR पर बना और धकेल सकते हैं। प्रतिस्थापित करें अपनी AWS खाता आईडी के साथ और यह भी निर्दिष्ट करें .

# Build the docker image
docker build -t lambda-tensorflow-example . # Create a ECR repository
aws ecr create-repository --repository-name lambda-tensorflow-example --image-scanning-configuration scanOnPush=true --region <REGION> # Tag the image to match the repository name
docker tag lambda-tensorflow-example:latest <AWS_ACCOUNT_ID>.dkr.ecr.<REGION>.amazonaws.com/lambda-tensorflow-example:latest # Register docker to ECR
aws ecr get-login-password --region <REGION> | docker login --username AWS --password-stdin <AWS_ACCOUNT_ID>.dkr.ecr.<REGION>.amazonaws.com # Push the image to ECR
docker push <AWS_ACCOUNT_ID>.dkr.ecr.<REGION>.amazonaws.com/lambda-tensorflow-example:latest

यदि आप अपने मॉडल के अनुमान का स्थानीय स्तर पर परीक्षण करना चाहते हैं, तो लैंबडा के बेस छवियों में एक रनटाइम इंटरफ़ेस एमुलेटर (RIE) शामिल है जो इसे भी अनुमति देता है स्थानीय रूप से परीक्षण आपके लाम्बा फ़ंक्शन ने विकास चक्रों को गति देने के लिए एक कंटेनर छवि के रूप में पैक किया।

एक S3 बाल्टी बनाना

अगले चरण के रूप में, हम छवि वर्ग की भविष्यवाणी करने के लिए उपयोग की जाने वाली छवियों को संग्रहीत करने के लिए एक S3 बाल्टी बनाते हैं।

  1. अमेज़न S3 कंसोल पर, चुनें बाल्टी बनाएँ.
  2. S3 बाल्टी को एक नाम दें, जैसे कि tensorflow-images-for-inference-<Random_String> और बदलें एक यादृच्छिक मूल्य के साथ।
  3. चुनें बाल्टी बनाएँ.

TensorFlow कोड के साथ लैम्ब्डा फ़ंक्शन बनाना

अपना लैम्ब्डा फ़ंक्शन बनाने के लिए, निम्नलिखित चरणों को पूरा करें:

  1. लैम्ब्डा कंसोल पर, चुनें कार्य.
  2. चुनें फ़ंक्शन बनाएं.
  3. चुनते हैं कंटेनर छवि.
  4. के लिए कार्य का नाम, जैसे नाम दर्ज करें tensorflow-endpoint.
  5. के लिए कंटेनर छवि URI, पहले बनाए गए दर्ज करें lambda-tensorflow-example भंडार।

  1. चुनें छवियों को ब्राउज़ करें नवीनतम छवि चुनने के लिए।
  2. क्लिक करें फ़ंक्शन बनाएं इसके निर्माण को शुरू करने के लिए।
  3. लैम्ब्डा रनटाइम को बेहतर बनाने के लिए, फ़ंक्शन मेमोरी को कम से कम 6 जीबी तक बढ़ाएं और 5 मिनट के लिए समय समाप्त करें मूल सेटिंग्स.

फ़ंक्शन मेमोरी और टाइमआउट सेटिंग्स के बारे में अधिक जानकारी के लिए, देखें AWS लाम्बा के लिए नया - 10 जीबी तक मेमोरी और 6 वीसीपीयू के साथ कार्य.

S3 बाल्टी को अपने लैम्ब्डा फ़ंक्शन से कनेक्ट करना

लैम्ब्डा फ़ंक्शन के सफल निर्माण के बाद, हमें इसे एक ट्रिगर जोड़ने की आवश्यकता है ताकि जब भी कोई फ़ाइल S3 बाल्टी में अपलोड हो, तो फ़ंक्शन को लागू किया जाए।

  1. लैम्ब्डा कंसोल पर, अपना फ़ंक्शन चुनें।
  2. चुनें ट्रिगर जोड़ें.

ट्रिगर जोड़ें चुनें।

  1. चुनें S3.
  2. के लिए बाल्टी, आपके द्वारा पहले बनाई गई बाल्टी का चयन करें।

बाल्टी के लिए, आपके द्वारा पहले बनाई गई बाल्टी चुनें।

ट्रिगर जोड़े जाने के बाद, आपको लैम्बडा फ़ंक्शन को उपयुक्त सेट करके S3 बाल्टी से कनेक्ट करने की अनुमति देने की आवश्यकता है AWS पहचान और अभिगम प्रबंधन (IAM) इसकी निष्पादन भूमिका के अधिकार।

  1. पर अनुमतियाँ अपने फ़ंक्शन के लिए टैब, IAM भूमिका चुनें।
  2. चुनें नीतियों को संलग्न करें.
  3. के लिए खोजें AmazonS3ReadOnlyAccess और इसे IAM भूमिका में संलग्न करें।

अब आपने अपने फ़ंक्शन का परीक्षण करने के लिए सभी आवश्यक सेवाओं को कॉन्फ़िगर कर दिया है। AWS प्रबंधन कंसोल में बाल्टी खोलकर और क्लिक करके बनाई गई S3 बाल्टी में JPG छवि अपलोड करें अपलोड। कुछ सेकंड के बाद, आप क्लाउडवॉच लॉग में भविष्यवाणी का परिणाम देख सकते हैं। एक अनुवर्ती कदम के रूप में, आप भविष्यवाणियों को स्टोर कर सकते हैं Amazon DynamoDB तालिका.

S3 बाल्टी में JPG तस्वीर अपलोड करने के बाद, हम CloudWatch पर मुद्रित परिणाम के रूप में अनुमानित छवि वर्ग प्राप्त करेंगे। EventBridge द्वारा लैम्ब्डा फ़ंक्शन को ट्रिगर किया जाएगा और बाल्टी से छवि को खींचेगा। एक उदाहरण के रूप में, हम इस की तस्वीर का उपयोग करने जा रहे हैं तोता हमारे अनुमान समापन बिंदु द्वारा भविष्यवाणी करने के लिए।

CloudWatch लॉग में पूर्वानुमानित वर्ग मुद्रित होता है। दरअसल, मॉडल चित्र के लिए सही वर्ग की भविष्यवाणी करता है (macaw):

प्रदर्शन

इष्टतम प्रदर्शन प्राप्त करने के लिए, आप मेमोरी सेटिंग के विभिन्न स्तरों की कोशिश कर सकते हैं (जो कि अधिक जानने के लिए, असाइन किए गए vCPU को रैखिक रूप से बदलता है, इसे पढ़ें AWS न्यूज़ ब्लॉग) का है। हमारे तैनात मॉडल के मामले में, हमें लगभग 3GB - 4GB (~ 2vCPUs) सेटिंग में सबसे अधिक प्रदर्शन लाभ का एहसास होता है और इससे आगे का लाभ अपेक्षाकृत कम होता है। विभिन्न मॉडलों में सीपीयू की बढ़ी हुई मात्रा के प्रदर्शन में सुधार के विभिन्न स्तर दिखाई देते हैं, इसलिए यह अपने मॉडल के लिए प्रयोगात्मक रूप से निर्धारित करना सबसे अच्छा है। इसके अतिरिक्त, यह अत्यधिक अनुशंसा की जाती है कि आप अपने स्रोत कोड का लाभ उठाने के लिए संकलित करें उन्नत वेक्टर एक्सटेंशन 2 (AVX2) लैम्ब्डा पर जो कि प्रदर्शन को बढ़ाता है ताकि vCPUs को प्रति घड़ी चक्र में अधिक संख्या में पूर्णांक और फ्लोटिंग-पॉइंट ऑपरेशन चलाने की अनुमति मिले।

निष्कर्ष

लैंबडा के लिए कंटेनर इमेज सपोर्ट आपको सर्वर रहित एमएल के लिए बहुत सारे नए उपयोग के मामलों को खोलने के साथ अपने फ़ंक्शन को और भी अधिक अनुकूलित करने की अनुमति देता है। आप अपने कस्टम मॉडल ला सकते हैं और कंटेनर छवि आकार के लिए 10 जीबी तक का उपयोग करके उन्हें लामबडा पर तैनात कर सकते हैं। छोटे मॉडलों के लिए जिन्हें कंप्यूटिंग शक्ति की अधिक आवश्यकता नहीं है, आप ऑनलाइन प्रशिक्षण और लैम्ब्डा में शुद्ध रूप से अनुमान लगा सकते हैं। जब मॉडल का आकार बढ़ता है, तो कोल्ड स्टार्ट मुद्दे अधिक से अधिक महत्वपूर्ण हो जाते हैं और होने की आवश्यकता होती है कम। कंटेनर छवियों के साथ ढांचे या भाषा पर कोई प्रतिबंध नहीं है; अन्य एमएल चौखटे जैसे PyTorch, अपाचे एमएक्सनेट, XGBoostया, Scikit सीखने के रूप में अच्छी तरह से इस्तेमाल किया जा सकता है!

यदि आपको अपने अनुमान के लिए जीपीयू की आवश्यकता है, तो आप कंटेनर सेवाओं का उपयोग करने पर विचार कर सकते हैं जैसे अमेज़ॅन इलास्टिक कंटेनर सेवा (अमेज़ॅन ईसीएस), कुबेरनेट्स, या मॉडल को ए पर तैनात करें अमेज़न SageMaker समापन बिंदु.


लेखक के बारे में

जान बाउर AWS व्यावसायिक सेवाओं में क्लाउड एप्लिकेशन डेवलपर है। उनकी रुचियों में सर्वर रहित कंप्यूटिंग, मशीन लर्निंग और सब कुछ शामिल है जिसमें क्लाउड कंप्यूटिंग शामिल है।

स्रोत: https://aws.amazon.com/blogs/machine-learning/using-container-images-to-run-tensorflow-models-in-aws-lambda/

पढ़ना जारी रखें

AI

अमेज़ॅन ने निर्मित उत्पादों में दोषों का पता लगाने के लिए कंप्यूटर विज़न सेवा शुरू की

अवतार

प्रकाशित

on

अमेज़न आज की घोषणा अमेज़ॅन लुकआउट फॉर विज़न की सामान्य उपलब्धता, एक क्लाउड सेवा है जो निर्मित वस्तुओं में स्पॉट उत्पाद या प्रक्रिया दोष और विसंगतियों के लिए कंप्यूटर विज़न का उपयोग करके छवियों का विश्लेषण करती है। अमेज़न का कहना है कि लुकआउट फ़ॉर विज़न, जो चुनिंदा में उपलब्ध है अमेज़ॅन वेब सेवा (एडब्ल्यूएस) AWS कंसोल और सहायक भागीदारों के माध्यम से क्षेत्र, 30 बेसलाइन छवियों के रूप में कुछ का उपयोग करके AI मॉडल को प्रशिक्षित करने में सक्षम है।

जब मानव पाश में होता है, तो निर्माण में कार्य त्रुटि-प्रवण हो सकता है। ए अध्ययन वन्सन बॉर्न से पाया गया कि निर्माण में सभी अनियोजित डाउनटाइम में से 23% मानव त्रुटि का परिणाम है, जबकि अन्य सेगमेंट में 9% की दर से कम है। माप की इकाइयों के बीच ठीक से परिवर्तित नहीं हो पाने के कारण $ 327.6 मिलियन का मार्स क्लाइमेट ऑर्बिटर अंतरिक्ष यान नष्ट हो गया। और एक फार्मा कंपनी की रिपोर्ट एक गलतफहमी जिसके परिणामस्वरूप एक अलर्ट टिकट ओवरराइड हो गया, जिसकी उत्पादन लाइन पर प्रति दिन £ 200,000 ($ 253,946) पर चार दिन का खर्च आया।

विज़न के लिए लुकआउट का उद्देश्य मिक्स में AI का थोड़ा सा इंजेक्शन लगाकर, उनकी उपस्थिति से उत्पादों में दरारें, डेंट, गलत रंग और अनियमित आकार सहित विनिर्माण और उत्पादन दोषों का पता लगाना है। अमेज़ॅन का कहना है कि यह सेवा एक घंटे में हजारों छवियों को संसाधित कर सकती है और इसके लिए किसी भी प्रकार की प्रतिबद्धता या न्यूनतम शुल्क की आवश्यकता नहीं होती है। ग्राहक मॉडल का उपयोग करने के लिए घंटे का भुगतान करते हैं और सेवा का उपयोग करके विसंगतियों या दोषों का पता लगाते हैं।

डेटा का विश्लेषण करने के बाद, लुकआउट फॉर विज़न रिपोर्ट की छवियां जो बेसलाइन से सर्विस डैशबोर्ड या वास्तविक समय एपीआई के माध्यम से भिन्न होती हैं। अमेज़ॅन के दावों में बदलाव के साथ कैमरा एंगल, पोज़ और प्रकाश व्यवस्था में बदलाव के साथ सटीकता बनाए रखने के लिए विज़न के लिए लुकआउट पर्याप्त परिष्कृत है। अभी भी ग्राहकों के पास परिणामों पर प्रतिक्रिया देने की क्षमता है, चाहे एक भविष्यवाणी सही ढंग से एक विसंगति की पहचान की हो। विज़न के लिए लुकआउट स्वचालित रूप से अंतर्निहित मॉडल को वापस ले लेगा ताकि सेवा में लगातार सुधार हो।

लुकआउट फॉर विजन का उपयोग करने वाले ग्राहकों में GE हेल्थकेयर, बेसलर और स्वीडन स्थित डैफगार्ड शामिल हैं। (अमेज़ॅन के वर्चुअल री: इनवेंट कॉन्फ्रेंस के दौरान इसके अनावरण के बाद, दिसंबर 2020 से ग्राहकों के साथ पूर्वावलोकन में लॉन्च किया गया विज़ुअट लुकआउट । और अमेज़ॅन की अपनी प्रिंट-ऑन-डिमांड सुविधा, जो ग्राहकों के आदेशों को पूरा करने की मांग पर पुस्तकों को प्रिंट करती है, बुक मैन्युफैक्चरिंग के प्रत्येक चरण में लुकआउट फॉर विजन को स्वचालित करने और दृश्य निरीक्षण का दोहन करने के लिए है।

“चाहे एक ग्राहक एक जमे हुए पिज्जा पर टॉपिंग लगा रहा हो या हवाई जहाज के लिए बारीक-कैलिब्रेटेड भागों का निर्माण कर रहा हो, हमने जो कुछ भी असमान रूप से सुना है वह यह है कि केवल उच्च-गुणवत्ता वाले उत्पादों की गारंटी देना अंतिम उपयोगकर्ताओं तक उनके व्यवसाय के लिए मौलिक है। हालांकि, यह स्पष्ट प्रतीत हो सकता है, औद्योगिक पाइपलाइनों में इस तरह के गुणवत्ता नियंत्रण को सुनिश्चित करना वास्तव में बहुत चुनौतीपूर्ण हो सकता है, ”AWS में मशीन अमेज़न सीखना के स्वामी स्वामी शिवसुब्रमण्यन ने एक प्रेस विज्ञप्ति में कहा। “हम सभी ग्राहकों और सभी उद्योगों के ग्राहकों के लिए विज़न के लिए अमेज़ॅन लुकआउट को विज़न प्रदान करने के लिए उत्साहित हैं ताकि उन्हें जल्दी और लागत में प्रभावी ढंग से मदद मिल सके और समय-समय पर पैसे बचाने के लिए दोषों का पता लगाया जा सके, जबकि उनके उपभोक्ता जिस गुणवत्ता पर भरोसा करते हैं - कोई मशीन सीखने का अनुभव नहीं है आवश्यक है। ”

VentureBeat

वेंचरबीट का मिशन तकनीकी निर्णय लेने वालों के लिए एक डिजिटल टाउन स्क्वायर होना है जो परिवर्तनकारी तकनीक और लेनदेन के बारे में ज्ञान प्राप्त करे। हमारी साइट डेटा तकनीकों और रणनीतियों पर आवश्यक जानकारी प्रदान करती है ताकि आप अपने संगठनों का नेतृत्व कर सकें। हम आपको हमारे समुदाय का सदस्य बनने के लिए, उपयोग करने के लिए आमंत्रित करते हैं:

  • आपकी रुचि के विषयों पर अद्यतित जानकारी
  • हमारे समाचार पत्र
  • गेट-थिंक-लीडर कंटेंट और हमारे बेशकीमती इवेंट्स, जैसे ट्रांसफॉर्म तक पहुंच को रियायती
  • नेटवर्किंग सुविधाएँ, और बहुत कुछ

सदस्य बनें

स्रोत: https://vtbeat.com/2021/02/24/amazon-launches-computer-vision-service-to-detect-defects-in-manufactured-products/

पढ़ना जारी रखें

AI

आईबीएम ने वाट्सन के साथ हेल्थकेयर से कथित तौर पर पीछे हटने की कोशिश की 

अवतार

प्रकाशित

on

आईबीएम को वाट्सन हेल्थ की बिक्री पर विचार करने की सूचना है, जो स्वास्थ्य सेवा में एआई को लागू करने की चुनौतियों का संकेत है। वॉटसन का उपयोग करके आईबीएम क्लाउड सेवाओं में निवेश करना जारी रखता है। (Unsplash पर कार्सन मास्टर्सन द्वारा फोटो।)  

जॉन पी। डेसमंड, एआई ट्रेंड्स एडिटर द्वारा  

रिपोर्ट्स पिछले हफ्ते सामने आईं कि आईबीएम वाट्सन हेल्थ की बिक्री पर विचार कर रही है, स्वास्थ्य सेवा के लिए लागू एआई के बाजार से एक वापसी का प्रतिनिधित्व करती है जो आईबीएम ने अपने पिछले सीईओ के निर्देशन में अपनाई थी। 

वाल स्ट्रीट जर्नल पिछले सप्ताह आईबीएम ने वाटसन हेल्थ की बिक्री की खोज की थी; आईबीएम ने रिपोर्ट की पुष्टि नहीं की। दस साल पहले, जब आईबीएम वाटसन पर जीता था जियोपार्डी! खेल के दो रिकॉर्ड विजेता के खिलाफ गेम शो, ऐ में वाटसन ब्रांड स्थापित किया गया था। 

के रूप में में सूचना दी ऐ ट्रेंड पिछले फरवरी, टीउसके बाद वॉटसन ने दो मानव चैंपियन को हराया जियोपार्डी !, आईबीएम ने घोषणा की कि वाटसन चिकित्सा क्षेत्र में बढ़ रहा है। आईबीएम प्राकृतिक भाषा को समझने की अपनी क्षमता लेगा जिसे उसने टेलीविजन पर दिखाया, और इसे दवा पर लागू किया। पहली व्यावसायिक पेशकश 18 से 24 महीनों में उपलब्ध होगी, कंपनी ने एक खाते के अनुसार वादा किया था आईईईई स्पेक्ट्रम अप्रैल 2019 से।  

यह एक कठिन सड़क थी। एआई को दवा लाने के लिए एक बड़ा धक्का देने वाली आईबीएम पहली कंपनी थी। अलार्म बजने लगा था रॉबर्ट वाचर, कैलिफोर्निया विश्वविद्यालय, सैन फ्रांसिस्को में चिकित्सा विभाग के अध्यक्ष और 2015 की पुस्तक के लेखक द डिजिटल डॉक्टर: होप, हाइप, एंड द हार एट द डॉन ऑफ मेडिसिन कंप्यूटर एज (मैकग्रॉ हिल)। द वॉटसन जीतना संकट पर! आईबीएम एआई ने लॉन्चिंग पैड की बिक्री की।  

वाचर ने कहा, "वे पहले मार्केटिंग, दूसरे उत्पाद के साथ आए और सभी को उत्साहित किया।" "तो रबर सड़क मारा। यह समस्याओं का एक अविश्वसनीय रूप से कठिन सेट है, और आईबीएम, पहले बाहर होने के द्वारा, बाकी सभी के लिए प्रदर्शन किया है। ”  

तब-आईबीएम सीईओ गिन्नी रिटोमेट्टी ने हेल्थकेयर में AI लॉन्च करने के लिए वाटसन विजय का इस्तेमाल किया  

गिन्नी रोमिट्टी, उस समय आईबीएम के सीईओ ने 2017 के सम्मेलन में स्वास्थ्य आईटी पेशेवरों के दर्शकों को बताया कि "एआई मुख्यधारा है, यह यहां है, और यह स्वास्थ्य देखभाल के बारे में लगभग सब कुछ बदल सकता है।" स्वास्थ्य सेवा उद्योग को बदलने में मदद के लिए उसने कई लोगों की तरह एआई के लिए क्षमता देखी। 

वॉटसन ने प्राकृतिक भाषा प्रसंस्करण में एडवेंचर का उपयोग किया था ताकि वह खतरे में पड़ जाए। वॉटसन की टीम ने जोडी सुरागों और प्रतिक्रियाओं के प्रशिक्षण डेटासेट पर मशीन लर्निंग का इस्तेमाल किया। स्वास्थ्य सेवा बाजार में प्रवेश करने के लिए, आईबीएम ने अपने ज्ञान का आधार बनाने के लिए मेडिकल रिकॉर्ड पर पाठ मान्यता का उपयोग करने की कोशिश की। जार्जोन और शॉर्टहैंड से भरे डॉक्टरों के नोट जैसे असंरचित डेटा 80 का हो सकता है% एक मरीज के रिकॉर्ड के। यह चुनौतीपूर्ण था।   

एक नैदानिक ​​उपकरण बनाने का प्रयास किया गया था। आईबीएम ने 2015 में वाटसन हेल्थ डिवीजन का गठन किया। इकाई ने $ 4 बिलियन का अधिग्रहण किया। निवेशों को सही ठहराने के लिए चिकित्सा व्यवसाय के मामले में खोज जारी रही। बड़े मेडिकल डेटा सेट का उपयोग करके निर्णय समर्थन के आसपास कई परियोजनाएं शुरू की गईं। रोगियों के लिए कैंसर के उपचार को निजीकृत करने के लिए ऑन्कोलॉजी पर ध्यान देने का वादा किया गया।  

चिकित्सकों पर ह्यूस्टन में टेक्सास के एमडी एंडरसन कैंसर सेंटर के विश्वविद्यालय ने ऑन्कोलॉजी विशेषज्ञ सलाहकार नामक एक उपकरण बनाने के लिए आईबीएम के साथ काम किया। एमडी एंडरसन को टूल मिला परीक्षण चरण ल्यूकेमिया विभाग में; यह कभी भी व्यावसायिक उत्पाद नहीं बना।   

परियोजना अच्छी तरह से समाप्त नहीं हुई; इसे 2016 में रद्द कर दिया गया था। टेक्सास विश्वविद्यालय द्वारा एक ऑडिट में पाया गया कि कैंसर केंद्र ने परियोजना पर $ 62 मिलियन खर्च किए थे। IEEE स्पेक्ट्रम के लेखकों ने कहा कि परियोजना ने "मशीन सीखने के वादे और चिकित्सा देखभाल की वास्तविकता के बीच एक बुनियादी बेमेल" का खुलासा किया, जो आज के डॉक्टरों के लिए उपयोगी होगा।  

एक अन्य रिपोर्ट के अनुसार, आईबीएम ने 2018 में आईबीएम वाटसन हेल्थ यूनिट में छंटनी का एक दौर किया आईईईई स्पेक्ट्रम जून 2018 में। आईबीएम ने जिन कंपनियों का अधिग्रहण किया था, उनमें से एक इंजीनियर फाइटेल ने अधिग्रहण के बाद से अपने मरीज के एनालिटिक्स समाधान के लिए 150 से 80 तक सिकुड़ते ग्राहक आधार की सूचना दी। "छोटी कंपनियां हमें जिंदा खा रही हैं," इंजीनियर ने कहा। “वे बेहतर, तेज, सस्ते हैं। वे हमारे अनुबंध जीत रहे हैं, हमारे ग्राहकों को ले रहे हैं, एआई में बेहतर कर रहे हैं। ”  

मिसमैच सीन हेल्थकेयर की वास्तविकता और एआई के वादे के बीच  

डॉ। थॉमस जे। फुच्स, डीन ऑफ एआई एंड ह्यूमन हेल्थ, माउंट सिनाई हेल्थ सिस्टम

एआई के वादे और हेल्थकेयर की वास्तविकताओं के बीच एक बेमेल की यह धारणा पिछले सप्ताह वॉल स्ट्रीट जर्नल की रिपोर्ट में बताई गई थी कि तकनीकी कंपनियों में गहरी विशेषज्ञता का अभाव हो सकता है कि स्वास्थ्य देखभाल रोगी सेटिंग्स में कैसे काम करती है। "आप वास्तव में खाइयों में नैदानिक ​​वर्कफ़्लो को समझना है," थॉमस जे। फुच्स, माउंट सिनाई हेल्थ सिस्टम के कृत्रिम बुद्धि और मानव स्वास्थ्य के डीन ने कहा। "आपको यह समझना होगा कि क्लिनिक में चीजों को धीमा किए बिना आप AI कहां और कहां से मददगार हो सकते हैं"। 

कंप्यूटर विज्ञान में एक व्यावहारिक सॉफ्टवेयर उत्पाद या सेवा में पैकेजिंग एआई प्रगति हमेशा सॉफ्टवेयर व्यवसाय में एक बुनियादी चुनौती रही है। बर्नस्टीन रिसर्च के एक विश्लेषक टोनी सैकोनाघी ने कहा, "वाटसन अच्छे विज्ञान लेने और इसे व्यावसायिक रूप से प्रासंगिक बनाने का एक तरीका खोजने के लिए आईबीएम में एक व्यापक मुद्दे से बहुत अधिक प्रभावित हो सकता है।"  

टोनी सैकोनाघी, विश्लेषक, बर्नस्टीन रिसर्च

नए आईबीएम के सीईओ अरविंद कृष्णा ने हाइब्रिड के साथ एआई कहा है क्लाउड कंप्यूटिंग, आईबीएम के लिए महत्वपूर्ण होगा। (देख ऐ ट्रेंड, नवंबर 2020.) कृष्णा संघर्षरत व्यापारिक इकाइयों से बाहर निकलने और उन लोगों पर ध्यान केंद्रित करने के लिए आगे बढ़ रहा है जो लगातार विकास प्रदान कर सकते हैं। इस प्रयास के हिस्से के रूप में, आईबीएम अपने प्रबंधित आईटी सेवा प्रभाग को एक नई सार्वजनिक कंपनी में बदलने की प्रक्रिया में है; विश्लेषकों द्वारा आईटी सेवाओं को घटते मार्जिन व्यवसाय के रूप में देखा जाता है। आईबीएम की बिक्री 100 में 2010 बिलियन डॉलर और पिछले साल 73.6 बिलियन डॉलर थी। 

हेल्थकेयर में AI के लिए एक और चुनौती डेटा-कलेक्शन मानकों की कमी है, जो एक हेल्थकेयर सेटिंग में विकसित किए गए मॉडल को लागू करना और दूसरों में इसे लागू करना मुश्किल है। "अनुकूलन स्वास्थ्य समस्या में गंभीर है," पालो ऑल्टो, कैलिफ़ोर्निया में स्थित एक एआई विशेषज्ञ और स्टार्टअप लैंडिंग एआई के सीईओ एंड्रयू एनजी ने कहा। वाल स्ट्रीट जर्नल. 

हेल्थकेयर बाजारों में जहां एआई ने वादा दिखाया है और परिणाम प्राप्त किए हैं, उनमें रेडियोलॉजी और पैथोलॉजी शामिल हैं, जहां विशिष्ट सवालों के जवाब देने के लिए छवि मान्यता तकनीकों का उपयोग किया जा सकता है। इसके अलावा, AI ने बिलिंग और चार्टिंग जैसी व्यावसायिक प्रक्रियाओं को सुव्यवस्थित करने के लिए इनरोड बनाया है, जो अधिक चुनौतीपूर्ण क्षेत्रों पर ध्यान केंद्रित करने के लिए पैसे बचाने और कर्मचारियों को मुक्त करने में मदद कर सकता है। प्रशासनिक लागत को स्वास्थ्य देखभाल की लागत का 30 प्रतिशत कहा जाता है। 

इस बीच, स्वास्थ्य सेवा में एआई के लिए निवेश जारी है, 48 की वार्षिक दर से बढ़ने का अनुमान है% 2023 के माध्यम से, हाल ही में एक रिपोर्ट के अनुसार व्यापार अंदरूनी सूत्र. नए खिलाड़ियों में Google जैसे दिग्गज शामिल हैं, जिन्होंने क्लाउड हेल्थकेयर एप्लिकेशन प्रोग्रामिंग इंटरफ़ेस (एपीआई) को परिभाषित किया है, जो मशीन सीखने के माध्यम से उपयोगकर्ताओं के इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड से डेटा ले सकता है, चिकित्सकों के अधिक सूचित नैदानिक ​​निर्णय लेने में मदद करने के उद्देश्य से। Google अस्पताल के दौरे के परिणामों की भविष्यवाणी करने के लिए कैलिफोर्निया विश्वविद्यालय, स्टैनफोर्ड विश्वविद्यालय और एआई प्रणाली पर शिकागो विश्वविद्यालय के साथ भी काम कर रहा है 

उदाहरण के लिए, व्यक्तिगत स्वास्थ्य सेवा के लिए एआई भी लागू किया जा रहा है, उदाहरण के लिए पहनने योग्य तकनीक जैसे कि फिटबिट और स्मार्टवॉच, जो उपयोगकर्ताओं और स्वास्थ्य पेशेवरों को संभावित स्वास्थ्य मुद्दों और जोखिमों के बारे में सचेत कर सकती है।  

स्वास्थ्य सेवा में वाटसन को लागू करने से पीछे हटते हुए, आईबीएम अपने क्लाउड सेवा प्रसाद में वाटसन की भूमिका का विस्तार कर रहा है। इनमें प्रविष्टियों के अनुसार प्राकृतिक भाषा प्रसंस्करण, भावना विश्लेषण और आभासी सहायक शामिल हैं आईबीएम वाटसन ब्लॉग,  

स्रोत लेख और जानकारी पढ़ें वाल स्ट्रीट जर्नलin आईईईई स्पेक्ट्रम अप्रैल 2019 से, में ऐ ट्रेंड फरवरी 2020, में आईईईई स्पेक्ट्रम जून 2018 से, ऐ ट्रेंड, नवंबर 2020 से व्यापार अंदरूनी सूत्र और पर आईबीएम वाटसन ब्लॉग।  

स्रोत: https://www.aitrends.com/healthcare/ibm-reportedly-retreating-from-healthcare-with-watson/

पढ़ना जारी रखें
ब्लॉक श्रृंखला4 दिन पहले

वीचिन रिव्यू: ब्लॉकचैन सप्लाई चेन मैनेजमेंट

अंब क्रिप्टो5 दिन पहले

Litecoin मूल्य विश्लेषण: 20 फरवरी

पीआर न्यूजवायर4 दिन पहले

S3 एयरोफेन्स हनीवेल एयरोस्पेस के साथ 10 साल के वितरण समझौते और मरम्मत लाइसेंस पर हस्ताक्षर करता है

अंब क्रिप्टो5 दिन पहले

क्यों MicroStrategy और अन्य संस्थानों को अपने Bitcoin खरीद पर पछतावा नहीं है

अंब क्रिप्टो5 दिन पहले

बिटकॉइन का खुदरा दत्तक ग्रहण $ 55,000 में चुनौती क्यों हो सकती है

मोटर वाहन5 दिन पहले

टेस्ला के गिगाफैक्ट्री फॉर्मूला फ़्रेमोंट फैक्ट्री में एक विनम्र "तम्बू" से उठ गया

अंब क्रिप्टो5 दिन पहले

पोलाकाडॉट, कॉसमॉस, आईओटीए मूल्य विश्लेषण: 20 फरवरी

अंब क्रिप्टो5 दिन पहले

क्या बिटकॉइन के लॉन्ग-टर्म होल्डर विक्रेता के बाजार में प्रवेश कर रहे हैं?

AI5 दिन पहले

इस सप्ताह की भयानक टेक कहानियां वेब पर (20 फरवरी से)

अंब क्रिप्टो5 दिन पहले

चैनलिंक, एवे, सुशीवापस प्राइस एनालिसिस: 20 फरवरी

अंब क्रिप्टो5 दिन पहले

बिनेंस सिक्का, ट्रॉन, एफटीएक्स टोकन मूल्य विश्लेषण: 20 फरवरी

अंब क्रिप्टो5 दिन पहले

क्यों बिटकॉइन की कीमत अप्रैल के अपने लक्ष्य 62968 डॉलर से तीन सप्ताह आगे है

अंब क्रिप्टो5 दिन पहले

मोनेरो, एथेरियम क्लासिक, वेचिन मूल्य विश्लेषण: 20 फरवरी

अंब क्रिप्टो4 दिन पहले

Ethereum, Uniswap, Dogecoin मूल्य विश्लेषण: 21 फरवरी

QEC कोड का प्रस्तावित हार्डवेयर कार्यान्वयन। सर्किट में दो जोसेफसन जंक्शन होते हैं जो युग्मक द्वारा युग्मित होते हैं, लाल रंग में हाइलाइट किए जाते हैं। CREDIT M. Rymarz et al।, Phys Rev X (2021), https://doi.org/10.1103/PhysRevX.11.011032 (CC BY 4.0)
नैनो प्रौद्योगिकी4 दिन पहले

दोष-सहिष्णु qubit के लिए खाका: Forschungszentrum Jülich और RWTH आचेन विश्वविद्यालय के वैज्ञानिकों ने क्वांटम कंप्यूटरों के लिए एक सर्किट डिजाइन किया है जो स्वाभाविक रूप से आम त्रुटियों के खिलाफ संरक्षित है

मोटर वाहन4 दिन पहले

स्पेसएक्स स्टारशिप यह पता लगाने के लिए तैयार है कि इस सप्ताह बाद में तीसरी बार आकर्षण होगा या नहीं

ब्लॉक श्रृंखला3 दिन पहले

ब्लॉकचेन टेक्नोलॉजी के साथ फार्म-टू-शेल्फ जानकारी प्राप्त करने के लिए संयुक्त अरब अमीरात में कैरेफोर शॉपर्स

QEC कोड का प्रस्तावित हार्डवेयर कार्यान्वयन। सर्किट में दो जोसेफसन जंक्शन होते हैं जो युग्मक द्वारा युग्मित होते हैं, लाल रंग में हाइलाइट किए जाते हैं। CREDIT M. Rymarz et al।, Phys Rev X (2021), https://doi.org/10.1103/PhysRevX.11.011032 (CC BY 4.0)
नैनो प्रौद्योगिकी4 दिन पहले

दोष-सहिष्णु qubit के लिए खाका: Forschungszentrum Jülich और RWTH आचेन विश्वविद्यालय के वैज्ञानिकों ने क्वांटम कंप्यूटरों के लिए एक सर्किट डिजाइन किया है जो स्वाभाविक रूप से आम त्रुटियों के खिलाफ संरक्षित है

QEC कोड का प्रस्तावित हार्डवेयर कार्यान्वयन। सर्किट में दो जोसेफसन जंक्शन होते हैं जो युग्मक द्वारा युग्मित होते हैं, लाल रंग में हाइलाइट किए जाते हैं। CREDIT M. Rymarz et al।, Phys Rev X (2021), https://doi.org/10.1103/PhysRevX.11.011032 (CC BY 4.0)
नैनो प्रौद्योगिकी4 दिन पहले

दोष-सहिष्णु qubit के लिए खाका: Forschungszentrum Jülich और RWTH आचेन विश्वविद्यालय के वैज्ञानिकों ने क्वांटम कंप्यूटरों के लिए एक सर्किट डिजाइन किया है जो स्वाभाविक रूप से आम त्रुटियों के खिलाफ संरक्षित है

पीआर न्यूजवायर3 दिन पहले

अंतर्राष्ट्रीय एचपीवी जागरूकता दिवस शिखर सम्मेलन

रुझान