Inteligência artificial

O crescimento futuro da IA e ML

Publicados

meses 2 atrás

18 de janeiro de 2021.

By Rachel Roumeliotis

Todos nós aceitamos o fato de que a inteligência artificial (IA) está transformando a forma como as empresas operam e o quanto ela pode ajudar uma empresa a longo prazo. Nos últimos anos, esse entendimento gerou um aumento nas empresas que experimentam e avaliam tecnologias de IA e que agora as estão usando especificamente em implantações de produção.

Claro, quando as organizações adotam novas tecnologias, como IA e aprendizado de máquina (ML), elas gradualmente começam a considerar como novas áreas podem ser afetadas pela tecnologia. Isso pode abranger vários setores, incluindo produção e logística, manufatura, TI e atendimento ao cliente. Uma vez que o uso de técnicas de IA e ML se torne enraizado em como as empresas funcionam e nas diferentes maneiras em que podem ser usadas, as organizações serão capazes de adquirir novos conhecimentos que as ajudarão a se adaptar às necessidades em evolução.

Ao mergulhar na plataforma de aprendizagem da O'Reilly, uma variedade de informações sobre as diferentes tendências e tópicos que os líderes de tecnologia e negócios precisam saber podem ser descobertos. Isso permitirá que eles entendam melhor seu trabalho e garantirá que seus negócios continuem a prosperar.

Nos últimos meses, analisamos o uso da plataforma pelo usuário e descobrimos os tópicos mais populares e pesquisados em IA e ML. Exploraremos algumas das descobertas mais importantes abaixo, que nos dão uma imagem mais ampla de onde está o estado da IA e do ML e, em última análise, para onde está indo.

IA ultrapassando o crescimento em ML

Em primeiro lugar, nossa análise mostrou como o interesse pela IA continua a crescer. Ao comparar 2018 com 2019, o envolvimento em IA aumentou 58% - ultrapassando em muito o crescimento no tópico de aprendizado de máquina muito maior, que aumentou apenas 5% em 2019. Ao agregar todos os tópicos de IA e ML, isso representa quase 5% de todo o uso atividade na plataforma.

Embora isso seja apenas um pouco menos do que tópicos bem estabelecidos de alto nível, como engenharia de dados (8% da atividade de uso) e ciência de dados (5% da atividade de uso), o interesse por esses tópicos cresceu 50% mais rápido do que a ciência de dados. A engenharia de dados, na verdade, diminuiu cerca de 8% ao longo do mesmo tempo, devido ao declínio no envolvimento com tópicos de gerenciamento de dados.

Também descobrimos os primeiros sinais de que as organizações estão experimentando ferramentas e métodos avançados. De nossas descobertas, o envolvimento em conteúdo de aprendizagem não supervisionado é provavelmente uma das mais interessantes. No aprendizado não supervisionado, um algoritmo de IA é treinado para procurar padrões previamente não detectados em um conjunto de dados sem rótulos ou classificação pré-existentes com supervisão ou orientação humana mínima. Em 2018, o uso de tópicos de aprendizagem não supervisionados cresceu 53% e 172% em 2019.

Mas o que está impulsionando esse crescimento? Embora os nomes de seus métodos (agrupamento e associação) e seus aplicativos (redes neurais) sejam familiares, o aprendizado não supervisionado não é tão bem compreendido quanto sua contraparte de aprendizado supervisionado, que serve como estratégia padrão para ML para a maioria das pessoas e casos de uso .

Esse aumento na atividade de aprendizagem não supervisionada provavelmente é motivado pela falta de familiaridade com o próprio termo, bem como com seus usos, benefícios e requisitos por usuários mais sofisticados que se deparam com casos de uso que não são facilmente resolvidos com métodos supervisionados.

Também é provável que o sucesso visível da aprendizagem não supervisionada em redes neurais e aprendizagem profunda tenha ajudado nosso interesse, assim como a diversidade de ferramentas de código aberto, bibliotecas e tutoriais que oferecem suporte à aprendizagem não supervisionada.

Uma Ressurreição de Aprendizado Profundo

Embora o aprendizado profundo tenha esfriado um pouco em 2019, ele ainda era responsável por 22% de todo o uso de IA e ML. Também suspeitamos que seu sucesso ajudou a estimular a ressurreição de várias outras ideias abandonadas ou negligenciadas. O maior exemplo disso é o aprendizado por reforço. Este tópico experimentou um crescimento exponencial, crescendo mais de 1,500% desde 2017.

Mesmo com as taxas de engajamento caindo 10% em 2019, o aprendizado profundo em si é um dos métodos de ML mais populares entre as empresas que estão avaliando IA, com muitas empresas escolhendo a técnica para dar suporte aos casos de uso de produção. Pode ser que o envolvimento com tópicos de aprendizagem profunda tenha estagnado porque a maioria das pessoas já está ativamente envolvida com a tecnologia, o que significa que o crescimento pode diminuir.

O processamento de linguagem natural é outro tópico que tem apresentado crescimento consistente. Embora sua taxa de crescimento não seja enorme - cresceu 15% em 2018 e 9% em 2019 - o processamento de linguagem natural é responsável por cerca de 12% de todo o uso de IA e ML em nossa plataforma. Isso é cerca de 6x a parcela de aprendizado não supervisionado e 5x a parcela de uso de aprendizado por reforço, apesar do crescimento significativo que esses dois tópicos experimentaram nos últimos dois anos.

Nem todos os métodos de AI / ML são tratados igualmente. Por exemplo, o interesse em chatbots parece estar diminuindo, com envolvimento diminuindo 17% em 2018 e 34% em 2019. Isso provavelmente ocorre porque os chatbots foram uma das primeiras aplicações de IA e provavelmente é um reflexo da maturidade relativa de seu inscrição.

O crescente envolvimento na aprendizagem não supervisionada e na aprendizagem por reforço demonstra que as organizações estão experimentando ferramentas e métodos analíticos avançados. Essas ferramentas e técnicas abrem novos casos de uso para as empresas experimentarem e se beneficiarem, incluindo suporte à decisão, jogos interativos e mecanismos de recomendação de varejo em tempo real. Podemos apenas imaginar que as organizações continuarão a usar IA e ML para resolver problemas, aumentar a produtividade, acelerar processos e fornecer novos produtos e serviços.

Conforme as organizações adotam tecnologias analíticas, elas estão descobrindo mais sobre si mesmas e seus mundos. A adoção do ML, em particular, leva as pessoas em todos os níveis de uma organização a começar a fazer perguntas que desafiam o que uma organização pensa que sabe sobre si mesma.

Com ML e IA, estamos treinando máquinas para trazer à tona novos objetos de conhecimento que nos ajudam enquanto aprendemos a fazer perguntas novas, diferentes e às vezes difíceis sobre nós mesmos. Ao que tudo indica, parece que estamos tendo algum sucesso com isso. Quem sabe o que o futuro reserva, mas à medida que as tecnologias se tornam mais inteligentes, não há dúvida de que nos tornaremos mais dependentes.

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

Tópicos relacionados:2019 Adoção AI algoritmo Todos entre análise analítica Inscrição aplicações por aí inteligência artificial Inteligência artificial (AI)O maior negócio negócios casos desafiar chatbots classificação Empresas conteúdo continuar Atendimento ao Cliente dados gestão de dados Ciência dados conjunto de dados aprendizagem profunda descoberto Diversidade dirigido condução Cedo de som magistral experimentar FinTech Nome função futuro Jogos Cresça:Crescente Crescimento Como HTTPS enorme Incluindo Crescimento informação Inteligência interativo interesse IT Trabalho conhecimento Etiquetas língua APRENDA aprendizagem leve logística longo aprendizado de máquina máquinas gestão fabrico ML mês mais Popular nomes Linguagem Natural processamento de linguagem natural redes Neural redes neurais novos produtos aberto open source Organizações Outro Pessoas fotografia plataforma Populares Produção produtividade Produtos alcance Preços em tempo real aprendizagem de reforço Requisitos varejo Ciência Setores Serviços conjunto Compartilhe Sinais RESOLVER começo Estado Estratégia sucesso aprendizagem supervisionada ajuda superfície surge tecnologia Tecnologias Tecnologia tempo Temas Treinamentos Tendências tutoriais aprendizado não supervisionado us usuários QUEM anos

A seguir

Como o espelhamento da arquitetura do cérebro humano está acelerando o aprendizado de IA

Não Perca

O governo dos EUA cria o National Artificial Intelligence Initiative Office no último minuto antes do fim da presidência de Trump

Leia mais

AI

Serviço de verificação de ID digital IDnow adquire identidade Trust Management AG, um provedor global de software de ID da Alemanha

Publicados

11 horas atrás

Março 7, 2021

Republicado por Platão

IDnow, um provedor de verificação de identidade como serviço soluções, estaremos adquirindo Gestão de confiança de identidade, um fornecedor global de software de verificação de identidade digital e offline da Alemanha.

A IDnow confirmou que continuará a manter a identidade da Trust Management na localização de Düsseldorf e também manterá seus funcionários.

O aquisição of Identity Trust Management deve ajudar a IDnow a expandir-se ainda mais para novos setores, ao mesmo tempo que oferece seus serviços a uma base de clientes maior e potencialmente mais diversificada na Alemanha e em outras áreas.

O portfólio de produtos combinados terá como objetivo fornecer métodos abrangentes de verificação de identidade, variando de automatizado a assistido por humanos e de ser puramente online a ponto de venda. Todos esses métodos de verificação de ID estarão acessíveis por meio da plataforma IDnow.

A Identity Trust Management estabeleceu suas operações na indústria de identidade da Alemanha durante os últimos 10 anos, com uma sólida reputação e carteira de clientes focada em telecomunicações e serviços de seguros.

Andreas Bodczek, CEO na IDnow, afirmou:

“Identity Trust Management AG construiu uma empresa impressionante em termos de portfólio de produtos e relacionamento com o cliente. Conhecemos a equipe de liderança há anos e estabelecemos uma parceria baseada em uma profunda lealdade e compreensão mútua. Estamos entusiasmados em dar as boas-vindas à talentosa equipe da Identity Trust Management AG para a família IDnow e esperamos combinar os pontos fortes de ambas as empresas para criar uma marca unificada e líder de mercado. ”

Uwe Stelzig, CEO da identidade Trust Management AG, observou:

“Esta combinação une o poder da tecnologia inovadora da IDnow com o conjunto diversificado de recursos da Trust Management AG de identidade para criar uma plataforma de verificação de identidade diferenciada. Juntos, estaremos bem posicionados para alcançar nossa visão conjunta de fornecer aos clientes uma solução única e única para verificação de identidade. ”

Esta é a segunda aquisição da IDnow nos últimos 6 meses após a da Wirecard Communication Services em setembro do ano passado.

As coberto em dezembro de 2020, o Banco Europeu de Investimento (EIB) decidiu fornecer € 15 milhões de financiamento de crescimento para a plataforma de verificação de identidade com sede na Alemanha, IDnow. Fundada em 2014, a IDnow cobre uma ampla gama de casos de uso em setores regulamentados na Europa e para modelos de negócios digitais totalmente novos em todo o mundo.

A plataforma permite que o fluxo de identidade seja adaptado a diferentes requisitos regionais, legais e de negócios com base no caso de uso.

Conforme explicado pela equipe IDnow:

“O IDnow usa Inteligência Artificial para verificar todos os recursos de segurança em documentos de identidade e pode, portanto, identificar documentos falsificados de forma confiável. Potencialmente, as identidades de mais de 7 bilhões de clientes de 193 países diferentes podem ser verificadas em tempo real. Além da segurança, o foco está em uma aplicação descomplicada para o cliente. Alcançando cinco de cinco estrelas no portal de classificação de clientes Trustpilot, a tecnologia IDnow é particularmente fácil de usar. ”

Checkout PrimeXBT
Negocie com os Parceiros CFD Oficiais do AC Milan
A maneira mais fácil de negociar criptografia.
Fonte: https://www.crowdfundinsider.com/2021/03/172910-digital-id-verification-service-idnow-acquires-identity-trust-management-ag-a-global-provider-of-id-software- da Alemanha/

Leia mais

AI

Como o aprendizado de máquina está sendo aplicado ao desenvolvimento de software

Publicados

16 horas atrás

Março 7, 2021

Republicado por Platão

Quando Elon Musk propôs a ideia de veículos autônomos, todos presumiram que fosse um sonho hipotético e nunca o levaram a sério. No entanto, os mesmos veículos estão agora nas estradas, sendo um dos carros mais vendidos nos Estados Unidos.

Os aplicativos de inteligência artificial e aprendizado de máquina são visíveis em todas as áreas, desde o Google Fotos em seu smartphone até o Alexa da Amazon em sua casa, e o desenvolvimento de software não é exceção. A IA já mudou a maneira como os desenvolvedores de aplicativos iOS e Android trabalham.

O aprendizado de máquina pode aprimorar a forma como um ciclo de desenvolvimento de software tradicional funciona. Ele permite que um computador aprenda e se aprimore com as experiências sem a necessidade de programação. O único objetivo da IA e do ML é permitir que os computadores aprendam automaticamente.

Além disso, sendo um desenvolvedor de software, você pode precisar especificar detalhes minuciosos para que seu computador saiba o que ele deve fazer. O desenvolvimento de software integrado ao aprendizado de máquina pode ajudar você a fazer uma diferença significativa em sua experiência de desenvolvimento.

Machine Intelligence é a última invenção que a humanidade precisará fazer!

Quando se trata de como o aprendizado de máquina e a IA ajudam os desenvolvedores, só o céu é o limite. De forma ainda mais ampla, a IA sempre transformou todos os setores em que entrou. Aqui está um resumo rápido de estatísticas que transmitem o mesmo:

Como os números declararam, a inteligência artificial e o aprendizado de máquina certamente estão transformando o mundo, e a indústria de desenvolvimento não é exceção. Vamos dar uma olhada em como ele pode ajudá-lo a escrever código perfeito, implantar e corrigir bugs.

IA e ML no desenvolvimento - como isso beneficia os desenvolvedores de software?

Se você é uma pessoa que trabalha como desenvolvedor de aplicativos Android ou alguém que escreve códigos para viver, você deve estar se perguntando o que a IA oferece para você. Veja como os desenvolvedores podem aproveitar os recursos de aprendizado de máquina e IA:

1. Implementação controlada do código

As tecnologias de IA e de aprendizado de máquina ajudam a aumentar a eficiência das atividades de implantação de código exigidas no desenvolvimento. No espectro de desenvolvimento, os mecanismos de implantação incluem uma fase de desenvolvimento em que você precisa atualizar seus programas e aplicativos para uma versão mais recente.

No entanto, se você não conseguir executar o processo adequadamente, terá que enfrentar vários riscos, incluindo a corrupção do software ou do aplicativo. Com a ajuda da IA, você pode evitar facilmente essas vulnerabilidades e atualizar seu código com facilidade.

2. Identificação de bugs e erros

Com os avanços em inteligência artificial, a experiência de codificação está ficando ainda melhor e aprimorada. Ele permite que os desenvolvedores identifiquem facilmente os bugs em seu código e os corrijam instantaneamente. Eles não precisam mais ler seu código, repetidamente, para encontrar possíveis falhas em seu código.

Vários algoritmos de aprendizado de máquina podem testar automaticamente seu software e sugerir alterações.

As ferramentas de teste com tecnologia de IA certamente economizam muito tempo para os desenvolvedores e os ajudam a entregar seus projetos com mais rapidez.

3. Armazenamento seguro de dados

Com a transferência cada vez maior de dados de várias redes, os especialistas em segurança cibernética costumam achar complexo e opressor monitorar todas as atividades que ocorrem na rede. Devido a isso, pode haver uma ameaça ou violação que pode passar despercebida, sem produzir nenhum alerta.

No entanto, com os recursos de inteligência artificial, você pode evitar problemas como avisos atrasados e ser notificado sobre bugs em seu código o mais rápido possível. Essas ferramentas reduzem gradualmente o tempo que uma empresa leva para ser notificada sobre uma violação.

4. Tomada de decisão estratégica e prototipagem

É um hábito de um desenvolvedor percorrer uma lista extensa e interminável do que precisa ser incluído em um projeto ou código que está fazendo. No entanto, as soluções tecnológicas impulsionadas pelo aprendizado de máquina e IA são capazes de analisar e avaliar o desempenho dos aplicativos existentes.

Com a ajuda dessa tecnologia, os líderes de negócios e engenheiros podem trabalhar em uma solução que reduza o risco e maximize o impacto. Usando linguagem natural e interfaces visuais, os especialistas em domínio técnico podem desenvolver tecnologias com mais rapidez.

5. Aprimoramento de habilidades

Para continuar evoluindo com a tecnologia que está por vir, você precisa evoluir com o avanço da tecnologia. Para os caloiros e jovens desenvolvedores, as ferramentas baseadas em IA os ajudam a colaborar em vários programas de software e compartilhar ideias com outros membros da equipe e idosos para aprender mais sobre a linguagem de programação e o software.

Palavras de despedida

Embora o aprendizado de máquina e a IA simplifiquem várias tarefas e atividades relacionadas ao desenvolvimento de software, isso não significa que testadores e desenvolvedores perderão seus empregos. Um desenvolvedor de aplicativos Android contratado ainda escreverá códigos em um ambiente mais rápido, melhor e mais eficiente, com suporte de IA e aprendizado de máquina.

Identificações

Junte-se ao Hacker Noon

Crie sua conta gratuita para desbloquear sua experiência de leitura personalizada.

Checkout PrimeXBT
Negocie com os Parceiros CFD Oficiais do AC Milan
A maneira mais fácil de negociar criptografia.
Fonte: https://hackernoon.com/how-machine-learning-and-ai-are-helping-developers-6g2s33w6?source=rss

Leia mais

Inteligência artificial

Transformadores Adversariais Generativos: Usando GANsformers para Gerar Cenas

Publicados

1 dias atrás

Março 7, 2021

Republicado por Platão

@whatsaiLouis Bouchard

Eu explico os termos e notícias da Inteligência Artificial para não especialistas.

Eles basicamente alavancam o mecanismo de atenção dos transformadores na poderosa arquitetura StyleGAN2 para torná-la ainda mais poderosa!

Assista o vídeo:

[Conteúdo incorporado]

Capítulos:
0:00Ei! Toque no botão Polegar para cima e Inscreva-se. Você aprenderá muitas coisas legais, eu prometo.
0:24Tradução de texto para imagem
0:51Exemplos
5:50Conclusão

Referências

Papel: https://arxiv.org/pdf/2103.01209.pdf
Código : https://github.com/dorarad/gansformer
Referência completa:
Drew A. Hudson e C. Lawrence Zitnick, Generative Adversarial Transformers, (2021), publicado em Arxiv., Resumo:

“Apresentamos o GANsformer, um novo e eficiente tipo de transformador, e o exploramos para a tarefa de modelagem geradora visual. A rede emprega uma estrutura bipartida que permite interações de longo alcance em toda a imagem, enquanto mantém a computação de eficiência linear, que pode ser facilmente escalonada para uma síntese de alta resolução. Ele propaga iterativamente informações de um conjunto de variáveis latentes para os recursos visuais em evolução e vice-versa, para apoiar o refinamento de cada um à luz do outro e encorajar o surgimento de representações composicionais de objetos e cenas. Em contraste com a arquitetura clássica do transformador, ele utiliza integração multiplicativa que permite uma modulação flexível baseada na região e, portanto, pode ser visto como uma generalização da rede StyleGAN de sucesso. Demonstramos a força e a robustez do modelo por meio de uma avaliação cuidadosa de uma gama de conjuntos de dados, de ambientes simulados de vários objetos a ricas cenas internas e externas do mundo real, mostrando que ele atinge resultados de ponta em termos de qualidade e diversidade de imagem enquanto aproveita o aprendizado rápido e melhor eficiência de dados. Outros experimentos qualitativos e quantitativos nos oferecem uma visão do funcionamento interno do modelo, revelando melhor interpretabilidade e maior desemaranhamento, e ilustrando os benefícios e a eficácia de nossa abordagem. Uma implementação do modelo está disponível em https://github.com/dorarad/gansformer.

Transcrição de vídeo

Observação: esta transcrição é gerada automaticamente pelo Youtube e pode não ser totalmente precisa.