Die mense en proses agter kunsmatige intelligensie

Gepubliseer op: 1 April 2019 / Opdatering vanaf: 1 April 2019 - Skrywer: Konrad Wolfenstein

Die mense en prosesse agter kunsmatige intelligensie – @shutterstock | Zapp2 Foto

Kunsmatige intelligensie het 'n slegte reputasie as 'n werkmoordenaar en mens-werker-vervanger. In sommige gebiede is dit die geval, maar in ander, veral wanneer dit kom by die skoonmaak en verwerking van data, is KI die voorloper in nuwe werksgeleenthede.

' Data-etikettering en annotasie' is 'n opkomende industrie wat uit KI ontstaan ​​het. Ongestruktureerde datastelle van bronne soos kameras en sosialemediadata of gestruktureerde bronne soos databasisse word benoem, uitgelig, ingekleur of uitgelig om verskille en ooreenkomste tussen mense te wys. Om 'n masjien op te lei om te leer wat 'n stopteken is, moet 'n persoon by die kameramateriaal van 'n straat instap en al die stoptekens op die foto merk. Die masjien word dan data gevoer wat duisende van hierdie beelde identifiseer. Met verloop van tyd sal die verwerking van die gemerkte data die stelsel in staat stel om meer akkuraat te identifiseer wat 'n stopteken is. Hierdie tipe masjienleer, waar 'n stelsel meer akkuraat word deur meer data te ontvang, word diep leer genoem.

Aangesien hierdie proses noodsaaklik is vir die algoritmes om kernfunksies akkuraat uit te voer, sal die data-etiketteringsbedryf oor die volgende vyf jaar in belangrikheid toeneem. In 2018 was die mark vir KI en masjienleer-datavoorbereiding, 'n proses wat sterk staatmaak op mense wat data handmatig etiketteer, $500 miljoen. Dit sal na verwagting meer as verdubbel en $1,2 miljard teen 2023 bereik, volgens Cognilytica Derdeparty-verskaffers verwag dat hierdie groei aansienlik sal toeneem, van $150 miljoen van die mark tot $1 miljard oor dieselfde tydperk. Data-etikettering is veral belangrik vir KI, wat handel oor voorwerp- en beeldherkenning, outonome voertuie, en teks- en beeldetikettering.

Kunsmatige intelligensie kry 'n slegte raps as 'n werkmoordenaar en mens-werker-vervanger. In sommige gebiede is dit waar, maar in ander, veral oor hoe data skoongemaak en verwerk word, is KI die voorpunt van nuwe werke.

Data-etikettering en -aantekeninge is 'n ontluikende bedryf wat uit KI gebore is. Ongestruktureerde datastelle van bronne soos kameras en sosialemediadata of gestruktureerde bronne, soos databasisse, word gemerk, gemerk, gekleur of uitgelig om verskille, ooreenkomste deur mense te wys. Om 'n masjien op te lei om te leer wat 'n stopteken is, moet 'n persoon na kamera-beeldmateriaal van 'n straat gaan en al die stoptekens op die foto merk. Die masjien word dan gevoer met data wat duisende van hierdie beelde identifiseer. Oortyd kan die stelsel meer akkuraat identifiseer wat 'n stopteken is deur die gemerkte data te verwerk. Hierdie tipe masjienleer, waar 'n stelsel meer akkuraat word deur meer data gevoer te word, word diep leer genoem.

Aangesien hierdie proses noodsaaklik is vir algoritmes om kerndele van sy funksie akkuraat uit te voer, gaan die data-etiketteringsbedryf oor die volgende vyf jaar begin. In 2018 het die mark vir KI en masjienleer-datavoorbereiding, 'n proses wat baie staatmaak op mense om data handmatig te etiketteer, op $500 miljoen gestaan. Volgens Cognilytica word verwag dat dit meer as verdubbel en $1.2 miljard teen 2023 bereik. Derdepartyverskaffers verwag om 'n aansienlike toename in daardie groei te sien, wat van $150 miljoen van die mark tot $1 miljard oor dieselfde tydraamwerk gaan. Data-etikettering is veral noodsaaklik vir KI wat handel oor voorwerp- en beeldherkenning, outonome voertuie en teks- en beeldannotasie.

Jy sal meer infografika by Statista