Все задаются вопросом: как Мстители могли победить Таноса?

Пользователи Quora предлагают множество теорий. Один из них предполагает насмешку с Таносом, чтобы тот использовал камни по одному. В то время как другой предлагает, Доктор Стрэндж должен предложить Таносу сделку, точно так же, как он сделал с Дормамму.

Я думаю, что Доктор Стрэндж не использовал максимальную силу Ока Агамотто. Я все время спрашивал, почему он не попытался увидеть возможности, когда Халк в первый раз разбился и приземлился на своей лестнице? Они могли победить его раньше, поскольку у Таноса в то время было только два камня (то есть Пространство и Сила).

Если подумать, сила Камня Времени предсказывать будущее ничем не отличается от искусственного интеллекта.

Если Мстители будут использовать фреймворки ИИ и инфраструктуру ИИ, чтобы помочь в их стремлении победить Таноса, какие технологии им следует использовать?

Вот полный список. Руководство Мстителя по искусственному интеллекту.

Фреймворки AI

Apache PredictionIO - это ИИ-фреймворк с открытым исходным кодом для создания, оценки и развертывания движков с алгоритмами машинного обучения.

У него благородное видение: «демократизировать и довести машинное обучение до масс». Он состоит из двух основных компонентов: фреймворка PredictionIO и сервера событий. Фреймворк использует Apache Spark для обработки алгоритмов машинного обучения. В то время как сервер событий объединяет события с различных платформ, используя Apache HBase или любые бэкенды JDBC в качестве своего хранилища данных.

Accord.NET имеет в своей основе C #.

Это платформа .NET с библиотеками обработки звука и изображений, которые обеспечивают компьютерное зрение, прослушивание, обработку сигналов и статистику корпоративного уровня. Он может обслуживать различные типы алгоритмов машинного обучения классификации, регрессии и кластеризации. И еще пара статистических алгоритмов, таких как распределения, проверки гипотез и методы ядра.

В примере приложения показано, как использовать модели гауссовой смеси. Он предназначен для выполнения кластеризации и классификации с использованием полей мягкого решения. Скачать приложение и исходный код здесь.

BigML - один из ведущих стартапов в области науки о данных.

Он имеет веб-интерфейс, который ведет от загрузки данных до создания модели - как прогнозирующей, так и описательной. Его интерфейс командной строки использует Python API, что обеспечивает большую гибкость. Например, он позволяет прогнозировать модели как локально, так и удаленно. И выполните задачи перекрестной проверки, чтобы оценить точность модели. Его RESTful API также можно использовать напрямую через команды curl или оболочку.

WorkFusion - одна из ведущих платформ роботизированной автоматизации (RPA) корпоративного уровня с сильной основой машинного обучения.

Его флагманский продукт под названием RPA Express представляет собой бесплатное решение, которое может автоматизировать множество сложных информационных работ, особенно в банках, страховании, розничной торговле и электронной коммерции.

WorkFusion RPA Express - это бесплатный продукт, который произведет революцию в индустрии RPA. Алексей Ляшок, главный операционный директор WorkFusion, сказал:

Создание бесплатного RPA помогает совместно используемым службам и направлениям бизнеса в компаниях поддерживать немедленные цели трансформации и быстро добиваться результатов за счет автоматизации корпоративных приложений. RPA Express позволяет клиентам свободно автоматизировать ручную работу по интеграции Citrix, Oracle, SAP и других жизненно важных базовых систем, устраняя «вращающийся стул» работы по вводу учетных данных, навигации по пользовательскому интерфейсу приложений и выполнению основных функций системы.

WorkFusion RPA Express подходит для глобального рынка и может оцифровывать сложные бизнес-процессы, такие как BPM, RPA, оркестровка рабочей силы и даже когнитивная автоматизация на основе машинного обучения.

Загрузите бесплатный RPA Express здесь.

Caffe - еще один фреймворк ИИ с открытым исходным кодом, разработанный в Калифорнийском университете в Беркли.

Созданный в основном из академической области, он имеет широкую глобальную сеть участников. Caffe специализируется на извлечении признаков глубокого обучения, классификации и научном использовании нейронных сетей (NNS).

Инфраструктура AI

Google Tensor Processing Unit (TPU) - это ИИ-инфраструктура, состоящая из суперкомпьютеров с машинным обучением или модулей Cloud TPU, которые объединены посредством высокоскоростных соединений для передачи данных.

Это суперкомпьютер, лежащий в основе поиска Google, просмотра улиц, Google Фото и Google Translate.

TPU включает в себя следующие вычислительные ресурсы:

  • Матричный умножитель (MXU): 65 536 8-битных модулей умножения и сложения для матричных операций
  • Унифицированный буфер (UB): 24 МБ SRAM, которая работает как регистры
  • Блок активации (AU): проводные функции активации

BrainChip использует технологию, называемую нейронной сетью с пиковой нагрузкой; компания утверждает, что ее технология учится, как человеческий мозг.

Технология BrainChip может обеспечить высокопроизводительный подход к нейроморфным вычислениям с низкими накладными расходами, который сильно отличается от других глубоких нейронных сетей. Его машины могут учиться мгновенно на основе опыта, как и человек.

Cerebras - это аппаратный стартап, специализирующийся на чипах следующего поколения для приложений глубокого обучения.

Это стелс-стартап, поддерживаемый ведущими венчурными капиталистами и ведущими технологами отрасли. В конечном итоге его цель - создать графический процессор следующего поколения, который будет использоваться для применения машинного обучения в колоссальных масштабах.

Существует множество фреймворков с открытым исходным кодом и бесплатных фреймворков для искусственного интеллекта. Инфраструктура также начинает развиваться, создавая суперкомпьютеры, подходящие для машинного и глубокого обучения. С помощью ИИ можно резко снизить затраты на рабочую силу; генерируя новые и неожиданные идеи, открывайте новые закономерности и создавайте прогнозные модели на основе необработанных данных.

Помимо мстителей

Помимо Мстителей, исследование Gartner обнаружило три наиболее часто цитируемых приложения ИИ. Все они связаны с взаимодействием с клиентами.

Каждая третья организация будет использовать ИИ для приложений по взаимодействию с клиентами;

Трое из 10 используют ИИ для обслуживания и поддержки колл-центров; и

Каждый четвертый будет использовать ИИ в цифровом маркетинге.

Помимо всех структур искусственного интеллекта и инфраструктуры искусственного интеллекта, важно помнить, что сценарий взаимодействия с клиентами, основанный на искусственном интеллекте, требует гуманистического подхода к проектированию. Это позволит лидерам получить максимальную отдачу от своих разнообразных, огромных и сложных наборов данных.

Первоначально опубликовано на www.techwebspace.com 8 мая 2018 г.