소셜 네트워크

AI

Genworth가 Amazon SageMaker 및 AWS Glue를 사용하여 AWS에서 서버리스 ML 파이프 라인을 구축 한 방법

게재

on

이 게시물은 Genworth Mortgage Insurance Australia Limited의 데이터 과학자 인 Liam Pearson과 공동으로 작성되었습니다.

Genworth Mortgage Insurance Australia Limited는 호주의 선도적 인 대출 기관 모기지 보험 (LMI) 제공 업체입니다. 그들의 주식은 호주 증권 거래소에서 ASX : GMA로 거래됩니다.

Genworth Mortgage Insurance Australia Limited는 모기지 상환 패턴과 보험 청구 간의 종속성에 대한 데이터를 포함하여 50 년 이상의 경험과 수집 된 데이터를 보유한 대출자 모기지 보험사입니다. Genworth는이 기록 정보를 사용하여 PALM (Predictive Analytics for Loss Mitigation) 기계 학습 (ML) 모델을 학습하고자했습니다. ML 모델을 통해 Genworth는 각 보험 정책에 대한 최근 상환 패턴을 분석하여 가능성 (청구 가능성) 및 영향 (보험 금액)의 내림차순으로 우선 순위를 지정할 수 있습니다. Genworth는 솔루션을 구축하고 운영하기위한 노력의 양을 최소화하면서 ML 모델에 대해 병렬 및 일정에 따라 일괄 추론을 실행하기를 원했습니다. 따라서 Genworth와 AWS는 아마존 세이지 메이커 일괄 변환 작업 및 서버리스 빌딩 블록을 사용하여 데이터를 수집 및 변환하고, ML 추론을 수행하고, 분석 결과를 처리 및 게시합니다.

Genworth의 고급 분석 팀은 AWS 데이터 랩 데이터 랩 엔지니어 및 솔루션 설계자가 이끄는 프로그램. 랩 전 단계에서 그들은 금융 서비스 산업의 특성을 고려할 때 특히 보안 제어와 관련하여 Genworth의 특정 요구 사항에 맞는 솔루션 아키텍처를 만들었습니다. 아키텍처가 승인되고 모든 AWS 빌딩 블록이 식별 된 후 교육 요구 사항이 결정되었습니다. AWS Solutions Architects는 Genworth의 빌더에게 새로운 솔루션을 구축하는 데 필요한 기술을 제공하기 위해 일련의 실습 워크숍을 실시했습니다. Genworth Advanced Analytics 팀은 빌드 단계라고하는 4 일간의 집중적 인 공동 작업에서 아키텍처와 학습을 사용하여 기능 요구 사항에 맞는 ML 파이프 라인을 구축했습니다. 파이프 라인은 완전히 자동화되고 서버리스이므로 유지 관리, 확장 문제 또는 다운 타임이 없습니다. 실습 후 활동은 파이프 라인을 생산하고 다른 ML 사용 사례에 대한 청사진으로 채택하는 데 중점을 두었습니다.

이 게시물에서 우리 (Genworth와 AWS Architects의 공동 팀)는 솔루션의 설계 및 구현에 어떻게 접근했는지, 우리가 따랐던 모범 사례, 사용한 AWS 서비스 및 솔루션 아키텍처의 주요 구성 요소에 대해 설명합니다.

솔루션 개요

Genworth를위한 PALM 솔루션을 구현하기 위해 최신 ML 파이프 라인 패턴을 따랐습니다. 이 패턴을 사용하면 다양한 소스에서 데이터를 수집 한 후 데이터를 변환, 보강 및 정리 한 다음 ML 예측 단계를 수행하여 출력 데이터 랭 글링 유무에 관계없이 사용할 수있는 결과로 마무리 할 수 ​​있습니다.

간단히 말해, 구현 된 솔루션에는 세 가지 구성 요소가 있습니다.

  • 데이터 수집 및 준비
  • 세 가지 사용자 지정 개발 ML 모델을 사용한 ML 일괄 추론
  • 소비를위한 데이터 후 처리 및 게시

다음은 구현 된 솔루션의 아키텍처 다이어그램입니다.

세 가지 구성 요소에 대해 자세히 살펴 보겠습니다.

구성 요소 1 : 데이터 수집 및 준비

Genworth 소스 데이터는 Oracle 온-프레미스 데이터베이스의 스테이징 테이블에 매주 게시됩니다. ML 파이프 라인은 AWS 접착제 작업 (다이어그램의 1 단계, 데이터 수집)을 통해 Oracle 데이터베이스에 연결 AWS Direct Connect 원시 데이터를 수집하고 암호화 된 파일에 저장하기 위해 VPN으로 보안 연결 아마존 단순 스토리지 서비스 (Amazon S3) 버킷. 그런 다음 AWS Glue (2 단계, 데이터 준비)를 사용하여 Python 셸 작업을 실행하여 나중에 ML 추론 단계에서 사용되는 기능을 선택, 정리 및 변환합니다. 결과는 ML 소비를 위해 준비된 선별 된 데이터 세트에 사용되는 다른 암호화 된 S3 버킷에 저장됩니다.

구성 요소 2 : ML 배치 추론

Genworth의 Advanced Analytics 팀은 이미 온 프레미스에서 ML을 사용하고 있습니다. 그들은 사전 훈련 된 모델 아티팩트를 재사용하여 AWS에서 완전히 자동화 된 ML 추론 파이프 라인을 구현하기를 원했습니다. 또한 팀은 향후 ML 실험 및 구현을위한 아키텍처 패턴을 설정하여 통제 된 환경에서 아이디어를 빠르게 반복하고 테스트 할 수 있기를 원했습니다.

PALM 모델을 구성하는 세 가지 기존 ML 아티팩트는 Keras를 사용하여 계층 적 TensorFlow 신경망 모델로 구현되었습니다. 이 모델은 보험 증권이 청구를 제출할 확률, 청구가 지불 될 것으로 예상되는 확률 및 가능한 청구의 규모를 예측합니다.

각 ML 모델은 서로 다른 데이터에 대해 학습되므로 그에 따라 입력 데이터를 표준화해야합니다. 개별 AWS Glue Python 셸 작업은 각 모델에 따라이 데이터 표준화를 수행합니다. 세 가지 ML 모델은 다음을 사용하여 병렬로 호출됩니다. SageMaker 일괄 변환 작업 (3 단계, ML 배치 예측)을 통해 ML 추론을 수행하고 예측 결과를 모델 출력 S3 버킷에 저장합니다. SageMaker 일괄 변환은 컴퓨팅 리소스를 관리하고, ML 모델을 설치하고, Amazon S3와 ML 모델 간의 데이터 전송을 처리하고, 전체 데이터 세트에 대한 추론을 수행하도록 쉽게 확장합니다.

구성 요소 3 : 데이터 후 처리 및 게시

세 가지 ML 모델의 예측 결과를 사용할 준비가되기 전에 AWS Glue Python 셸 작업을 사용하여 수행 된 일련의 후 처리 단계가 필요합니다. 결과는 집계되고 점수가 매겨집니다 (4 단계, PALM Scoring), 적용된 비즈니스 규칙 (5 단계, 비즈니스 규칙), 생성 된 파일 (6 단계, 사용자 파일 생성), 이전에 검증 된 파일의 데이터 (7 단계, 유효성 검사) 이러한 단계의 출력을 온-프레미스 Oracle 데이터베이스의 테이블에 다시 게시합니다 (8 단계, 결과 제공). 솔루션은 아마존 단순 알림 서비스 (Amazon SNS) 및 Amazon CloudWatch 이벤트 새 데이터를 사용할 수있게되거나 문제가 발생하면 이메일을 통해 사용자에게 알립니다 (10 단계, 경고 및 알림).

ML 파이프 라인의 모든 단계는 다음을 사용하여 분리 및 오케스트레이션됩니다. AWS 단계 함수, Genworth는 구현의 용이성, 스캐 폴딩 대신 비즈니스 로직에 집중할 수있는 기능, 향후 실험 및 기타 ML 사용 사례에 필요한 유연성을 제공합니다. 다음 다이어그램은 Step Functions 상태 머신을 사용한 ML 파이프 라인 오케스트레이션을 보여줍니다.

비즈니스 이점과 다음 단계

최신 ML 플랫폼을 구축함으로써 Genworth는 온 프레미스에서 Oracle 데이터베이스의 데이터를 수집하고, ML 작업을 수행하고, 비즈니스가 데이터 기반 결정을 내리는 데 도움이되는 종단 간 ML 추론 프로세스를 자동화 할 수있었습니다. 기계 학습은 Genworth가 손실 완화 팀이 수행하는 고 가치 수동 작업을 단순화하는 데 도움이됩니다.

이 Data Lab 참여는 조직 내 팀이 최신 ML 및 분석 도구를 사용할 수 있도록하는 것의 중요성을 보여주었습니다. 아이디어가 얼마나 빨리 조종되고 성공한다면 생산 될 수 있는지 목격 한 놀라운 경험이었습니다.

이 게시물에서는 AWS Data Analytics 및 ML 서비스를 사용하여 서버리스 ML 파이프 라인을 대규모로 구축하는 것이 얼마나 쉬운 지 보여주었습니다. 앞서 설명한대로 서버리스 관리 형 ETL 처리 작업에는 AWS Glue를 사용하고 모든 ML 요구 사항에는 SageMaker를 사용할 수 있습니다. 빌드에서 최선을 다하십시오!

Genworth, Genworth Financial 및 Genworth 로고는 Genworth Financial, Inc.의 등록 서비스 마크이며 라이선스에 따라 사용됩니다.


저자에 관하여

 리암 피어슨 Genworth Mortgage Insurance Australia Limited의 데이터 과학자로 비즈니스 내 다양한 ​​팀을위한 ML 모델을 구축하고 배포합니다. 여가 시간에 Liam은 라이브 음악 감상, 수영, 진정한 밀레 니얼 세대처럼 으깬 아보카도를 즐깁니다.

마리아 소 콜로 바 Amazon Web Services의 솔루션 아키텍트입니다. 그녀는 기업 고객이 가장 필요한 곳에 기술 전문 지식과 변환 지침을 제공하여 레거시 시스템을 현대화하고 중요한 프로젝트를 가속화하도록 돕습니다.

V암시 크리슈나 에나 보 탈라 AWS의 데이터 랩 솔루션 아키텍트입니다. Vamshi는 사용 사례에서 고객과 협력하고 비즈니스 문제를 해결하기위한 솔루션을 설계하며 확장 가능한 프로토 타입을 구축하도록 지원합니다. 직장 밖에서 Vamshi는 RC 장비 (자동차, 보트, 드론)를 조립하고 가지고 노는 RC 애호가이며 정원 가꾸기도 즐깁니다.

코인 스마트. 유로파 최고의 비트 코인-보르 스
출처 : https://aws.amazon.com/blogs/machine-learning/how-genworth-built-a-serverless-ml-pipeline-on-aws-using-amazon-sagemaker-and-aws-glue/

AI

AI 공정성에 대해 회사를 교육하는 10 단계

게재

on

엔터프라이즈 데이터 기술 및 전략을 변환 2021.


기업이 점점 더 인공 지능을 적용함에 따라 신뢰에 대한 우려를 해결해야합니다.

AI 공정성을 보장하기 위해 기업이 채택 할 수있는 10 가지 실질적인 개입이 있습니다. 여기에는 AI 공정성 헌장 및 교육 및 테스트 구현.

데이터 기반 기술과 인공 지능 (AI)은 다음 COVID-19 변종이 발생할 위치를 예측하는 것부터 가장 효율적인 경로로 여행하는 데 도움이되는 오늘날 우리 세상에 힘을 실어주고 있습니다. 많은 영역에서 일반 대중은 이러한 경험을 지원하는 알고리즘이 공정한 방식으로 개발되고 있다는 높은 신뢰를 가지고 있습니다.

그러나이 신뢰는 쉽게 깨질 수 있습니다. 예를 들어 채용 소프트웨어 대표적이지 않은 교육 데이터로 인해 "여성"이라는 단어가 포함 된 응용 프로그램 또는 신용 가치에 대한 실제 증거를 놓친 신용 점수 시스템에 페널티를 부과하므로 결과적으로 특정 그룹은 낮은 신용 한도 또는 대출이 거부되었습니다.

현실은 기술이 AI 공정성에 대한 교육 및 훈련보다 빠르게 움직이고 있다는 것입니다. 이러한 데이터 기반 경험을 교육, 개발, 구현 및 마케팅하는 사람들은 종종 그들의 노력의 XNUMX 차 또는 XNUMX 차 영향.

세계 경제 포럼의 일환으로 인류를위한 인공 지능에 관한 글로벌 미래 협의회AI 실무자, 연구원 및 기업 고문으로 구성된 집단 인 우리는 기업이 AI 공정성을 보장하기 위해 채택 할 10 가지 실질적인 개입을 제안합니다.

1. AI 교육에 대한 책임 할당

교차 기능 윤리위원회 (데이터 과학, 규제, 홍보, 커뮤니케이션 및 HR 담당자 포함)와 함께 AI 교육 활동의 설계 및 구현을 담당해야하는 최고 AI 윤리 책임자 (CAIO)를 지정합니다. CAIO는 또한 공정성 문제가있는 경우 직원이 연락 할 수있는 "옴부즈맨"이자 비 기술 직원의 대변인이되어야합니다. 이상적으로이 역할은 가시성과 구현을 위해 CEO에게 직접보고해야합니다.

2. 조직의 공정성 정의

AI 공정성 헌장 템플릿을 개발 한 후 질문 모든 부서 AI를 적극적으로 사용하여 상황에 맞게 완성하고 있습니다. 이는 특히 비즈니스 라인 관리자와 제품 및 서비스 소유자와 관련이 있습니다.

3. 공급망에서 AI 공정성 보장

조달 된 제품 및 서비스에 AI가 내장 된 공급 업체 (예 : 후보 심사에 AI를 사용할 수있는 채용 대행사)도 AI 공정성 헌장을 작성하고 AI 공정성에 대한 회사 정책을 준수하도록 요구합니다. 이는 특히 조달 기능 및 공급 업체와 관련이 있습니다.

4. 교육 및 "실습을 통한 학습"접근 방식을 통해 직원과 이해 관계자를 교육합니다.

모든 직원에게 AI 공정성 원칙에 대한 필수 교육 및 인증을 요구합니다. 이는 직원이 비즈니스 행동 강령에 등록해야하는 것과 유사합니다. 기술 직원의 경우 공정성 원칙을 위반하지 않는 모델을 구축하는 방법에 대한 교육을 제공합니다. 모든 교육은 AI 공정성 헌장의 통찰력을 활용하여 회사가 직면 한 문제를 직접 해결해야합니다. 윤리위원회에서 코스 내용을 정기적으로 검토하는지 확인하십시오.

5. HR AI 공정성 인력 계획 수립

HR AI 공정성 계획에는 데이터 기반 기술 및 AI에 대해 작업하는 팀의 다양성을 평가하기위한 HR의 연간 검토와 주요 AI 관련 제품 개발을 위해 현재 광고되는 역량 및 기술에 대한 명시적인 검토 및 업그레이드가 포함되어야합니다. 공정성에 대한 인식을 보장하는 역할 (예 : 제품 소유자, 데이터 과학자 및 데이터 엔지니어)은 직무 설명의 일부입니다.

6. 기술 출시 전에 AI 공정성 테스트

AI 알고리즘이 활성화되기 전에 부서 및 공급 업체가 공정성 결과 테스트를 실행하고 내부적으로 게시하도록 요구합니다. 데이터 편향으로 인해 어떤 그룹이 부당하게 취급 될 수 있는지 알게되면 해당 그룹의 사용자를 시뮬레이션하고 결과를 모니터링합니다. 이것은 제품 팀이 제품 또는 서비스가 적용되기 전에 반복하고 개선하는 데 사용할 수 있습니다. 다음과 같은 오픈 소스 도구 마이크로 소프트 페어 런, 공정성 결과 테스트에 대한 분석을 제공 할 수 있습니다.

7. AI 공정성에 대한 접근 방식 전달

새롭거나 업데이트 된 제품 또는 서비스에 대한 공정성 결과 테스트를 진행하기 위해 고객 및 대중을 대상으로하는 직원과 함께 공정성 결과 학습 세션을 설정합니다. 이는 특히 마케팅 및 외부 커뮤니케이션과 고객 서비스 팀과 관련이 있습니다.

8. 이사회 회의의 상설 항목을 AI 공정성 프로세스에 바칩니다.

이 토론에는 진행 상황 및 준수 사항에 대한보고, AI 윤리 책임자 및 윤리위원회 최고 책임자가 제기 한 주제, 우선 순위가 높은 공정성 결과 테스트 결과가 포함되어야합니다.

9. 교육 스틱 확인

실제 비즈니스 가치 측면에서 공정성을 관리하는 데 따른 효과와 함께 AI 공정성 활동의 참여 및 완료를 정기적으로 추적하고보고합니다. 부서 및 라인 관리자에게 이러한 업데이트를 제공하여 직원과 소통하여 AI 플랫폼과 소프트웨어를보다 공정하게 만들어 조직이 더 효과적이고 생산적이라는 것을 강화하십시오.

10. 모든 것을 문서화

AI 공정성에 대한 접근 방식을 문서화하고 고객 및 투자자를 포함하여 직원 및 공급 업체 교육과 주목할만한 이벤트에서이를 전달합니다.

[이 이야기는 원래 AI 공정성에 대해 회사를 교육하는 10 단계 | 세계 경제 포럼 (weforum.org). 저작권 2021.]

나 지아 유 시프 의 전무 이사 겸 파트너입니다. 보스턴 컨설팅 그룹 영국, 네덜란드 및 벨기에의 금융 기관 업무를 공동 이끌고 있습니다.

마크 미네 비치 유네스코 조제프 스테판 연구소 (Jozef Stefan Institute)의 후원하에 인공 지능에 관한 국제 연구 센터의 인공 지능 정책을 담당하고 있습니다.

VentureBeat

VentureBeat의 사명은 기술 의사 결정권자가 혁신적인 기술과 거래에 대한 지식을 습득 할 수있는 디지털 타운 스퀘어가되는 것입니다. 당사 사이트는 데이터 기술 및 전략에 대한 필수 정보를 제공하여 조직을 이끌 때 안내합니다. 다음에 액세스 할 수 있도록 커뮤니티의 일원이되도록 귀하를 초대합니다.

  • 관심있는 주제에 대한 최신 정보
  • 뉴스 레터
  • 금지 된 사고 리더 콘텐츠 및 다음과 같은 소중한 이벤트에 대한 할인 된 액세스 변환 2021: 더 알아보기
  • 네트워킹 기능 등

회원 가입

코인 스마트. 유로파 최고의 비트 코인-보르 스
출처 : https://venturebeat.com/2021/06/11/10-steps-to-educate-your-company-on-ai-fairness/

계속 읽기

인공 지능

중국에서 로봇 축의 부상

게재

on

AutoX, Momenta 및 WeRide는 TC Session : Mobility 2021 중국의 robotaxi 스타트 업 현황과 중국의 지방 정부와의 관계에 대해 논의합니다.

그들은 또한 중국 최고의 자율 주행 차 스타트 업들의 공통적 인 궤적 인 해외 진출에 대해 이야기하고 대규모 중국 시장을 주시하는 외국 AV 기업들의 도전과 기회에 대해 밝혔습니다.


진취적인 정부

전 세계적으로 규제는 자율 주행 차량 개발에 큰 역할을합니다. 중국에서는 자율 주행 정책 결정이 중앙 정부의 하향식 노력이 아니라 상향식으로 추진되고 있다고 중국의 XNUMX 개 로보 택시 스타트 업 경영진이 관찰했다.

상하이 인근 도시인 쑤저우 정부의 지원을받는 Momenta의 유럽 총괄 책임자 인 Huan Sun은 그녀의 회사가 여러 도시의 지방 정부와 함께 일하는 "매우 좋은 경험"을 가지고 있다고 말했습니다.

중국에서는 각 지방 정부가 우리와 같은 기업가처럼 행동하도록 장려합니다. 그들은 지역 경제 발전에 매우 진보적입니다… 우리가 느끼는 것은 자율 주행 기술이 [지방 정부의] 경제 구조를 크게 개선하고 업그레이드 할 수 있다는 것입니다. (타임 스탬프 : 02:56)

상당한 입법 자율성을 가진 특별 경제 구역 인 심천은 자율 주행을 추진하는 데있어 진보적이라고 남부 도시에있는 AutoX의 최고 운영 책임자 인 Jewel Li는 말했습니다.

코인 스마트. 유로파 최고의 비트 코인-보르 스
출처 : https://techcrunch.com/2021/06/11/the-rise-of-robotaxis-in-china/

계속 읽기

AI

AI를 감당할 수 있습니까?

게재

on

엔터프라이즈 데이터 기술 및 전략을 변환 2021.


모든 인공 지능을 둘러싼 우려 요즘-그리고 아니, 나는 사악한 로봇 군주를 의미하는 것이 아니라 직업 교체 그리고 보안-아마도 비용만큼 간과되는 것은 없을 것입니다.

AI가 다양한 방식으로 비즈니스 수행 비용을 낮출 수있는 잠재력을 가지고 있다는 점을 고려할 때 이것은 이해할 수 있습니다. 하지만 AI는 취득 비용 배포하려면 상당한 양의 컴퓨팅 파워, 저장 및 가치있는 수익을 창출하는 에너지.

2019 년에 AI 선구자 Elliot Turner는 XLNet 자연어 시스템을 교육한다고 추정했습니다. $ 245,000 이상이들 수 있습니다 – 512 시간 동안 최대 용량으로 실행되는 약 60 개의 TPU. 그리고 그것이 사용 가능한 결과를 생성 할 것이라는 보장은 없습니다. Rubik 's Cube를 해결하기 위해 지능형 기계를 훈련하는 것과 같은 간단한 작업조차도 2.8 개의 원자력 발전소의 시간당 출력 인 최대 2030GW의 전력을 끌어 올 수 있습니다. 이 수치는 여전히 논란의 여지가 있지만 일부 추정치는 기술 프로세스가 XNUMX 년까지 전 세계 에너지 생산량의 절반 이상을 차지할 것이라고 주장하는 것을 고려할 때 심각한 수치입니다.

실리콘 솔루션

IBM보다 더 잘 이해하는 사람은 없을 것입니다. AI 진화 -다양한 수준의 성공-Watson 및 Project Debater와 같은 플랫폼 덕분입니다. 이 회사의 뉴욕에 위치한 Albany 연구소에는 AI 교육에 대한 컴퓨팅 요구를 줄이고 의사 결정 프로세스를 안내하는 몇 가지 흥미로운 결과를 공개하기 직전의 AI 하드웨어 센터가 있습니다. Tirias 연구 분석가 Kevin Krewell.

핵심 개발은 최근 ISSCC (International Solid-State Circuits Conference)에서 공개 된 쿼드 코어 테스트 칩입니다. 이 칩은 훈련 기능을위한 하이브리드 8 비트 부동 소수점 형식과 추론을위한 2 비트 및 4 비트 정수 형식을 특징으로한다고 Krewell은 Forbes의 기사에서 썼습니다. 이는 현재 AI 솔루션에 전력을 공급하는 32 비트 부동 소수점 솔루션에 비해 상당한 개선이 될 것이지만, 이러한 낮은 로직 및 메모리 공간에서 동일하거나 더 나은 결과를 생성하도록 올바른 소프트웨어를 개발할 수있는 경우에만 가능합니다. 지금까지 IBM은 AI 모델 개발 및 교육을 지원하는 자사의 DEEPTOOLS 컴파일러가 7nm 다이와 호환된다고 발표했지만이를 어떻게 할 것인지에 대해 침묵했습니다.

퀄컴 또한 AI 모델의 효율성을 높이는 데 특히 관심이 있습니다. 신경 아키텍처 검색 (NAS), 지능형 시스템이 주어진 작업을 수행하기 위해 가장 효율적인 네트워크 토폴로지를 매핑하는 수단입니다. 그러나 Qualcomm의 칩은 일반적으로 처음에는 전력 풋 프린트가 적기 때문에 규모에 상관없이 기존 아키텍처 내에서 편안하게 작동하는 새롭고 효율적인 모델을 개발하는 데 중점을 둡니다.

하나를위한 모두

이를 위해이 회사는 양자화, 압축 및 컴파일과 같은 여러 축을 조정 된 방식으로 축소해야하는 필요성을 강조하는 모델링에 대한 전체 론적 접근 방식을 채택했다고 말합니다. 이러한 모든 기술이 서로를 보완하기 때문에 연구원은 고유 한 각도에서 효율성 문제를 해결해야하지만 한 영역의 변화가 다른 영역의 이득을 방해하지 않도록해야합니다.

NAS에 적용 할 때 주요 과제는 높은 컴퓨팅 비용을 줄이고 확장 성을 개선하며보다 정확한 하드웨어 성능 메트릭을 제공하는 것입니다. DONNA (Distilling Optimal Neural Network Architectures)라고하는이 솔루션은 정확도, 지연 시간 및 기타 요구 사항에 대한 네트워크 아키텍처를 정의한 다음이를 실제 환경에 배포 할 수있는 확장 성이 뛰어난 수단을 제공합니다. 이 회사는 이미 삼성 S20 스마트 폰에서 매우 정확한 아키텍처를 찾을 때 MobileNetV2보다 21 %의 속도 향상을보고하고 있습니다.

Facebook은 또한 AI의 효율성 향상. 회사는 최근에 새로운 알고리즘을 공개했습니다. Seer (셀프 지원) 데이터 세트를 효과적으로 사용하는 데 필요한 라벨링의 양을 줄입니다. 이 프로세스를 통해 AI는 더 작은 비교 데이터 세트를 사용하여 정확한 결론을 도출 할 수 있습니다. 이러한 방식으로 이미 고양이로 분류 된 수천 개의 기존 사진을 훑어 볼 필요없이 고양이 사진을 식별 할 수 있습니다. 이렇게하면 교육에 필요한 인적 시간과 식별에 필요한 전체 데이터 공간이 줄어들어 프로세스 속도가 빨라지고 전체 비용이 절감됩니다.

속도, 효율성 및 리소스 소비 감소는 수십 년 동안 IT의 원동력이되어 왔으므로 이러한 목표가 AI 개발을 주도하기 시작하는 것은 놀라운 일이 아닙니다. 놀라운 것은 이것이 일어나는 속도입니다. 전통적으로 새로운 기술이 먼저 배포되어 비용 및 효율성과 같은 사항은 나중에 고려됩니다.

이는 AI가 중요한 수준에 도달하기 전에 이미 간소화 된 아키텍처와 운영을 핵심 기능으로 채택하고 있다는 신호입니다. 가장 좋은 회사조차도 AI의 계산 요구 사항이 그들이 만난 모든 것 전에.

VentureBeat

VentureBeat의 사명은 기술 의사 결정권자가 혁신적인 기술과 거래에 대한 지식을 습득 할 수있는 디지털 타운 스퀘어가되는 것입니다. 당사 사이트는 데이터 기술 및 전략에 대한 필수 정보를 제공하여 조직을 이끌 때 안내합니다. 다음에 액세스 할 수 있도록 커뮤니티의 일원이되도록 귀하를 초대합니다.

  • 관심있는 주제에 대한 최신 정보
  • 뉴스 레터
  • 금지 된 사고 리더 콘텐츠 및 다음과 같은 소중한 이벤트에 대한 할인 된 액세스 변환 2021: 더 알아보기
  • 네트워킹 기능 등

회원 가입

코인 스마트. 유로파 최고의 비트 코인-보르 스
출처 : https://venturebeat.com/2021/06/11/can-we-afford-ai/

계속 읽기

AI

AI Weekly : 기업이 실제 제품을 설계하는 데 도움이되는 AI

게재

on

엔터프라이즈 데이터 기술 및 전략을 변환 2021.


이번 주 저널에 실린 논문 자연, Google 연구원 상세한 AI를 사용하여 차세대 텐서 처리 장치 (TPU), AI 워크로드에 최적화 된 회사의 애플리케이션 별 집적 회로. 작업이 참신하지는 않았지만 (구글이 수년 동안 기술을 개선해 왔지만) 하드웨어 설계에서 AI의 잠재력을 가장 분명하게 보여주었습니다. 이전 실험 상업적으로 실행 가능한 제품이 아니라 프로토 타입 만 생산했습니다. 하지만 자연 논문은 인공 지능이 적어도 인간 디자이너를 보강하여 브레인 스토밍 프로세스를 가속화 할 수 있다고 제안합니다.

칩 외에도 미국 및 벨기에에 본사를 둔 Oqton과 같은 회사는 적층 제조를 포함한 설계 영역에 AI를 적용하고 있습니다. 옥톤 플랫폼은 주조 가능한 보석 왁스 생성과 같은 CNC, 금속 및 폴리머 3D 프린팅과 하이브리드 가산 / 감산 워크 플로우를 자동화합니다. 다양한 최적화 및 수정 사항을 제안합니다. AI 검사 알고리즘, 부품 형상의 사전 분석 및 실시간 교정 예를 들어 Oqton은 필요한 공차 내에서 부품을 얻기 위해 형상을 자동으로 조정하여 티타늄, 코발트, 크롬, 지르코니아 및 기타 재료에 대한 변형, 수축 및 응력 완화와 같은 열처리 효과를 시뮬레이션 할 수 있습니다.

아직 연구 단계에있는 동안 MIT의 컴퓨터 과학 및 인공 지능 실험실은 AI 기반 도구를 개발했습니다. 레이저 팩토리 모든 기능을 갖춘 로봇과 드론을 인쇄 할 수 있습니다. LaserFactory는 사용자가 구조적 지오메트리를 생성하고, 트레이스를 인쇄하고, 센서, 회로 및 액추에이터와 같은 전자 부품을 조립할 수 있도록하는 XNUMX 가지 성분 레시피를 활용합니다. LaserFactory의 연구자들이 자신의 작업을 설명하는 논문에서 언급했듯이 이론적으로는 배달이나 수색 및 구조와 같은 작업에 사용될 수 있습니다.

르노에서 엔지니어들은 다음과 같이 만든 AI 기반 소프트웨어를 활용하고 있습니다. Siemens Digital Industries 소프트웨어 자동차의 자동 수동 변속기 (AMT) 시스템 설계를 자동화합니다. 자동 변속기처럼 작동하지만 운전자가 푸시 버튼을 사용하여 기어를 전자적으로 변속 할 수있게 해주는 AMT는 아이디어를 구상하고 개발하고 철저히 검증하는 데 최대 XNUMX 년의 시행 착오가 걸릴 수 있습니다. 그러나 Siemen의 도구를 통해 르노 엔지니어는 아이콘을 끌어서 놓기 및 연결하여 AMT 모델을 그래픽으로 만들 수 있습니다. 이 소프트웨어는 AMT 구성 요소의 동작과 성능을 예측하고 개발주기 초기에 필요한 수정을합니다.

Nutella조차도 수십 개의 패턴과 색상 데이터베이스에서 가져온 기술을 사용하여 다양한 버전의 포장을 만드는 기술을 사용하여 실제 제품에 AI를 활용하고 있습니다. 2017 년 광고 대행사 Ogilvy & Mather Italia와 협력하여 회사는 7 만 개의 독특한 디자인 한 달 만에 매진 된 이탈리아 전역의 "Nutella Unica"항아리에

철학적 변화

사람들은 이러한 응용 프로그램이 인간 디자이너로부터 에이전시를 빼앗는 것으로 인식 할 수 있지만 최근 Harvard Business School의 공동 저자는 작업 용지 AI는 실제로 디자이너가 규모와 범위에서 학습에 이르기까지 과거의 한계를 극복 할 수있게 해준다고 주장합니다.

“AI 공장의 맥락에서 솔루션은 제품의 전체 수명주기에 걸친 학습 반복을 통해 더욱 사용자 중심적이고 창의적이며 지속적으로 업데이트 될 수 있습니다. 그러나 우리는 AI가 디자인 관행을 근본적으로 변화 시킨다는 것을 발견했습니다.”라고 공동 저자는 썼습니다. “전통적으로 설계자가 수행하던 문제 해결 작업은 이제 볼륨과 속도의 제한없이 작동하는 학습 루프로 자동화됩니다. 이러한 루프는 디자이너와 근본적으로 다른 방식으로 생각합니다. 기하 급수적으로 반복되는 매우 간단한 작업을 통해 복잡한 문제를 해결합니다. "

최근 블로그 게시물에서 사용자 경험 디자이너 Miklos Philips 에코 된 Harvard Business Review 논문 기고자들은 AI로 작업하는 디자이너가 향상된 효율성으로 인해 프로토 타입을 빠르고 저렴하게 만들 수 있다는 점에 주목했습니다. AI의 힘은 방대한 양의 데이터를 분석하고 디자인 조정을 제안 할 수있는 속도에 있다고 그는 말합니다. 그러면 디자이너가 데이터를 기반으로 조정을 선택하고 승인하고 가장 효과적인 디자인을 만들어 편리하게 테스트 할 수 있습니다.

어쨌든 AI 지원 설계 도구의 ROI는 잠재적으로 상당합니다. 2020 PricewaterhouseCoopers에 따르면 측량, 제조업의 기업들은 다음과 같은 이유로 향후 XNUMX 년 동안 효율성 향상을 기대합니다. 디지털 변환, AI 및 기계 학습의 채택을 포함합니다. 당연히 Google Cloud 보고서에 응답자의 76 %가 이번 주에 출판 AI, 데이터 분석 및 클라우드와 같은 "파괴적인 기술", 특히 전염병으로 인한 문제를 해결하는 데 도움이되었다고 말했습니다.

비즈니스 가치를 감안할 때 AI 기반 설계는 여기에서 유지되고 성장할 가능성이 높습니다. 이는 일반적으로 디자이너뿐만 아니라 물리적 제품 생성 전반에 걸쳐 자동화의 이점을 누리고 자하는 기업과 소비자에게 희소식입니다.

VentureBeat

VentureBeat의 사명은 기술 의사 결정권자가 혁신적인 기술과 거래에 대한 지식을 습득 할 수있는 디지털 타운 스퀘어가되는 것입니다. 당사 사이트는 데이터 기술 및 전략에 대한 필수 정보를 제공하여 조직을 이끌 때 안내합니다. 다음에 액세스 할 수 있도록 커뮤니티의 일원이되도록 귀하를 초대합니다.

  • 관심있는 주제에 대한 최신 정보
  • 뉴스 레터
  • 금지 된 사고 리더 콘텐츠 및 다음과 같은 소중한 이벤트에 대한 할인 된 액세스 변환 2021: 더 알아보기
  • 네트워킹 기능 등

회원 가입

코인 스마트. 유로파 최고의 비트 코인-보르 스
출처 : https://venturebeat.com/2021/06/11/ai-weekly-ai-helps-companies-design-physical-products/

계속 읽기
에스 포트3 일 전

Genshin Impact Echoing Conch 위치 가이드

에스 포트5 일 전

Fortnite Chapter 17, 시즌 2 컬렉션의 7 개 캐릭터 위치 모두

에스 포트4 일 전

Fortnite Chapter 2, 시즌 7의 모든 이정표는 다음과 같습니다.

AI5 일 전

21 세기 엔지니어가되는 방법?

블록체인5 일 전

BPI는 더 이상 암호화 거래를 허용하지 않습니다

AR / VR5 일 전

'워해머 에이지 오브 시그마 : 템페스트 폴', 게임 플레이, 초대 전용 베타 첫 공개

블록체인4 일 전

Doge meme Shiba Inu 개, NFT로 경매

에스 포트4 일 전

Minecraft 1.17은 언제 출시 되나요?

에스 포트4 일 전

Fortnite에서 UFO를 비행하는 방법

에스 포트3 일 전

MLB The Show 21 키친 싱크 2 팩 :베이스 라운드 공개

블록체인4 일 전

세계 경제 포럼, 공정하고 실행 가능한 규정을위한 DeFi 정책 툴킷 출시

에스 포트5 일 전

Fortnite 챕터 2, 시즌 7에서 슈퍼맨 스킨을 잠금 해제하는 방법

블록체인5 일 전

비트 코인에 대한 도널드 트럼프 : "본질적으로 달러와 경쟁하는 통화"

제퍼 넷3 일 전

7 년 21 월 22 일과 2021 일 두바이에서 Agora Group & TDeFi가 제 XNUMX 차 글로벌 블록 체인 콩그레스를 개최합니다.

에스 포트5 일 전

Fortnite Chapter 2, 시즌 7에서 Rick and Morty로부터 Rick을 얻는 방법

비행2 일 전

보잉 777 제품군 이야기

블록체인3 일 전

Woonkly는 두바이에서 Agora Group이 주최하는 제 7 회 글로벌 블록 체인 콩그레스의 공식 타이틀 스폰서가됩니다.

노름4 일 전

MUCK : 최고의 무기를 얻는 방법 | 와이번 단검 가이드

사이버 보안5 일 전

GRC와 사이버 보안은 통합되어야합니다

Fintech5 일 전

NANOBIOTIX, 3 년 11 월 2021 일 면역 요법 분야에서 잠재적 인 동급 최초의 방사선 증강제 NBTXRXNUMX에 대해 논의하는 가상 KOL 이벤트 개최

탐색