Video: Eyes on the Skies (Full movie) (Oktober 2024)
Kunstig intelligens og maskinlæring er varme temaer på hver teknologikonferanse jeg går til, og den nylige DLD NYC-konferansen var intet unntak.
Ramin Assadollahi fra ExB Group, et tysk selskap som arbeider med kognitiv databehandling innen helsevesen, fokuserte på en rekke måter nye datateknikker kan hjelpe oss å lære "hvordan leges med programvare." Han tok for seg mange av begrepene som kastes rundt i dag, og bemerket at AI ikke trenger å være kognitiv databehandling, kognitiv databehandling ikke trenger å være maskinlæring, og big data er en helt egen sak.
Assadollahi fokuserte på måter AI kunne forbedre medisinfeltet. Han bemerket at en patolog som ser på vevsdata, typisk ser 200 000 prøver i løpet av arbeidstiden sin, men med dyp læring og moderne grafikkort kan et datasystem behandle så mange om to uker. Han sa at med 100 prøver kan et system være like bra som et menneske. Tilsvarende, sa han, kan et datasystem innta 28.000 tekniske artikler per dag, mens et menneske kanskje bare leser rundt 4000 slike artikler i hele sitt arbeidsliv.
Han sa at en AI som kunne forstå enkeltceller på molekylært nivå, kan bidra til å designe bedre medisiner, og programvare som kan hjelpe med å finne ut hvilke medisiner som passer sammen med andre, kan være en livredder, da ugunstige legemiddelinteraksjoner dreper 100, 00 mennesker i året. Hans selskap tar for seg hele helsekontinuumet - leger, forskere, farmasøyter og pasienter - med fokus på å "bryte opp siloene." Totalt sett sa han at AI ikke vil drepe jobber, ettersom antallet personer som er involvert i omsorg vokser. Det vil ikke erstatte legen, sa han, men vil i stedet gjøre at legen kan tilbringe mer tid med pasienter.
David Kenny, som nå driver Watson-gruppen for IBM, snakket om big data og potensialet for dyp læring i en rekke applikasjoner. Kenny var administrerende direktør i The Weather Company før IBM kjøpte det selskapet; det er verdens største leverandør av værdata. Han sa at TWC utviklet en app designet for å kartlegge atmosfæren slik Google prøvde å kartlegge jorden, ved å bruke en kombinasjon av IoT (Internet of Things) -teknologi, værinformasjon og nettsky-databehandling for å samle værinformasjon på 2, 2 milliarder steder.
Hos Watson, sa han, er han interessert i tre store områder for algoritmer og programvare: menneskelig interaksjon, som syn, syn og tale; dyp læring og maskinlæring for å støtte slike interaksjoner; og resonnement. Han sa at Watson involverer tusenvis av mennesker over hele IBM fra forskningslaboratorier til salg og service.
På noen måter, sa Kenny, er Watson annerledes enn andre forstyrrende virksomheter, fordi det krever mye kunnskap, og etablerte selskaper som har kunnskap kan øke raskere enn oppstart. Han sa at oversettelse og menneskelig interaksjon ble bedre, men at han fremdeles hadde måter å gå, og at mye av det folk bruker Watson til er å lage samtale "bots".
Han sa å forstå samtaler var vanskelig på grunn av de forskjellige tonene, aksentene og nyansene folk bruker når de kommuniserer. "Hver måned blir det bedre, " sa han, med programvaren som ble brukt til å forstå tale som nå hadde en feilprosent på 6, 9 prosent, ned fra 10 prosent for tre måneder siden. Til sammenligning, sa han, er den menneskelige feilprosenten 4 prosent. Han sa at han var optimistisk når programvaren kan nærme seg den menneskelige feilfrekvensen i løpet av et år.
Kenny hevder IBM har en annen tilnærming enn konkurrentene. Andre selskaper jobber ofte med sentralisert AI, men IBM jobber med en rekke klienter som ønsker å bygge sine egne private versjoner av Watson, ved å bruke sin egen immaterielle eiendom eller "kunnskapsgrafer." Han bemerket at 80 prosent av verdens data ikke går på Internett - ting som røntgenbilder, helsejournaler og bankkontoer.
