ИИ (ML) в настоящее время широко используется в ассоциациях в различных предприятиях. Машинное обучение ускоряет компьютеризированные изменения и ускоряет бизнес-циклы, а Amazon Web Services (AWS) является одной из основных фирм, продающих запрограммированные методы машинного обучения и предварительно подготовленные модели организациям и инженерам. На выборочной встрече с The Hindu Канишка Агивал, руководитель направления обслуживания, AISPL для AWS в Индии и Южной Азии, поделился своими размышлениями об ML — его приложениях, развитии приема в различных областях, работе позже, так же, как работа AWS по созданию и поддержка среды машинного обучения.

Сопровождающая запись была изменена для ясности и краткости.

Как машинное обучение меняет методы работы организаций?

Раньше инновации машинного обучения были ограничены несколькими крупными техническими организациями и учеными. Все начало меняться, когда распределенные вычисления вошли в стандарт. Цифровая сила и информация открылись, и ML в настоящее время оказывает влияние на каждую отрасль, будь то финансы, розничная торговля, стиль, земля и медицинские услуги. Он движется от периферии к превращению в центральную часть каждого бизнеса и отрасли.

Машинное обучение теперь помогает организациям сделать лучший и быстрый выбор. При использовании правильных процедур машинное обучение повышает готовность, сглаживает показатели, поддерживает доход за счет создания новых элементов и работы над существующими, а также обеспечивает лучшую и более быструю динамику. Нет никаких сомнений в том, что ML и искусственное мышление (ИИ) могут помочь организациям в достижении целей.

Считаете ли вы, что пандемия ускорила выделение ОД?

Как это часто бывает в чрезвычайных ситуациях, организации обычно возвращаются назад и все более обдуманно думают о своей будущей деятельности. Мы видели, как медицинские ассоциации склоняются к инновациям и облачным технологиям, чтобы получать точные данные, доверять их пациентам и направлять их на надлежащее лечение.

Несколько регионов используют машинное обучение, включая чат-ботов с поддержкой машинного обучения, для бесконтактного скрининга проявлений COVID-19 и для ответов на запросы. Использование моделей ML для исследования огромных объемов информации, чтобы создать основу для раннего предупреждения о вспышках болезни и отличить слабые группы населения. Использование машинного обучения в клинической визуализации для восприятия примеров и выявления контекстно-ориентированных связей между качествами, болезнями и транквилизаторами, а также ускорение раскрытия информации о лекарствах, помогающих в лечении COVID-19.

В каких областях выбор и применение машинного обучения будут играть ключевую роль?

Если вы возьмете самые большие области, такие как садоводство, здравоохранение, местное управление, денежное вознаграждение, вы заметите ML в игре. В садоводстве машинное обучение влияет на предупреждение ранчо, тестирование урожая, беспокоит руководителей и определяет урожайность.

Медицинские и медико-биологические ассоциации крупнейших поставщиков медицинских услуг, плательщиков, продавцов ИТ и специализированных независимых поставщиков программного обеспечения по всему миру применяют администрирование AWS ML для получения толерантных результатов и ускорения динамики. Часть случаев использования, которые мы наблюдаем, включают использование ML для ускорения диагностики заболеваний, работы над функциональными навыками и оказанием помощи, обследования здоровья населения и для помощи в логическом обнаружении. В Индии Центры общего обслуживания (CSC) отправляют ML для ускорения передачи резидентным администрациям.

Постепенно современные клиенты из ресурсоемких предприятий, таких как сборочные, энергетические, горнодобывающие и автомобильные, используют ML, чтобы быстрее и лучше выбирать, помогая работать над функциональной производительностью, качеством и оперативностью. Причина, по которой администрация машинного обучения работала в соответствии с потребностями современных условий в малом спящем режиме, также устраняла препятствия для механических компьютеризированных изменений.

Как AWS планирует помочь улучшить среду машинного обучения в Индии?

Недавно мы объявили о скоординированных усилиях с NITI Aayog по созданию Центра облачных инноваций Frontier Technologies в Индии. Это объединит общественных партнеров, новые компании и научный мир для решения основных культурных проблем.

В прошлом году Инновационная миссия Atal, NITI Aayog, объединилась с NASSCOM для отправки «Модуля ATL AI Step Up», уделив особое внимание обучению ИИ среди школьников в Индии. С помощью AWS Educate дублеры действительно захотят приобрести здравый смысл в администрировании машинного обучения AWS, включая Amazon SageMaker.

Кроме того, Индийская палата продовольствия и сельского хозяйства получила AWS Educate для проведения курсов одобрения для студентов, изучающих садоводство. В марте этого года мы сообщили о женской лиге AWS DeepRacer 2021 в Индии, чтобы помочь в развитии местного понимания, что означает объединение женщин для приобретения практического опыта в ML.

Хочет ли AWS использовать больше приложений машинного обучения в более обширной экспозиции своих организаций?

Чтобы встречать наших клиентов там, где они находятся на экскурсии по ML, и помогать им в достижении явных бизнес-результатов, мы предоставляем широчайший набор ML и Администрирования ИИ для разработчиков всех степеней квалификации. Только в 2020 году AWS запустила более 250 новых мощностей для машинного обучения и искусственного интеллекта.

Мы создаем AI Services, которые позволяют разработчикам эффективно добавлять знания в любое приложение, не требуя навыков машинного обучения. Эти административные функции предоставляют приложениям мгновенного анализа данные и рабочие процессы для настройки клиентского опыта, выявления и устранения несоответствий в бизнес-измерениях, подтверждения изображений и, следовательно, удаления значимости из архивов.

AWS также разработала комплексные меры, которые не предполагают, что группы сами объединят разные службы.

Как вы видите дальнейшее развитие машинного обучения?

ML представляет собой новую возможность для правительства и ассоциаций использовать общедоступную информацию в социальных целях. От чат-ботов до поддержки городских администраций и бесконтактного отслеживания COVID-19, правительства могут оседлать ML, чтобы оставаться рядом со своими жителями во время более глубоких встреч. Ассоциации могут с большей готовностью изучать и использовать информацию для более важных и удобных вариантов выбора, если они оснащены надлежащими инновационными возможностями. Использование машинного обучения может привести к меньшему количеству ошибок и более удобной динамике, позволяющей ассоциациям выполнять действия с точностью и скоростью.

Над общественным благополучием можно работать над целым рядом мыслимых результатов, от обеспечения безопасности на улицах до предотвращения цифровых нападений и реагирования на катастрофические события. ML предоставит правительственным ассоциациям возможность дальнейшего повышения благосостояния в этом диапазоне и за его пределами. ML может значительно сгладить функциональные циклы. Впоследствии это может сэкономить время, затраты и различные активы, чтобы ассоциации могли сосредоточиться на том, что более важно.

С помощью машинного обучения ассоциации могут использовать информацию для создания и масштабирования прогрессивных идей, которые являются результатом современных исследований, намного превосходящих человеческие возможности.