Хората и процесите зад изкуствения интелект

Публикувано на: 1 април 2019 г. / Актуализирано на: 1 април 2019 г. – Автор: Konrad Wolfenstein

Хората и процесите зад изкуствения интелект – @shutterstock | Zapp2Photo

Изкуственият интелект има лоша репутация на убиец на работни места и заместител на човешките работници. В някои области това е вярно, но в други, особено по отношение на почистването и обработката на данни, изкуственият интелект е водещ в създаването на нови работни места.

„Етикетирането и анотирането на данни“ е бързо развиваща се индустрия, произлязла от изкуствения интелект. Неструктурирани набори от данни от източници като камери и социални медии или структурирани източници като бази данни се етикетират, маркират, оцветяват или маркират, за да се разкрият разликите и приликите между отделните хора. За да се обучи машина да разпознава знак стоп, човек би влязъл в запис от улична камера и би маркирал всички знаци стоп на снимката. След това на машината биха били подадени данни, идентифициращи хиляди от тези изображения. С течение на времето, чрез обработка на маркираните данни, системата може да стане по-точна в разпознаването на знак стоп. Този тип машинно обучение, при което системата подобрява точността, като получава повече данни, се нарича дълбоко обучение.

Тъй като този процес е от съществено значение за точното изпълнение на основните функции на алгоритмите, индустрията за етикетиране на данни ще придобие значително значение през следващите пет години. През 2018 г. пазарът за подготовка на данни с изкуствен интелект и машинно обучение, процес, силно зависим от ръчното етикетиране на данни от хора, беше оценен на 500 милиона долара. Според Cognilytica се очаква този процент да се увеличи повече от два пъти, достигайки 1,2 милиарда долара до 2023 г. Доставчиците на трети страни очакват значително увеличение на този растеж - от пазарен размер от 150 милиона долара до 1 милиард долара за същия период. Етикетирането на данни е особено важно за приложения на изкуствен интелект, като разпознаване на обекти и изображения, автономни превозни средства и анотиране на текст и изображения.

Изкуственият интелект е с лоша репутация като убиец на работни места и заместител на човешкия труд. В някои области това е вярно, но в други, особено по отношение на начина, по който данните се почистват и обработват, ИИ е начело на новите работни места.

Етикетирането и анотирането на данни е процъфтяваща индустрия, родена от изкуствения интелект. Неструктурираните набори от данни от източници като камери и данни от социални медии или структурирани източници, като бази данни, се етикетират, маркират, оцветяват или подчертават, за да покажат разлики или прилики от хората. За да се обучи машина да научи какво е знак „стоп“, човек трябва да разгледа запис от камера на улица и да маркира всички знаци „стоп“ на снимката. След това на машината се подават данни, идентифициращи хиляди от тези изображения. С течение на времето системата може по-точно да идентифицира какво е знак „стоп“, като обработва етикетираните данни. Този тип машинно обучение, при което системата става по-точна, като ѝ се подават повече данни, се нарича дълбоко обучение.

Тъй като този процес е от съществено значение за алгоритмите, за да изпълняват точно основните си функции, индустрията за етикетиране на данни се очаква да се разрасне през следващите пет години. През 2018 г. пазарът за подготовка на данни с изкуствен интелект и машинно обучение, процес, който разчита до голяма степен на ръчно етикетиране на данни от хора, възлизаше на 500 милиона долара. Според Cognilyticaсе очаква тази сума да се удвои, достигайки 1,2 милиарда долара до 2023 г. Доставчиците на трети страни очакват значително увеличение на този растеж, като пазарът се увеличи от 150 милиона долара до 1 милиард долара през същия период от време. Етикетирането на данни е особено важно за изкуствения интелект, който се занимава с разпознаване на обекти и изображения, автономни превозни средства и анотиране на текст и изображения.

Ще намерите още инфографики на Statista