Рэйчел Томас о том, как сделать ИИ доступным

Как fast.ai мешает изучению AI глубокое обучение

C.Rosso

Источник: К.Россо

Искусственный интеллект (ИИ) превратился из глубокой зимы относительного покоя в течение шестидесяти лет в ренессанс в полном разгаре – во многом благодаря достижениям в глубоком обучении. Основанное на свободе человеческого мозга, глубокое обучение – это метод машинного обучения, в котором используются слои искусственных нейронов (искусственных нейронных сетей), для которых не требуется явное программирование, чтобы «учиться» на огромных объемах ввода больших данных. Существует бум найма для специалистов по искусственному интеллекту (ИИ). По данным Стэнфордского The AI Index, доля рабочих мест, требующих навыков искусственного интеллекта, выросла в США в 4,5 раза. Чтобы удовлетворить этот растущий спрос, одна компания использует инновационный подход. На конференции «Экспоненциальная медицина» на этой неделе Рэйчел Томас, соучредитель fast.ai, представила новый способ сделать ИИ доступным для широкого круга людей из всех слоев общества, а не только из элитных учреждений, – фактически, нарушая обучение AI глубокое обучение.

Рэйчел Томас – одна из Forbes «20 невероятных женщин в искусственном интеллекте», спикер TEDx в Сан-Франциско, профессор Университета Сан-Франциско (USF), преподаватель кафедры экспоненциальной медицины, популярный писатель и влиятельный докладчик. Она получила докторскую степень по математике из Университета Дьюка, и был одним из первых инженеров в Uber, среди других начинающих компаний. Томас стал соучредителем fast.ai в 2016 году вместе с серийным предпринимателем Джереми Ховардом со стратегическим намерением сделать обучение глубоким обучением доступным.

«Когда мы создавали курс, я хотел, чтобы это существовало пять лет назад, когда я впервые заинтересовался глубоким обучением», – сказал Томас.

Традиционно, существует множество препятствий для того, чтобы кодеры могли приобрести достаточно глубокие навыки обучения, чтобы создавать современные алгоритмы, которые решают реальные проблемы. Многие существующие институты требуют высокого уровня математического образования или докторской степени. в качестве реквизита, который может занять годы, чтобы получить. Если учащиеся в конечном итоге создают рабочий алгоритм, он обычно является гипотетическим без реального применения.

«Я думаю, что многие курсы являются либо довольно теоретическими, и это имеет смысл… глубокое обучение вырастает из теоретической области», – сказала она.

Основатели fast.ai определили пробел в технологическом образовании и нашли способ его модернизировать. Традиционный подход к преподаванию глубокого обучения, как правило, представляет собой длительный, медленный процесс, начинающийся с подробного технического уровня – восходящий подход.

«Мы хотели что-то более практичное и готовое, – сказал Томас, – я действительно хотел сделать это доступным для большего числа людей, и чтобы людям всех слоев общества и областей было легче участвовать в этой области».

«Меня гораздо больше интересует, что работает для решения проблем, с которыми сталкиваются люди – будь то сельское хозяйство, медицина или производство», – сказал Томас.

Методология ее компании – нисходящий подход, полная противоположность традиционным методам обучения для глубокого обучения. Учащиеся могут быстро разработать алгоритмы глубокого обучения с помощью библиотеки готовых приложений и моделей с открытым исходным кодом, которые Томас помог создать.

«Мы хотим, чтобы люди сразу обучали нейронные сети, даже если люди не знают основных компонентов в целом», – сказал Томас.

За очень короткий промежуток времени учащиеся fast.ai могут быстро создавать высокопроизводительные современные алгоритмы глубокого обучения, не имея передовых математических предпосылок.

«Со временем мы доберемся до деталей, и если вы пройдете весь курс, вы получите низкоуровневое понимание, но оно полностью перевернуто в порядке», – сказал Томас.

«На моем фоне у меня есть доктор философии. по математике, работал инженером-программистом и исследователем данных – я мог видеть, насколько мощна эта технология и что мы находимся на пороге ее развития », – сказал Томас.

В настоящее время Томас работает в Институте данных Университета Сан-Франциско (USF) и специализируется на выполнении алгоритмов глубокого обучения.

Томас сказал: «Мой главный интерес:« Работают ли эти алгоритмы? Они решают интересные проблемы и дают точные результаты?

По словам Томаса, долгосрочное видение fast.ai состоит в том, чтобы сделать технологию глубокого обучения более легкой в использовании, чтобы получить еще лучшие результаты. Это означает увеличение содержания библиотеки с открытым исходным кодом fast.ai.

Менее чем за два года с момента основания fast.ai более 200 000 студентов завершили онлайн-курс, а еще несколько сотен прошли обучение в классе. Fast.ai прокладывает путь, позволяющий программистам стать экспертами в области глубокого обучения в течение нескольких недель, а не лет, – быстрый и практичный подход к решению реальных проблем.

Рекомендации

Шохам, Йоав; Перро, Раймонд; Бриньольфссон, Эрик; Кларк, Джек; ЛеГассик, Кэлвин. «Годовой отчет Индекса искусственного интеллекта за 2017 год». Индекс AI. Получено 11-8-2018 с http://cdn.aiindex.org/2017-report.pdf

Intereting Posts

Меме, эгоистичные гены и дарвиновская паранойя Женщины-алкоголики: мастера обмана Почему у богатых детей есть более высокие стандартизованные результаты тестов? Темная сторона братьев и сестер Два уникальных сексуальных существа в одних отношениях Быть влюбленным в разум и знания Устранить депрессию – естественно! Счастье от каменного века Чувство ошеломления? Когда отношения не работают Секс, любовь и другие наркотики Подходит ли вам CBT-I? Печальный случай с Дугарами Является ли США более ожирением из-за лекарств? Электронная почта – это не проблема: это наша задача для переключения задач