私達と接続する

AI

私は解雇されました:同僚が追放されてからわずか数週間後に倫理部門の共同リーダーが強制退去させられたため、GoogleAIがメルトダウンしました

アバター

公開済み

on

手短に グーグルは調査を終えた 物議を醸す追放 倫理的AIユニットの共同リーダーであるTimnitGebruのアドジャイアントは、調査結果を公表しなかったものの、「潜在的に機密性の高い従業員の退社」に関する新しい手順を実装することを約束しました。

Gebruは、経営陣の無関心のために、シリコンバレーのゴリアテ内で多様性、平等、インクルージョンを促進しようとするのはエネルギーの浪費であるという内部メモで同僚に警告したことで解雇されたと述べました。 グーグルは彼女が事実上辞任したと主張した。

ボスは、グーグルが使用しているような大規模で電力を消費し、偏った言語処理ニューラルネットワークの環境的および社会的悪影響に関する研究論文から彼女の名前を削除するように彼女に言いました。 その衝突の余波で、ゲブル氏は、特定の条件が満たされた場合、インターネットスーパーコーポレーションに留まるのは快適だと幹部に語ったと述べた。 それは彼女の要求を断ったマネージャーによって辞任のメモとして扱われました。 グーグル内およびより広いAIコミュニティ内の多くの研究者が彼女の後ろに集まって支援しました。

「Gebru博士の退任が女性技術者、黒人コミュニティやその他の技術分野でのキャリアを追求している過小評価グループの人々、そしてGoogleのAIの責任ある使用に深く関心を持っている多くの人々に何を意味するのかを聞いて認めました」とGoogleAIの最高責任者であるジェフディーン すぐにリークされた内部メモで。 「それは私が後悔しているここで彼らの場所に疑問を投げかけるようになりました。」

一方、Gebruと一緒にEthical AIユニットを共同で率いたマーガレット・ミッチェルは、金曜日に解雇されたと語った。 ミッチェルは ロックアウト 彼女の企業アカウントの数週間。

ミッチェル氏は、同僚の追放を調査しているときに証拠を収集しようとした後、仕事用の電子メールやその他の企業サービスへのアクセスを拒否されたと述べた。 Googleには独自の見方があります。 「このマネージャーの行動のレビューを行った後、私たちは行動規範、および機密のビジネス機密文書や他の従業員の個人データの漏洩を含むセキュリティポリシーの違反が複数あることを確認しました。」広報担当者は語った 彼はReg 声明インチ

これはすべて、GoogleがベテランエンジニアのマリアンクロークをタップしてからわずかXNUMX日後に起こりました。 責任あるAIを管理する、EthicalAIと他のXNUMXつのチームを監督する新しいユニット。 中途半端なグーグルがこのすべてをどのように処理したかの要約については、以下のスレッドを参照してください。

IBMは、AIヘルスケア部門の販売を検討すると述べた

Big Blueは、病院で販売されている機械学習サービスが利益を上げられなかったため、IBM WatsonHealthユニットを廃止する可能性があります。 事業を他の会社やプライベートエクイティ会社に売却することを検討しています。 従った ウォールストリートジャーナルへ。

この部門は、長年にわたって多くの問題に苦しんでいます。 アナリストは、医療データの分析に使用されるソフトウェアが 使いにくい、そしてIBMは一貫して過剰な約束と不十分な配信を行ってきました。あるいは、ワトソンとは何か、そしてそれがヘルスケアとどのように関連しているかについてはまったく明確ではありませんでした。 ビッグブルーも 解雇 昨年そこで働いていたスタッフ。

AIヘルスケアは参入が難しいビジネスです。 それは厳しい規制に満ちており、アメリカの麻薬監視機関は、医療のための多くの新しいAIアルゴリズムを承認していません。 また、医師はワトソンに熱心ではないようです。

Waymoは、スタッフをモルモットとして使用して、カリフォルニアで完全自律型タクシーを展開します

Waymoはサンフランシスコで自律型ロボタクシーサービスのテストを開始しました。Alphabetの子会社は今月発表しました。

「現在、都市でのテクノロジーの開発とテストを加速しているため、いつの日か、完全自動運転のメリットをより多くの人々にもたらすことができます」とGoogleの安定した仲間 。 以前は、アリゾナ州フェニックスのダウンタウンで乗車している居住者のみがサービスを試すことができました。 現在、カリフォルニア州サンフランシスコを含むように拡張されています。

ただし、今はロボットに乗るという希望を抱かないでください。 Waymoは現在、ボランティアをしている従業員のみを輸送していますが、それに直面しましょう。あなたがビジネスで働いて辞退した場合、それは見栄えが良くありません。

Waymoは、ジェイウォーカーの検出や、車のルートを変更できるように前方の道路工事を知らせるトラフィックコーンなどのオブジェクトの発見など、SFなどの忙しい都市に適応するソフトウェアの機能を改善したと述べました。

米国は理論的な深層学習ボフィンリーに15万ドルを注ぎます

アメリカの国立科学財団は、ニューラルネットワークの背後にある理論的基礎を理解するための研究に資金を提供することに専念する新しいプログラムを立ち上げました。

ディープラーニングの数学的および科学的基盤(SCALE MoDL)プログラムの専門知識を活用した刺激的な共同の進歩は、それぞれ最大15万ドル相当の20から1.2の助成金を提供することを目指しています。 プログラムに合計15万ドルを投資する予定です。

「機械学習は、科学技術のすべての分野で大きな進歩を推進する主要な原動力として展開されました」とNSFは述べています。 。 「特にディープラーニングは、基本的な科学的発見を促進し、人工知能の多数のアプリケーションドメインを変革した、印象的な経験的成功を収めました。

「しかし、この分野に関する私たちの不完全な理論的理解は、計算インフラストラクチャと非常に大規模なセットの両方の観点から、そのようなアルゴリズムの信頼できるトレーニングに現在必要とされている重要なリソースを必要とするため、より広い範囲の参加者による深層学習技術へのアクセスを妨げます。ラベル付きデータ。」

研究者は12月XNUMX日までプログラムに研究提案を提出することができます。®

出典:https://go.theregister.com/feed/www.theregister.com/2021/02/22/in_brief_ai/

人工知能

ディープラーニングと機械学習:新興分野が従来のコンピュータープログラミングにどのように影響するか

アバター

公開済み

on

XNUMXつの異なる概念が大きく絡み合っている場合、それらを別個の学術トピックとして分離することは困難な場合があります。 それはなぜ分離するのがとても難しいのかを説明するかもしれません 深い学習 from 機械学習 全体として。 自動化と即時の満足の両方に対する現在の推進力を考慮すると、このトピックに新たな焦点が山積みされています。

自動化された製造業のワーフクローから パーソナライズされたデジタル医療 依存するように成長する可能性があります 深い学習 技術。 しかし、これらの業界に革命をもたらすこの技術分野の正確な側面を定義することは、確かにはるかに困難です。 おそらく、コンピュータサイエンスのより大きな動きの文脈で、ディープラーニングを検討するのが最善でしょう。

深層学習を機械学習のサブセットとして定義する

機械学習 ディープラーニングは本質的に同じコインの両面です。 深層学習技術は、同じように幅広い状況で正しい応答を予測できる、訓練された人工知能エージェントの多種多様なものを含む、はるかに大きな分野に属する特定の分野です。 ただし、ディープラーニングをこれらの他のすべての手法から独立させているのは、多くの仮想環境で可能な限り最良のアクションを学習することにより、特定の目標を達成するためにエージェントを教えることにほぼ専念しているという事実です。

従来の機械学習アルゴリズムは通常、暗記によって刺激に応答する方法を人工ノードに教えます。 これは、単純な繰り返しで構成される人間の指導技法にいくぶん似ているため、コンピューターで計算された、九九を暗唱できるようになるまで九九を走る学生と同等であると考えることができます。 これはある意味では効果的ですが、そのような方法で教育された人工知能エージェントは、元の設計仕様の範囲外の刺激に応答できない場合があります。

そのため、ディープラーニングのスペシャリストは、多くの点ではるかにハードウェアを集中的に使用しているにもかかわらず、この方法よりもいくらか優れていると考えられる代替アルゴリズムを開発しました。 深層学習エージェントによって使用されるサブルーチンは、生成的敵対的ネットワーク、畳み込みニューラルノード構造、または制限付きボルツマンマシンの実用的な形式に基づいている場合があります。 これらは、従来の機械学習ファームウェアや最新のファイルシステムの大部分で使用されているバイナリツリーやリンクリストとは対照的です。

自己組織化マップも広くディープラーニングに使用されていますが、他のAI研究分野でのアプリケーションは、通常、それほど有望ではありません。 定義することになると ディープラーニングと機械学習 ただし、議論は、技術者が今後数か月の間に理論的な学術的議論よりも実用的なアプリケーションを探している可能性が高いです。 機械学習は、最も単純なAIから最も洗練された予測アルゴリズムまですべてを網羅し、ディープラーニングはこれらの手法のより選択的なサブセットを構成すると言えば十分です。

ディープラーニングテクノロジーの実用化

特定のプログラムの作成方法に応じて、深層学習手法を教師ありまたは半教師ありニューラルネットワークに沿って展開できます。 理論的には、次のことも可能です。 完全に監視されていないノードレイアウトを介してこれを行います、そしてすぐに最も有望になったのはこのテクニックです。 このアプリケーションは、既知の入力に対してテストする必要のある固有のグラフィック情報をコンピュータプログラムに提示することが多いため、教師なしネットワークは医療画像分析に役立つ場合があります。

従来の二分木または ブロックチェーンベースの学習システム 情報は、データを効果的に提示するように設計されていたはずの構造に隠されたままであるため、劇的に異なるシナリオで同じパターンを特定するのに苦労しました。 これは本質的にステガノグラフィの自然な形であり、ヘルスケア業界のコンピューターアルゴリズムを混乱させてきました。 ただし、この新しいタイプの教師なし学習ノードは、コンピューターが期待する通常の線に沿って編成されていないデータ構造でも、これらのパターンを一致させる方法について事実上教育することができます。

他の人は実装を提案しました 半教師あり人工知能マーケティングエージェント これにより、既存の取引成立ソフトウェアに関する倫理に関する懸念の多くを取り除くことができます。 これらのツールは、できるだけ多くの顧客ベースに到達しようとする代わりに、特定の時間に製品を必要とする特定の個人のオッズを計算します。 そのためには、組織が代表して活動する特定の種類の情報が必要になりますが、最終的には、それ以降のすべてのアクションを独自に予測できるようになります。

現在、同じ目標を達成するために従来の機械学習テクノロジーを利用するツールに依存している企業もありますが、これらは多くの場合、 プライバシー と倫理的な懸念。 深く構造化された学習アルゴリズムの出現により、ソフトウェアエンジニアはこれらの欠点に悩まされない新しいシステムを思い付くことができました。

プライベート自動学習環境の開発

従来の機械学習プログラムはしばしば深刻な問題にぶつかります プライバシー 有用な結論を引き出すために膨大な量の入力が必要であるという事実のために懸念があります。 深層学習画像認識ソフトウェア 入力のより小さなサブセットを処理することで機能するため、そのために多くの情報を必要としないことが保証されます。 ジョブ。 これは、 消費者データ漏えいの可能性.

これらの問題の多くに対する新しい規制スタンスを考慮すると、コンプライアンスの観点からもすぐに重要になるものになります。 毒物学研究室が使い始めると 生物活性に焦点を当てた深く構造化された学習パッケージ、規制当局は、この種の機密データを使用して特定のタスクを実行するために必要な情報の量に関して、追加の懸念を表明する可能性があります。 コンピュータ科学者は、ほとんどの人が快適に感じるよりも多くの物語を語る、バイトの真の消防ホースと呼ばれるものを縮小しなければなりませんでした。

ある意味で、これらの開発は、システム内の各プロセスがそのジョブを完了するために必要な量の特権のみを持つべきであると信じられていた以前の時代にまでさかのぼります。 機械学習エンジニアがこのパラダイムを採用しているため、今日の既存の運用を強化するために必要な大量のデータマイニングを必要としないという理由だけで、将来の開発はかなり安全になる可能性が高くなります。

画像クレジット:toptal.io

コインスマート。 BesteBitcoin-ヨーロッパのBörse
出典:https://datafloq.com/read/deep-learning-vs-machine-learning-how-emerging-field-influences-traditional-computer-programming/13652

続きを読む

人工知能

余分なクランチのまとめ:Tonal EC-1、Deliverooの岩だらけのIPO、Substackは本当に650億XNUMX万ドルの価値がありますか?

アバター

公開済み

on

COVID-XNUMX 今朝のコラム、Alex Wilhelmは、4年第2020四半期の暑さに続いて、過去数か月の「テクノロジーの出口で忙しい季節」を振り返りました。

IPO市場が冷え込んでいる兆候が見られますが、それでも「最近のYCombinatorクラス全体を公開するのに十分なSPACがあります」と彼は述べています。

お金でいっぱいのプライベートエクイティ会社を考慮に入れると、後期段階の会社がレベルアップするためのXNUMXつの確かな選択肢があることは明らかです。

これらの流動性オプションについてより多くの洞察を求めて、アレックスはインタビューしました:

  • DigitalOceanのCEOであるYanceySpruillは、IPOを通じて会社を公開しました。
  • スタートアップのSPAC $ TSIAとの合併について話し合ったCFOのGarthMitchell氏。
  • AlertMediaの創設者兼CEOであるBrianCruverは、最近プライベートエクイティファームに売却しました。

取引を取り戻した後、各幹部は、どの点滅する赤い「EXIT」サインに従うかを会社がどのように決定したかを説明します。 アレックスが観察したように、「ビュッフェの価値のある可能性からどのオプションが最適かを選択することは興味深い作業です。」

Extra Crunchを読んでいただき、ありがとうございます。 良い週末を。

ウォルター・トンプソン
TechCrunchシニアエディター
あずきっく


フルエクストラクランチの記事はメンバーのみが利用できます
割引コードを使用 ECFriday 20年またはXNUMX年のサブスクリプションをXNUMX%割引


調性EC-1

画像のクレジット: ナイジェルサスマン

火曜日に、200年の立ち上げ以来2018億ドルを調達した、ホームフィットネスのスタートアップであるTonalに関する2,995部構成のシリーズを公開しました。同社の特許取得済みハードウェアは、デジタルウェイト、コーチング、AIを壁に取り付けたシステムに組み合わせてXNUMXドルで販売しています。

いずれにせよ、それは成功の準備ができています— 売上高は800%増加しました 2019年2020月から60年の間に、そして今年の終わりまでに、同社はXNUMXの小売店を持つことになります。 水曜日に、 Tonalは250億XNUMX万ドルのシリーズEを報告しました それは会社を1.6億ドルと評価しました。

私たちの詳細は、Tonalの起源、製品開発のタイムライン、市場開拓戦略、および投資家の関心と顧客の喜びを刺激するために組み合わされたその他の側面を検証します。

このフォーマットを「EC-1これらのストーリーは、S-1フォームのスタートアップが公開する前に、SECに提出しなければならないのと同じくらい包括的で、明るいものであるためです。

TonalEC-1の内訳は次のとおりです。

大きなことをうまくやっていて、その過程でニュースを作っている他の後期スタートアップについての作業で、より多くのEC-1があります。

Deliverooの大まかなIPOデビューをどうするか

Deliverooが取引を開始したときになぜ苦労したのですか? それは、その高成長モデルとより保守的なヨーロッパの投資家との間の文化的不一致に苦しんでいますか?

数字を覗いて調べてみましょう。

カルトゥーラはデビューを保留にします。 技術IPOウィンドウは閉じていますか?

取引所は、多くの人々がIPOの気候が警告なしにとても肌寒くなると予想していたことを疑っています。 しかし、以前は灼熱だったハイテクデビューの気候の中で、第2四半期に一時停止する可能性があります。

サブスタックは本当に650億XNUMX万ドルの価値がありますか?

65年の基準でも、2021万ドルのシリーズBは注目に値します。 しかし、a16zがオルタナティブメディアスペースにより多くの資本を注ぎ込んでいるという事実は驚くべきことではありません。

サブスタックは、出版物が有名な才能を出血させ、メディアの重心を変えた場所です。 サブスタックの歴史的な成長を見てみましょう。

投資家、ベンダーがパンデミック主導の技術シフトを利用するにつれて、RPA市場は急増します

ビジネスプロセスの編成と分析。 ビジネスプロセスの視覚化と表現、自動化されたワークフローシステムの概念。 ベクトルの概念の創造的なイラスト

画像のクレジット: ビジュアルジェネレーション/ゲッティイメージズ

ロボットプロセスの自動化は、企業がデジタル変換するための措置を講じたパンデミックの最中に前面に出てきました。 従業員が一緒に同じオフィスにいることができなかったとき、ループ内のより少ない人員を必要とするより自動化されたワークフローをまとめることが重要になりました。

RPAにより、経営幹部は、あらゆる業界のワークフローの一部である多数のありふれた手動タスクを削減しながら、システムをより最新のアプローチに更新するための時間を本質的に費やすレベルの自動化を提供できます。

Eコマースのロールアップは消費財の混乱の次の波です

青い背景の上の多くのトイレットペーパーの立面図

画像のクレジット: ハビエルザヤス写真 (新しいウィンドウで開きます) / ゲッティイメージズ

今年は、ロールアップ、つまり中小企業を大企業に集約し、株式価値の潜在的に説得力のある道を作ることについてです。 eコマースブランドを通じて価値を創造することへの関心は特に印象的です。

ちょうどXNUMX年前、多くの人がベンチャー規模の収穫逓減に失敗した後、デジタルネイティブブランドはベンチャーキャピタリストに支持されなくなりました。 では、ロールアップの誇大宣伝は何ですか?

ハッキングの要点:CISOとハッカーは、Exchangeの違反にどのように対応するかを詳しく説明します

データ侵害、機密データの盗難、サイバー攻撃の3Dフラットアイソメトリックベクトルの概念。

画像のクレジット: TarikVision (新しいウィンドウで開きます) / ゲッティイメージズ

サイバー世界は、攻撃がこれまで以上に頻繁になり、大規模に発生するという新しい時代に入りました。 最近、何千もの高レベルのアメリカの企業や機関に影響を与える大規模なハッキングがニュースを支配しています。 これらの中で最も重要なのは、XNUMX月のSolarWinds / FireEyeの侵害と最近のMicrosoftExchangeサーバーの侵害です。

誰もが知りたがっています:Exchangeの侵害に見舞われた場合、どうすればよいですか?

非技術的なリーダーが理解する必要がある5つの機械学習の必需品

白い背景の上に直線に絡み合う色とりどりのワイヤーの寄せ集め。 南アフリカ、ケープタウン。 2019年XNUMX月。

画像のクレジット: デビッドマラン (新しいウィンドウで開きます) / ゲッティイメージズ

機械学習は、この分野での驚異的な変化と発展のペースにより、ビジネスと成長の加速の基盤となっています。

しかし、MLのバックグラウンドを持たないエンジニアリングおよびチームリーダーにとって、これは圧倒的で威圧的に感じることもあります。

ここでは、ベストプラクティスと、知っておく必要のあるコンポーネントをXNUMXつの実用的で簡単に適用できるレッスンに分けて説明します。

組み込み調達は、すべての企業を独自の市場にします

データと経済成長グラフチャートを分析する携帯電話を使用しているビジネスウーマン。 テクノロジーデジタルマーケティングとネットワーク接続。

画像のクレジット: Busakorn Pongparnit /ゲッティイメージズ

組み込み調達は、組み込みフィンテックの自然な進化です。

この次の波では、企業は、営業担当者、ディストリビューター、または個々のマーチャントのWebサイトではなく、垂直B2Bアプリを介して必要なものを購入します。

あなたのスタートアップがいつビジネス開発に全面的に取り組むべきかを知る

ビジネスまたは財務の成長チャートのキャンバスから出ている矢印の付いたXNUMX本の赤い線。

画像のクレジット: twomeows /ゲッティイメージズ

スタートアップの成長痛やスケーリングの問題はビジネス開発で解決できるという誤謬が渦巻いています。

それは率直に言って真実ではありません。

親愛なるソフィー:婚前契約と結婚を通じてグリーンカードを取得することについて私は何を知っておくべきですか?

中央にアメリカ国旗がある迷路ヘッジの入り口にある孤独な姿

画像のクレジット: Bryce Durbin / TechCrunch

親愛なるソフィー:

私はE-2投資家ビザのスタートアップの創設者であり、婚約したばかりです! 私のもうすぐ配偶者は、グリーンカードのために私を後援します。

彼女が私を後援するための最低賃金要件はありますか? グリーンカードプロセスを開始する前に覚えておくべきことはありますか?

—ベルモントで婚約

スタートアップは、俊敏なデータガバナンスを確保するために官僚主義を抑制する必要があります

赤いテープで結ばれた机の上のコンピューター、電話、時計の画像。

画像のクレジット: RichVintage /ゲッティイメージズ

多くの組織は、データ管理をデータガバナンスに類似していると認識しています。データガバナンスでは、責任は制御と監査手順の確立に集中しており、物事は防御的な視点から見られます。

特にデータの管理ミスや漏洩によって引き起こされる潜在的な経済的および評判上の損害を考えると、その防御は確かに正当化されます。

それにもかかわらず、ここには近視の要素があり、過度に注意することは、特にソフトウェアと製品開発に関して、組織がデータ駆動型コラボレーションの利点を実現することを妨げる可能性があります。

CISOを経営幹部に持ち込み、サイバーセキュリティを企業文化に焼き付けます

サイバー戦略と企業戦略は密接に関連しています。 その結果、C-Suiteの最高情報セキュリティ責任者は、株主価値の最大化においてCFOと同じくらい一般的で影響力があります。

edtechは余分な資本をどのように費やしていますか?

金のなる木:葉のない木に生えているドル紙幣に大人の手が届く

画像のクレジット: テトラ画像 (新しいウィンドウで開きます) / ゲッティイメージズ

エドテックのユニコーンは、2020年にセクターが資本増強された後、大量の現金を使うことができます。その結果、エドテックのM&A活動は拡大を続けています。

資本の豊富なスタートアップがコアビジネスを補完するために競合他社を買収するという考えは目新しいものではありませんが、スタートアップの買収に使用された資金はパンデミックが遠隔教育に与える影響の影響と見なすことができるため、このセクターでの撤退は注目に値します。

しかし、先週、統合環境は明確な声明を発表しました。パンデミックで証明されたスタートアップは才能をすくい上げています—そして速いです。

メキシコの技術:ラテンアメリカ、米国、アジアの合流点

線で結ばれた群衆の航空写真

画像のクレジット: Orbon Alija (新しいウィンドウで開きます)/ ゲッティイメージズ

US-Asia-LatAmネクサスに流れるトレンドは知識の伝達だけではありません。 競争も進行中です。

同様の市況のため、アジアのハイテク巨人はメキシコや他のラテンアメリカ諸国に直接拡大しています。

30四半期で純利益を2ポイント以上改善した方法

ジャンパーケーブルに取り付けられた米ドル紙幣から火花が出る

画像のクレジット: スティーブン・プッツァー (新しいウィンドウで開きます) / ゲッティイメージズ

リーダーが注目しているSaaSパフォーマンスメトリクスに不足はありませんが、NRR(純収益維持)は間違いなく最も過小評価されているメトリクスです。

NRRは、単純に総収益から収益のチャーンを差し引いたものに、アップグレード、クロスセル、またはアップセルによる収益の拡大を加えたものです。 NRRが大きいほど、企業はより迅速に拡張できます。

クリエイターがRobloxで新しいゲームを構築する際の5つの間違い

ブラジル-2021/03/24:この写真のイラストでは、スマートフォンに表示されているRobloxのロゴが表示されています。 (ゲッティイメージズ経由のラファエルヘンリケ/ SOPAイメージズ/ライトロケットによる写真イラスト)

画像のクレジット: SOPA画像 (新しいウィンドウで開きます) / ゲッティイメージズ

モバイルF2Pビジネスの最も経験豊富で才能のあるゲームデザイナーでさえ、通常、Robloxiansにとってどの機能が重要であるかを理解できていません。

Robloxゲーム開発の旅を始めたばかりの人にとって、これらはゲームの専門家がRobloxで犯す最も一般的な間違いです。

CEOのマニッシュチャンドラ、投資家のナヴィンチャッダが、ポッシュマークのシリーズAデッキが歌う理由を説明します

CEOのマニッシュチャンドラ、投資家のナヴィンチャッダが、ポッシュマークのシリーズAデッキがイメージを歌う理由を説明します

「愛をもって導きなさい、そうすればお金がやってくる。」 これは、Poshmarkの基本的な価値観のXNUMXつです。 Extra Crunch Liveの最新エピソードでは、チャンドラとチャッダが私たちと一緒に座って、元のシリーズAピッチデッキを案内してくれました。

パンデミックは都市の賢明な再生に拍車をかけますか?

新しいものと古いもの-現代の新しいファサードの窓に反映された古いレンガ造りの建物

画像のクレジット: hopsalka (新しいウィンドウで開きます) / ゲッティイメージズ

都市は人々が住み、働き、遊ぶ賑やかなハブです。 パンデミックが発生したとき、一部の人々は小さな町のために主要な大都市市場から逃げ出しました—都市の将来の妥当性についての疑問を提起しました。

しかし、COVID-19が主要な都市コミュニティを破壊すると予測した人々は、これらの自治体の回復力を欠くことをやめ、パンデミック後の未来がどのように見えるかについて長く考え始めたいと思うかもしれません。

NFTの流行は弁護士にとって恩恵となるでしょう

コピースペースのある水色の背景の上にガベルが横になっているサウンドブロックの上に立っているピンクの貯金箱の3Dレンダリング。 お金が重要です。 お金のための訴訟。 オークション入札。

画像のクレジット: Gearstd (新しいウィンドウで開きます) / ゲッティイメージズ

著作権の問題、詐欺、アダルトコンテンツを取り巻く不確実性はたくさんあり、法的な意味合いがNFTトレンドの核心です。

裁判所が特定のファイルに対する領収書所有者の所有権を保護するかどうかは、さまざまな要因によって異なります。 これらすべての懸念は、アーティストが弁護士を務める必要があるかもしれないことを意味します。

カルヴァナのフロントガラスを通してカズーが提案したSPACデビューを見る

それは合理的な質問です:Carvanaがより収益性が高いのなら、なぜ今日Cazooにそんなに多くのお金を払うのでしょうか? まあ、成長。 それはとにかく議論です。

コインスマート。 BesteBitcoin-ヨーロッパのBörse
Source: https://techcrunch.com/2021/04/02/extra-crunch-roundup-tonal-ec-1-deliveroos-rocky-ipo-is-substack-really-worth-650m/

続きを読む

AI

COVIDはすべてのモデルに何をしましたか?

アバター

公開済み

on

COVIDはすべてのモデルに何をしましたか?

変更管理、複雑さ、解釈可能性、AIが人類を乗っ取るリスクについてのディーンアボットとジョンエルダーへのインタビュー。


By ヘザー・ファイソン、KNIME

COVIDはすべてのモデルに何をしましたか?

後に KNIME秋のサミット、恐竜は家に帰りました…まあ、彼らのラップトップのスイッチを切りました。 ディーンアボット   ジョン・エルダー、長年のデータサイエンスの専門家は、によって秋のサミットに招待されました マイケル の議論に彼に参加する データサイエンスの未来:業界の恐竜との炉辺談話。 その結果、データサイエンスの課題と新しいトレンドについてのきらめく会話が生まれました。 スタジオの照明を消してから、 Rosaria データサイエンスの世界における変更管理、複雑さ、解釈可能性などに関するハイライトのいくつかを抽出して拡張しました。 それが私たちをもたらした場所を見てみましょう。

現実が変化し、モデルを更新する必要がある場合、AIの変更管理についてどのような経験がありますか? COVIDはすべてのモデルに何をしましたか?

 
[ディーン] 機械学習(ML)アルゴリズムは、過去と未来の間の一貫性を前提としています。 物事が変わると、モデルは失敗します。 COVIDは私たちの習慣を変え、それゆえ私たちのデータを変えました。 COVID以前のモデルは新しい状況に対処するのに苦労しています。

[ジョン] 簡単な例は、Googleマップのトラフィックレイヤーです。 2020年に封鎖が国ごとに発生した後、Googleマップのトラフィックの見積もりはしばらくの間非常に不正確でした。 それはかなり安定したトレーニングデータに基づいて構築されていましたが、今ではそのシステムは完全に破壊されました。

世界が変化し、モデルが機能しなくなった時期をどのように把握しますか?

 
[ディーン] 私が使用するちょっとしたトリックは次のとおりです。データを時間で分割し、レコードに「前」と「後」のラベルを付けます。 次に、分類モデルを作成して、モデルが使用するのと同じ入力から「後」と「前」を区別します。 識別が可能な場合、「後」は「前」とは異なり、世界が変化し、データが変化し、モデルを再トレーニングする必要があります。

特に何年にもわたるカスタマイズの後、プロジェクトでモデルを再トレーニングすることはどれほど複雑ですか?

 
[ジョン] モデルのトレーニングは通常、すべての中で最も簡単なステップです。 それ以外の点では成功したプロジェクトの大部分 死ぬ 実装フェーズで。 最大 時間 データクレンジングと準備フェーズで費やされます。 そして最も 問題 ビジネス理解/プロジェクト定義フェーズで見落とされているか、作成されています。 したがって、欠陥が何であるかを理解し、新しいデータを取得して実装フレームワークを配置できる場合、比較すると、新しいモデルの作成は非常に簡単です。

数十年にわたる経験に基づいて、実際に機能するデータサイエンスアプリケーションをまとめるのはどれほど複雑ですか?

 
[ジョン] もちろん、複雑さによって異なります。 私たちのプロジェクトのほとんどは、少なくとも数か月で機能するプロトタイプを取得します。 しかし、結局のところ、フィードバックの重要性を十分に強調することはできません。あなたは、あなたが望むよりもはるかに頻繁に人々と話をしなければなりません。 そして聞いてください! 私たちは毎回、ビジネス上の問題、データ、または制約について新しいことを学びます。 私たちすべての量的な人々が人間と話すことに熟練しているわけではないので、それはしばしばチームを必要とします。 しかし、利害関係者のチーム全体が同じ言語を話すことを学ぶ必要があります。

[ディーン] 私たちのビジネスカウンターパートと話すことが重要です。 人々は変化を恐れ、現在の状況を変えたくないのです。 重要な問題の11つは、本当に心理的な問題です。 アナリストはしばしば迷惑と見なされます。 したがって、ビジネスの相手と分析オタクの間の信頼を構築する必要があります。 プロジェクトの開始には、常に次のステップを含める必要があります。ドメインの専門家/プロジェクトマネージャー、アナリスト、ITおよびインフラストラクチャ(DevOps)チームを同期して、プロジェクトの目的とその実行方法を全員が明確にします。 アナリストは、毎日会わなければならない人々のトップ10リストのXNUMX位です! データサイエンティストの傲慢さを具体化することは避けましょう。「ビジネスは私たち/私たちの技術を理解できませんが、何が最も効果的かはわかっています」。 しかし、私たちが理解していないのは、ドメインの専門家は実際には私たちが取り組んでいるドメインの専門家であるということです! データサイエンスの仮定とアプローチを、ドメインの専門家が理解できる言語に翻訳することが重要です。

現在の最新のトレンドはディープラーニングであり、どうやらそれはすべてを解決できるようです。 最近、学生から「ディープラーニングがデータサイエンスの問題を解決するための最先端であるのに、なぜ他のMLアルゴリズムを学ぶ必要があるのか​​」という質問がありました。

 
[ディーン] ディープラーニングは、部屋から多くの酸素を吸い出しました。 ニューラルネットワークが同様の楽観主義で上昇した1990年代初頭のように感じます! ディープラーニングは確かに強力なテクニックのセットですが、実装と最適化は困難です。 木のアンサンブルであるXGBoostも強力ですが、現在はより主流になっています。 高度な分析を使用して解決する必要のある問題の大部分は、実際には複雑なソリューションを必要としないため、単純なものから始めてください。 このような状況では、ディープラーニングはやり過ぎです。 オッカムの剃刀の原理を使用するのが最善です。XNUMXつのモデルが同じように機能する場合は、最も単純なものを採用します。

複雑さについて。 ディープラーニングとは反対のもうXNUMXつの傾向は、MLの解釈可能性です。 ここでは、モデルを説明できるように、モデルを大幅に(過度に?)単純化します。 解釈可能性はそれほど重要ですか?

 
[ジョン] 私はしばしば解釈可能性と戦っています。 それは確かに素晴らしいことですが、多くの場合、最も重要なモデルプロパティである信頼できる精度のコストが高すぎます。 しかし、多くの利害関係者は、解釈可能性が不可欠であると信じているため、それが受け入れの障壁になります。 したがって、どのような解釈可能性が必要かを発見することが不可欠です。 おそらく、最も重要な変数が何であるかを知っているだけですか? これは、多くの非線形モデルで実行できます。 たぶん、なぜ彼らが断られたのかを信用申請者に説明するのと同じように、一度にXNUMXつのケースのアウトプットを解釈する必要があるだけですか? 与えられた点の線形近似を構築できます。 または、ブラックボックスモデルからデータを生成し、そのデータに合うように複雑な「解釈可能な」モデルを構築することもできます。

最後に、調査によると、ユーザーがモデルで遊ぶ機会がある場合、つまり、入力の試行値でモデルを突いてその出力を確認し、おそらくそれを視覚化する場合、ユーザーは同じ温かい解釈可能性を感じることがわかっています。 全体として、モデルの背後にいる人とテクノロジーへの信頼は受け入れに必要であり、これは定期的なコミュニケーションと、モデルの最終的なユーザーをモデル化プロセスの構築フェーズと決定に含めることによって強化されます。

[ディーン] ちなみに、KNIME Analytics Platformには、ランダムフォレスト内の入力変数の重要性を定量化するための優れた機能があります。 ザ・ ランダムフォレスト学習者 ノードは、候補変数と分割変数の統計を出力します。 Random Forest Learnerノードを使用する場合は、覚えておいてください。

モデルの機能の説明を求める声が高まっています。 たとえば、一部のセキュリティクラスでは、欧州連合は、モデルが想定外の動作を行わないことの検証を要求しています。 すべてを説明する必要がある場合は、機械学習は道のりではないかもしれません。 機械学習はもう必要ありませんか?

 
[ディーン]  完全な説明性を得るのは難しいかもしれませんが、モデル入力に対してグリッド検索を実行して、モデルの機能を説明するスコアカードのようなものを作成することで進歩を遂げることができます。 これは、ハードウェアおよびソフトウェアのQAでの回帰テストのようなものです。 モデルが実行していることを正式に証明できない場合は、テストしてテストしてテストしましょう。 入力シャッフルとターゲットシャッフルは、モデルの動作の大まかな表現を実現するのに役立ちます。

[ジョン] モデルが何をするのかを理解することについて話すと、私は科学における再現性の問題を提起したいと思います。 すべての分野のジャーナル記事の大部分(65〜90%)は複製できないと考えられています。 これは科学における真の危機です。 医学論文は、その結果を再現する方法を教えようとします。 MLペーパーは、まだ再現性を気にしていないようです。 最近の調査によると、AIペーパーの15%だけがコードを共有しています。

機械学習バイアスについて話しましょう。 差別のないモデルを構築することは可能ですか?

 
[ジョン] (ちょっとオタクになるために、その言葉は残念ながらです 過負荷。 MLの世界で「区別する」というのがあなたの目標です。つまり、XNUMXつのクラスを区別することです。)しかし、実際の質問は、データ(および、アナリストがデータの弱点を調整するのに十分賢いかどうか)によって異なります。 ):モデルは、そこに反映されている情報をデータから引き出します。 コンピューターは、その前のデータにあるものを除いて、世界について何も知りません。 したがって、アナリストはデータをキュレートする必要があります—現実を反映するこれらのケースに対して責任を負います。 たとえば、特定のタイプの人々が過小評価されている場合、モデルは彼らにあまり注意を払わず、今後は彼らについてそれほど正確ではなくなります。 「ここに到達するためにデータは何を通過する必要がありましたか?」と私は尋ねます。 (このデータセットを取得するために)他のケースがプロセスの途中でどのように脱落した可能性があるかを考える(つまり、生存者バイアス)。 熟練したデータサイエンティストは、そのような問題を探し、それらを調整/修正する方法を考えることができます。

[ディーン] バイアスはアルゴリズムにはありません。 バイアスはデータにあります。 データに偏りがある場合、私たちは偏った世界観で作業しています。 数学は単なる数学であり、偏見はありません。

AIは人類を引き継ぐのでしょうか?!

 
[ジョン] AIは優れたエンジニアリングだと思います。 AIは人間の知性を超えますか? 私の経験では、40歳未満の人は誰でも「はい」と信じています。これは避けられないことであり、40歳を超える人のほとんど(私のように):いいえ! AIモデルは高速で、忠実で、従順です。 優れたジャーマンシェパード犬のように、AIモデルはそのボールを手に入れますが、表示されているデータ以外は世界について何も知りません。 常識はありません。 これは特定のタスクに最適なアシスタントですが、実際にはかなり薄暗いです。

[ディーン] その点で、AIの黎明期から1961年と1970年にマービンミンスキーが行ったXNUMXつの引用を報告したいと思います。これは、AIの将来をよく表していると思います。

「私たちの生涯の中で、いくつかのマシンは一般的な知性で私たちを超えるかもしれません」 (1961)

「XNUMX年からXNUMX年で、人間の知性を備えた機械ができあがります」 (1970)

これらのアイデアは長い間存在しています。 AIがすべての問題を解決できない理由のXNUMXつは、次のとおりです。XNUMXつの数値、XNUMXつの数値のみに基づいて、AIの動作を判断しています。 (モデルエラー。)たとえば、エラーメトリックとして二乗平均平方根エラーを使用してモデルを構築することによって予測される、今後XNUMX年間の株価の予測は、データが実際に行っていることの全体像を描くことができず、モデルを大幅に妨げる可能性があります。そして、パターンを柔軟に明らかにするその能力。 RMSEが粗すぎることは誰もが知っています。 ディープラーニングアルゴリズムは今後も改善されていきますが、モデルが実際にどれだけ優れているかを判断することも改善する必要があります。 だから、いや! AIが人類を引き継ぐとは思いません。

このインタビューは終わりになりました。 ディーンとジョンの時間と知識の丸薬に感謝します。 また会えることを願っています!

ディーンアボットとジョンエルダーについて

COVIDはすべてのモデルに何をしましたか ディーンアボット SmarterHQの共同創設者兼チーフデータサイエンティストです。 彼は、データサイエンスと予測分析の分野で国際的に認められた専門家であり革新者であり、オムニチャネルの顧客分析、不正検出、リスクモデリング、テキストマイニング、調査分析の問題を解決してきた2014年の経験があります。 先駆的なデータサイエンティストとデータサイエンティストのリストに頻繁に含まれ、世界中の会議で人気の基調講演者およびワークショップインストラクターであり、UC / Irvine PredictiveAnalyticsおよびUCSDData ScienceCertificateプログラムの諮問委員会にも参加しています。 彼は、Applied Predictive Analytics(Wiley、2013)の著者であり、IBM SPSS Modeler Cookbook(Packt Publishing、XNUMX)の共著者です。


COVIDはすべてのモデルに何をしましたか ジョン・エルダー 1995年に、アメリカで最大かつ最も経験豊富なデータサイエンスコンサルタント会社であるElder Researchを設立しました。シャーロッツビルVA、ボルチモアMD、ローリー、ノースカロライナ、ワシントンDC、ロンドンにオフィスを構え、実用的な知識を抽出することで、商業および政府のクライアントの何百もの課題を解決してきました。すべてのタイプのデータから。 エルダー博士は、実用的なデータマイニング、アンサンブル、テキストマイニングに関するXNUMX冊の本を共同執筆しました。そのうちXNUMX冊は「ブックオブザイヤー」賞を受賞しました。 Johnは、データマイニングツールを作成し、アンサンブル手法の発見者であり、国際会議の議長を務め、人気のあるワークショップおよび基調講演者です。


 
バイオ: ヘザー・ファイソン KNIMEのブログエディターです。 当初はイベントチームで、彼女の経歴は実際には翻訳と校正にあります。そのため、2019年にブログに移動することで、彼女はテキストを扱うという真の情熱に戻りました。 PS彼女は常に新しい記事についてのあなたのアイデアを聞くことに興味を持っています。

元の。 許可を得て転載。

関連する

コインスマート。 BesteBitcoin-ヨーロッパのBörse
出典:https://www.kdnuggets.com/2021/04/covid-do-all-our-models.html

続きを読む

AI

ヘルスケアを再形成するAIトレンド

アバター

公開済み

on

著者の詳細については、ここをクリックしてください ベンロリカ。

ヘルスケアにおけるAIのアプリケーションには、他の業界とは大幅に異なる多くの課題と考慮事項があります。 それにもかかわらず、最先端のテクノロジーを活用してケアを改善し、AIを機能させるリーダーの4.9つでもあります。 数字はそれ自体を物語っています。ヘルスケア市場規模における世界のAIは、2020年のXNUMX億ドルから 45.2によって$ 2026億。 この成長を促進するいくつかの主要な要因は、膨大な量の医療データとデータセットの複雑さの増大、増大する医療費を削減する必要性、および進化する患者のニーズです。

深い学習たとえば、過去数年間で臨床環境にかなりの侵入をしました。 特にコンピュータビジョンは、スクリーニングと診断を支援するための医用画像におけるその価値を証明しています。 自然言語処理(NLP) テキストマイニングとデータ共有に関する契約上の懸念と規制上の懸念の両方に対処する上で大きな価値を提供してきました。 COVID-19の結果として見られるように、ワクチンや医薬品開発などのイニシアチブを促進するために製薬会社やバイオテクノロジー会社によるAIテクノロジーの採用が増えていることは、AIの大きな可能性を実証するだけです。

ヘルスケアAIにはすでに驚くべき進歩が見られますが、それはまだ初期の段階であり、その価値を真に解き放つには、業界を形作る課題、ツール、および対象ユーザーを理解するために行うべき多くの作業があります。 からの新しい研究 ジョンスノーラボ とグラジエントフロー、 2021 AI in Healthcare Survey Report、これだけに光を当てます:私たちがどこにいるのか、どこに行くのか、そしてそこに到達する方法。 グローバル調査では、AIの採用、地域、技術力のさまざまな段階にあるヘルスケア組織にとって重要な考慮事項を調査し、今日のヘルスケアにおけるAIの状態を詳細に調査します。               

最も重要な発見の2021つは、AIの実装に関してどのテクノロジーが最重要事項であるかということです。 XNUMX年末までに導入する予定のテクノロジーについて尋ねたところ、回答者のほぼ半数が データ統合。 現在使用している、または年末までに使用する予定のテクノロジーの中で、約XNUMX分のXNUMXが自然言語処理(NLP)とビジネスインテリジェンス(BI)を引用しています。 テクニカルリーダーと見なされている人の半数は、データ統合、NLP、ビジネスインテリジェンス、およびデータウェアハウジングのテクノロジーを使用しています。 これらのツールには、規制や責任あるAIの実践を念頭に置きながら、膨大な量のデータを理解するのに役立つ力があることを考えると、これは理にかなっています。

AIツールとテクノロジーの対象ユーザーについて尋ねたところ、回答者の半数以上がターゲットユーザーの中から臨床医を特定しました。 これは、AIが、過去数年のように技術者やデータサイエンティストだけでなく、ヘルスケアサービスの提供を担当する人々によって使用されていることを示しています。 成熟した組織、またはAIモデルを60年以上運用している組織を評価すると、その数はさらに増加し​​ます。 興味深いことに、成熟した組織の回答者のXNUMX%近くが、患者もAIテクノロジーのユーザーであると述べています。 チャットボットと遠隔医療の出現により、今後数年間でAIが患者とプロバイダーの両方でどのように増殖するかを見るのは興味深いことです。

AIソリューションを構築するためのソフトウェアを検討する際、オープンソースソフトウェア(53%)は、パブリッククラウドプロバイダー(42%)よりもわずかに優位でした。 XNUMX年からXNUMX年先を見据えて、回答者は商用ソフトウェアと商用SaaSの両方を使用することにもオープンであると述べました。 オープンソースソフトウェアは、クラウドプロバイダーができないレベルのデータの自律性をユーザーに提供します。したがって、ヘルスケアのような高度に規制された業界がデータ共有に警戒することは大きな驚きではありません。 同様に、AIモデルを本番環境にデプロイした経験のある企業の大多数は、サードパーティやソフトウェアベンダーからの評価ではなく、独自のデータと監視ツールを使用してモデルを検証することを選択しています。 初期段階の企業はサードパーティのパートナーを探すことをより受け入れていますが、より成熟した組織はより保守的なアプローチを取る傾向があります。                      

一般的に、AIソリューション、ソフトウェアライブラリまたはSaaSソリューションの評価に使用される主要な基準、および連携するコンサルティング会社について尋ねられたときの態度は同じでした。回答はカテゴリごとにわずかに異なりますが、技術リーダーはソフトウェアベンダーとのデータ共有やコンサルティングはないと考えていました。企業、独自のモデルをトレーニングする能力、および最優先事項としての最先端の精度。 ソリューションと潜在的なパートナーについて尋ねられたとき、ヘルスケア固有のモデルとヘルスケアデータエンジニアリング、統合、およびコンプライアンスの専門知識がリストのトップになりました。 プライバシー、正確性、および医療経験は、AIの採用を推進する力です。 データが増え続け、テクノロジーとセキュリティ対策が改善されるにつれて、AIがさらに成長する準備ができていることは明らかです。 迅速な採用が遅れていると見なされることもあるヘルスケアは、AIを採用しており、すでにその大きな影響を認識しています。 そのアプローチ、主要なツールとテクノロジー、およびAIのアプリケーションは他の業界とは異なる可能性がありますが、来年の調査結果に何が待ち受けているかを見るのは刺激的です。

コインスマート。 BesteBitcoin-ヨーロッパのBörse
出典:https://www.dataversity.net/the-ai-trends-reshaping-health-care/

続きを読む
エスポート3日前

Dota2パッチ7.29は新しいヒーローを明らかにします

エスポート4日前

勇敢な引き換えコード:引き換える方法は?

エスポート4日前

TFTフェイトチャンピオンシップの見方

エスポート3日前

最高のウォーゾーンガン:ブラックオプスコールドウォーシーズン2で使用する必要のある武器

エスポート5日前

Ludwigは200,000万人のTwitchサブスクライバーを通過し、Ninjaの記録に迫ります

エスポート4日前

W33がチームニグマのアクティブ名簿から削除されました

Blockchain5日前

プラヤデルカルメン:クリプト-ホットスポットミットHODLversity

エスポート5日前

これらはF1プロシリーズ2021に参加しているチームです

エスポート5日前

トーナメントプラットフォームEpulzeが4.7万ポンドの投資を確保

エスポート4日前

オーバーウォッチアーカイブイベント2021:新しいチャレンジ、スキンなど

Blockchain4日前

UnternehmengründenCryptoCouncil:Fidelity und Coinbase mit dabei

エスポート5日前

CSGOの歴史の中で最も衝撃的なXNUMXつの名簿の動き

Fintech4日前

スタンダードチャータード銀行は、投資とCurrencyFairとAssemblyPaymentsの合併によりデジタル決済の提案を促進します

Blockchain4日前

邪悪な天才が暗号通貨交換プラットフォームコインベースと提携

Fintech2日前

Novattiのリップルパートナーシップはフィリピンに住んでいます

Blockchain5日前

Steigt derBitcoinPreisbaldüber60.000USD?

エスポート4日前

indiefoxxはTwitchから再び禁止されましたが、なぜですか?

エスポート4日前

Fortnite:友達を再起動してゲーム内報酬を獲得する方法

エスポート4日前

100人の泥棒がEnterInfinityコレクションのNFTを明らかに

エスポート4日前

Astralis vs Gambit Esports:ESLプロリーグの賭け分析

トレンド