Filtruj / szukaj
(0)
Przewodzenie i odnoszenie sukcesów z zespołem wyposażonym w narzędzia ze sfery sztucznej inteligencji wymaga wzięcia pod uwagę kluczowych aspektów naboru pracowników, szkoleń oraz zarządzania ryzykiem.
Postęp techniczny osiągnięty ostatnio w sferze uczenia maszynowego, szczególnie w obszarze uczenia głębokiego (deep learning), jest następstwem coraz częstszego włączania przez firmy sztucznej inteligencji (AI) w procesy i bieżące zadaniaIndeks górny 11. Niektóre z takich nowych rozwiązań, jak np. DeepMind AlphaGo Google’a oraz modele OpenAI GPT‑2 and GPT‑3, mogą działać na poziomie wręcz eksperckim, i to w dziedzinach, w których – jak sądziliśmy – systemy automatyczne nie będą w stanie dorównać ludziomIndeks górny 22.
Patrząc od strony wyników biznesowych, najciekawsze rozwiązania wykorzystują uczenie głębokie do rozwiązywania problemów związanych z nadzorowanym nauczaniem. To forma uczenia maszynowego, w której podawane są zmienne wejściowe i wyjściowe. Algorytm ma za zadanie poznać związek między „tym, co na wejściu” a „tym, co na wyjściu”. Jest „nadzorowany” w tym sensie, że uczy się na podstawie danych szkoleniowych, gdzie „to, co na wejściu” i „to, co na wyjściu” jest znane. Takie algorytmy ze sfery uczenia głębokiego pozwalają tworzyć oprogramowanie w nowy sposób. Zamiast bezpośrednio podawać przepis w postaci kodu na wykonanie danego zadania, model uczy się na podstawie danych, jak samodzielnie to zadanie wykonać. Algorytmy tego rodzaju są szczególnie pomocne w różnych wariantach prognozowaniaIndeks górny 33.
Poprzednia
