И ведущая социальная трансформация

Первая промышленная революция, основанная на паровых двигателях, привела к переходу к новым производственным процессам, изменившим мир. Вторая промышленная революция привела к ускоренному производству железа, стали, химикатов и сетей связи. Третья революция автоматизировала производственный процесс с помощью передовых инструментов и технологий.

Четвертая революция, которую мы переживаем сейчас, основана на искусственном интеллекте, алгоритмах и огромном количестве данных. То, что началось как технологический романтизм среди поколения ученых, математиков и философов в 1950-х годах — с простых вопросов вроде Могут ли машины думать? — в настоящее время ведет социальные преобразования, затрагивающие все аспекты нашей жизни.

В этой статье я кратко расскажу о трех отраслях, революционизировавших машинное обучение/ИИ, — здравоохранении, финансах и сельском хозяйстве.

Здравоохранение

В 2017 году группа исследователей из Стэнфордского университета опубликовала статью в Nature. Они обучили алгоритм глубокой сверточной нейронной сети (CNN), используя 130 тысяч медицинских изображений. Эти изображения содержали 2000 различных кожных заболеваний. Цель исследования состояла в том, чтобы увидеть, сможет ли CNN точно идентифицировать смертельный рак кожи по этим изображениям. Результаты были ошеломляющими — производительность CNN была на уровне 21 сертифицированного дерматолога.

Итак, каковы последствия? Одним поверхностным следствием является то, что алгоритмы подходят для некоторых профессий. Журнал Wired освещал это исследование в статье с интересным заголовком: Если вы смотрите на рентген или родинки для жизни, искусственный интеллект придет на вашу работу.

Но конечная выгода заключается в другом. Он заключается в быстрой и недорогой диагностике таких смертельных заболеваний, как рак. Кто-то, живущий в отдаленной деревне в Западной Африке, может просто сделать снимок своей кожи с помощью мобильного телефона, отправить его на диагностику и услышать результаты в течение следующего дня или двух.

Приведенный выше пример — лишь один из многих способов, с помощью которых машинное обучение, наука о данных и искусственный интеллект преобразуют отрасль здравоохранения. Представьте себе чат-бота с искусственным интеллектом, который может выслушивать симптомы вашего заболевания и давать медицинские советы. На самом деле вам не нужно это представлять, это уже реальность.

Это только вершина айсберга. Приложения машинного обучения повсеместно используются в здравоохранении — в прогнозировании заболеваний, диагностике, рекомендациях по лечению, поиске лекарств, управлении данными о пациентах и ​​во всех видах административных задач.

Финансы

Давайте подумаем о процессе одобрения кредитной карты до ML.

Каждое финансовое учреждение получает много тысяч заявок на кредитные карты. После того, как заявка подана, обычно человек должен просмотреть ее, вручную оценить каждую часть информации, найти любые признаки финансовой слабости и, наконец, принять решение, принять или отклонить заявку.

Этот процесс отлично работал десятилетиями, так что же в нем не так? Это утомительный процесс для человека, чтобы пройти через большой объем информации. Это отнимает много времени, чревато ошибками и дорого стоит. Это также субъективно; в процесс принятия решений могут вкрадываться всевозможные предубеждения и предубеждения.

Мысли изменились с тех пор, как в бизнесе появилось машинное обучение. В наши дни вы просто заполняете онлайн-форму с личной и финансовой информацией и получаете ответ в течение нескольких секунд. Нет людей в петле; алгоритм принимает решение.

Каждый день мы видим много таких вариантов использования в финансах. Просто взгляните на шесть основных вариантов использования, которые Amazon перечислил в приложениях машинного обучения в финансовых услугах:

  • Опыт клиентов
  • Принятие кредитных решений и андеррайтинг
  • Обнаружение и предотвращение мошенничества
  • Интеллектуальная обработка документов
  • Предиктивная аналитика
  • Персональные рекомендации

Это всего лишь несколько широких категорий вариантов использования, и если вы заглянете внутрь, вы быстро обнаружите десятки других вариантов использования, ответвляющихся от каждого.

сельское хозяйство

Население Японии сокращается и стареет. Сегодня более 60% фермерского населения в возрасте 65 лет и старше. Молодежь уезжает из сельской местности в большие города. Эта демографическая динамика разрушает их сельскохозяйственную экономику из-за нехватки рабочей силы.

К счастью, на помощь пришел искусственный интеллект.

В статье The New Yorker упомянута японская фермерская семья, которая выращивает огурцы уже более полувека. Они вручную сортируют огурцы по разным размерам и отправляют их по разным адресам в зависимости от размера/качества. Но это была кропотливая и длительная работа. Поэтому фермер — Макото Койке, который до прихода на семейную ферму был инженером-программистом, — запустил в работу платформу машинного обучения Google Brain TensorFlow. Он разработал технологию на основе искусственного интеллекта, которая теперь может взять на себя ручную и трудоемкую сортировку огурцов и ускорить их обработку.

В других местах Японии сочетание науки о данных, машинного обучения, искусственного интеллекта и Интернета вещей меняет ландшафт методов ведения сельского хозяйства — компьютерное зрение используется для обнаружения болезней; роботы собирают фрукты; а алгоритмы машинного обучения прогнозируют урожайность.

ОД/ИИ, вероятно, не решитдемографические проблемы в Японии, но, безусловно, оказывает большое влияние на сельскохозяйственный сектор, который меняется в связи с продолжающимися демографическими сдвигами.

Что впереди?

Всего два десятилетия назад люди не знали, что такое смартфон, но сегодня, кажется, никто не хочет жить без него. Люди не знали, что такое социальные сети, теперь большинство людей не могут провести несколько минут, не взаимодействуя на платформе социальных сетей. Три отрасли, которые я выделил здесь — здравоохранение, финансы и сельское хозяйство — позволяют заглянуть в возможности будущего. Но никто точно не знает, какими они будут через 10-20 лет. Но одно мы знаем точно: комбинация данных, алгоритмов и технологий станет двигателем Четвертой промышленной революции.

Спасибо за прочтение. Не стесняйтесь подписаться, чтобы получать уведомления о моих будущих статьях, или просто свяжитесь со мной через Twitter или LinkedIn.