Maschinelles Lernen – Emerging Technologies Newsletter – 14. August 2018

Maschinelles Lernen – Newsletter – 9. August 2018

In den letzten Monaten schien es mir eindeutig unmöglich zu sein, die KI auf dem Laufenden zu halten. Die Dinge bewegen sich zu schnell. In jeder Branche werden Algorithmen darauf trainiert, Muster zu erkennen und auf die Eingabe zu reagieren, um eine bestimmte Ausgabe zu erzeugen . Mit diesem Basiskonstrukt können Chatbots menschlicher klingen und einen besseren Kundenservice bieten. In Indien hat ICICI, eine große Bank, die Zeit für die Beantwortung ihrer Kundenfragen zur Überweisungsbehandlung von 12 Stunden (die Zeit, die ein menschlicher Mitarbeiter benötigt, um die Anfrage zu empfangen, zu lesen und zu bearbeiten) auf „Echtzeit“ verkürzt. Für die Diaspora im Ausland, die sich Sorgen um ihre Familie macht, ist dies eine große Quelle der Befriedigung. Der Algorithmus hier lindert tatsächlich den Schmerz des Menschen.

In dieser Ausgabe befassen wir uns mit Darpas letztem Aufruf für Papiere, Bildung, Sicherheit, Bauwesen und Transportwesen (zwei Bereiche, die in der Annahme zurückgeblieben sind) und Gesundheitswesen.

DARPA möchte die Menge an beschrifteten Daten reduzieren, die zum Trainieren genauer Modelle erforderlich sind
Die Verfügbarkeit leicht umsetzbarer Daten ist ein Haupthindernis für den Einsatz von maschinellem Lernen in Fragen der nationalen Sicherheit. Darüber hinaus reagieren vorhandene Frameworks äußerst empfindlich auf den Datentyp und bleiben bis zur Ineffizienz zurück, wenn Parameter geändert oder ein Datenpunkt hinzugefügt wird. Dies ist ein echtes Problem für Intelligence-Anwendungen, die vielseitige Systeme benötigen , die schnell trainiert werden können und in der Lage sind, bei Bedarf umprogrammiert oder umgeschult zu werden, wenn sich die Situation ändert. DARPA bittet um innovative Forschungsvorschläge im Bereich des maschinellen Lernens und der künstlichen Intelligenz.
Laut der Aufforderung zur Einreichung von Beiträgen: Die vorgeschlagene Forschung sollte innovative Ansätze untersuchen, die revolutionäre Fortschritte in Wissenschaft, Geräten oder Systemen ermöglichen. Eingereichte Arbeiten müssen einen Schritt weiter gehen als allgemein bekannt. Da DARPA gezielt Forschung ausschließen will, führt dies in erster Linie zu evolutionären Verbesserungen des bestehenden Praxisstandes.

Quelle: Pydata

Ziel dieses Programms ist es , den Prozess des Trainings von Modellen für maschinelles Lernen effizienter zu gestalten, indem die zum Erstellen eines Modells erforderliche Menge an beschrifteten Daten um sechs oder mehr Größenordnungen und die zum Anpassen von Modellen erforderliche Menge an Daten verringert wird neue Umgebungen zu Dutzenden von etikettierten Beispielen.

Die Sicherheit ist jetzt mit AI-basierter Malware konfrontiert
Wir wussten, dass KI irgendwann dazu verwendet wird, „intelligente“ Viren und Malware zu erstellen. Es ist offiziell geschehen, als IBM DeepLocker vorstellte. „DeepLocker- Malware unterscheidet sich grundlegend von jeder anderen uns bekannten Malware. Es verwendet KI, um eine bösartige Anwendung in harmlosen Nutzdaten zu verbergen “, sagte Marc Ph. Stoecklin, leitender Forschungswissenschaftler und Manager von Cognitive Cybersecurity Intelligence bei IBM Research, gegenüber eWEEK. “Mit AI können wir den Zustand, in dem die böswillige Nutzlast freigeschaltet wird, verbergen und verbergen, was ein Reverse Engineering nahezu unmöglich macht.”

Quelle: Eweek

Ziel ist es, Unternehmen dabei zu unterstützen, die Entstehung dieser neuen Bedrohungen zu verstehen und sie auf die neue Generation von Malware vorzubereiten.

Die Konstruktion ist immer noch manuell, aber KI kann zur Sicherheit der Arbeiter beitragen

Eine der handwerklichsten Industrien der Welt ist das Baugewerbe. Ich lebe auf einer Baustelle und bin erstaunt, wie sehr der Prozess noch immer vollständig von Menschen oder von Menschen betriebenen Maschinen abhängt. Von der Ausgrabung über das Fundament bis zum eigentlichen Gebäude wird alles manuell erledigt . Jede Eisenstange, die den Anker des Gebäudes bilden wird, wurde von Menschenhand angebracht, jede Betonplatte, jede Decke und jeder Boden, jede Wand wurde von Menschenhand gebaut . Maschinen werden eingesetzt. Ja, um den Zement vor dem Trocknen zu glätten, schwere Säcke mit Schmutz von der Baustelle zu entfernen, zu bohren, zu schneiden usw. Aber es gibt keine Automatisierung . Nichts ist automatisiert. Es ist eine enorme Herausforderung für die Bauindustrie. Trotz des gegenwärtigen Zustands suchen Unternehmen nach Möglichkeiten, eine Art Datenanalyse in den Prozess einzubringen . Suffolk liefert einen Algorithmus mit Bildern von Baustellen, Unfallberichten und jahrelangen Daten, um gefährliche Arbeitsbedingungen vorherzusagen und Arbeitsunfälle zu vermeiden.

Quelle: progressiverailroading

Der Transport mit der Bahn ist reif für neue Technologien
Züge in den USA sind im Vergleich zu ihren europäischen und asiatischen Pendants bekanntermaßen Low-Tech-Züge. Trotz der Unermesslichkeit des Territoriums gibt es keine Hochgeschwindigkeitszüge, und die Regulierung ist ein Haupthindernis für die Einführung neuer Technologien. Das ändert sich langsam. Norfolk Southern entwickelt aufstrebende Technologien, mit denen die Festigkeit von Ersatzteilen gemessen, verspätete Züge prognostiziert und die Standorte von Zügen besser bestimmt werden sollen. Mit maschinellem Lernen, Predictive Analytics und Sensoren für das Internet der Dinge entwickelt das Unternehmen eine Reihe von Tools, um die Züge des Südens in die Zukunft zu treiben.
NS hat p rediktive Modelle entwickelt, um vorherzusagen, wann die Gleiskurven ersetzt werden müssen . Mit maschinellem Lernen, künstlicher Intelligenz und Datenpunkten, die mit Geräten auf der Strecke gesammelt wurden, erstellte das Unternehmen Algorithmen, mit denen der Verschleiß der Strecke über einen Zeitraum von fünf Jahren genau vorhergesagt werden kann. Mithilfe von Predictive Analytics können Manager Reparaturen und Wartungen jetzt besser planen und Ausfallzeiten reduzieren.

Gesundheitswesen
Für die Ärzte ist es ein großer Fortschritt, die Suche in der Notaufnahme mit Hilfe der Bilderkennung zu unterstützen . Aidoc, das 2-jährige israelische (AI) -getriebene Radiologieunternehmen, hat die Genehmigung der US-amerikanischen Gesundheitsbehörde (Food and Drug Administration) für ein Deep-Learning-Tool erhalten, mit dem bestimmte Blutungen anhand von Bildern des Gehirns identifiziert werden können . Die Technologie untersucht CT-Scans auf Anzeichen einer akuten intrakraniellen Blutung und hilft Radiologen bei der Workflow-Triage.

Bildung
KI-Anwendungen verbessern jetzt die Ausbildung. Beim Online-Lernen verwenden Post-Secondary-Anbieter wie Coursera, Udacity und edX maschinelles Lernen, um die Ausrichtung, Kurse und Support-Services zu verbessern. Premium-Inhalte und kuratierte Open-Content-Anbieter setzen zunehmend maschinelles Lernen ein, um die nächstbeste Lektion anzubieten .
Es überrascht nicht, dass Technologie-Giganten die Gelegenheit nutzen, ihre eigenen Inhalte zu diesem Thema anzubieten. Erst Google und jetzt Facebook. Facebook hat sechs Videokurse zum Unterrichten von maschinellem Lernen veröffentlicht. Es wird als Facebook-Leitfaden für maschinelles Lernen bezeichnet. Der Kurs besteht aus 8 bis 10-minütigen Videos, die Folgendes umfassen: Problemdefinition, Daten, Bewertung, Funktionen, Modell und Experimentieren. Und während Sie dort sind, werfen Sie einen Blick auf die FB-Forschungswebsite. Tatsächlich handelt es sich um eine beeindruckende Sammlung von Forschungsarbeiten, die eine unglaublich große Anzahl von Themen abdecken, von Sicherheit und Fotoerkennung bis hin zur Beschreibung von Bildern für Sehbehinderte. Sehr empfehlenswert!’

Musik / Kunst

Quelle: Youtube

Der Komponist für elektronische Musik Aphex Twin und Digital Creative Weirdcore haben sich bei Aphexs neuestem Musikvideo zusammengetan. Es heißt T69 Collapse. Weirdcore verwendete Transfusion AI, um Bilder zusammenzufügen und ein drittes zu erstellen . Denken Sie an Google Deep Dream Generator. Wenn Sie mit der Arbeit von Aphex Twin vertraut sind, werden Sie den Klang und die Bildsprache der Neuankömmlinge erkennen. Dies ist das perfekte Beispiel für eine Technologie, die Kreativität fördert .

Diese Woche im maschinellen Lernen:
– 71% der Unternehmen werden in den nächsten fünf Jahren mehr Geld für Daten ausgeben
– Wir müssen wirklich eine gemeinsame Basis haben, damit dieses Feld Fortschritte macht
Künstliche Intelligenz verspricht, die Einstellung zu einer unvoreingenommenen Utopie zu machen
– Root AI, die sich auf Indoor-Landwirtschaft konzentriert, hat eine Finanzierung von 2,3 Mio. USD eingeworben.
– 46% der Unternehmen planen, mehr Mitarbeiter einzustellen als vor der Einführung neuer Technologien

Vielen Dank

Melvin Manchau ist ein Unternehmensberater, der auf Geschäftstätigkeit, Technologie und Strategie für Finanzinstitute spezialisiert ist. Die hier geäußerten Ansichten sind seine.