წამყვანი ML დირექტორების შეხედულებები: ხელოვნური ინტელექტის გავლენა ინდუსტრიებზე

მანქანური სწავლების (ML) და/ან მონაცემთა მეცნიერების დირექტორებისგან ხშირად მოელიან ML სისტემების დაპროექტებას, მათემატიკის ღრმა ცოდნას, ML ფრეიმვორკებთან გაცნობას, მონაცემთა არქიტექტურის მდიდარ გაგებას, ML-ის რეალურ სამყაროში გამოყენების გამოცდილებას, მყარ კომუნიკაციის უნარებს და ხშირად ინდუსტრიული განვითარებების სიახლეების ცოდნას. საკმაოდ რთული მოთხოვნებია! სწორედ ამ მიზეზების გამო, ჩვენ მოვძებნეთ ML დირექტორების ეს უნიკალური ჯგუფი სტატიების სერიისთვის, რომელიც ხაზს უსვამს მათ აზრებს მიმდინარე ML შეხედულებებისა და ინდუსტრიული ტენდენციების შესახებ, დაწყებული ჯანდაცვიდან ფინანსებამდე, ელექტრონულ კომერციამდე, SaaS-მდე, კვლევებამდე, მედიამდე და სხვა სფეროებამდე. მაგალითად, ერთი დირექტორი აღნიშნავს, თუ როგორ შეიძლება ML-ის გამოყენება ცარიელი სატვირთო მანქანების გარბენის (რაც დროის ~20%-ში ხდება) 19%-მდე შესამცირებლად, რაც შეამცირებს ნახშირბადის ემისიებს დაახლოებით 100 000 ამერიკელის მიერ გამოყოფილ რაოდენობას. შენიშვნა: ეს არის სავარაუდო გათვლები, რომელიც ყოფილმა რაკეტის მეცნიერმა გააკეთა, თუმცა ჩვენ ამას მივიღებთ. ამ პირველ ნაწილში თქვენ მოისმენთ მკვლევრისგან (რომელიც მიწისქვეშა რადარს იყენებს დაფლული ნაღმების აღმოსაჩენად), ყოფილი რაკეტის მეცნიერისგან, ძონგკაზე მოსაუბრე მოყვარული მოთამაშისგან (Kuzu = გამარჯობა!), ყოფილი ვანში მცხოვრები მეცნიერისგან, მაღალეფექტური მონაცემთა მეცნიერების გუნდის მწვრთნელისგან, რომელიც ჯერ კიდევ აქტიურად არის ჩართული საქმეში, მონაცემთა სპეციალისტისგან, რომელიც აფასებს ურთიერთობებს, ოჯახს, ძაღლებსა და პიცას. — ყველა მათგანი ამჟამად მანქანური სწავლების დირექტორია მდიდარი საველე შეხედულებებით. 🚀 მოდით შევხვდეთ მანქანური სწავლების წამყვან დირექტორებს და მოვისმინოთ, რას ამბობენ ისინი მანქანური სწავლების გავლენის შესახებ მათ შესაბამის ინდუსტრიებზე: **ფონი:** ბიზნესისთვის ML-ის დაპირებასთან ბალანსის მოძიება. ადამიანები პროცესებზე წინ. სტრატეგია იმედზე წინ. ხელოვნური ინტელექტის ეთიკა ხელოვნური ინტელექტის მოგებაზე წინ. ბრაუნ ნიუ-იორკელი. **საინტერესო ფაქტი:** შემიძლია ძონგკაზე ლაპარაკი (მოძებნეთ Google-ში!) და ვარ Youth for Seva-ს მხარდამჭერი. **Buzzfeed:** ამერიკული ინტერნეტ მედია, ახალი ამბების და გასართობი კომპანია, რომელიც ორიენტირებულია ციფრულ მედიაზე. * **კონფიდენციალურობა უპირველეს ყოვლისა მომხმარებლისთვის:** ყველა მომხმარებელი უნიკალურია და მიუხედავად იმისა, რომ მათი გრძელვადიანი ინტერესები სტაბილურია, მათი მოკლევადიანი ინტერესები სტატისტიკურად ცვალებადია. ისინი მოელიან, რომ მათი ურთიერთობა მედიასთან ამას ასახავს. ტექნიკის აჩქარებაში და რეკომენდაციებისთვის ღრმა სწავლებაში წინსვლის კომბინაციამ განბლოკა შესაძლებლობა, დავიწყოთ ამ ნიუანსის გაშიფვრა და მომხმარებლებისთვის შესაბამისი კონტენტის მიწოდება საჭირო დროს, საჭირო საკონტაქტო წერტილში. * **შემქმნელებისთვის დამხმარე ინსტრუმენტები:** შემქმნელები მედიაში შეზღუდული რესურსები არიან და მათი კრეატიული გამტარუნარიანობის შენარჩუნება ML-ზე დაფუძნებული ადამიან-ციკლში ჩართული დამხმარე ინსტრუმენტებით, უზარმაზარი გავლენა იქონია. ისეთი მარტივი რამ, როგორიცაა შესაბამისი სათაურის, სურათის, ვიდეოს და/ან პროდუქტის ავტომატურად შეთავაზება, რომელიც შეიძლება შეესაბამებოდეს მათ მიერ შექმნილ კონტენტს, ხსნის მანქანა-ადამიანის თანამშრომლობის მექანიზმს. * **გაუმჯობესებული ტესტირება:** კაპიტალ ინტენსიურ მედია საწარმოში საჭიროა შემცირდეს დრო იმ ინფორმაციის შეგროვებას შორის, თუ რა მოსწონს მომხმარებლებს და ამაზე დაუყოვნებლივ რეაგირებას შორის. ბაიესის მრავალფეროვანი ტექნიკისა და განმტკიცებითი სწავლების მიღწევებით, ჩვენ შევძელით არა მხოლოდ დროის, არამედ მასთან დაკავშირებული ხარჯების მკვეთრად შემცირება. * **კონფიდენციალურობა, სარედაქციო ხმა და სამართლიანი გაშუქება:** მედია ახლა, როგორც არასდროს, დემოკრატიული სამყაროს საკვანძო საყრდენია. ML-მა ეს უნდა პატივი სცეს და იმოქმედოს იმ შეზღუდვების ფარგლებში, რომლებიც მკაცრად არ განიხილება, როგორც საწყისი მოთხოვნები სხვა დომენში ან ინდუსტრიაში. სარედაქციოდ კურირებულ კონტენტსა და პროგრამირებას ML-ზე დაფუძნებულ რეკომენდაციებთან დაბალანსების მოძიება კვლავ გამოწვევად რჩება. BuzzFeed-ისთვის კიდევ ერთი უნიკალური გამოწვევაა ის, რომ ჩვენ გვჯერა, რომ ინტერნეტი უნდა იყოს უფასო, რაც ნიშნავს, რომ ჩვენ არ ვადევნებთ თვალყურს ჩვენს მომხმარებლებს ისე, როგორც სხვებს შეუძლიათ. * **მედიის „შემქმნელების“ იგნორირება:** მედია გავრცელებულია, რადგან ის ატარებს ხმას, რომელსაც ღრმა გავლენა აქვს ადამიანებზე. რედაქტორები, კონტენტის შემქმნელები, მწერლები და შემქმნელები ამ ხმის ხორხები არიან და ბიზნესი და ML-ის აგება, რომელიც მათ აძლიერებს, აფართოებს მათ გავლენას და ჰარმონიულად მუშაობს მათთან, არის წარმატების გასაღები. * **იმედია:** მცირე მონაცემებზე დაფუძნებული ზოგადი დანიშნულების მულტიმოდალური მულტიტასკური რეალურ დროში ML სისტემები, რომლებიც ქმნიან ეტაპობრივ გაუმჯობესებებს წამლების აღმოჩენაში, მაღალი სიზუსტის ქირურგიაში, კლიმატის კონტროლის სისტემებში და იმერულ მეტავერსის გამოცდილებებში. **რეალისტურად:** უფრო ხელმისაწვდომი, ნაკლებად შრომატევადი მეტა-სწავლების ტექნიკა მაღალი სიზუსტის ტექსტისა და გამოსახულების გენერირებისთვის. --- **ფონი:** ლი არის AI/ML ვეტერანი, რომელსაც აქვს 15+ წლიანი გამოცდილება წამყვანი მონაცემთა მეცნიერების გუნდების ხელმძღვანელობაში ისეთ ინდუსტრიულ ლიდერებში, როგორიცაა Johnson & Johnson, Microsoft და Amazon. **საინტერესო ფაქტი:** ლი აგრძელებს ცნობისმოყვარეობას, მუდმივად სწავლობს და სიამოვნებს პრაქტიკული პროგრამირება. **Johnson & Johnson:** მულტინაციონალური კორპორაცია, რომელიც ავითარებს სამედიცინო მოწყობილობებს, ფარმაცევტულ პროდუქტებს და სამომხმარებლო შეფუთულ საქონელს. * **AI/ML აპლიკაციებმა** ბოლო რამდენიმე წლის განმავლობაში ფარმაცევტულ სივრცეში აფეთქება განიცადეს და უამრავ გრძელვადიან დადებით გავლენას ახდენენ. ფარმაცევტულ და ჯანდაცვის სფეროებს აქვთ მრავალი გამოყენების შემთხვევა, რომლებსაც შეუძლიათ AI/ML-ის გამოყენება. აპლიკაციები მოიცავს კვლევებს, რეალურ სამყაროს მტკიცებულებებს, ჭკვიან წარმოებას და ხარისხის უზრუნველყოფას. გამოყენებული ტექნოლოგიები ასევე ძალიან ფართოა: NLP/NLU, CV, AIIoT, განმტკიცებითი სწავლება და ა.შ.