RE-WORK es líder en eventos de inteligencia artificial y aprendizaje profundo y organiza cumbres y talleres en todo el mundo. Los eventos cubren temas relacionados con el aprendizaje profundo, el aprendizaje automático, la IA en varios sectores, la visión artificial, los vehículos autónomos, la IA responsable y más. Reúnen a líderes de la industria y la academia.
En el informe técnico más reciente de RE•WORK titulado ‘Los desafíos, los éxitos, la progresión y las fallas del procesamiento en IA,’ los colaboradores incluyeron nombres de la Universidad de Purdue, la Universidad de Ryerson, GSI Technology, COTA Inc., Omdena y más.
El libro blanco se divide en seis capítulos:
- Capítulo 1: Limitaciones de datos en aplicaciones comunes de la industria y sin fines de lucro
- Capítulo 2: Convergencia de ElasticSearch, ANN y Computer-in-Memory
- Capítulo 3: Las limitaciones y avances de la disponibilidad de datos
- Capítulo 4: Obstáculos de datos en ML y AL
- Capítulo 5: Limitaciones de procesamiento en la IA empresarial: ¿GPT-3 es la solución definitiva?
- Capítulo 6: Todo en redes de comunicaciones inalámbricas 6G
El primer capítulo del documento cubre los desafíos de datos más comunes que enfrentan las organizaciones privadas y sin fines de lucro. También detalla las limitaciones comunes con respecto a la disponibilidad y el costo, la privacidad y la ética, y los datos. Este capítulo se basó en tres estudios de casos específicos para demostrar las limitaciones de datos en texto, video y datos geográficos, que incluyen ‘Abordar la vulnerabilidad con NLP’, ‘Visión por computadora para respuesta de emergencia’ y ‘Aplicaciones de visión por computadora para conducción autónoma’.
El capítulo 1 fue escrito por Rosano de Oliveira Gomez, ingeniero principal de aprendizaje automático de Omdena; Harini Suresh, investigadora de doctorado en el MIT; y Erim Afzal, ingeniero de ML en Omdena.
El segundo capítulo se centra en el uso del vecino más cercano aproximado (ANN) con procesamiento de aceleración en memoria, que proporciona una respuesta en tiempo real de las operaciones de búsqueda elástica. Elasticsearch, que originalmente era un motor de búsqueda de texto, ahora puede incluir en las bases de datos documentos como imágenes, arquitectura de red, documentos de texto y recibos de productos. El capítulo también cubre nuevas tecnologías en el mercado como la Unidad de Procesamiento Asociativo (APU).
El capítulo 2 fue escrito por Mark Wright, director de marketing de GSI Technology.
El tercer capítulo cubre las limitaciones y ventajas de la disponibilidad de datos. Comienza explicando primero qué es y qué no es la disponibilidad de datos, seguido de sus limitaciones, como la compatibilidad de datos, la falla de almacenamiento, la falla del servidor/red, el costo y la mala calidad de los datos. El capítulo se cierra con la introducción de soluciones como una canalización de procesamiento de datos de alto rendimiento y la nube híbrida.
El Capítulo 3 fue escrito por Adebunmi Odefunso, ingeniero de software y practicante de ML en la Universidad de Purdue.
El cuarto capítulo cubre los diversos obstáculos en ML e IA, centrándose en algoritmos y modelos problemáticos como los sistemas de reconocimiento facial, que han demostrado altas tasas de error y sesgo. Continúa demostrando cómo mitigar el sesgo y aumentar la interpretabilidad y por qué el conjunto de datos debe ser grande y diverso. Se cubren varios otros aspectos de los datos, como la consistencia y precisión de las fuentes de datos.
El capítulo 4 fue escrito por Shivam Mathura, director de estrategia de COTA Inc.
El quinto capítulo utiliza el último modelo de IA GPT-3 para explorar las limitaciones y el potencial de la IA en Enterprise. El objetivo del capítulo es reconocer que “las limitaciones de hoy son los éxitos de mañana” y la necesidad de continuar experimentando.
El capítulo 5 fue escrito por Shaina Raza, candidata a PhD en Advisor Computer Science en la Universidad de Ryerson.
El sexto capítulo cubrió las redes de comunicación inalámbrica 6G emergentes y cómo requerirán IA, aprendizaje automático y más. Continúa señalando cómo estos sistemas permitirán una capacidad y un acceso a la red sin precedentes. Algunos de los otros temas del capítulo incluyen: redes inalámbricas de próxima generación con IA y SDN, motivación del desafío de colaboración de espectro de DARPA e implementación de algoritmos de radio inteligente.
El capítulo 6 fue escrito por varios autores, incluidos Kemal Akkaya, Arjuna Madanayake, Udara De Silva y Sravan Pulipati de Florida Int. Universidad; Josep M. Jornet, Kaushik Chowdhury, Francesco Restuccia y Tommaso Melodia de la Universidad del Noreste; Soumyajit Mandal y John Shea de la Universidad de Florida; Aditya Dhananjay de Pi Radio; y Jay Dawani y Vassil Dimitrov de Lemurian Labs.