Rachel Thomas a rendere accessibile AI

Quanto velocemente.ai interrompe l’apprendimento dell’apprendimento profondo dell’IA

Fonte: C.Rosso

L’intelligenza artificiale (AI) è emersa da un profondo inverno di relativa dormienza per sessanta anni in una rinascita in pieno svolgimento – in gran parte a causa dei progressi nell’apprendimento profondo. Basato in modo approssimativo sul cervello umano, l’apprendimento profondo è un metodo di apprendimento automatico che utilizza strati di neuroni artificiali (una rete neurale artificiale) che non richiede una programmazione esplicita per “apprendere” da grandi quantità di input di Big Data. C’è un boom di assunzioni per i professionisti dell’intelligenza artificiale (AI). La quota di posti di lavoro che richiedono competenze di intelligenza artificiale è cresciuta di 4,5 volte negli Stati Uniti nel periodo 2013-2017, secondo l’indice AI di Stanford. Per rispondere a questa crescente domanda, un’azienda sta adottando un approccio innovativo. Alla conferenza Exponential Medicine di questa settimana, Rachel Thomas, co-fondatrice di fast.ai, ha presentato un nuovo modo per rendere l’intelligenza artificiale accessibile a una vasta gamma di persone provenienti da ogni contesto, non solo dalle istituzioni d’elite – in effetti, interrompendo l’apprendimento di Apprendimento profondo AI.

Rachel Thomas è una delle “20 Incredible Women in AI” di Forbes, un oratore TEDx San Francisco, un professore all’Università di San Francisco (USF), un membro di facoltà di Exponential Medicine, uno scrittore famoso e un influente oratore principale. Ha conseguito il dottorato. in matematica alla Duke University, ed è stato uno dei primi ingegneri di Uber, tra le altre start-up. Thomas ha co-fondato fast.ai nel 2016 con l’imprenditore seriale Jeremy Howard con l’intento strategico di rendere accessibile l’apprendimento profondo.

• Argomenti di polarizzazione: 13 consigli per discussioni difficili
• Depressione tra uomini: è tempo di cancellare lo stigma
• La tua sincronicità: quanto è buono?
• A prova di futuro la tua carriera
• Mobilità economica e disuguaglianza dei redditi

“Quando stavamo creando il corso, questo era qualcosa che desideravo esistesse cinque anni fa, quando mi sono interessato per la prima volta all’apprendimento profondo”, ha affermato Thomas.

Tradizionalmente, ci sono molte barriere che impediscono ai programmatori di acquisire abbastanza capacità di apprendimento approfondito per produrre algoritmi allo stato dell’arte che risolvono problemi reali. Molte istituzioni esistenti richiedono un background matematico di alto livello o un dottorato di ricerca. come un requisito, che potrebbe richiedere anni per ottenere. Se gli studenti alla fine creano un algoritmo funzionante, di solito è ipotetico senza applicazioni reali.

“Penso che molti corsi siano piuttosto teorici, e questo ha senso … l’apprendimento profondo sta crescendo fuori dal campo teorico”, ha detto.

• Perché dovresti votare
• L’adolescenza e l’importanza di parlare con i genitori
• Amore e debito
• Un piano in 10 fasi per risolvere il nostro sistema di salute mentale
• Le commozioni cerebrali aumentano il rischio di suicidio?

I fondatori di fast.ai hanno identificato un vuoto nell’educazione tecnologica e hanno trovato un modo per modernizzarlo. L’approccio tradizionale all’insegnamento dell’apprendimento profondo è in genere un processo lungo e lento che parte dal livello tecnico dettagliato – un approccio dal basso verso l’alto.

“Volevamo qualcosa di più pratico e pratico,” ha affermato Thomas, “Volevo davvero renderlo accessibile a più persone e rendere più facile per le persone di tutti i background e domini di essere coinvolti in questo campo.”

“Sono molto più interessato a ciò che funziona per risolvere i problemi che le persone stanno avendo – sia che si tratti di agricoltura, medicina o produzione”, ha detto Thomas.

La metodologia della sua azienda è un approccio top-down, l’esatto opposto dei metodi di insegnamento tradizionali per l’apprendimento profondo. Gli studenti possono sviluppare rapidamente algoritmi di deep learning con una libreria open-source di applicazioni e modelli pronti all’uso che Thomas ha contribuito a creare.

“Vogliamo che le persone formino subito reti neurali anche se le persone non conoscono i componenti sottostanti in generale”, ha affermato Thomas.

In un brevissimo periodo di tempo, gli studenti di fast.ai sono in grado di produrre rapidamente algoritmi di apprendimento approfondito allo stato dell’arte ad alte prestazioni senza dover avere prerequisiti matematici avanzati.

“Nel corso del tempo arriveremo ai dettagli, e se farai l’intero corso otterrai una comprensione di basso livello, ma è completamente capovolta nell’ordine”, ha detto Thomas.

“Nel mio background, ho un dottorato di ricerca. in matematica e ho lavorato come ingegnere informatico e scienziato dei dati – ho potuto vedere quanto sia potente questa tecnologia, e che siamo solo al culmine della situazione “, ha detto Thomas.

Come attuale ricerca-in-residence presso l’Istituto dei dati dell’Università di San Francisco (USF), l’obiettivo principale di Thomas è la prestazione di algoritmi di deep learning.

Thomas disse: “Il mio principale interesse è, ‘funzionano questi algoritmi? Stanno risolvendo problemi interessanti e dando risultati precisi? ‘

Secondo Thomas, la visione a lungo termine di fast.ai è di continuare a rendere la tecnologia di apprendimento approfondito più facile da usare, per ottenere risultati ancora migliori. Ciò significa aumentare il contenuto della libreria open source di fast.ai.

In meno di due anni da quando è stato fondato fast.ai, oltre 200.000 studenti hanno completato il proprio corso online, e diverse centinaia hanno seguito il curriculum in classe. Fast.ai sta aprendo la strada per consentire ai programmatori di diventare esperti di apprendimento approfondito in poche settimane, rispetto a anni – un approccio rapido e pratico alla risoluzione dei problemi del mondo reale.

Copyright © 2018 Cami Rosso Tutti i diritti riservati.

Riferimenti

Shoham, Yoav; Perrault, Raymond; Brynjolfsson, Erik; Clark, Jack; LeGassick, Calvin. “Rapporto annuale 2017 dell’Indice di intelligenza artificiale”. L’indice AI. Estratto l’11-8-2018 da http://cdn.aiindex.org/2017-report.pdf