Названы сценарии применения ИИ, готовые для повсеместного применения

Сценарии применения технологии глубокого обучения (DL), наиболее готовые к повсеместному применению, названы в отчете, подготовленному ИТ-компанией Databricks, 11 июля сообщает ZDNet.

Сотрудники Databricks провели анализ рынка и выявили несколько типовых задач применения DL, которые «созрели» для использования не только передовыми компаниями, но повсеместно.

Причем заявляется о готовности и простоте использования не только технологий, но и всей инфраструктуры, включая наличие необходимых данных и методов работы с ними.

В Databricks назвали шесть таких задач:

• Классификация изображений — процесс идентификации и обнаружения объекта или функции в цифровом изображении или видео. Данный сценарий находит широкое применение в розничной торговле. Он позволяет гибко определять требуемые запасы товаров и динамику их расходования.

• Распознавание голоса — «способность принимать и интерпретировать диктовку или понимать и выполнять голосовые команды. Модели могут преобразовывать записанные голосовые команды в текст, а затем использовать обработку на естественном языке, чтобы понять, что говорится и в каком контексте», — сообщается в отчете. Сценарий находит широкое применение в сфере транспорта, позволяя не отрывать руки от руля и других органов управления транспортным средством.

• Обнаружение аномалий — выявление аномальных шаблонов в потоке данных, которые не соответствуют поведению, ожидаемому для конкретной системы, из миллионов различных транзакций. Этот сценарий позволяет выявить атаки на финансовые сети, обнаружить попытки мошенничества в страховании или при получении кредитной карты. Также сценарий позволяет выявить отклонение в потоке данных с датчиков промышленного объекта, вовремя предупредив аварию.

• Системы рекомендаций — анализ действий пользователя с целью предоставления рекомендаций на основе поведения. Широко применяется в интернет-торговле, рекламе и ряде других отраслей.

• Анализ настроений — использование методик глубокого обучения, таких как обработка естественного языка, анализ текста и компьютерная лингвистика, для четкого понимания мнений и настроений потребителей, что позволяет лучше оценить влияния маркетинговых стратегий.

• Анализ видео — обработка потоков видео с камер наблюдения для автоматического выявления потенциальных угроз. Используется для обеспечения безопасности в аэропортах, банках или спортивных мероприятиях.

Для всех этих сценариев использования моделей DL существует достаточное количество инструментов, таких как: TensorFlow, Caffe, MXNet, Keras, PyTorch и другие, а также много документации и примеров использования.