De mensen en processen achter kunstmatige intelligentie - de mensen en het proces achter kunstmatige intelligentie

Gepubliceerd op: 1 april 2019 / Update van: 1 april 2019 - Auteur: Konrad Wolfenstein

De mensen en processen achter kunstmatige intelligentie - @shutterstock | Zapp2photo

Kunstmatige intelligentie heeft een slechte reputatie als werkmoordenaar en menselijk werk. Dit is op sommige gebieden het geval, maar op andere, vooral met betrekking tot de aanpassing en verwerking van gegevens, is de AI een leider voor nieuwe banen.

' Data -etikettering en annotatie' is een opkomende industrie die uit de AI naar voren kwam. Ongestructureerde gegevensrecords uit bronnen zoals camera's en sociale media -gegevens of gestructureerde bronnen zoals databases worden gelabeld, gemarkeerd, gekleurd of gemarkeerd om verschillen en overeenkomsten van mensen te tonen. Om een ​​machine te trainen om te leren wat een stopbord is, moet een persoon het cameramateriaal van een straat ingaan en alle stopborden op de foto markeren. De machine wordt vervolgens toegevoegd aan gegevens die duizenden van deze afbeeldingen identificeren. Na verloop van tijd kan het systeem nauwkeuriger herkennen door de verwerking van de gemarkeerde gegevens wat een stopbord is. Dit type machine learning, waarin een systeem nauwkeuriger wordt door meer gegevens te ontvangen, wordt diep leren genoemd.

Aangezien dit proces voor de algoritmen voor de exacte uitvoering van de kernfuncties essentieel is, zal de data -labelingsindustrie de komende vijf jaar belang winnen. In 2018 werd de markt voor AI- en machine learning -gegevens opgesteld, een proces dat sterk afhankelijk is van mensen, de gegevens handmatig gelabeld, op $ 500 miljoen. Volgens Cognilytica zal dit naar verwachting verdubbelen en $ 1,2 miljard in 2023. Derde partijaanbieders verwachten een aanzienlijke toename van deze groei, die zal toenemen van $ 150 miljoen van de markt naar $ 1 miljard in dezelfde periode. De databemering is vooral belangrijk voor de AI, die zich bezighoudt met object- en beeldherkenning, autonome voertuigen en tekst en bildom.

Kunstmatige intelligentie krijgt een slechte rap als vervanging van een baanmoordenaar en mensbewerker. In sommige gebieden is dit waar, maar in andere, met name om hoe gegevens worden schoongemaakt en verwerkt, is AI voor het hoofd van nieuwe banen.

Dataetikettering en annotatie is een snelgroeiende industrie geboren uit AI. Ongestructureerde datastetten uit bronnen zoals camera's en sociale media -gegevens of gestructureerde bronnen, zoals databases, zijn gelabeld, gemarkeerd, gemarkeerd, gekleurd of benadrukt om verschillen, overeenkomsten door mensen te tonen. Om een ​​machine te trainen om te leren wat een stopbord is, moet een persoon in camerabeelden van een straat gaan en alle stopborden op de foto markeren. De machine krijgt vervolgens gegevens die duizenden scriptiebeelden identificeren. Na verloop van tijd kan het systeem nauwkeuriger identificeren wat een stopbord is door de gelabelde gegevens te verwerken. Dit type machine learning, waarbij een systeem nauwkeuriger wordt door meer gegevens te krijgen, wordt diep leren genoemd.

Aangezien dit proces essentieel is voor algoritmen om de functie van de IT -functie nauwkeurig te presteren, is de data -labelingsindustrie de komende vijf jaar van start gegaan. In 2018 bedroeg de markt voor AI en machine learning data -voorbereiding, een proces dat sterk afhankelijk is van mensen om gegevens handmatig te labelen, op $ 500 miljoen. Overeenstemming met cognilytica , die naar verwachting meer dan het dubbele is, tot $ 1,2 bril bereikt tegen 2023. Data -labeling is met name essentieel voor AI die zich bezighoudt met object- en beeldherkenning, autonome voertuigen, tekst en beeldannotatie.

U vindt meer infographics bij Statista