האנשים והתהליכים העומדים מאחורי בינה מלאכותית - האנשים ומתעבדים מאחורי בינה מלאכותית

פורסם ב: 1 באפריל 2019 / עדכון מאת: 1 באפריל 2019 - מחבר: קונראד וולפנשטיין

האנשים והתהליכים מאחורי בינה מלאכותית - @shutterstock | Zapp2photo

לבינה מלאכותית יש מוניטין רע כרוצח עבודה ועבודה אנושית. זה המקרה באזורים מסוימים, אך באחרים, במיוחד ביחס להתאמה ועיבוד נתונים, ה- AI הוא המוביל למשרות חדשות.

' תיוג נתונים והערה' הוא ענף מתעורר שעלה מה- AI. רשומות נתונים לא מובנות ממקורות כמו מצלמות ונתוני מדיה חברתית או מקורות מובנים כמו מסדי נתונים מסומנים, מסומנים, צבעוניים או מודגשים כדי להציג הבדלים ודמיון של אנשים. כדי לאמן מכונה ללמוד מהו שלט עצירה, אדם צריך להיכנס לחומר המצלמה של רחוב ולסמן את כל שלטי העצירה בתמונה. לאחר מכן מתווספים המכונה לנתונים המזהים אלפי תמונות אלה. עם הזמן המערכת יכולה לזהות בצורה מדויקת יותר באמצעות עיבוד הנתונים המסומנים מהו סימן עצירה. סוג זה של למידת מכונה, בו מערכת מתארגנת יותר על ידי קבלת נתונים נוספים, נקראת למידה עמוקה.

מכיוון שתהליך זה לאלגוריתמים לביצוע המדויק של פונקציות הליבה חיוני, ענף תיוג הנתונים יקבל חשיבות בחמש השנים הבאות. בשנת 2018 הוכן השוק לנתוני AI ולמידה של מכונות, תהליך תלוי מאוד בבני אדם, הנתונים שכותרתו ידנית, בסכום של 500 מיליון דולר. על פי נתוני קוגנילטיקה , זה צפוי להכפיל 1.2 מיליארד דולר עד שנת 2023. ספקי המפלגה השלישית מצפים לעלייה משמעותית בצמיחה זו, שתגדל מ -150 מיליון דולר מהשוק למיליארד דולר באותה תקופה. תיוג הנתונים חשוב במיוחד עבור ה- AI, העוסק בזיהוי אובייקטים ותמונות, כלי רכב אוטונומיים כמו גם טקסט ובילדום.

בינה מלאכותית מקבלת ראפ גרוע כרוצח עבודה וכמחליף עובד אנושי. באזורים מסוימים זה נכון, אך באחרים, במיוחד סביב אופן ניקוי הנתונים ומעובדים, AI עומד בראש המשרות החדשות.

תיוג והערה של נתונים הם ענף מתפתח שנולד מ- AI. אסטות נתונים לא מובנות ממקורות כמו מצלמות ונתוני מדיה חברתית או מקורות מובנים, כמו מסדי נתונים, מסומנים, מסומנים, צבעוניים או מדגישים כדי להראות הבדלים, קווי דמיון של אנשים. כדי להכשיר מכונה ללמוד מהו שלט עצירה, אדם צריך להיכנס לקטעי מצלמה של רחוב ולסמן את כל שלטי העצירה בתמונה. לאחר מכן ניזונים ממכונה נתונים המזהים אלפי תמונות תזה. שעות נוספות המערכת יכולה לזהות בצורה מדויקת יותר מהו סימן עצירה על ידי עיבוד הנתונים המסומנים. סוג זה של למידת מכונה, כאשר מערכת מתאדמת יותר על ידי האכילה רבה יותר, מכונה למידה עמוקה.

מכיוון שתהליך זה חיוני לאלגוריתמים לביצועים מדויקים של חלקי ליבה של IT, ענף תיוג הנתונים אמור להמריא בחמש השנים הבאות. בשנת 2018, שוק הכנת הנתונים של AI וללימוד מכונות, תהליך הנשען מאוד על אנשים לתייג נתונים ידנית, עמד על 500 מיליון דולר. הסכמה לקוגנילטיקה , שצפויה להכפיל יותר מכפול, ומגיעה ל -1.2 דולר במילון עד שנת 2023. תיוג נתונים חיוני במיוחד עבור AI העוסק בזיהוי אובייקטים ותמונות, כלי רכב אוטונומיים, טקסט והערת תמונה.

תוכלו למצוא עוד אינפוגרפיות בסטטיסטה