Искусственный интеллект или «рукотворный мозг» в настоящее время реформирует отрасль.
Что такое наука о данных?
Наука о данных находится между дисциплинарной областью, которая использует логические стратегии, циклы, расчеты и рамки для извлечения информации и опыта из многочисленных базовых и неструктурированных данных. Информатика отождествляется с добычей информации, искусственным интеллектом и большой информацией.
Информатика — это «идея связать воедино измерения, исследование информации и связанные с ними методы», чтобы «постичь и исследовать настоящие чудеса» с помощью информации. Он использует стратегии и предположения, взятые из различных областей в рамках арифметики, измерений, разработки программного обеспечения, информации о местности и науки о данных. Победитель гранта Тьюринга Джим Грей рассматривал информатику как «четвертое мировоззрение» науки (точное, гипотетическое, вычислительное и теперь основанное на информации) и заявлял, что «все в науке меняется в результате прямого результата инноваций в области данных» и информации. буря.
Что такое ИИ (искусственный интеллект)?
Искусственный интеллект (ИИ) — это область разработки программного обеспечения, посвященная решению психологических проблем, обычно связанных с человеческим пониманием, например, обучение, критическое мышление и признание примеров. Искусственный интеллект, часто сокращаемый как «ИИ», может указывать на механическую технологию или передовые сцены, ИИ хорошо работает, пройдя мимо роботов из научной фантастики, в поддающуюся проверке современную прогрессивную разработку программного обеспечения. Педагог Педро Домингос, видный ученый в этой области, описывает «пять кланов» ИИ, включая символистов, с отправными точками в обосновании и рассуждениях; коннекционисты из неврологии; революционеры, отождествляющие себя с наукой о развитии; Байесовцы, привлеченные пониманием и правдоподобием; и аналогичен причинам в исследованиях мозга. В последнее время прогресс в эффективности фактических расчетов побудил байесовцев плодотворно продвигать эту область в различных регионах под названием «ИИ». По сути, продвижение расчетов в сети побудило коннекционистов создать подполе под названием «глубокое обучение». AI (ML) и углубленное обучение (DL) — это области разработки программного обеспечения, которые произошли от порядка искусственного интеллекта.
В целом эти стратегии делятся на «направленные» и «неуправляемые» процедуры обучения, «управляемые» используют подготовку информации, которая включает в себя идеальный результат, а «соло» использует подготовку информации без идеального результата.
Искусственный интеллект становится «более проницательным» и быстрее обучается с большим объемом информации, и организации последовательно производят это топливо для запуска ИИ и углубленных механизмов обучения, независимо от того, собирались ли они или отделялись от центра распространения информации, такого как Amazon Redshift, проверенного на практике через интенсивность «группы» с помощью Механического Турка или мощного майнинга через Kinesis Streams. Кроме того, с появлением Интернета вещей сенсорные инновации экспоненциально увеличивают количество анализируемой информации — информации из источников и мест, предметов и функций, которые еще недавно были почти безупречными.
Что такое машинное обучение?
Машинное обучение — это название, которое регулярно применяется к различным байесовским процедурам, используемым для подтверждения дизайна и обучения. По своей сути машинное обучение представляет собой набор вычислений, которые могут извлекать выгоду из записанной информации и делать ожидания зависимыми от нее, повышать заданную производительность утилиты в условиях уязвимости, извлекать скрытые структуры из информации и группировать информацию в краткие изображения. Машинное обучение часто применяется там, где однозначное программирование чрезмерно жестко или нелогично. Вовсе не так, как обычный код для ПК, который создается инженерами-программистами, чтобы попытаться создать явный программный код, зависящий от предоставленной информации, ИИ использует информацию для создания фактического кода (модель машинного обучения), который даст «правильный результат». ввиду примера, воспринятого из прошлых случаев информации (и доходности, благодаря направленным стратегиям). Точность модели машинного обучения зависит в первую очередь от качества и количества достоверной информации.
Имея правильную информацию, модель ML может исследовать многомерные проблемы с миллиардами моделей, чтобы найти идеальную емкость, которая может предсказать результат с данной информацией. Модели машинного обучения обычно могут давать измеримую уверенность в ожиданиях, как и в его общей демонстрации. Такие оценочные баллы важны при выборе, если вы собираетесь использовать модель ML или какие-либо индивидуальные ожидания.
Что такое глубокое обучение?
Глубокое обучение — это часть машинного обучения, которая включает многоуровневые вычисления с конечной целью улучшить понимание информации. Расчеты на данный момент не ограничиваются разумным расположением связей, как это было бы более существенным рецидивом. Скорее, глубокое обучение зависит от этих слоев непрямых вычислений, чтобы сделать соответствующие изображения, которые ассоциируются в зависимости от последовательности переменных. Учитывая огромные механизмы подготовки информации, расчеты глубокого обучения начинают иметь возможность распознавать связи между компонентами. Эти связи могут быть между формами, оттенками, словами, и это только верхушка айсберга. Исходя из этого, структуру можно будет использовать для прогнозирования. Внутри ИИ и компьютеризированных рассуждений интенсивность глубокого восприятия возникает из-за того, что структура имеет возможность различать большее количество связей, чем люди могли бы для всех намерений и целей закодировать в программировании, или связи, которые люди могут не увидеть. После соответствующей подготовки это позволяет организовать расчеты, чтобы начать делать прогнозы или понимать сложную информацию.
Несмотря на то, что ИИ когда-то был частью «интересной, но далекой» тематической области рынка, лучшие акции искусственного интеллекта, которые можно купить сегодня, используют такие стратегии, как машинное обучение и нейронные сети, в качестве центральной части своего бизнеса. Очень многие клиенты сотрудничают с ИИ напрямую или окольными путями в повседневной работе с помощью помощников, инноваций в области распознавания лиц, игровых платформ, чат-ботов, приложений для планирования и большого количества других программ. Учитывая все обстоятельства, это только первые возможности, и потенциал выгоды территории трудно преувеличить. От крупных технологических игроков до программных платформ нового поколения и продвинутых производителей микросхем — вот 5 организаций ИИ, делающих большие ставки на ИИ.
Алфавит (GOOG, GOOGL)
Alphabet, родительская компания Google, имеет в основном экзистенциальный энтузиазм по поводу интенсивного внедрения искусственного интеллекта. Google использует искусственный интеллект и машинное обучение для роботизации множества основных элементов своего бессвязного программирования: релевантные результаты поиска, распознавание речи, технология автономного вождения, ценообразование на рекламу, программное обеспечение для личных помощников и многое другое. Немалая часть оценки Alphabet, которая обычно составляет 1 триллион долларов, зависит от поддержания и улучшения этих администраций. Поскольку многочисленные очевидцы верят, что ИИ может стать чемпионом, который принесет домой всю славу рынка, у GOOG есть активы, вдохновение и опыт, чтобы победить, что, несомненно, сделает его выдающимся среди других акций ИИ для покупки. В конце 2019 года Google заявила, что добилась «квантовой несравнимости» со своим процессором Sycamore, поняв вычисление за 200 секунд, на которое у самого быстрого суперкомпьютера в мире ушло бы 10 000 лет. Пока не будет продемонстрировано что-то еще, это может сделать GOOG самой энергичной ИИ-организацией на планете.
Альтерикс (AYX)
Компания Alteryx из Ирвина, штат Калифорния, является новичком среди лучших организаций ИИ, и она определенно остается незамеченной по сравнению со значительным количеством крупных компаний в этом обзоре. Тем не менее, продукт AYX — незаменимый инструмент для внедрения ИИ; его элементы позволяют исследователям информации и систематическим экспертам объединяться друг с другом, чтобы находить информацию, основанную на знаниях, и отправлять новый код ИИ. Экспертные эксперты ожидают, что в 2020 г. рост прибыли составит около 20%, а в 2021 г. — 30%. К счастью, в настоящее время организация работает продуктивно, и эксперты ожидают, что организация SaaS будет публиковать значительный совокупный рост доходов более чем на 40% каждый год. года в течение следующих пяти лет.
Корпорация Майкрософт (MSFT)
Несмотря на это, самые значимые технологические организации на планете вкладывают ресурсы в ИИ. Администрация распределенных вычислений Microsoft, Azure, является домом для управляемых ИИ устройств для лечения, языка, механических технологий, клинической визуализации и множества других территорий. Доля в 1 миллиард долларов в созданной Илоном Маском OpenAI в 2019 году предназначена для создания Святого Грааля ИИ, поддельного общего понимания (AGI) — инновации, которая может сделать все, что может человеческое знание. Если это удастся, Microsoft станет любимым партнером OpenAI для коммерциализации. В случае, если AGI достижим, это, вероятно, займет много лет, однако потенциал выгоды практически непонятен. Любой человек, которому нужна доля, должен владеть ведущими организациями искусственного интеллекта сегодня, а это подразумевает получение акций MSFT, самой выдающейся крупной технологической организации, на которую в настоящее время не обращают внимание американские контролеры.
Amazon.com (AMZN)
Последующая компания, которая на самом деле достигла оценки в 1 триллион долларов, Amazon не смогла бы достичь этой отметки, если бы она ничего не скрывала от искусственного интеллекта. Как и Google, возврат соответствующих элементов запроса является неотъемлемой частью бизнеса Amazon, и ИИ также контролирует ключевые возможности, такие как оценка интереса к элементам, обновление координации и складского хранения, а также улучшение голосового помощника Amazon Alexa. Amazon Web Services, золотая жила организации, также является основным облачным поставщиком администраций ИИ, что делает мастерство Amazon здесь значительно более фундаментальным (и полезным). Благодаря тому, что многие позиции в области ИИ и ИИ публикуются повсеместно, «электронный тыл» активно способствует тому, чтобы оставаться на переднем крае быстро развивающейся области; Генеральный директор Джефф Безос четко упомянул затяжные спекуляции с капиталом, которые Amazon будет делать в этой зоне, в последних письмах инвесторам.
IBM (ИБМ)
С тех пор, как Deep Blue от IBM разгромил лучшего шахматиста мира Гарри Каспарова в 1997 году, IBM открыто заявляла о своем энтузиазме по поводу того, что она находится на переднем крае искусственного интеллекта. Его следующее общественное достижение в этой области произошло в 2011 году, когда Watson от IBM выиграл игру «Jeopardy!». против некоторых из главных конкурентов игрового шоу викторины. Тем не менее, инновации IBM Watson и возможности искусственного интеллекта предназначены не только для ловкости рук — они становятся все более важными для основного бизнеса. В настоящее время IBM создает помощника по разговорному ИИ для организаций, устройства на основе ИИ для предотвращения искажения информации, связанной с деньгами, и наблюдения за жизненными циклами клиентов, и даже программ, которые могут передавать знания о медицинском обслуживании, чтобы помочь спасти жизни.
Источники и ссылки:
