В то время как новостные агентства предсказывают грядущую революцию в области искусственного интеллекта, практики знают, что революция в области искусственного интеллекта уже началась. Такие компании, как Google, Amazon, Facebook, IBM и Microsoft, вкладывают миллионы в финансирование искусственного интеллекта и машинного обучения, ежедневно обрабатывая миллиарды точек данных. На данный момент в 2017 году также было выделено более 6 миллиардов долларов финансирования ИИ для независимых предприятий. Хедж-фонды используют ИИ для торговли ценными бумагами на миллиарды долларов за доли секунды, а новые достижения в области транспорта, доставки, здравоохранения и розничной торговли обещают сделать внедрение ИИ обычным явлением.

По прогнозам, мировой рынок искусственного интеллекта вырастет до 3 триллионов долларов к 2024 году - астрономические темпы роста, поскольку ИИ делает нашу жизнь проще и эффективнее. Однако для достижения такого высокого роста рынку искусственного интеллекта придется преодолеть несколько узких мест, ограничивающих его распространение. Neuromation предлагает решение нынешнего фрагментированного ландшафта ИИ, увеличивая доступ и скорость, с которой можно развертывать технологии ИИ.

Разрыв спроса и предложения в искусственном интеллекте

В то время как спрос на ИИ высок и только растет, предложение хороших моделей и данных ИИ замедляет процесс разработки. В Neuromation наше решение удовлетворяет потребности в наборах данных, вычислительных мощностях и рынке для моделей искусственного интеллекта.

Хорошие данные для обучения нейронных сетей

Мы живем в эпоху больших данных. Достаточно легко получить огромные наборы данных практически в любой области, где вы хотите применить ИИ. Проблема в том, что эти наборы данных не были описаны и аннотированы, чтобы их можно было использовать для обучения нейронных сетей. Традиционно люди должны делать аннотации вручную, что делает создание наборов данных сложным, дорогостоящим и подверженным предвзятости. Например, в среднем розничном наборе 150 000+ наименований. Глубокая нейронная сеть нуждается в тысячах примеров помеченных фотографий для каждого элемента. На то, чтобы делать это вручную, потребуются годы.

Решение Neuromation использует синтетические данные для создания наборов обучающих данных для приложений AI. Мы автоматизируем процесс маркировки и аннотирования данных, создавая наборы данных, адаптированные к поставленной задаче. Использование синтетических данных снижает затраты и время, необходимые для создания набора данных для обучения.

Вычислительная мощность для быстрого изучения массивов больших данных

Еще одно ограничение современного ИИ - это вычислительная мощность, доступная разработчикам и исследователям. Вычислительная мощность, необходимая для обучения нейронной сети, часто означает, что алгоритм занимает дни или недели на обучение на одном компьютере. Часто модель необходимо настроить и запустить снова, что делает процесс разработки медленным и обременительным.

Мы предлагаем задействовать существующие вычислительные мощности майнеров в блокчейн-сетях. Исследователи и компании, работающие над ИИ, готовы предложить компенсацию в обмен на вычислительную мощность, а разрешение майнерам зарабатывать деньги на работе над проблемами машинного обучения означает большее вознаграждение для майнеров и более быстрое время обработки для разработчиков ИИ. Белая книга Neuromation оценивает, что майнеры могут заработать от 3 до 5 раз больше NeuroTokens на майнинге по сравнению с другими типами майнинга.

Совместное использование, импорт и запрос моделей

Следующее поколение разработки в области ИИ потребует инструментов для загрузки и обмена моделями ИИ на рынке для использования в различных приложениях. Помимо предоставления синтетических данных и вычислительной мощности на рынке Neuromation, мы также будем создавать, обучать и поддерживать модели для клиентов и позволять клиентам импортировать свои собственные модели. В течение года после запуска Neuromation мы ожидаем продать более 1000 моделей, и рынок моделей будет одним из наших основных драйверов дохода.

Практическое применение нейроматологии

Синтетические данные и распределенная обработка имеют захватывающие практические приложения для повседневного бизнеса. Например, Neuromation установила партнерские отношения с ведущими розничными брендами, чтобы идентифицировать продукты на полке и давать рекомендации по компоновке и эффективности полки на основе изображений, сделанных со смартфона. Используя нашу технологию, мы достигли точности 95% + в распознавании запасов. По данным Gartner, рынок ИИ в розничной торговле достигает 40 миллиардов изображений в год, и 85% взаимодействий с клиентами будет обрабатывать ИИ.

Neuromation также применяет синтетические данные и динамическое моделирование к промышленным приложениям для мониторинга и прогнозирования производственных или отгрузочных операций в реальном времени с помощью компьютерного зрения. Кроме того, мы изучаем, как компьютерное зрение и нейронные сети могут помочь в биотехнологической диагностике и открытии лекарств. На многие вопросы и гипотезы, которые были слишком вариативными или требовали больших затрат труда, чтобы исследовать их с использованием традиционных средств, теперь можно ответить с помощью компьютерного зрения.

Узнайте больше о Neuromation, посетив наш сайт. Мы также доступны через чат, чтобы ответить на любые вопросы!