Хороший текст про ИИ. Просто и доступно.

https://snips.ai/content/intro-to-ai/#ai-metrics

#ai

Круглый стол с Андрем @asebrant Себрантом на тему "Как приручить машинное обучение? С чего начинать и как действовать, чтобы всё получилось?"

#ml #ds #ai #source

Обновляемая база по статей и курсов по machine learning & data science.

Have fun!

https://docs.google.com/spreadsheets/d/1dXghGL0hH6gs3H9Km7zhOpk9MWufRJ_bSrFw0NLaRuo/htmlview

КТО СТАНЕТ КОРОЛЕМ В МИРЕ AI?

Как я недавно писал, понять генеральную линию дальнейшего развития AI невозможно.

Однако, предсказать, кто станет королем в мире AI в ближайшие лет 10, уже можно с большой вероятностью.

Для большинства возможность такого предсказания может показаться странной. Как же так? Ведь это зависит от многих непредсказуемостей:

— кто сумеет найти более совершенные архитектуры нейросетей?
— кто разработает более совершенные алгоритмы глубинного обучения?
— кто откроет новые модели и методы обучения нейросетей, качественно улучшающие результаты их обучения?
— кто создаст наиболее совершенный фреймворк для аппаратной реализации алгоритмов нейросетей на GPU и супер-компьютерных архитектурах?
— и т.д. и т.п.

Так вот! Кто станет королем в мире AI от всего названного уже не зависит.
Все эти вопросы, конечно, важные. Но не главные.
Ключевой вопрос – КТО БУДЕТ ОБЛАДАТЬ ДАННЫМИ для обучения нейросетей. 

Этот факт тонко проиллюстрировал Андрю Вайт из Gartner , задав такой вопрос.

Что бы вы предпочли иметь для вашего бизнеса?
1) меньше данных и великолепную аналитику;
2) больше данных и неплохую аналитику.

Если 5 лет назад еще были сомневающиеся в правильном ответе на этот вопрос. Сегодня ответ ясен на 100% - главное для успеха – НЕ алгоритмы, НЕ софт, НЕ железо, А ДАННЫЕ.

В современном цифровом мире есть 3 источника данных:

1. Данные хранящиеся в сети Интернет (их главный обладатель Google, получающая все эти гигантские объемы данных практически задаром).

2. Данные из закрытых специализированных баз (главный претендент на обладание ими – компания IBM, тратящая на них миллиарды и миллиарды и скупившая уже львиную долю медицинских и климатических данных)

3. Репозитории данных Интернета вещей (IoT) (типа вот этих ). Здесь пока активней всех Microsoft. Но IBM пытается довольно хитро влезть в этот важнейший 3й сегмент мировых данных, начав предоставлять услуги когнитивной визуальной инспекции (Cognitive Visual Inspection) промышленным гигантам типа АВВ.

Из всего сказанного вывод такой – королей в мире AI будет два:

✔️ Google в мире открытых данных и B2C

✔️ IBM в мире закрытых данных (вкл. IoT) и B2B (если, конечно, компания переживет продолжительный спад бизнеса, что с каждым кварталом становится все сложнее).

#AI

#ai #army #future

Прошел год, ребята.

"
Ведомости перевели чудо-статью про мнение Пентагона о будущем пременения робототехники в оборонке.

https://www.vedomosti.ru/politics/articles/2016/04/29/639674-pentagon-stavku-robotov

Знаковая статья по нескольким причинам:

1. Американцы утверждают, что не будут развивать системы "широкого ИИ" — так что Скайнет и терминаторов от них можно не ждать (если им верить).
Цитаты:
"Уорк подчеркивает необходимость различать «узкий ИИ» (роботы и дроны могут принимать решения только по четко определенным параметрам) и «широкий ИИ» (ракетная установка сама определяет цель и момент удара). «В ближайшие 10-15 лет мы будем заниматься в основном узким ИИ», – говорит Уорк."

2. Оборонка, как обычно, по прежнему впереди планеты всей. Кроме того, они признают Россию в качестве одного из двух мировых лидеров в области обычных вооружений, поэтому ищут альтернативу.
"Эпоха военного доминирования США, начавшаяся с падением Берлинской стены в 1989 г., закончилась в 2014 г. К такому выводу пришло руководство Пентагона, которое теперь считает, что для лидерства в новой эпохе необходимы роботы. Чтобы не уступить двум главным конкурентам – России и Китаю, Вашингтон начал делать крупные инвестиции в робототехнику, технологии искуственного интеллекта (ИИ) и другие военные инновации.
«Мы пытаемся изменить образ мышления министерства в эпоху, в которой нам предстоит иметь дело с державами, настолько же сильными в области обычных вооружений, как мы», – говорит замминистра обороны США Роберт Уорк."

3. Сами они в чудеса не верят, поэтому будут искать (или создавать) конфликты, где будут тестировать свои "эксперименты".
"Сейчас лишь ведутся эксперименты, и пока технологии не будут применены в боевых условиях, в них никто по-настоящему не поверит, утверждает Уорк: «В ближайшие пять лет произойдет какой-нибудь конфликт, и когда люди с удивлением поймут, что кое-что изменилось, тогда [развитие технологий] ускорится».

4. Интересно вот что:
"В аналогичные технологии инвестируют Россия и Китая. Многие из подобных технологий развивает частный сектор, и они доступны каждому. Но Уорк считает, что у США есть ряд существенных преимуществ, в частности открытое общество. "

При этом верховный суд США разрешил обыск любого компьютера в мире (о чем я писал тут https://telegram.me/mustreat/1222). Вот такая демократия, братцы! Доверяй, но проверяй.
"

#AI #law

Продолжаем тему ИИ в суде. Прошлые посты: https://tttttt.me/robotics_channel/441
https://tttttt.me/robotics_channel/499

Учёные из Стенфорда создали ИИ, предсказывающий исходы судебных процессов точнее юристов. Основываясь на базе данных верховного суда США с 1791 года, исследователи выделили 16 факторов, влияющих на решение судей. На основе исторических данных, статистических моделей и нейронной сети ИИ вынес правильный прогноз в 70% случаев. Для сравнения прогнозы юристов и учёных в области права верны в 66% случаев.

Такой ИИ будет использоваться инвесторами для предсказания исходов важных судебных разбирательств между компаниями. Он также поможет определить шансы на победу при эскалации разбирательств до верховного суда. Это поможет снизить затраты на юристов и судебные соглашения.

Оригинал (англ): http://amp.gs/tDy8

ОБ AI ПО ГАМБУРГСКОМУ СЧЕТУ

   Уже не раз писал, что о перспективах технологий нельзя судить по статьям ученых, вендоров и журналистов. Слишком они противоречивы и ангажированы.
Лишь экспертный анализ бизнес-консультантов с высокой репутацией способен оценить положение и перспективы по гамбургскому счету – независимо от сиюминутных обстоятельств и корыстных интересов, максимально реалистично, практично и точно.
И сегодня такая возможность появилось с выходом отчета McKinsey Global Institute.

Желающие могут скачать отчет здесь (PDF 3MB, 80 стр.)

Я же попробую отжать в сухой остаток ключевые тезисы и визуализировать их.

1️⃣ Мы в самом начале AI-революции:
— инвестиции уже колоссальные и быстро растут;
— понимания, что и как с этим делать, пока, к сожалению, мало;
— реальной отдачи в бизнесе – еще меньше;
— главное поле битвы пока что не бизнес, а патенты и интеллектуальная собственность.

2️⃣ Однако, реальную отдачу от AI для бизнеса уже получают ранние внедренцы - «по жизни цифровые индустрии». Например:
— Netflix получает $1 млрд в год только за свой уникальный рекомендательный сервис, удерживающий клиентов от ухода к конкурентам;
— Amazon сократил интервал времени «Заказ-Отгрузка» с 70 мин. до 15 мин., сократив этим затраты на 20% и увеличив емкость складов на 50%.

3️⃣ США и Китай ушли в отрыв. Даже Европе (не говоря уж о России) практически нечего ловить.
— только Baidu и Google уже тратят по $20-$30 млрд внутренних инвестиций в год на AI;
— 90% идет на R&D и лишь 10% на M&A (т.е. рынок еще в пеленках);
— основные внешние инвестиции (от внешних инвесторов) вкладываются в Машинное обучение, хотя этот сегмент неотвратимо растворяется в других.

4️⃣ Перспективы траектории «спрос-предложение» сильно отличаются для разных индустрий
— финансы, хай-тек, телеком съедят больше половины AI пирога;
— обучение (увы!) застрянет, почти как строительство.

5️⃣ Ключевые вызовы на пути AI-революции и Цифровой трансформации – не массовая безработица и «бунт машин», а вот что:
— понять, как учить и переучивать людей;
— создать культуру кооперации с роботами (чтоб не гнобить и не подсиживать их);
— понять, как решать вопросы ответственности, доверия и правового обеспечения при сосуществовании и кооперации человека и AI - тут пока что ВООБЩЕ КОНЬ НЕ ВАЛЯЛСЯ И НИЧЕГО НЕ ПОНЯТНО
- - - - -
Как видите, AI по гамбургскому счету не сильно похож на то, что о нем пишут ученые, вендоры и журналисты. На то он и гамбургский счет 😳

#McKinsey #AI #МашинноеОбучение

Я НАЧАЛЬНИК, ТЫ – AI

В прошлом посте была указана открытая ссылка за пэйвол HBR на последний номер этого журнала.

И поскольку доступ к этому номеру у вас уже есть, хочу порекомендовать еще один интересный материал из него – короткая статья «Алгоритмы видимость контроля».

В ней рассказывается про весьма неприятную историю, связанную с AI, - про которую почти не пишут. Речь идет о т.н. Эффекте «неприятия алгоритма»:

   --  истоки которого коренятся у нас в сознании, но до конца не понятно – почему, и потому не очень ясно, как с этим бороться;
   --  последствия которого определяют успех/неуспех и, соответственно, – применение/неприменение той или иной AI технологии в конкретных индустриях и областях личного и общественного использования.

Суть этого «неприятия» в следующем.

Люди предъявляют к алгоритмам (решениям, принимаемым машинами) куда более жесткие требования, чем к самим себе. И поскольку почти любой алгоритм не идеален, люди отказываются использовать алгоритм, ссылаясь на его недостаточную точность и надежность.

Другими словами, себе-любимому мы готовы простить даже бОльшую ошибку, чем компьютеру.

   Это смахивает на наше свойство «в чужом глазу соломину видеть, а в своём — бревна не замечать». 

В результате, человек оставляет за собой работу, куда лучше выполняемую компьютером. А бизнес продолжает терять на этом кучу денег, эффективность не растет и, вообще, прогресс не идет, куда следует.

Например, вот такая ситуация:

(1) врач в состоянии самостоятельно поставить правильный диагноз по снимку с вероятностью 60%,

(2) ему дается AI, который якобы будет ставить правильные диагнозы по снимкам с вероятностью 90%;

(3) на практике же получается, что AI ставит правильные диагнозы с вероятностью «только» 80%.

В результате, врач заявляет, что не нужен ему такой плохой AI, который не дотягивает до обещанной точности диагностики. Более того, раз он не может обеспечить 90% точность диагностики, ему вообще нельзя доверять.

В статье HBR описываются эксперименты, проводимые с целью найти способ борьбы с «неприятием алгоритма».

Согласно экспериментам, неприятие снижается, если человеку дать возможность подправлять решения AI.

Т.е. этот самый врач, у которого точность диагноза на треть хуже, чем у AI, будет подправлять диагностику AI.

Бред, конечно! А что делать? Иначе человек не может ничего с собой поделать и будет всячески дискредитировать и саботировать решения AI.

Цена вопроса здесь колоссальная. Эксперты считают, что «неприятию алгоритма» человечество обязано многими миллиардами, теряемыми, например, в ритейле из-за того, что там, по-прежнему, предпочитают опираться на человеческий прогноз при пополнении запасов, а не на куда более точные прогнозы уже существующих AI систем.

- - - - -
Легко представить, что для борьбы с «неприятием алгоритма» разработчики AI начнут предусматривать спецтрюки. Например, человек будет считать, что корректирует решения AI, а на самом деле, AI просто будет в этот момент играть с человеком в поддавки, давая ему ложное ощущение, что тот – главный.

Такой путь может закончиться плохо. И я бы сильно подумал, прежде чем пойти на такой риск.

Так за кем должно оставаться финальное решение???

N.B. От ответа на этот вопрос, в частности, зависит юридическая легализация управляемых AI авто и даже то, решится ли одна из сторон нанести ядерный удар.

Такова важность решения вопроса о «неприятии алгоритма».

Статья ссылается на это исследование.
Но есть и более новое.

#AI #ПринятиеРешений #Прогнозирование #НеприятиеАлгоритма

​​The Ripple Effects of COVID-19 on Emerging Technologies.

У Pitchbook вышел небольшой, но очень интересный отчет в отношении влияния коронавируса на развивающиеся технологии.

Приложу одну таблицу, где сводятся инвестиции, поднятые стартапами в 2019 году и влияние COVID.

Далее в отчете вы можете прочитать “so whats” от аналитиков (очень удобно читать быстро, потому что основные моменты выделены).

Например, mobility сегмент при условии значительного влияния отскакивает тоже сильно – например, в Китае микромобильность сейчас растет на 150%.

Сам отчет на [27 страниц] в приложении.

@proVenture

#trends #covid #research #mobility #fintech #AI

Коллеги, плз, лайкните и по возможности откомментите этот пост в ЛИ
https://www.linkedin.com/feed/update/urn:li:ugcPost:6876827639420600320/