Људи и процеси који стоје иза вештачке интелигенције

Вештачка интелигенција има лошу репутацију убице радних места и замене за људске раднике. У неким областима то је тачно, али у другима, посебно у погледу чишћења и обраде података, вештачка интелигенција предњачи у стварању нових радних места.

„Означавање и анотирање података “ је индустрија у процвату која је настала из вештачке интелигенције. Неструктурирани скупови података из извора попут камера и друштвених медија, или структурирани извори попут база података, обележавају се, тагују, обоје или истичу како би се откриле разлике и сличности између појединаца. Да би се машина обучила да препозна знак стоп, особа би ушла у снимак уличне камере и означила све знакове стоп на фотографији. Машина би затим добила податке који идентификују хиљаде ових слика. Временом, обрадом означених података, систем би могао постати прецизнији у препознавању шта је знак стоп. Ова врста машинског учења, где систем побољшава тачност примањем више података, назива се дубоко учење.

Пошто је овај процес неопходан да би алгоритми прецизно извршавали основне функције, индустрија означавања података ће добити значајан значај у наредних пет година. У 2018. години, тржиште за припрему података помоћу вештачке интелигенције и машинског учења, процес који се у великој мери ослања на ручно означавање података од стране људи, процењено је на 500 милиона долара. Према Cognilytica-и , очекује се да ће се овај број више него удвостручити и достићи 1,2 милијарде долара до 2023. године. Независни добављачи очекују значајно повећање овог раста, са величине тржишта од 150 милиона долара на милијарду долара у истом периоду. Означавање података је посебно важно за примене вештачке интелигенције као што су препознавање објеката и слика, аутономна возила и анотације текста и слика.

Вештачка интелигенција има лошу репутацију као убица радних места и замена за људске раднике. У неким областима то је тачно, али у другима, посебно у вези са начином чишћења и обраде података, вештачка интелигенција предводи нова радна места.

Означавање и анотирање података је индустрија у развоју настала из вештачке интелигенције. Неструктурирани скупови података из извора попут камера и података са друштвених медија или структурираних извора, попут база података, обележавају се, бележе, обоје или истичу како би се показале разлике и сличности између људи. Да би се машина научила да научи шта је знак стоп, особа мора да погледа снимак камере на улици и означи све знакове стоп на фотографији. Машини се затим додају подаци који идентификују хиљаде ових слика. Временом систем може прецизније да идентификује шта је знак стоп обрадом означених података. Ова врста машинског учења, где систем постаје прецизнији тако што му се додаје више података, назива се дубоко учење.

Пошто је овај процес неопходан да би алгоритми прецизно обављали основне делове своје функције, индустрија означавања података очекује се да ће доживети процват у наредних пет година. У 2018. години, тржиште за припрему података помоћу вештачке интелигенције и машинског учења, процеса који се у великој мери ослања на људе да ручно означавају податке, износило је 500 милиона долара. Према Cognilytica-и, очекује се да ће се тај износ више него удвостручити, достигавши 1,2 милијарде долара до 2023. године. Пружаоци услуга треће стране очекују значајан пораст тог раста, са 150 милиона долара на 1 милијарду долара у истом временском оквиру. Означавање података је посебно важно за вештачку интелигенцију која се бави препознавањем објеката и слика, аутономним возилима и анотацијама текста и слика.

Више инфографика можете пронаћи на сајту Statista