Кураторский контент о глубоких технологиях и искусственном интеллекте, который люди в Radical читают и обдумывают. Зарегистрируйтесь здесь, чтобы еженедельно получать Radical Reads прямо в свой почтовый ящик.
- Партнер Radical Салим Теджа о канадском проекте Brain Gain: Рост талантов в сфере высоких технологий в Канаде (подкаст Айви)
В этом подкасте Ivey Business School партнер Radical и руководитель отдела воздействия Салим Теджа объясняет, почему технические таланты мирового уровня подпитывают сеть инновационных стартапов в Канаде. Этот приток мозгов помогает новому поколению технологических стартапов и предпринимателей закрепиться в стране. Салим приводит в качестве примера портфельные компании Radical.
2) Внедрение ИИ на предприятиях:ИИ и машинное обучение: поддержка предприятия нового поколения (CIO)
«В июльском опросе ИТ-директоров о влиянии пандемии на бизнес был задан более провокационный вопрос: «Насколько вероятно, что ваша компания будет уделять больше внимания ИИ/МО как способу сгладить или сократить затраты на человеческий капитал?» Почти половина, 48 процентов, были либо очень, либо в некоторой степени склонны к этому. Подразумевается, что по мере углубления экономического спада спрос на решения AI/ML может возрасти».
Комментарий Radical. На макроуровне мы ожидаем, что многие отрасли мировой экономики станут более устойчивыми благодаря внедрению ИИ после экономического кризиса, вызванного пандемией COVID.
Тенденция к тому, что все больше компаний рассматривают возможность использования AI/ML, интересна, если взглянуть на более широкую картину внедрения текущих технологий. Опрос Бюро переписи населения США, опубликованный в июле среди 583 000 американских предприятий, об использовании ими ИИ и других передовых технологий показал, что только 2,8% фирм используют ИИ/МО. Помимо пристального изучения крупных предприятий, это одно из немногих недавних исследований, охватывающих длинный хвост компаний.
Несмотря на то, что есть интересные выводы для первых и отстающих, эти два опроса подчеркивают огромную пропасть между ожидаемым внедрением ИИ и фактическим внедрением на сегодняшний день. Этот разрыв означает, что мы находимся на самых ранних этапах внедрения технологий ИИ, и что у предпринимателей, использующих ИИ, есть бесчисленные возможности.
3) ИИ в дикой природе: Почему солнечные фермы убивают птиц? Звоните в AI Bird Watcher (Wired)
«Подсчет мертвых птиц — это повторяющаяся неприятная задача, для которой и был создан ИИ. Но на самом деле внедрение системы на солнечной установке сопряжено с техническими проблемами. Возможно, самая сложная задача — просто научить алгоритм машинного обучения надежно распознавать птиц в сложной среде. Птицы бывают разных размеров, форм и цветов, а это означает, что алгоритм должен достаточно хорошо разбираться в абстрактном понятии «птичьего поведения», чтобы он мог различать их, летят ли они над головой или сидят на солнечной панели…
…«Исследование машинного обучения, которое мы проводим, немного уникально, потому что мы не хотим просто классифицировать объект на одном изображении», — говорит Шимански. «Он должен классифицировать небольшой, быстро движущийся объект с течением времени. Так что, если птица летит, на одних кадрах вы увидите точку, а на других вы увидите ее крылья, и нам нужно отслеживать этот объект, когда он перемещается по камере».
Комментарий Radical: подсчитано, что сотни солнечных ферм коммунального масштаба в США могут ежегодно убивать около 140 000 птиц. По мере того, как солнечная энергетика растет, возникает необходимость измерять и устранять это воздействие на окружающую среду. Подсчет и отслеживание птиц — это пример того, как искусственный интеллект помогает решить критическую проблему, решение которой в противном случае было бы нерентабельным. Создание этого решения требует перепрофилирования коммерческого оборудования, подключения к облаку, размеченных данных и внедрения передовых методов, таких как отслеживание изменяющегося объекта во времени и пространстве.
4) ИИ и конфиденциальность: Скройте свои фотографии с помощью этого инструмента конфиденциальности ИИ, чтобы обмануть распознавание лиц (The Verge)
«Фоукс использует искусственный интеллект, чтобы тонко и почти незаметно изменять ваши фотографии, чтобы обмануть системы распознавания лиц».
Программное обеспечение работает немного сложнее. Прогон ваших фотографий через Fawkes не делает вас невидимым для распознавания лиц. Вместо этого программа вносит тонкие изменения в ваши фотографии, чтобы любой алгоритм, сканирующий эти изображения в будущем, видел вас совершенно другим человеком. По сути, запуск Фоукса на ваших фотографиях похож на добавление невидимой маски к вашим селфи.
Ученые называют этот процесс «маскировкой», и он направлен на то, чтобы испортить ресурсы, необходимые для работы систем распознавания лиц: базы данных лиц, извлеченные из социальных сетей».
Радикальный комментарий:по мере того, как правительства стремятся внедрить системы, которые используют программное обеспечение для распознавания лиц для идентификации людей на основе их сообщений в социальных сетях, сейчас появляются новые технологии, призванные помешать этим усилиям. Эта игра в кошки-мышки затрагивает две важные области, связанные с внедрением технологии компьютерного зрения.
Системы распознавания лиц широко используются в коммерческих приложениях, которые позволяют пользователям искать фотографии друзей или семьи на своем телефоне. Все чаще эта же технология используется правительствами в качестве средства поддержки усилий правоохранительных органов. В то время как правила для программного обеспечения для распознавания лиц остаются предметом дебатов в западных правительствах, некоторые страны используют эту же технологию для профилирования и подавления меньшинств.
Компания, упомянутая в этой статье, раскрывает одну из критических уязвимостей в системах машинного зрения как средство избежать обнаружения: небольшие изменения изображений эффективно отравляют данные без существенного изменения конечного изображения. При решении проблемы конфиденциальности такого рода состязательная атака на систему искусственного интеллекта вызывает серьезную озабоченность в отношении программного обеспечения машинного зрения, которое — в совершенно другом контексте — предлагает существенные преимущества. Например, беспилотные автомобили полагаются на системы технического зрения, которые могут быть уязвимы для подобных обманов при классификации дорожных знаков, полос движения и людей.
5) ИИ и сельское хозяйство:Как 30-тонный робот может помочь сельскохозяйственным культурам противостоять изменению климата (Wall Street Journal)
«Колосс высотой 70 футов, называемый «Полевой сканер», — это самый большой в мире сельскохозяйственный робот… ежедневно он обрабатывает более 2 акров сельскохозяйственных культур, включая сорго, салат и пшеницу, его электронные глаза оценивают их температуру, форма и оттенок, угол наклона каждого листа.
Scanalyzer передает эти данные — до 10 терабайт в день, что примерно эквивалентно примерно 2,6 миллионам экземпляров книги Толстого «Война и мир» — на компьютеры в Иллинойсе и Миссури. По словам ученых из Университета Джорджа Вашингтона и Университета Сент-Луиса, анализ диапазона и глубины генерируемых данных возможен только с помощью алгоритмов машинного обучения.
Комментарий Radical:Изменение климата представляет собой растущий риск для глобального сельскохозяйственного сектора, поскольку погодные условия становятся более непредсказуемыми, что приводит к более серьезным потрясениям в цепочках поставок. Такие технологии, как Scanalyzer, призваны помочь селекционерам определить характеристики и генетические маркеры, указывающие на наиболее эффективные и устойчивые сорта сельскохозяйственных культур. В этом случае исследовательская группа также работает над разработкой инструментов глубокого обучения, чтобы помочь определить малозаметные сорта растений, которые могут иметь неожиданную устойчивость к изменяющейся среде.
Сельскохозяйственные компании все чаще используют инструменты ИИ в своих исследованиях и разработках. В статье приводится несколько примеров, в том числе компания Bayer AG, крупнейший в мире поставщик семян сельскохозяйственных культур, разработавшая алгоритмы самообучения для прогнозирования производительности семян сельскохозяйственных культур. Несмотря на то, что существуют проблемы с обслуживанием огромного робота в пустыне, а недорогие беспилотники все чаще способны выполнять работу, аналогичную этому проекту стоимостью 26 миллионов долларов США, возможность заключается в качестве данных, полученных в результате непрерывной визуализации в согласованной плоскости. использование большого количества камер и датчиков.
***
Примечание редактора. Мы продолжим использовать эту платформу для публикации без комментариев статей, посвященных данным и их использованию для иллюстрации и освещения расовой несправедливости. Потому что вы не можете исправить проблемы, которых не видите и не понимаете.
6) Расизм и цифровой дизайн: как онлайн-платформы могут предотвратить дискриминацию (Гарвардская школа бизнеса)
“Инструментарий менеджера для разработки платформы
Первый шаг к созданию инклюзивных онлайн-платформ, по словам Луки, заключается в том, чтобы дизайнеры и лица, принимающие решения, осознали возможность возникновения дискриминации.
Лука и Свирски описывают основу для выбора инклюзивного дизайна в готовящейся статье в журнале Marketing Intelligence Review. Далее следует сокращенная версия:
Повысьте осведомленность. Создатели цифровых платформ должны осознавать, как их выбор дизайна и алгоритмы могут привести к дискриминации на рынке. Менеджеры могут проявлять инициативу в расследовании и решении проблемы. Например, Uber создал межфункциональную рабочую группу по обеспечению справедливости, в которую вошли экономисты, специалисты по обработке данных, юристы и менеджеры по продуктам, для изучения проблем дискриминации.
Измерение дискриминации. Многие платформы не знают расовый, этнический или гендерный состав участников транзакции. Регулярные отчеты о проблемах и успехах среди пользователей, которым грозит дискриминация, могут помочь компаниям выявить проблемы и решить их.
Не показывать конфиденциальные данные. Во многих случаях простое, но эффективное изменение заключается в сокрытии потенциально конфиденциальной информации о пользователе, такой как раса и пол, на ранних этапах взаимодействия с платформой.
Автоматизация с учетом алгоритмической предвзятости. Автоматизация и алгоритмы могут помочь уменьшить предвзятость, как в случае с функцией мгновенного бронирования Airbnb. Однако дискриминация также может происходить с помощью алгоритмов. Алгоритмы можно устранить, изменив их входные данные, но для этого менеджеры должны думать о своих целях в отношении разнообразия и справедливости. Например, LinkedIn переработала свой инструмент поиска вакансий, чтобы гарантировать, что разбивка результатов поиска по полу соответствует разбивке по полу для этой профессии в целом. Если 30 % специалистов по обработке данных — женщины, то рекрутер, ищущий специалистов по данным, увидит в результатах поиска 30 % кандидатов-женщин.
Думайте как архитектор выбора. Принципы архитектуры выбора могут помочь уменьшить дискриминацию. Например, люди, как правило, используют любой параметр, установленный по умолчанию, поэтому сброс параметров по умолчанию с учетом инклюзивности может быть полезной стратегией. Компании также могут рассмотреть возможность привлечения внимания к своей антидискриминационной политике для повышения осведомленности.
Поэкспериментируйте, чтобы измерить эффект. Платформы могут включать меры по измерению дискриминации в свои экспериментальные тесты, чтобы понять влияние различных вариантов дизайна».
Прозрачность. Платформы должны сделать свою работу по вопросам дискриминации прозрачной и открыть каналы связи с менеджерами и дизайнерами. Также важно оценивать методы измерения дискриминации и связанных с ними изменений дизайна с течением времени.
— R —
