Artificial Intelligence

De toekomstige groei van AI en ML

gepubliceerd

1 maand geleden

18 januari 2021

By Rachel Roumeliotis

We zijn allemaal in het reine gekomen met het feit dat kunstmatige intelligentie (AI) de manier waarop bedrijven werken transformeert en hoeveel het een bedrijf op de lange termijn kan helpen. In de afgelopen jaren heeft dit inzicht gezorgd voor een piek in bedrijven die experimenteren en AI-technologieën evalueren en die deze nu specifiek gebruiken in productie-implementaties.

Wanneer organisaties nieuwe technologieën zoals AI en machine learning (ML) toepassen, beginnen ze natuurlijk geleidelijk te overwegen hoe nieuwe gebieden door technologie kunnen worden beïnvloed. Dit kan over meerdere sectoren gaan, waaronder productie en logistiek, productie, IT en klantenservice. Zodra het gebruik van AI- en ML-technieken ingebakken raakt in hoe bedrijven functioneren en in de verschillende manieren waarop ze kunnen worden gebruikt, zullen organisaties nieuwe kennis kunnen opdoen die hen zal helpen zich aan te passen aan veranderende behoeften.

Door in het leerplatform van O'Reilly te duiken, kan een verscheidenheid aan informatie worden ontdekt over de verschillende trends en onderwerpen die tech- en bedrijfsleiders moeten weten. Dit zal hen in staat stellen hun banen beter te begrijpen en ervoor te zorgen dat hun bedrijf blijft floreren.

In de afgelopen maanden hebben we het gebruikersgebruik van het platform geanalyseerd en de meest populaire en meest gezochte onderwerpen in AI en ML ontdekt. We zullen hieronder enkele van de belangrijkste bevindingen onderzoeken, die ons een breder beeld geven van waar de staat van AI en ML is, en uiteindelijk waar het naartoe gaat.

AI overtreft de groei in ML

Onze analyse wierp allereerst een licht op hoe de belangstelling voor AI blijft groeien. In vergelijking met 2018 met 2019 is de betrokkenheid bij AI met 58% gestegen - veel sneller dan de groei in het veel grotere onderwerp machine learning, dat slechts 5% steeg in 2019. Wanneer alle AI- en ML-onderwerpen worden samengevoegd, is dit goed voor bijna 5% van al het gebruik activiteit op het platform.

Hoewel dit net iets minder is dan hoogstaande, gevestigde onderwerpen zoals data engineering (8% van de gebruiksactiviteit) en data science (5% van de gebruiksactiviteit), groeide de belangstelling voor deze onderwerpen 50% sneller dan datawetenschap. Data engineering is in dezelfde tijd zelfs met ongeveer 8% afgenomen als gevolg van een afname van de betrokkenheid bij onderwerpen op het gebied van datamanagement.

We ontdekten ook vroege tekenen dat organisaties experimenteren met geavanceerde tools en methoden. Van onze bevindingen is betrokkenheid bij leerinhoud zonder toezicht waarschijnlijk een van de meest interessante. Bij onbewaakt leren wordt een AI-algoritme getraind om te zoeken naar voorheen niet-ontdekte patronen in een gegevensset zonder reeds bestaande labels of classificatie met minimale menselijke supervisie of begeleiding. In 2018 groeide het gebruik van leeronderwerpen zonder toezicht met 53% en in 172 met 2019%.

Maar wat drijft deze groei? Hoewel de namen van de methoden (clustering en associatie) en de toepassingen (neurale netwerken) bekend zijn, wordt onbewaakt leren niet zo goed begrepen als de tegenhanger van begeleid leren, die voor de meeste mensen en de meeste use-cases de standaardstrategie voor ML is. .

Deze toename van leeractiviteit zonder toezicht wordt waarschijnlijk veroorzaakt door een gebrek aan bekendheid met de term zelf, evenals met het gebruik, de voordelen en de vereisten ervan door meer geavanceerde gebruikers die te maken hebben met gebruiksgevallen die niet gemakkelijk kunnen worden aangepakt met gecontroleerde methoden.

Het is ook waarschijnlijk dat het zichtbare succes van leren zonder toezicht in neurale netwerken en diep leren onze interesse heeft gestimuleerd, evenals de diversiteit aan open source-tools, bibliotheken en tutorials die leren zonder toezicht ondersteunen.

Een diepgaande opstanding

Hoewel deep learning in 2019 enigszins afkoelde, was het nog steeds goed voor 22% van al het AI- en ML-gebruik. We vermoeden ook dat het succes ervan heeft bijgedragen aan de wederopstanding van een aantal andere niet meer gebruikte of verwaarloosde ideeën. Het grootste voorbeeld hiervan is leren over versterking. Dit onderwerp kende een exponentiële groei en groeide sinds 1,500 met meer dan 2017%.

Zelfs nu het engagementpercentage in 10 met 2019% is gedaald, is deep learning zelf een van de meest populaire ML-methoden onder bedrijven die AI evalueren, waarbij veel bedrijven de techniek kiezen om productiegebruik te ondersteunen. Het kan zijn dat de betrokkenheid bij deep learning-onderwerpen is afgenomen omdat de meeste mensen al actief bezig zijn met de technologie, wat betekent dat de groei kan vertragen.

Natuurlijke taalverwerking is een ander onderwerp dat een constante groei heeft laten zien. Hoewel het groeitempo niet enorm is - het groeide met 15% in 2018 en 9% in 2019 - is de verwerking van natuurlijke taal goed voor ongeveer 12% van al het AI- en ML-gebruik op ons platform. Dit is ongeveer 6x het aandeel van leren zonder toezicht en 5x het aandeel van leerversterkend leren, ondanks de aanzienlijke groei die deze twee onderwerpen de afgelopen twee jaar hebben doorgemaakt.

Niet alle AI / ML-methoden worden echter gelijk behandeld. De interesse in chatbots lijkt bijvoorbeeld af te nemen, waarbij de betrokkenheid met 17% in 2018 en met 34% in 2019 afneemt. Dit komt waarschijnlijk omdat chatbots een van de eerste toepassingen van AI waren en waarschijnlijk een weerspiegeling is van de relatieve volwassenheid van toepassing.

De groeiende betrokkenheid bij leren zonder toezicht en leren met bekrachtiging toont aan dat organisaties experimenteren met geavanceerde analysetools en -methoden. Deze tools en technieken openen nieuwe use-cases voor bedrijven om te experimenteren en van te profiteren, waaronder ondersteuning bij beslissingen, interactieve games en real-time retailaanbevelingsengines. We kunnen ons alleen maar voorstellen dat organisaties AI en ML zullen blijven gebruiken om problemen op te lossen, de productiviteit te verhogen, processen te versnellen en nieuwe producten en diensten te leveren.

Naarmate organisaties analytische technologieën toepassen, ontdekken ze meer over zichzelf en hun werelden. Met name de adoptie van ML zet mensen op alle niveaus van een organisatie ertoe aan vragen te gaan stellen die uitdagen wat een organisatie denkt over zichzelf te weten.

Met ML en AI trainen we machines om nieuwe kennisobjecten naar boven te halen die ons helpen bij het leren stellen van nieuwe, andere en soms moeilijke vragen over onszelf. Alles wijst erop dat we hiermee enig succes lijken te hebben. Wie weet wat de toekomst in petto heeft, maar naarmate technologieën slimmer worden, lijdt het geen twijfel dat we afhankelijker zullen worden.

Bron: https://www.fintechnews.org/the-future-growth-of-ai-and-ml/

Gerelateerde onderwerpen:2019 Adoptie AI algoritme Alles onder analyse analytics Aanvraag toepassingen rond kunstmatige intelligentie Kunstmatige intelligentie (AI)Grootste bedrijf ondernemingen gevallen uitdagen chatbots classificatie Bedrijven inhoud voortzetten Klantenservice datum gegevensbeheer data Science gegevensset diepgaand leren ontdekt Verscheidenheid gedreven aandrijving Vroeg Engineering experiment FinTech Voornaam*functie toekomst Games Groeien Groeiend Hoe HTTPS reusachtig Inclusief Laat uw omzet informatie Intelligentie interactieve belang IT Jobs kennis labels taal LEARN leren licht logistiek lang machine learning machines beheer productie ML maanden Meest populair namen Natuurlijke taal natuurlijke taalverwerking netwerken Neural neurale netwerken nieuwe producten open open source Organisaties overig Organisatie beeld platform populair Productie produktiviteit Producten reeks Tarieven real-time versterking van leren Voorwaarden <HR>Retail Wetenschap Sectoren Diensten reeks Deel Signs OPLOSSEN begin Land Strategie succes leren onder toezicht mail via Oppervlak ontstaat tech Technologies Technologie niet de tijd of onderwerpen Training Trends tutorials zonder toezicht leren us gebruikers WIE jaar

Hoe het weerspiegelen van de architectuur van het menselijk brein AI-leren versnelt

Mis het niet

De Amerikaanse regering richt het National Artificial Intelligence Initiative Office op het laatste moment voordat het presidentschap van Trump afloopt

Verder lezen

AI

Stellar Photo Recovery Review

gepubliceerd

3 uur geleden

1 maart 2021

Heruitgegeven door Plato

Mensen verliezen elke dag miljoenen foto's en video's door ze per ongeluk te verwijderen of door de opslagmedia volledig te formatteren. En ik denk dat u een van hen bent, aangezien u op zoek bent naar de juiste software om uw vorige foto's en video's te herstellen. Laat me je vertellen; je bent op de juiste plek. Stellar Photo Recovery is de beste foto- en videoherstelsoftware die bijna elk foto- en videoformaat kan herstellen.

In deze review zullen we de verbluffende functies van Stellar Photo Recovery bespreken.

Wat is Stellar Photo Recovery en waarom heb je het nodig?

Stellar Photo Recovery is een DIY mediaherstelsoftware die is ontworpen om u te helpen uw verloren mediabestanden te herstellen. Het ondersteunt een breed scala aan formaten. Het is een gebruiksvriendelijke software waarvoor de gebruiker geen technische kennis nodig heeft.

Nu rijst de vraag waarom u deze software nodig heeft?

Omdat we maar mensen zijn en er fouten kunnen worden gemaakt, kan dit het per ongeluk verwijderen van de mediabestanden of het formatteren van de mediaopslag omvatten, of in het ergste geval, bestanden zijn beschadigd geraakt door een virus. Op dit punt hebt u een mediaherstelsoftware nodig waarvoor Stellar Photo Recovery u gedekt heeft.

U kunt mediaherstel uitvoeren vanaf CF-kaarten, SD-kaarten, XQD-kaarten, flashstations, HDD- en SSD-schijven, en ook vanaf gecodeerde schijven.

Hoe gebruik je Stellar Photo Recovery?

De gebruikersinterface is heel eenvoudig en gemakkelijk te gebruiken. De gebruiker hoeft niet de technische kennis te hebben om de software te bedienen.

Nadat uw software is gedownload en geïnstalleerd, moet u drie stappen volgen om uw verloren gegevens te herstellen.

Stap 1:

Nadat u Stellar Photo Recovery hebt geopend, ziet u een lijst met stations. Vink het station dat u wilt scannen aan en klik op scan. U kunt de software minimaliseren en uw andere dingen doen terwijl deze naar bestanden scant. U kunt de scan ook uitvoeren op basis van het bestandstype; dit zal de scantijd verkorten.

stellaire fotoherstel stap 1

Stap 2:

Nadat de scan is voltooid, worden het aantal en de grootte van de bestanden op het gescande mediastation weergegeven. U kunt de mappen en bestanden doorlopen en een voorbeeld ervan bekijken. De bestanden die u wilt herstellen, klikken op het vinkje ernaast.

stellaire fotoherstel stap 2

Stap 3:

Druk op "herstellen" en selecteer de map waarin u uw herstelde media wilt opslaan. Het duurt niet lang om de herstelde media op te slaan.

stellaire fotoherstel stap 3

Een van de beste eigenschappen van deze software is dat het scangeschiedenis creëert; dit betekent dat u terug kunt gaan en verschillende mediabestanden kunt herstellen die u de vorige keer bent vergeten te herstellen.

VOORDELEN

Ondersteunt verschillende formaten
Het kan worden gebruikt met verschillende opslagmedia-apparaten.
Bekijk een voorbeeld van de gegevens voor herstel
Eenvoudige en gemakkelijk te gebruiken gebruikersinterface
Effectief bij het herstellen van gegevens

NADELEN

Het is op abonnementen gebaseerde software.

Tarieven

Het is beschikbaar voor zowel Windows als Mac.

geweldige prijzen voor fotoherstel

Er zijn drie abonnementspakketten beschikbaar:

Standaardpakket: $ 39.99 / jaar. Herstel alleen media.
Professioneel pakket: $ 49.99 / jaar. Herstel media en herstel ook beschadigde foto's.
Premium-pakket: $ 69.99 / jaar. Herstel media en herstel zowel foto's als videobestanden.

Het is ook gratis te downloaden, waar u de software kunt uitproberen en het potentieel ervan kunt zien.

Conclusie

Stellar Photo Recovery is een fantastische software voor fotografen en videografen die bestanden willen herstellen. Het is eenvoudig te gebruiken en de prestaties zijn onberispelijk. Ik kan het niet genoeg aanbevelen.

Klik op de link om jezelf te bemachtigen Stellaire fotoherstel software.

De post Stellar Photo Recovery Review verscheen eerst op Aiiot Talk - Kunstmatige intelligentie | Internet of Things | Technologie.

Bron: http://www.aiiottalk.com/stellar-photo-recovery-review/

Verder lezen

AI

Axonius haalt $ 100 miljoen op om IoT-apparaten te beschermen tegen cyberaanvallen

gepubliceerd

9 uur geleden

28 februari 2021

Heruitgegeven door Plato

Axonius, een cybersecurity-startup gericht op de IoT-sector, heeft $ 100 miljoen opgehaald bij een waardering van $ 1 miljard.Lees meer Bron: https://venturebeat.com/2021/02/28/axonius-raises-100-million-to-protect-iot-devices-from-cyberattack/

Verder lezen

AI

Waarom IT de volgende fase van datawetenschap moet leiden

gepubliceerd

20 uur geleden

28 februari 2021

Heruitgegeven door Plato

In de meeste bedrijven is datawetenschap een "Wilde Westen" van losgekoppelde projecten. Met IT-toezicht worden deze investeringen schaalbaar, herbruikbaar.Lees meer Bron: https://venturebeat.com/2021/02/28/why-it-needs-to-lead-the-next-phase-of-data-science/

Verder lezen

AI

Deze wilde video brengt het hele internet en zijn evolutie sinds 1997 in kaart

gepubliceerd

21 uur geleden

28 februari 2021

Heruitgegeven door Plato

In de begintijd van digitaal computergebruik waren de machines monolithisch en geïsoleerd. Ze communiceerden niet. In feite zijn ze kon niet communiceren. Er was geen lingua franca.

Dit probleem was geen geheim. Computerwetenschappers werkten al in 1962 aan manieren om computers te netwerken. Toen 29 oktober 1969- slechts een paar maanden nadat Apollo 11 op de maan was geland - stuurde de afgestudeerde student Charley Kline een bericht van zijn computer aan de UCLA naar een computer zo'n 350 mijl ten noorden van het Stanford Research Institute (SRI). Voor Kline en zijn mede-samenzweerder, Bill Duvall, was het geen probleem. "Het waren gewoon ingenieurs die aan het werk waren", zegt Leonard Kleinrock, een pionier op het gebied van computernetwerken en een leider van het project.

Achteraf gezien was de boodschap - in technische zin tenminste - het afvuren van de eerste twee 'neuronen' op internet. Het netwerk, Arpanet genaamd, breidde zich snel uit naar andere instellingen en werd een soort proto-internet voor onderzoekers en wetenschappers. Veel van de concepten die voor Arpanet zijn ontwikkeld, zijn toegepast op en werken nog steeds op het internet van vandaag.

Kaart van Arpanet in 1977. Afbeelding tegoed: Arpanet

De kloof tussen Arpanet en het moderne web is natuurlijk aan het gapen.

De UCLA-SRI-verbinding vond plaats op a harte bliksemsnelle 50 kilobits per seconde; het internet van tegenwoordig kan zo'n 20,000 keer sneller worden. Arpanet bereikte een maximum van ongeveer 100 knooppunten (of verbonden computers). Het internet van vandaag is een netwerk van netwerken dat wereldwijd miljarden knooppunten omvat.

De implicaties van dit alles behoeven geen introductie: het internet heeft een vernietigende invloed op de beschaving.

Desalniettemin is het nog steeds een nogal abstract concept. Voor de meeste mensen is internet de inhoud: nieuws, afbeeldingen, video's, muziek, berichten en memes. Maar al die inhoud leeft voort en wordt bediend door een enorme massa onderling verbonden computers over de hele wereld.

Om de wildgroei echt te visualiseren, moet je het territorium in kaart brengen. Kaarten van Arpanet waren redelijk eenvoudige technische schema's, maar de schaal van het moderne web is veel te groot voor een vel papier en enkele rechte lijnen en punten. Enter Barrett Lyon.

In 2003 was Lyon dat net klaar met school en aan het werk als ingehuurde hacker Bedrijven gaven hem de opdracht om kwetsbaarheden in hun systemen uit te roeien, en hij had daarvoor kaarttools ontwikkeld. Zijn elektronische snuffelaars zouden de lijnen en knooppunten van een netwerk traceren en rapporteren wat ze vonden. Waarom zet je ze niet los op de moeder aller netwerken, dacht hij? Dus hij deed het.

De resulterende visualisatie herinnerde aan grote natuurlijke patronen, zoals netwerken van neuronen of de grootschalige structuur van het universum. Maar het was tegelijk alledaags en verbijsterend: het vertegenwoordigde, zoals het deed, zowel een verzameling van voornamelijk standaardlaptops als desktopcomputers die waren verbonden met servers in alledaagse kantoorparken. en een opkomende technologisch kracht die veel meer was dan de som van de delen.

Lyons eerste volledige kaart van internet, 22 november 2003. Image Credit: Het Opte-project

In 2010 heeft Lyon zijn kaart bijgewerkt met behulp van een nieuwe methode. In plaats van de traceroutes die hij in 2003 gebruikte, die niet altijd accuraat zijn, wendde hij zich tot een nauwkeuriger hulpmiddel voor het in kaart brengen van internet, genaamd Border Gateway Protocol-routeringstabellen. En nu, hij is terug met een nieuwe kaart, ook gebaseerd op BGP's van het Route Views-project van de Universiteit van Oregon. Alleen deze keer heeft hij een tijdsverloop van ongeveer 25 jaar van de explosieve groei van internet samengesteld.

Het is een betoverend, bijna organisch beeld. Maar het is ook meer dan dat.

De kleuren verwijzen naar regio's: Noord-Amerika (blauw), Europa (groen), Latijns-Amerika (paars), Azië-Pacific (rood), Afrika (oranje) en de internetbackbone (wit). De lijnen verbinden knooppunten; en de starbursts zijn internetproviders voor openbare, particuliere en overheidsnetwerken (denk aan AT&T of Comcast of het leger). Het midden is het meest verbonden gebied en de periferie het minst.

Omdat het in de loop van de tijd geanimeerd is, kunt u verschillende regio's online zien komen. Evenzo kunt u regio's aan en uit zien knipperen. Sommige landen, zoals China en Iran, blijven aan de rand hangen, met minder in- en uitgaande verbindingen. Dit, merkt Lyon op, maakt meer controle over nationale netwerken mogelijk, zoals bijvoorbeeld China's Great Firewall. Tijdens de Iraanse protesten in 2019 sloot de regering het grootste deel van het internet af - de connectiviteit daalde tot slechts vijf procent van het gemiddelde - en dit is duidelijk te zien in de visualisatie. Grote Iraanse netwerken verdwijnen gewoon.

Het meest voor de hand liggende en dramatische is hoeveel het internet is gegroeid. Er zijn nu bijna vijf miljard mensen online. De resterende paar miljard zullen waarschijnlijk in het komende decennium inloggen.

"Als ik ernaar kijk, is elk van die kleine kronkels en kronkels menselijke wezens die iets doen," vertelde Lyon onlangs Vast “Mensen gebruiken het netwerk daadwerkelijk, bouwen het netwerk, gaan letterlijk over oceanen en bergen met glasvezelkabels en graven sloten. Al dat werk wordt weerspiegeld in één momentopname. " Het is duidelijk dat er veel is veranderd sinds 1997, maar in zekere zin zijn we nog maar net begonnen.