Kombinacija senzorjev interneta stvari in podatkovnih jezer postane močno orodje za analizo vzorcev, vendar ima resne posledice za zasebnost potrošnika in zaposlenega na delovnem mestu.
Predstavljeno
- Ali je Windows 10 preveč priljubljen za svoje dobro?
- 5 načinov, kako najti najboljše mesto za začetek kariere
- Tako bo generativna umetna inteligenca spremenila gospodarstvo koncertov na bolje
- 3 razlogi, zakaj imam raje ta 300 $ vreden Android kot Googlov Pixel 6a
Konec oktobra sem imel privilegij moderiranje panela na temo umetna inteligenca in strojno učenje pri Brez vezave Miami, butični (a odličen) sejem, specializiran za predstavitev prelomnih tehnologij, kot sta kriptovaluta in veriga blokov.
Predstava in plošča je bila zelo zanimiv z nekaj res odličnimi govorci, vključno z dr. Alexom Liujem iz IBM-a, Anthonyjem DeLima iz NEORIS-a, prof. Sara Rushinek s poslovne šole Univerze v Miamiju in Ylan Kazi iz UnitedHealtha, in vesel sem, da vam ga končno lahko pokažem.
Od oddaje sem veliko razmišljal o temi strojnega učenja v oblaku in o tem, kako bo verjetno vplivalo na naša življenja v bližnji prihodnosti. Obstaja veliko vidikov te tehnologije, ki imajo potencialno zelo pozitivne koristi, vendar kot pri vsaki prelomni tehnologiji obstajajo pasti.
tudi: Umetna inteligenca, zagon strojnega učenja se nadaljuje
Na primer, družbeni mediji – zlasti storitve, kot so Facebook, Instagram in Twitter – so bili hvaljeni kot močna orodja za obogatitev naših življenj, nam pomagajo, da se povežemo z drugimi ljudmi kot še nikoli prej, in napovedali so dobo preglednosti novic, takojšnjega poročanja in državljanstva novinarstvo.
In to so zakonite koristi. Toda te prednosti prinašajo tudi pasti: neskončna populacija "lifestream" raztresen ljudje z tehnološko povečan avtizem; nevarnosti tehnološko podprta plinska razsvetljava; omogočanje sovražnih skupin in zarotniki, da bi povsod razpršili svoj strup; the subverzijo naše demokracije s strani sovražnih tujih akterjev; in seveda, neizogibni množični kompromisi osebnih podatkov ko imajo ta spletna mesta poljubno število tehničnih varnostnih napak API-jev.
Enako bi lahko rekli za strojno učenje in umetno inteligenco. Da, širjenje senzorjev v zdravstvenih napravah je lahko in bo močno orodje za zgodnje odkrivanje resnih zdravstvenih težav in bo spremeniti odnos med bolnikom in zdravnikom kar bo omogočilo veliko več dinamično spremljanje zdravstvenega stanja v realnem času preden postanejo potencialno smrtno nevarni.
Ampak kot pri družbenih omrežjih, ima podoben potencial tudi strojno učenje v oblaku Črno ogledalo pasti.
tudi: Startup AI Petuum želi industrializirati strojno učenje
Strojno učenje je bistveni del trenda digitalne transformacije v sodobnem podjetju. Sposobnost pridobiti vpogled v poslovne procese skozi tisto, kar je merljivo z različnimi tipi senzorjev, in to povezati. podatkov, ki uporabljajo analizo vzorcev, je vedno bolj pomembna zmogljivost, ki hitro postaja bistveni del celotne IT škatla z orodjem.
Na primer podjetja, kot je SAP, prek Inteligentno podjetje Leonardo izdelki so združili IoT skupaj s končnimi aplikacijskimi platformami, uvedenimi kot SaaS v oblaku, ki jih je mogoče preprosto prilagojeno tako, da lahko podjetja ustvarijo kompleksne vizualizacije podatkov, da pridobijo vpogled pri reševanju kompleksnih poslov težave.
Razumevanje vzorcev in trendov prek velikih podatkov ni nič novega: The Agencija za nacionalno varnost se že vrsto let ukvarja s kompleksno signalno obveščevalno dejavnostjo (SIGINT). za obrambo države pred terorističnimi in tujimi grožnjami. To je razkril program PRISM. Prav tako raziskovalno podjetje NPD uporablja zelo velike količine podatkov o prodajnih mestih, ki jih posredujejo veliki trgovci na drobno, da ustvari poročila o pomembnih trendih pri nakupih zabavne elektronike.
Novost je, da inteligentno zbiranje in analiza podatkov nista več namenjena samo največjim podjetjem in institucijam na svetu – to lahko zdaj izkoristi vsako podjetje. S platformami, kot je SAP Leonardo, ali napol dokončanimi storitvami v oblaku, kot je Strojno učenje Azure, AWS Sagemaker, Google Cloud AI, in Strojno učenje IBM Watson, sta hitrost razvoja in čas do trženja veliko hitrejša, kot je bila kadar koli prej za izdelavo kompleksnega sistema strojnega učenja ali aplikacije.
tudi: Kaj je globoko učenje? Vse, kar morate vedeti
Podjetja si seveda zelo želijo izboljšati in racionalizirati poslovne procese. Toda ista orodja, ki pomagajo podjetjem, da postanejo bolj agilna in prihranijo denar, se lahko uporabljajo tudi na zatiralski način za njihove zaposlene.
Dostopne točke Wi-Fi lahko na primer zbirajo podatke o napravah, ki so v njihovi bližini, in tako a običajna uporaba v trgovini na drobno je uporaba teh informacij da bi bolje razumeli peš promet, ki prihaja v trgovino in iz nje ter kje in kako dolgo se stranke zadržujejo.
Morati prebrati
- Google je pravkar predstavil nenavaden eksperiment z umetno inteligenco, imenovan Move Mirror (CNET)
- "Umetna inteligenca je zelo, zelo neumna," pravi Googlov vodja umetne inteligence (CNET)
- AI pomeni vseživljenjsko usposabljanje (CNET)
Toda v podjetju bi to lahko uporabili tudi v kombinaciji z upravljanjem mobilnih naprav, beleženjem tipk in zaznavanjem dejavnosti/prisotnosti za sledenje kje in dejavnosti zaposlenih, z uporabo korelacije podatkov in analize vzorcev, da bi bolje razumeli produktivnost zaposlenih na agregat ali celo usmerjena osnova.
Iste tržne informacije, če bi bile gostovane v "podatkovnem jezeru" pri velikem hiperrazširjevalniku oblakov, kot sta AWS ali Azure, tudi ne bi bile nujno omejene na enega najemnika. Te trženjske podatke, ki jih zbere en trgovec na drobno v nakupovalnem središču, lahko deli z drugimi trgovci na drobno kot del konzorcij ali partnerstvo, da bi razvili veliko bolj zapletene aplikacije za analizo vzorcev o tem, kaj in kdaj bomo kupiti.
Informacije, zbrane v več podatkovnih jezerih v več oblakih, bi lahko teoretično združili, da bi ustvarili izjemno sofisticirana poročila o kateri koli število skupin uporabnikov, zlasti če to združite s tem, kar je znano iz njihovih profilov v družabnih medijih, kot so njihovi všečki in kaj deliti.
tudi: Amazon širi storitve strojnega učenja pred re: Invent
V bistvu bi nas moralo skrbeti, kakšne vrste senzorskih podatkov se zbirajo, kako dostopati do njih da so podani podatki in kako bodo z uporabo strojno podprtega združeni in uporabljeni na različne načine analitika.
Na primer, nosljive naprave, kot je Apple Watch, lahko zdravstvenim delavcem zagotovijo telemetrijo o splošnem zdravju njihovih pacientov in zagotoviti opozarjanje in poročanje, tako da lahko zdravniki prevzamejo bolj proaktivno vlogo, namesto da ukrepajo ob akutnem dogodku, kot je urgentna soba obisk.
Toda isto tehnologijo že uporabljajo življenjske zavarovalnice, kot npr John Hancock prek svojega programa Vitality, da bi izdali police s stopnjami, na katere vpliva splošna aktivnost in življenjski slog uporabnika.
Ne bi bilo potrebno veliko, če bi razširili analizo trendov, ki jo podjetje skoraj zagotovo izvaja, da bi vključili podatke iz sprejemnika GPS v tej napravi ali celo na zavarovančevega pametnega telefona, da bi na primer razumeli, kakšne restavracije obiskuje ta oseba in morebiti kakšen je vpliv na splošno stanje te osebe. zdravje.
Torej, v prihodnosti boste morda želeli dvakrat premisliti o tem, da bi se prijavili v Yelp pri In-N-Out.
tudi: Kako strojno učenje in podatkovna znanost dajeta Bloombergu prednost
Na trgu so tudi izdelki, kot npr Sprint Drive, ki uporabljajo storitve v oblaku za shranjevanje podatkov o potovanju GPS in drugih podatkov o delovanju vozila – podatkov, ki bi lahko dostopala zavarovalnica, če bi dostop do teh podatkov prodali izvorni podatki ponudnik.
Tako kot se lahko odločite za John Hancock Vitality, se vam lahko zgodi, da vam bodo ponudili (prisiljeni) v dinamični pravilnik GEICO, USAA, Prudential ali Hartford Insurance za vaše vozilo, če uporabljate samodejno sledilno napravo, kot je Sprint Vozi.
Ste vsak dan obiskali McDonald's za zajtrk? Ste vozili prehitro po glavni cesti? Mislim, da so se vaše premije pravkar povečale za 3000 $ na leto. Kolektivno. Ne pozabite, da to niso le ciljno usmerjena zbiranja podatkov, ampak tudi vaši sosedje vzpostavljajo trende v vašem mestu in občini, kar lahko vpliva tudi na vas.
Juhu, strojno učenje!
Vsi ti primeri so seveda le stvari, ki jih bodo korporacije naredile same lastnega interesa, ko imajo dostop do te vrste podatkov, ki jih zbirajo sami za notranje aplikacije.
Morati prebrati
- 61 % podjetij je že uvedlo AI (TechRepublic)
- Top 5: načini, kako bo umetna inteligenca spremenila poslovanje (TechRepublic)
- 10 načinov, kako bo umetna inteligenca vplivala na podjetje v letu 2018 (TechRepublic)
Nismo se niti začeli poglabljati v to, kaj bodo zainteresirane tretje osebe naredile s temi podatki, če jim bo dostop prodan ali odobren, niti nismo raziskali možnost vdorov v varnost podatkovnega jezera zaradi slabih akterjev ali celo nenamernih vdorov, kakršnim smo bili pred kratkim priča pri uporabi slabe varnosti API-ja pri Facebooku in Google.
Strojno učenje in podatkovna jezera so močna orodja, ki lahko, tako kot družbeni mediji, izboljšajo našo kakovost življenja in nam pomagajo pridobiti pomembne poslovne in tudi osebne vpoglede, ki nam bodo omogočili, da postanemo bolj agilni in odziven. Vendar moramo biti izjemno previdni pri tem, kako se podatki zbirajo, kako se delijo, za kaj se uporabljajo in kako so zavarovani. Trenutno se ne morem spomniti nobene druge prelomne tehnologije na trgu, ki bi imela toliko potenciala za dobro kot za zlo.
Ali bo strojno učenje v oblaku napovedalo dobo vidnosti in agilnosti poslovnih procesov ali pa bo postalo naša naslednja osebna nočna mora, ki uničuje naša življenja in zasebnost, kot ju poznamo? Pogovori se in mi sporoči.
36 najboljših filmov o AI, razvrščeni
Prejšnja in sorodna pokritost:
Kaj je AI? Vse, kar morate vedeti
Izvršni vodnik za umetno inteligenco, od strojnega učenja in splošne umetne inteligence do nevronskih mrež.
Kaj je globoko učenje? Vse, kar morate vedeti
Nizke vrednosti globokega učenja: od tega, kako je povezano s širšim področjem strojnega učenja, do tega, kako začeti z njim.
Kaj je strojno učenje? Vse, kar morate vedeti
Ta priročnik pojasnjuje, kaj je strojno učenje, kako je povezano z umetno inteligenco, kako deluje in zakaj je pomembno.
Kaj je računalništvo v oblaku? Vse, kar morate vedeti
Uvod v računalništvo v oblaku vse od osnov do IaaS in PaaS, hibridnega, javnega in zasebnega oblaka.
Povezane zgodbe:
- Umetna inteligenca ali podatkovna znanost nimata ene vloge: to je skupinsko delo
- AI: Pogled iz urada Chief Data Science Office
- Ne motijo me delovna mesta, ki jih umetna inteligenca uničuje, ampak tista, ki rastejo