Как создать Центр искусственного интеллекта за 100 дней. Александр Чесалов
многоуровневую структуру и являются причиной того, что алгоритмы глубокого обучения становятся более эффективными по мере увеличения объема наборов данных, в отличие от других алгоритмов машинного обучения, которые по мере увеличения объема данных могут выйти на плато.
– Глубокое обучение (deep learning) – это специализированное подмножество машинного обучения, которое использует многоуровневые нейронные сети для имитации принятия решений человеком, путем извлечения знаний из необработанных данных и их преобразования на каждом уровне. Эти уровни постепенно получают функции более высокого уровня из необработанных данных, что позволяет решать сложные проблемы с более высокой точностью, меньшим количеством функций и меньшей ручной настройкой. Алгоритмы глубокого обучения могут маркировать и категоризировать информацию и определять закономерности. Это то, что позволяет системам ИИ постоянно учиться на работе и улучшать качество и точность результатов, определяя, были ли решения правильными.
– Наука о данных (Data Science) – это процессы и методы извлечения знаний и идей из больших объемов разрозненных данных. Являясь междисциплинарной областью, она включает математику, статистический анализ, визуализацию данных, машинное обучение и многое другое. Наука о данных позволяет нам анализировать информацию, видеть закономерности, находить смысл в больших объемах данных и использовать их для принятия решений, или, как я часто говорю, получать «ценность» или «знания» из данных. Наука о данных может использовать разные методы искусственного интеллекта для анализа данных.
Итак, мне нужны были руководители групп разработки (именно «групп») и сами разработчики, которые бы работали в разных направлениях, решая задачи из некой составленной мной «матрицы», в которой по вертикали находились отрасли экономики, а по горизонтали технологии искусственного интеллекта (работа с «голосом», «текстом», «изображениями» и т.д.), а внутри, на их пересечении, располагались бы отраслевые задачи от наших потенциальных заказчиков и индустриальных партнеров. «Технари» мне нужны были еще и за тем, чтобы они помогали мне в процессе поиска индустриального партнера и привлечению новых заказов в Центр, показывая наши реальные наработки и компетенции.
По факту, все вышло несколько иначе, чем я себе это представлял…
С технарями ничего не получилось.
Времени собрать их было слишком мало, не говоря уже о том, чтобы в кратчайшие сроки сделать хоть сколь-нибудь работающий прототип для демонстрации заказчикам.
И, по факту, оставалось только одно – готовить презентационный материал, который бы раскрывал потенциал нашего будущего Центра, с темами («кейсами») для различных отраслей экономики и заказчиков.
Среди перспективных для нашего Центра были: государство, здравоохранение и промышленность. Позже мы переориентировались на телекоммуникационный