Aplikasi Pembelajaran Mesin dan Kecerdasan Buatan yang Akan Datang di 2019 – PromptCloud

Diterbitkan: 2019-02-12
Daftar Isi menunjukkan
1. chip AI
2. Pernikahan IOT dan AI
3. Lebih banyak aplikasi Pembelajaran Mesin Otomatis
4. AI akan mengotomatiskan DevOps
5. Obat-obatan yang dipersonalisasi
6. Evolusi lebih lanjut dari asisten berbasis ML
7. Metrik yang lebih baik dari mesin yang menggunakan AI
8. Visi komputer akan membentuk masa depan pengawasan
9. Healthcare akan melihat implementasi AI lebih lanjut
10. Sistem Kredit Sosial

Tahun 2019 tidak hanya akan melihat kemajuan besar dalam AI tetapi juga aplikasi baru dan langkah-langkah tak terbayangkan yang akan mengharuskan manusia untuk kembali ke papan gambar dan mempertimbangkan kembali apakah AI adalah anugerah atau kutukan. Kami suka berpikir bahwa itu bisa sama seperti setiap kemajuan teknologi lainnya – ini tentang bagaimana kami menggunakannya. Karena itu, mari kita selami aplikasi AI dan Machine Learning yang akan datang pada tahun 2019. Aplikasi ini sebagian besar dalam tahap R&D dan belum dirilis ke publik, atau keluar untuk publik tetapi dalam tahap beta, dan belum mendapatkan bendera resmi dicabut.

1. chip AI

Ingat ketika Anda dulu memainkan game-game PC arcade sebelum Anda pindah ke konsol seperti PS4 dan Xbox? Saat memainkan game low-end, CPU (biasanya Intel atau AMD) sudah cukup tetapi saat memainkan game high-end terbaru seperti Tomb Raider dan Assassin's Creed Odyssey, Anda akan memerlukan GPU khusus (atau kartu grafis dalam istilah awam). Ini adalah chip khusus yang hanya meningkatkan pengalaman grafis Anda. Mengapa saya berbicara tentang ini? Nah, chip khusus baru akan segera diluncurkan.

Chip berkemampuan AI telah memulai debutnya di beberapa ponsel seperti iPhone XR, Huawei Honor Play, dan Galaxy Note 8. Di ponsel ini, chip AI khusus melakukan tugas berat selama fungsionalitas seperti asisten suara berbasis ML, AI -kamera pintar bertenaga dan banyak lagi. Dengan cara ini, chip AI mengurangi beban kerja prosesor utama dan menjaga ponsel agar tidak tertinggal. Tetapi chip yang diaktifkan AI di ponsel hanyalah puncak gunung es.

Google, Microsoft, Amazon, Intel, dan Facebook semuanya berinvestasi besar-besaran dalam infrastruktur khusus yang akan meningkatkan fungsionalitas berbasis AI, baik itu chip yang dapat Anda beli dan plugin atau CPU berbasis cloud yang dapat digunakan untuk pembelajaran mesin dan neural. jaringan. Berita terbaru di antaranya adalah Intel Nervana (dikembangkan oleh Intel, di mana Facebook adalah mitra pengembangan utama), Google Cloud TPU, Brainwave proyek Microsoft, dan AWS Inferentia Amazon.

Sebagian besar proyek yang disebutkan belum tersedia untuk umum atau masih dalam tahap Beta. Oleh karena itu, 2019 bisa menjadi tahun ketika proyek-proyek ini akan melihat cahaya hari, dan chip AI yang lebih kuat akan membuat aplikasi berbasis AI real-time menjadi kenyataan.

2. Pernikahan IOT dan AI

Banyak yang telah terjadi di kedua domain, tetapi implementasi yang tepat dari IoT bersama dengan solusi berkemampuan AI belum terlihat. Kasus penggunaan paling populer yang disebutkan dalam topik ini adalah menangkap data dari mobil menggunakan sensor dan menggunakan data yang dikumpulkan untuk memutuskan jumlah asuransi. Tapi sejujurnya berapa banyak perusahaan asuransi yang benar-benar menggunakan metode itu untuk menghitung jumlah premi Anda?

Banyak hal akan berubah pada 2019, dengan munculnya chip AI, layanan AI berbasis cloud yang lebih murah dan lebih baru, dan perusahaan besar yang berinvestasi di IoT dan AI. Semakin banyak perusahaan akan mengeluarkan mobil self-driving mereka, dan CES 2019 memberikan gambaran sekilas tentang seberapa baik IOT dan AI bersama-sama telah membantu perusahaan bermimpi lebih besar.

3. Lebih banyak aplikasi Pembelajaran Mesin Otomatis

Sementara Machine Learning adalah istilah yang paling dikenal, Pembelajaran Mesin Otomatis adalah sesuatu yang mungkin dikatakan masih dalam tahap Beta. Pembelajaran Mesin Otomatis mengacu pada penyelesaian tugas yang berulang melalui otomatisasi dengan menerapkan ML ke ML itu sendiri. Misalnya, katakanlah seseorang harus membersihkan data sebelum dia dapat menerapkan algoritme yang berbeda dan melihat algoritme mana yang paling cocok dengan data. Bagian pembersihan data memakan banyak waktu, dan penelitian telah menunjukkan, bahwa ini adalah proses manual yang para ilmuwan benci untuk mengulang dengan kumpulan data baru lagi dan lagi. Proses seperti ini dapat diselesaikan dengan bantuan AutoML dan 2019 akan melihat lebih banyak aplikasi seperti yang diprediksi oleh banyak orang.

4. AI akan mengotomatiskan DevOps

Layanan dan infrastruktur TI adalah masalah yang harus Anda tanggung agar bisnis Anda tetap berjalan lancar. Namun, berbagai tindakan yang dilakukan oleh personel DevOps dapat diotomatisasi, seperti pemantauan, debugging, peningkatan skala, dan banyak lagi. DevOps perlahan-lahan akan memberi jalan kepada AIOps, dan ini akan memudahkan pembuat kode sehari-hari untuk menangani prosedur dan saluran pipa tanpa perlu repot dengan penyiapan dan pemeliharaan. Berbagai makalah telah muncul yang memprediksi masa depan DevOps melalui AIOps.

5. Obat-obatan yang dipersonalisasi

Apakah Anda meminum obat tidur yang sama dengan yang digunakan tetangga Anda? Tentu saja tidak – dosisnya mungkin tidak cukup untuk Anda. Atau salah satu bahannya mungkin tidak baik untuk Anda. Atau pil mungkin tidak berpengaruh pada Anda karena alasan tertentu. Mengapa tidak ada obat yang dirancang khusus untuk Anda? Obat-obatan yang Dipersonalisasi mengikuti prosedur – pasien dianalisis, bersama dengan gaya hidup dan kebiasaannya dan baru kemudian pil dengan komposisi tertentu direkomendasikan. Dengan bantuan Proyek 100.000 Genom, Obat-obatan yang Dipersonalisasi diperkirakan akan mengalami pertumbuhan besar pada tahun 2019, meskipun obat tersebut mungkin belum tersedia untuk umum. Sejumlah konferensi besar seperti 11th International Conference on Predictive, Preventive and Personalized Medicine & Molecular Diagnostics, juga dijadwalkan tahun ini.

Pembelajaran Mesin akan membantu menganalisis data pasien untuk memutuskan obat mana yang paling cocok untuk satu obat, meninggalkan teori kuno "satu ukuran cocok untuk semua".

6. Evolusi lebih lanjut dari asisten berbasis ML

Pada tahun 2018, kami semua terpesona oleh Asisten Google yang baru dan canggih. Yang tidak terjadi adalah aplikasi komersialnya. Tapi itu bisa dilihat pada 2019. Faktanya, banyak asisten suara seperti Alexa telah mengumpulkan banyak data dari pengguna dan 2019 benar-benar dapat melihat asisten ini tumbuh jauh lebih cerdas dan seperti manusia. Asisten suara seharusnya berpindah dari ruang tamu Anda ke tempat umum, mobil Anda, sistem pengumuman, ATM, dan banyak lagi. Banyak yang bertaruh bahwa 2019 sebenarnya akan menjadi “Tahun Asisten Suara”.

7. Metrik yang lebih baik dari mesin yang menggunakan AI

Alangkah baiknya jika Anda dapat mengetahui mesin mana di pabrik Anda yang hampir aus dan perlu diperbaiki sebelum rusak dan menyebabkan hilangnya pekerjaan selama sehari?

Peralatan dan mesin industri biasanya diservis menggunakan jadwal tetap. Hal ini menyebabkan tenaga kerja yang terbuang dan risiko kegagalan peralatan yang tiba-tiba dan tidak terduga dari waktu ke waktu. Setelah sensor digunakan dengan mesin ini dan data yang dikumpulkan diumpankan ke model ML, kami bisa mendapatkan kinerja yang lebih baik dan jadwal servis yang lebih efisien.

Implementasi berikut ini adalah kreasi GE "Digital Twins" di mana model virtual dibuat untuk mesin besar. Ratusan sensor digunakan untuk memastikan bahwa mesin kembar diperbarui dengan kondisi mesin yang sebenarnya dan dengan cara ini 650.000 mesin kembar yang digunakan saat ini dikelola dan diservis. Implementasi lebih lanjut dari kembar digital diharapkan dapat diterapkan di seluruh pabrik cerdas di seluruh dunia tahun ini.

8. Visi komputer akan membentuk masa depan pengawasan

Visi dan pengawasan komputer telah menjadi kebutuhan di tempat-tempat seperti mal, bandara atau bahkan di persimpangan jalan kota. Banyak perusahaan teknologi diam-diam mengimplementasikan perangkat lunak mereka di banyak tempat di seluruh dunia untuk mengenali, melacak, dan melaporkan situasi jika diperlukan. Tapi hal-hal tidak perlu pergi sejauh itu. Bukankah luar biasa jika kamera rumah kami melihat seorang pria tak dikenal mencoba masuk dan Asisten Google memberi tahu kami tentang hal itu?

Perusahaan seperti Google banyak berinvestasi dalam visi komputer (ingat bagaimana ia meminta Anda untuk menandai gambar dengan mobil atau papan nama terkadang ketika Anda mencoba membuka situs web?), dan 2019 akan melihat lebih banyak pemain di pasar. Sistem pengawasan akan menjadi jauh lebih cepat dan pengawasan akan segera menjadi bukan hanya aliran video tetapi juga berfungsi sebagai stimulus untuk respons otomatis, berdasarkan situasi di lapangan.

9. Healthcare akan melihat implementasi AI lebih lanjut

Perawatan kesehatan telah berkembang selama bertahun-tahun dan ML telah membawa lebih banyak perubahan daripada hanya munculnya obat-obatan yang dipersonalisasi. Baru-baru ini China mengklaim telah menciptakan bayi pertama yang diedit Gen. Alat yang digunakan disebut CRISPR-CAS9, seharusnya beroperasi pada DNA untuk memasok gen yang diperlukan atau menonaktifkan gen yang menyebabkan penyakit atau penyakit. Meskipun tindakan tersebut belum dipublikasikan dalam jurnal peer-review dan kami belum memverifikasinya, kecerdasan buatan sudah digunakan untuk memprediksi perubahan genom yang mengakibatkan kanker.

Tahun ini, akan melihat aplikasi modifikasi gen yang lebih baru menggunakan AI untuk memerangi penyakit baru dan mengoptimalkan manusia. Namun, dilema etika dan hukum serta argumen di balik keajaiban medis semacam itu masih menjadi perdebatan di dunia ilmiah.

10. Sistem Kredit Sosial

Aplikasi Pembelajaran Mesin yang relatif baru yang telah diterapkan di Cina- ini adalah sistem peringkat besar yang akan memantau perilaku semua warga menggunakan kamera pengintai dan pemantau aktivitas online, sehingga memberi peringkat berdasarkan "kredit sosial" mereka .

Meskipun seharusnya sepenuhnya berdiri dan berjalan pada tahun 2020, implementasinya telah mengejutkan negara dan orang-orang diberi markup atau turun tergantung pada tindakan seperti merokok di depan umum, naik kereta tanpa tiket atau menyumbang untuk amal. Metodologi yang tepat tidak diketahui tetapi mudah-mudahan, model ML yang kuat menggunakan data dari berbagai sumber untuk memutuskan apakah akan menurunkan skor seseorang, meningkatkannya, atau membiarkannya tetap stagnan.

Apa yang terdengar seperti pemikiran dystopian dan tampak seperti sebuah episode dari Black Mirror, adalah kenyataan dari jutaan dan kita mungkin melihat penerapan sistem yang mencakup seluruh China pada akhir tahun ini. Dan sekali lagi, meskipun penerapannya sangat baru, filosofi di luarnya diperdebatkan oleh banyak orang.