हमसे जुडे

AI

Trovata.io एआई के साथ कुल उद्यम बैंक खातों में $ 20 मिलियन जुटाता है

अवतार

प्रकाशित

on

बैंकिंग प्रौद्योगिकी स्टार्टअप त्रावता .io आज घोषणा की कि वेल्स फार्गो स्ट्रेटेजिक कैपिटल की अगुवाई में एक श्रृंखला ए में 20 मिलियन डॉलर जुटाए हैं। कंपनी का कहना है कि निवेश का इस्तेमाल नई सेवाएं देने और वैश्विक स्तर पर मल्टी-बैंक एपीआई में तेजी लाने के लिए किया जाएगा।

डेलॉइट और अमेजन में समय बिता चुके ट्रोवेटा के संस्थापक और सीईओ ब्रेट टर्नर ने भविष्यवाणी की है कि फिनटेक चलाने वाले उपभोक्ता बैंक एग्रीगेटर्स के उदय से वैश्विक स्तर पर बैंकों से वाणिज्यिक बैंकिंग और ट्रेजरी सेवाओं के लिए प्रत्यक्ष एपीआई बनेंगे। इन प्री-बिल्ट बैंक एकीकरण, उनका मानना ​​था, इससे उद्यमों को विरासत के कार्यान्वयन या आईटी समर्थन की आवश्यकता को दूर करने और स्व-सेटअप को सक्षम करने में मदद मिलेगी।

टर्नर ने 35 में 2019-कर्मचारी ट्रॉवाटा को परिवर्तन की प्रत्याशा में लॉन्च किया, साथ ही कंपनियों के बैंक बैलेंस और लेनदेन को मूल रूप से थोक बैंकिंग एपीआई पर एक मंच के साथ लॉन्च किया। का उपयोग करते हुए ऐ और मशीन सीखने, ट्रोवेटा कैश-केंद्रित वर्कफ़्लोज़ को कैश रिपोर्टिंग, विश्लेषण और पूर्वानुमान के रूप में स्वचालित कर सकता है, जिससे कंपनियों को यह देखने की अनुमति मिलती है कि कैश फ्लो और बिल्डिंग का प्रबंधन और पूर्वानुमान बनाए रखने के दौरान उनके पास वास्तविक समय में कितना कैश है।

Trovata एक स्केलेबल मल्टी-बैंक वातावरण में बैंक डेटा को स्टोर और प्रबंधित करने के लिए एक उच्च-प्रदर्शन डेटा झील के रूप में कार्य करता है। प्लेटफ़ॉर्म डेटा एकत्र करता है और सामान्य करता है और फिर एक पूर्वानुमान स्थापित करता है, बेसलाइन स्थापित करने के लिए मशीन लर्निंग और पूर्वानुमान सटीकता बढ़ाने के लिए ऐतिहासिक रुझानों का विश्लेषण करता है।

ट्रोवाटा ग्राहकों को क्षेत्र, इकाई, विभाजन या मनमाने लेबल द्वारा स्क्वायर टैग डेटा सहित सुविधा देता है। यह सभी गैर-अमरीकी डालर मूल्य वाली राशियों को USD समकक्षों में भी तब्दील करता है, जो अलग-अलग सहायक कंपनियों के लिए पूर्वानुमान बनाने और पूर्वानुमान उत्पन्न करने की क्षमता की पेशकश करते हैं। 300 मिलीसेकंड प्रतिक्रिया दर के साथ Google जैसी प्राकृतिक भाषा खोज उपकरण उपयोगकर्ताओं को लाखों लेनदेन के दौरान प्रमुख विक्रेताओं, ग्राहकों और भागीदारों को खोजने और टैग करने देता है।

“टिपिंग पॉइंट निकट है, और… ट्रोवेटा थोक बैंकिंग और ट्रेजरी सेवाओं में [एक गहन भूमिका] निभा सकता है। महामारी ने वास्तविक समय में बेहतर नकद दृश्यता, बैंक डेटा और अधिक सक्रिय नकदी पूर्वानुमान की आवश्यकता को जन्म दिया है। टर्नर ने एक बयान में कहा, "बढ़ती और अनुबंधित कंपनियों को इन चीजों की जरूरत होती है, जिसमें केवल ब्याज में तेजी होती है।" “राजस्व गोपनीय है, लेकिन हमारे औसत सौदे का आकार लगभग 25,00 डॉलर है और हम 0 महीनों में 100 से लगभग 18 मिड-मार्केट और छोटे उद्यम ग्राहकों तक बढ़ गए हैं। हम इस महीने के अंत में उद्यम के लिए एक नए अप-मार्केट उत्पाद की घोषणा करेंगे और इस साल 4 गुना से 5 गुना बढ़ने की उम्मीद करेंगे। ”

वेल्स फारगो स्ट्रैटेजिक कैपिटल के प्रबंध निदेशक बासिल दारिश ने कहा, "हम इस बात पर उत्सुक हैं कि प्रौद्योगिकी कैसे एक आधुनिक, अंतर्दृष्टि-चालित ऑपरेशन में खजाने के कार्य को सुदृढ़ कर रही है, जो हमारे ग्राहकों को उनकी व्यावसायिक रणनीति को पूरा करने में मदद करता है।" "ट्रोवेटा विशिष्ट सेवाएं प्रदान करता है और ट्रेजरी सेवाओं को स्वचालित करने के लिए एक ग्राहक-केंद्रित दृष्टिकोण प्रदान करता है, और हम इस निवेश के साथ उनके चल रहे विकास का समर्थन करने के लिए उत्साहित हैं।"

कैपिटल वन वेंचर्स और पिवट इन्वेस्टमेंट पार्टनर्स ने आज घोषित की गई ट्रोवेटा की श्रृंखला ए और साथ ही मौजूदा शुरुआती निवेशकों जेपी मॉर्गन और फिनटॉप कैपिटल में भी भाग लिया। इससे सैन डिएगो स्थित कंपनी की कुल संपत्ति $ 30 मिलियन से अधिक हो गई, इसके बाद बीज और उद्यम दौर $ 10.6 मिलियन का था।

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/2021/01/19/trovata-io-raises-20-million-to-aggregate-enterprise-bank-accounts-with-ai/

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।

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।

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।

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.

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

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

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

AI

SolarWinds हैकर्स ने क्लाउड ऑब्जेक्ट को एक मुख्य उद्देश्य के रूप में लक्षित किया 

अवतार

प्रकाशित

on

SolarWinds हमलावर एक प्राथमिक उद्देश्य के रूप में दिखाई देते हैं जो क्लाउड सेवाओं के लिए प्रमाणीकरण विधि से दूरगामी प्रभाव के साथ समझौता करता है। (क्रेडिट: गेटी इमेजेज)।   

जॉन पी। डेसमंड, एआई ट्रेंड्स एडिटर द्वारा 

सोलरविंड हैकरों ने क्लाउड सेवाओं को एक महत्वपूर्ण उद्देश्य के रूप में लक्षित किया, संभवतः उन्हें संगठन के क्लाउड-आधारित सेवाओं के लिए बहुत से लोगों तक पहुंच प्रदान की।  

क्रिस्टोफर बुद्ध, स्वतंत्र सुरक्षा विशेषज्ञ

यह एक खाते से है GeekWire क्रिस्टोफर बुद्ध द्वारा लिखित, a ind dependent सुरक्षा सलाहकार, जिसने पहले Microsoft के सुरक्षा प्रतिक्रिया केंद्र में 10 वर्षों तक काम किया था।  

"मैंf हम विभिन्न रिपोर्टों को डिकोड करते हैं और उन डॉट्स को कनेक्ट करते हैं जिन्हें हम देख सकते हैं कि SolarWinds हमलावरों ने समझौता किए गए नेटवर्क पर प्रमाणीकरण प्रणालियों को लक्षित किया है, इसलिए वे अलार्म को बिना बढ़ाए Microsoft Office 365 जैसी क्लाउड-आधारित सेवाओं में लॉग इन कर सकते हैं, ”बुद्ध ने लिखा। "इससे भी बदतर, जिस तरह से वे इसे बाहर ले जा रहे हैं वह संभवतः किसी संगठन के क्लाउड-आधारित सेवाओं के लिए, यदि सभी के लिए नहीं है, तो कई तक पहुंच प्राप्त करने के लिए उपयोग किया जा सकता है।"  

निहितार्थ यह है कि हमलों के प्रभाव का आकलन करने वालों को न केवल अपने सिस्टम और नेटवर्क पर, बल्कि समझौते के सबूत के लिए अपनी क्लाउड-आधारित सेवाओं पर भी ध्यान देने की आवश्यकता है। और इसका मतलब है कि हमलों के खिलाफ बचाव का मतलब है कि क्लाउड सेवाओं के प्रमाणीकरण प्रणालियों की सुरक्षा और निगरानी बढ़ाना, "अभी से।"  

बुद्ध ने इन प्रमुख टेकवे का हवाला दिया: 

  • एक नेटवर्क में एक पैर जमाने के बाद, SolarWinds हमलावर उन प्रणालियों को लक्षित करते हैं जो क्लाउड-आधारित सेवाओं द्वारा उपयोग की जाने वाली पहचान का प्रमाण जारी करते हैं; और वे आईडी जारी करने के लिए उपयोग किए जाने वाले साधनों की चोरी करते हैं; 
  • एक बार जब उनके पास यह क्षमता हो जाती है, तो वे फर्जी आईडी बनाने में सक्षम होते हैं जो उन्हें वैध उपयोगकर्ताओं को प्रतिरूपित करने की अनुमति देता है, या कानूनी रूप से दुर्भावनापूर्ण खातों का निर्माण करता है, जिसमें प्रशासनिक पहुंच वाले खाते भी शामिल हैं;  
  • क्‍योंकि आईडी का उपयोग क्लाउड-आधारित खातों द्वारा डेटा और सेवा तक पहुंच प्रदान करने के लिए किया जाता है, हमलावर डेटा और ईमेल का उपयोग करने में सक्षम होते हैं जैसे कि वे वैध उपयोगकर्ता थे।

एसएएमएल प्रमाणीकरण विधि क्लाउड सेवाओं के लिए देखी गई है 

क्लाउड-आधारित सेवाएँ सुरक्षा अभिकथन मार्कअप लैंग्वेज (SAML) नामक प्रमाणीकरण पद्धति का उपयोग करती हैं, जो एक टोकन जारी करती है जो सेवाओं के लिए वैध उपयोगकर्ता की पहचान का "प्रमाण" है। Microsoft ब्लॉग पर पोस्ट की एक श्रृंखला के आधार पर, पता चला कि SAML सेवा को लक्षित किया गया था। जबकि इस प्रकार का हमला पहली बार 2017 में देखा गया था, "यह इस तरह की व्यापक दृश्यता के साथ पहला बड़ा हमला है जो क्लाउड-आधारित प्रमाणीकरण तंत्र को लक्षित करता है," बुद्ध ने कहा। 

एक सवाल के जवाब में, Google ने Microsoft से पूछा कि क्या कंपनी को इस हमले के कारण होने वाली किसी भी भेद्यता का पता चला है, उसे यह प्रतिक्रिया मिली: “हमने इन जांचों में किसी भी Microsoft उत्पाद या क्लाउड सेवा कमजोरियों की पहचान नहीं की है। एक बार एक नेटवर्क में, घुसपैठिया विशेषाधिकार प्राप्त करने के लिए तलहटी का उपयोग करता है और पहुँच प्राप्त करने के लिए उस विशेषाधिकार का उपयोग करता है। " 

राष्ट्रीय सुरक्षा प्रशासन की एक प्रतिक्रिया समान थी, हमलावरों ने कहा, "संघित प्रमाणीकरण का दुरुपयोग करके," Microsoft प्रमाणीकरण प्रणाली में किसी भी भेद्यता का शोषण नहीं कर रहे थे, "बल्कि एकीकृत घटकों में स्थापित विश्वास का दुरुपयोग कर रहे थे।" 

इसके अलावा, हालांकि सोलरविंड्स हमला Microsoft क्लाउड-आधारित सेवा के माध्यम से आया था, इसमें SAML खुला मानक शामिल था जो कि केवल Microsoft नहीं, बल्कि क्लाउड-आधारित सेवाओं के विक्रेताओं द्वारा व्यापक रूप से उपयोग किया जाता है। "SolarWinds हमले और भविष्य में क्लाउड सेवाओं के खिलाफ SAML- आधारित इन प्रकार के हमलों में गैर-Microsoft SAML- प्रदाता और क्लाउड सेवा प्रदाता शामिल हो सकते हैं," बुद्ध ने कहा। 

अमेरिकन इंटेलिजेंस सीस अटैक की उत्पत्ति रूस के आरामदायक भालू के साथ हुई 

अमेरिकी खुफिया अधिकारियों का मानना ​​है कि हमले की शुरुआत रूस से हुई थी। विशेष रूप से, एक रिपोर्ट के अनुसार अर्थशास्त्रीरूस की ख़ुफ़िया सेवा का हिस्सा माने जाने वाले कोज़ी भालू के नाम से जाने जाने वाले हमलावरों का समूह ज़िम्मेदार था। "यह अमेरिका के खिलाफ डिजिटल जासूसी के सबसे बड़े कृत्यों में से एक प्रतीत होता है," खाते ने कहा।  

हमले का प्रदर्शन किया साइबर सुरक्षा फर्म फायरई के अनुसार, "टॉप-टियर ऑपरेशनल ट्रेडक्राफ्ट," जो खुद भी एक शिकार था।  

हमलावरों के लक्ष्य के अनुसार अमेरिका पिछले दशक में हो रहे साइबर हमलों को वर्गीकृत करने और उनका जवाब देने की ओर अग्रसर है। इसने गुप्त चोरी करने के इरादे से घुसपैठ को माना है-पुराने जमाने की जासूसी-जैसा कि अमेरिका की राष्ट्रीय सुरक्षा एजेंसी भी खेल में लगी हुई है, लेकिन नुकसान पहुंचाने के इरादे से किए गए हमले, जैसे कि 2014 में सोनी पिक्चर्स पर उत्तर कोरिया का हमला, या चीन के औद्योगिक रहस्यों की चोरी, को एक लाइन को पार करने के रूप में देखा गया है, जिस खाते का सुझाव दिया गया है । इस प्रकार, कई रूसी, चीनी, उत्तर कोरियाई और ईरानी हैकरों पर प्रतिबंध लगाए गए हैं।   

लगता है कि सौर हवाओं के हमले ने अपनी श्रेणी बना ली है। "प्रतियोगिता के एक गुप्त और अराजक क्षेत्र पर मानदंडों पर मुहर लगाने का यह प्रयास असफल रहा है," द अर्थशास्त्री (इकोनॉमिस्ट)  खाता बताया गया। "जासूसी और तोड़फोड़ के बीच की रेखा धुंधली है।"  

एक पर्यवेक्षक देखता है कि 2015 में कार्मिक प्रबंधन (ओपीएम) के अधिकारी की हैकिंग के बाद से अमेरिका ने "साइबर स्पेस में क्या अनुमति है" के बारे में कम सहिष्णुता बढ़ाई है। इसने ओपीएम नेटवर्क को हैक किया और सरकारी कर्मचारियों से संबंधित 22.1 मिलियन के रिकॉर्ड को उजागर किया, जो अन्य पृष्ठभूमि की जांच की गई थी, और दोस्तों और परिवार। चीनी सरकार की ओर से काम कर रहे राज्य प्रायोजित हैकरों को जिम्मेदार माना गया।   

ज्यूरिख में सेंटर ऑफ सिक्योरिटी स्टडीज के मैक्स स्मेट्स ने कहा, "इस तरह के बड़े पैमाने पर जासूसी" अब उन ऑपरेशनों की सूची में सबसे ऊपर होगी जिन्हें वे अस्वीकार्य समझेंगे। 

"ऑन-प्रेम" सॉफ्टवेयर अधिक जोखिम भरा है 

SolarWinds ओरियन उत्पाद “ऑन-प्रिम” स्थापित किया गया है, जिसका अर्थ है कि यह सॉफ़्टवेयर के उपयोग से संगठन के परिसर में कंप्यूटर पर स्थापित और चलाया जाता है। ऐसे उत्पाद सुरक्षा जोखिम उठाते हैं जिन्हें आईटी नेतृत्व को सावधानीपूर्वक करने की आवश्यकता होती है मूल्यांकन करें, हाल ही में एक खाते का सुझाव दिया eWeek 

विलियम व्हाइट, सुरक्षा और आईटी निदेशक, बिगपांडा

सोलरवाइंड हमलावरों ने प्रवेश पाने के लिए जाहिरा तौर पर एक समझौता किए गए सॉफ्टवेयर पैच का इस्तेमाल किया, विलियम व्हाइट, बिगपांडा के सुरक्षा और आईटी निदेशक को सुझाव दिया, जो आईटी सिस्टम में समस्याओं का पता लगाने और उनका विश्लेषण करने के लिए एआई सॉफ़्टवेयर प्रदान करता है। “ऑन-प्रिमाइसेस सॉफ़्टवेयर के साथ, आपको अक्सर सॉफ़्टवेयर को चलाने के लिए उन्नत अनुमतियाँ या अत्यधिक विशेषाधिकार प्राप्त खाते देने होते हैं, जो जोखिम पैदा करता है, ”उन्होंने कहा।    

क्योंकि सोलरविंड के हमले को स्पष्ट रूप से एक सॉफ्टवेयर पैच के माध्यम से निष्पादित किया गया था, "विडंबना यह है कि सबसे अधिक उजागर सोलर विंड्स ग्राहक थे जो वास्तव में ओरियन पैच स्थापित करने के बारे में मेहनती थे," व्हाइट ने कहा।  

में स्रोत लेख पढ़ें GeekWireसे अर्थशास्त्री और in eWeek.

स्रोत: https://www.aitrends.com/security/solarwinds-hackers-targeted-cloud-services-as-a-key-objective/

पढ़ना जारी रखें

AI

रैंड कॉर्प एआई आसन में DoD "महत्वपूर्ण रूप से चुनौती" पाता है 

अवतार

प्रकाशित

on

रैंड कॉर्प की एक नई रिपोर्ट में पाया गया है कि यूएस DoD का AI आसन डेटा और परीक्षण के आसपास चुनौतियों का सामना करता है जो प्रदर्शन और सुरक्षा सुनिश्चित करता है। (साभार: गेटी इमेजेज)  

एआई ट्रेंड्स स्टाफ द्वारा  

कृत्रिम बुद्धि पर अमेरिकी रक्षा विभाग (DoD) के आसन के हाल ही में जारी अद्यतन मूल्यांकन में, शोधकर्ताओं ने रैंड कॉर्पयह पाया कि "कुछ सकारात्मक संकेतों के बावजूद, DoD के आसन को मूल्यांकन के सभी आयामों में काफी चुनौती दी गई है"। 

2019 के राष्ट्रीय रक्षा प्राधिकरण अधिनियम (NDAA), और DoD के संयुक्त कृत्रिम बुद्धिमत्ता केंद्र (JAIC) के निदेशक द्वारा कांग्रेस के लिए RAND शोधकर्ताओं से सवाल का जवाब देने में मदद करने के लिए कहा गया था: " DoD AI प्रौद्योगिकियों का लाभ उठाने और उनके साथ जुड़ी क्षमता का लाभ उठाने के लिए तैयार है, या क्या उन तकनीकों को प्रभावी ढंग से और सुरक्षित रूप से उपयोग करने और उनके उपयोग को बढ़ाने के लिए खुद को स्थिति में लाने के लिए बड़े कदम उठाने की आवश्यकता है? ” 

अवधि कृत्रिम बुद्धिमत्ता पहली बार 1956 में डार्टमाउथ कॉलेज में एक सम्मेलन में गढ़ा गया था जिसमें मानव सोच कौशल की नकल करने के लिए डिज़ाइन किए गए कार्यक्रम को दिखाया गया था। लगभग तुरंत बाद, रक्षा के अनुसंधान अनुसंधान (DARPA) (तब उन्नत अनुसंधान परियोजना एजेंसी [ARPA] के रूप में जाना जाता है), सेना की अनुसंधान शाखा, ने रक्षा चुनौतियों के लिए AI सिद्धांतों को लागू करने के उद्देश्य से अनुसंधान की कई पंक्तियों की शुरुआत की।   

डेनिएल टार्राफ, वरिष्ठ सूचना वैज्ञानिक, रैंड कॉर्प।

1950 के दशक के बाद से, एआई और मशीन लर्निंग (एमएल) की अपनी उप-अनुशासन रेखा - अलग-अलग लोगों के लिए कई अलग-अलग चीजों का मतलब है, रिपोर्ट में कहा गया है, जिसके मुख्य लेखक डेनियल सी। तार्राफ हैं, जो रैंड के एक वरिष्ठ सूचना वैज्ञानिक और एक प्रोफेसर हैं। रैंड ग्रेजुएट स्कूल। (रैंड कॉर्प एक अमेरिकी गैर-लाभकारी थिंक टैंक है जिसे 1948 में अमेरिकी सशस्त्र बलों को अनुसंधान और विश्लेषण की पेशकश करने के लिए बनाया गया था।)    

उदाहरण के लिए, 2019 एनडीएए ने एआई की पांच परिभाषाओं का हवाला दिया। रैंड ने कहा, "कांग्रेस को अपनी रिपोर्ट के लिए रैंड टीम द्वारा किए गए दर्जनों साक्षात्कारों से कोई आम सहमति नहीं बन पाई।"  

रैंड शोधकर्ताओं ने लचीले बने रहने और सटीक परिभाषाओं से बंधे नहीं होने का फैसला किया। इसके बजाय, उन्होंने इस सवाल का जवाब देने की कोशिश की कि क्या DoD को AI छत्र के नीचे व्यापक रूप से गिरने वाली प्रौद्योगिकियों का एक सेट बनाने, हासिल करने, परीक्षण करने, संक्रमण करने और बनाए रखने के लिए तैनात किया गया है? और यदि नहीं, तो वहाँ जाने के लिए DoD को क्या करने की आवश्यकता होगी? DoD रणनीतिक निर्णय निर्माताओं के लिए AI के निहितार्थ को ध्यान में रखते हुए, शोधकर्ताओं ने तीन तत्वों पर ध्यान केंद्रित किया और वे कैसे बातचीत करते हैं:  

  • प्रौद्योगिकी और क्षमताओं का स्थान 
  • DoD AI अनुप्रयोगों का स्पेक्ट्रम 
  • निवेश स्थान और समय क्षितिज।

जबकि एल्गोरिदम अधिकांश एआई समाधानों को रेखांकित करते हैं, ब्याज और प्रचार को एआई में अग्रिमों द्वारा ईंधन दिया जाता है, जैसे कि गहरी शिक्षा। इसके लिए बड़े डेटा सेट की आवश्यकता होती है, और जो उन अनुप्रयोगों के लिए अत्यधिक विशिष्ट होते हैं जिनके लिए उन्हें डिज़ाइन किया गया था, जिनमें से अधिकांश वाणिज्यिक हैं। DoD में सॉफ्टवेयर के कार्य के लिए AI सत्यापन, सत्यापन, परीक्षण और मूल्यांकन (VVT & E) प्रक्रियाओं का उल्लेख करते हुए, शोधकर्ताओं ने कहा, "VVT & E सभी सुरक्षा अनुप्रयोगों सहित सुरक्षा अनुप्रयोगों के लिए बहुत चुनौतीपूर्ण है।"  

शोधकर्ताओं ने DoD के लिए AI अनुप्रयोगों को तीन समूहों में विभाजित किया:  

  • एंटरप्राइज ए.आई., ऐसे अनुप्रयोगों में शामिल हैं, जो अच्छी तरह से नियंत्रित वातावरण में सैन्य अस्पतालों में स्वास्थ्य रिकॉर्ड का प्रबंधन करते हैं;  
  • मिशन-समर्थन AI, एल्गोरिथ्म वारफेयर क्रॉस-फंक्शनल टीम (जिसे प्रोजेक्ट मेवेन के रूप में भी जाना जाता है) जैसे एप्लिकेशन शामिल हैं, जिसका उद्देश्य ड्रोन द्वारा लड़ाई थिएटर में एकत्र किए गए वीडियो डेटा से बड़ी मात्रा में कल्पना का विश्लेषण करने में मनुष्यों की सहायता के लिए मशीन सीखने का उपयोग करना है, और;  
  • संचालन ए.आई.सहित AI के अनुप्रयोगों को हथियार प्रणालियों में एकीकृत किया गया है जो गतिशील, प्रतिकूल वातावरण के साथ संघर्ष करना चाहिए, और हताहतों के लिए विफलता के मामले में महत्वपूर्ण निहितार्थ हैं। 

क्षेत्र में पूर्ण पैमाने पर कार्यान्वयन के लिए क्या संभव है के प्रदर्शनों से प्रगति की आवश्यकता होगी कब तक के लिए यथार्थवादी लक्ष्यों को निर्धारित करने की आवश्यकता है। रैंड टीम के विश्लेषण में बड़े पैमाने पर तैनाती का सुझाव दिया गया है:   

  • अवधि के करीब (पांच साल तक) उद्यम ए.आई. 
  • मध्यावधि (पाँच से दस साल) सबसे अधिक मिशन-एआई के लिए, और  
  • दूर का शब्द (अधिक से अधिक दस साल) सबसे परिचालन एआई अनुप्रयोगों के लिए। 

रैंड टीम एआई के लिए DoD में निम्नलिखित चुनौतियां देखती है:  

  • संगठनात्मक रूप से, वर्तमान DoD AI रणनीति में प्रगति का आकलन करने के लिए आधारभूत और मैट्रिक्स दोनों का अभाव है। और JAIC को AI और इसके प्रभाव DoD- वाइड को स्केल करने के लिए आवश्यक अधिकार, संसाधन और दृश्यता नहीं दी गई है। 
  • जानकारी अक्सर कमी होती है, और जब वे मौजूद होते हैं, तो उनमें अक्सर ट्रैसेबिलिटी, समझने की क्षमता, पहुंच और इंटरऑपरेबिलिटी की कमी होती है। 
  • की वर्तमान स्थिति वीवीटी और ई एआई तकनीकों के लिए एआई सिस्टम के प्रदर्शन और सुरक्षा को सुनिश्चित नहीं किया जा सकता है, खासकर जो सुरक्षा-महत्वपूर्ण हैं। 
  • DoD में बढ़ते, ट्रैकिंग और खेती के लिए स्पष्ट तंत्र का अभाव है एआई प्रतिभा, एक चुनौती जो केवल आवश्यक कौशल और प्रशिक्षण के साथ व्यक्तियों के लिए शिक्षा, वाणिज्यिक दुनिया और अन्य प्रकार के कार्यक्षेत्रों के साथ तेजी से तंग प्रतिस्पर्धा के साथ बढ़ने वाली है। 
  • संचारDoD के भीतर बिल्डरों और AI के उपयोगकर्ताओं के बीच के चैनल विरल हैं। 

शोधकर्ताओं ने इन मुद्दों पर ध्यान देने के लिए कई सिफारिशें कीं। 

दो चैलेंज एरिया एडेड  

इनमें से दो चुनौती क्षेत्रों को हाल ही में AFCEA द्वारा आयोजित एक बैठक में संबोधित किया गया है, जो पेशेवर संघ है जो लोगों को सैन्य, सरकार, उद्योग और शिक्षा में जोड़ता है, एक खाते में रिपोर्ट किया गया है एफसीडब्ल्यू। संगठन "सूचना के नैतिक आदान-प्रदान" में संलग्न है और इसकी वेबसाइट के अनुसार, यूएस गृहयुद्ध में जड़ें हैं।   

जैकलिन तेम JAIC में कार्यवाहक उपनिदेशक हैं, जिनके वर्षों के अनुभव में इंटेलिजेंस पर हाउस परमानेंट सिलेक्ट कमेटी के साथ पद शामिल हैं, रक्षा सचिव के कार्यालय के लिए AI एनालिटिक्स प्लेटफॉर्म के साथ काम करते हैं और फिर JAIC में पदों पर कार्य करते हैं। उसके पास नेवल वॉर कॉलेज और एलबीजे स्कूल ऑफ पब्लिक अफेयर्स से स्नातक की डिग्री है।  

उन्होंने संबोधित किया कि कैसे DoD में AI अपनी क्षमता के साथ संघर्ष में संस्कृति और नीति मानदंडों में चल रहा है। उदाहरण के लिए, "हमारे पास अभी भी ... रक्षा विभाग में कई हजार सुरक्षा वर्गीकरण मार्गदर्शन दस्तावेज हैं।" परिणाम "डेटा मालिकों" का प्रसार है। उसने टिप्पणी की, "यह इस विचार का विरोधी है कि डेटा विभाग के लिए एक रणनीतिक संपत्ति है।" 

उसने भविष्य कहे जाने वाले रखरखाव के उदाहरण का उपयोग किया, जिसके लिए वर्तमान में DoD के लिए बुनियादी ढाँचे की चुनौती के रूप में, प्रभावी होने के लिए कई स्रोतों से डेटा के विश्लेषण की आवश्यकता है। टेम ने कहा, "यह एक युद्धक मुद्दा है।" "युद्धक अनुप्रयोगों के लिए AI को प्रभावी बनाने के लिए, हमें इन सीमित स्टोवपाइप तरीकों से इसके बारे में सोचना बंद करना होगा।" 

जेन पिनेलिस, परीक्षण और मूल्यांकन के प्रमुख, जेएआईसी

डेटा मानकों को निर्धारित और एकीकृत करने की आवश्यकता है, सुझाए गए स्पीकर जेन पिनेलिस, जेएआईसी के लिए परीक्षण और मूल्यांकन के प्रमुख। उसकी पृष्ठभूमि में जॉन्स हॉपकिन्स विश्वविद्यालय एप्लाइड भौतिकी प्रयोगशाला में समय शामिल है, जहां वह "एल्गोरिदमिक युद्ध" में शामिल थी। वह मरीन कॉर्प्स की एक अनुभवी महिला भी हैं, जहां उनके असाइनमेंट में वारफाइटिंग लैब में एक स्थान शामिल था। वह मिशिगन विश्वविद्यालय से सांख्यिकी में पीएचडी रखती है। 

"मानक सर्वोत्तम प्रथाओं को बढ़ाते हैं और जरूरी नहीं कि हमारे पास अभी तक सर्वोत्तम अभ्यास हो," पिनेलिस ने कहा। JAIC इस पर काम कर रहा है, सर्वोत्तम प्रथाओं का संग्रह और दस्तावेजीकरण कर रहा है और डेटा संग्रह और टैगिंग पर खुफिया समुदाय में एक कार्य समूह का नेतृत्व कर रहा है। 

उन्होंने कहा कि कमजोर डेटा तत्परता AI के लिए एक बाधा है। जवाब में, JAIC जल्द ही अपेक्षित परीक्षण और मूल्यांकन और डेटा तत्परता के लिए कई पुरस्कार अनुबंध तैयार कर रहा है।  

स्रोत लेख और जानकारी पढ़ें रैंड कॉर्प. और एफसीडब्ल्यू. 

स्रोत: https://www.aitrends.com/ai-in-government/rand-corp-finds-dod-significantly-challenged-in-ai-posture/

पढ़ना जारी रखें
spacs5 दिन पहले

$ 250 मिलियन आईपीओ के लिए टीपीबी अधिग्रहण I फाइल; एसपीएसी स्थायी खाद्य उत्पादन को लक्षित करता है

अंब क्रिप्टो4 दिन पहले

Litecoin मूल्य विश्लेषण: 20 फरवरी

ब्लॉक श्रृंखला4 दिन पहले

वीचिन रिव्यू: ब्लॉकचैन सप्लाई चेन मैनेजमेंट

spacs5 दिन पहले

इलियट प्रबंधन की तकनीक केंद्रित SPAC इलियट अवसर I एक $ 1.0 बिलियन आईपीओ के लिए फाइल करता है

पीआर न्यूजवायर4 दिन पहले

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

spacs5 दिन पहले

विशेष उद्देश्य अधिग्रहण कंपनियां महामारी के दौरान वॉल स्ट्रीट पर लोकप्रियता में वृद्धि करती हैं

अंब क्रिप्टो4 दिन पहले

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

अंब क्रिप्टो4 दिन पहले

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

spacs5 दिन पहले

पॉल सिंगर समर्थित ब्लैंक-चेक फ़र्म्स $ 1.5 बिलियन के आईपीओ के लिए फाइल करते हैं

NEWATLAS5 दिन पहले

दृढ़ता पोस्ट-टचडाउन सेल्फी को वापस भेजती है

अंब क्रिप्टो5 दिन पहले

चैनलिंक खुदरा Bitcoin भुगतान का समर्थन करने के लिए दानल फिनटेक के साथ एकीकृत करता है

मोटर वाहन4 दिन पहले

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

अंब क्रिप्टो4 दिन पहले

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

अंब क्रिप्टो4 दिन पहले

पोलाकाडॉट, कॉसमॉस, आईओटीए मूल्य विश्लेषण: 20 फरवरी

NEWATLAS5 दिन पहले

सुपर-लाइट लैपटॉप हैवीवेट प्राइस टैग करता है

अंब क्रिप्टो5 दिन पहले

एसईसी रिपल मामले में "मृत गलत" है, पूर्व एसईसी अध्यक्ष मैरी जो व्हाइट का दावा है

अंब क्रिप्टो4 दिन पहले

चैनलिंक, एवे, सुशीवापस प्राइस एनालिसिस: 20 फरवरी

अंब क्रिप्टो5 दिन पहले

Litecoin, EOS, Decred Price Analysis: 20 फरवरी

अंब क्रिप्टो4 दिन पहले

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

अंब क्रिप्टो5 दिन पहले

एथेरम मूल्य विश्लेषण: 20 फरवरी

रुझान