Tekoälyllä maustettu sarja HPC-ennusteita vuodelle 2023

Monet ennusteet HPC-AI:sta vuonna 2023 tulivat peräpeiliimme viime viikkoina. Tässä on otteita niistä, jotka pidimme mielenkiintoisimpia, tuoreita, oivaltavimpina – jopa ristiriitaisia.

Altair Päätutkija Rosemary Francis:
Mene isoon tai mene kotiin – HPC:n suuremmat työmäärät.Koska HPC-työkuormat ottavat vastaan ​​big data -sovelluksia, kuten biotieteitä ja hiukkaskiihdyttimiä, kuten Iso-Britannian timanttivalolähde (laajemman tutkimuksen ja kokeilun vuoksi) näemme työnkulun työkalujen räjähdysmäisen kasvun. Vuoteen 2023 mennessä tämä muutos moniulotteiseen aikataulutukseen tulee olemaan suurin muutostekijä HPC:ssä, kun teollisuus pyrkii modernisoimaan itseään ja mukautumaan näihin suuriin yhdistettyihin sovelluksiin.

HPC käsittelee syvällistä oppimista:Kun syväoppiminen yleistyy vuonna 2023, HPC-työkuormitukset muuttuvat edelleen. Vaikka alun perin suurin osa koneoppimisen työkuormista ajettiin Kubernetesilla tai muilla säilön orkestrointikehyksillä, on käynyt selväksi, että nämä järjestelmät on suunniteltu mikropalveluita varten, ei niitä jyrkkiä, tietokoneintensiivisiä konetyökuormia varten, joita nyt tarvitaan syvään oppimiseen. Kaupalliset HPC-työkuorman johtajat tarvitsevat kattavan konttituen, jotta organisaatiot voivat spool-laskennan ja alkaa hyödyntää eräajoitusta, pilvipursketta ja hintajakoa – kaikkia tehokkaan HPC:n avaintekijöitä.

Joe Fitzsimons, toimitusjohtaja Horizon-kvanttilaskenta, NISQ:n kuolemasta ja siirtymisestä vikasietoisuuteen kvanttitietokoneissa
"Viime vuosina kvanttilaskennan sovellusten kehittämisessä on kiinnitetty erityistä huomiota NISQ-järjestelmään viitaten Noisy Intermediate Scale Quantum -prosessoreihin. Tämän otsikon "kohina" viittaa kubittien herkkyyteen ympäristötekijöiden häiriöille, jotka vaihtelevat muiden kubittien läheisyydestä kosmisten säteiden törmäyksiin. Tämä meluisuus tuo mahdollisesti kohtalokkaita virheitä kvanttilaskentaprosesseihin. Jo pitkään on tiedetty, että on ainakin teoriassa mahdollista rakentaa virheenkorjauksia sisältäviä kvanttitietokoneita niin, että epätäydellisistä komponenteista voidaan rakentaa oleellisesti täydellinen tietokone. NISQ-tutkimuksen painopiste on kuitenkin ollut variaatioalgoritmien kehittäminen, joiden toivotaan kestävän ympäristömelun aiheuttamia pieniä häiriöitä, mikä mahdollistaa kvanttiedun ilman virheenkorjausta.

"Valitettavasti on suhteellisen vähän näyttöä siitä, että tällaiset NISQ-algoritmit todella tuottaisivat etua perinteisiin tietokoneisiin verrattuna monenlaisissa optimointi- ja koneoppimistehtävissä, joihin niitä harkitaan. Vaikka on syytä uskoa, että varhaista kvanttietua voidaan nähdä esimerkiksi kemian aloilla, joilla ratkaistava ongelma on luonteeltaan kvanttimekaaninen, on merkkejä uudesta keskittymisestä vikasietojärjestelmän saavuttamiseen, jossa virheitä esiintyy. korjataan aktiivisesti ja joiden kvanttiedusta on paljon vahvempaa näyttöä."

Dell-teknologiatJohn Roese, maailmanlaajuinen teknologiajohtaja – Kvantti uudenvuodenlupaus
Perustan varhaisia ​​taitoja hyödyntämään kvanttia. Kvanttilaskenta on tulossa todeksi, ja jos yritykselläsi ei ole ketään, joka ymmärtää tämän tekniikan toimivuuden ja miten se vaikuttaa liiketoimintaasi, jäät kaipaamaan tätä teknologia-aaltoa. Tunnista tiimi, työkalut ja tehtävät, jotka omistat kvantille, ja aloita kokeilu. Juuri viime kuussa julkistimme paikallisen Dell Quantum Computing Solution -ratkaisun, jonka avulla organisaatiot eri toimialoilla voivat alkaa hyödyntää kiihdytettyä laskentaa kvanttiteknologian avulla, joka ei muuten olisi nykyään saatavilla. Kvanttisimulaatioon investoiminen ja datatieteen ja tekoälytiimien mahdollistaminen uusien kvanttikielien ja -ominaisuuksien oppimisessa on kriittistä vuonna 2023.

Vastakkaisia ​​näkemyksiä ML:stä Gideon Mendelsiltä, ​​MLOps-alustan toimitusjohtajalta ja perustajilta Komeetta
Kun tiedot käyvät kuivaksi: Suurin osa ML:ssä nähdyistä parannuksista on tullut koulutusmalleista, joissa on enemmän ja enemmän dataa, mutta olemme tulossa siihen pisteeseen, jolloin emme pysty tekemään sitä. Juuri ilmestyi mielenkiintoisia tutkimuksia, jotka osoittavat, että data saattaa loppua vuoteen 2026 mennessä. Jos tämä väitöskirja pitää paikkansa, emme näe parannuksia, ellemme pysty rakentamaan parempia malleja samalle tietojoukolle.

Generatiivisten mallien ympäristövaikutukset: Generatiiviset mallit tuottavat erittäin vaikuttavia tuloksia, mutta ei ole selvää, miten ne vaikuttavat todelliseen liiketoimintaan. Selkeää on näiden massiivisten mallien koulutuksen hiilipäästövaikutus. Laskentavaatimukset ovat mielettömät. Joten se herättää kysymyksen: "Ovatko tulokset ympäristökustannusten arvoisia?"

Siirry pois ohjelmisto-ajattelusta: ML on seurannut ohjelmistokehityksen kulkua tähän asti, mutta ML:n kypsyessä tämä lähestymistapa hajoaa. Yksikään myyjä ei voi tehdä kaikkea. Nykyään tiimit valitsevat parhaat käytettävissä olevat työkalut, jotka liittyvät siihen, mitä he yrittävät tehdä. Myyjät, jotka yrittivät olla kaikkea tiimille, epäonnistuvat. Jotta ML saavuttaisi potentiaalinsa, meidän on ajateltava eri tavalla, jotta voimme rakentaa oikean ML-pinon erityisiin liiketoimintatarpeisiimme.

Bias on liioiteltu: Bias on käsite, joka saa paljon huomiota – ja saa jatkossakin lisää tekoälyn Bill of Rightsissa – se ei ole asia, josta monet ML:n harjoittajat ovat huolissaan joka päivä. Tietenkin he ymmärtävät sen, mutta terveet ML-ammattilaiset ymmärtävät ongelmat ja tietävät, mitä tehdä, jotta harha ei vaikuta haitallisesti tuloksiin.

Jonas Kubilius Oxylabsin neuvottelukunta Generatiivinen AI
Jonas Kubilius, Three Thirdsin perustaja ja toimitusjohtaja sekä Oxylabs Advisory Boardin jäsen, ennakoi Stable Diffusionin, GPT-3:n, GitHub Copilotin ja muiden sisällöntuotantotekniikoiden kasvavan kannattaviksi tuotteiksi, joita kehittäjät ja sisällöntuottajat käyttävät todellisuudessa. maailman sovelluksia. Hän lisäsi, että näkisimme kasvavan kiinnostuksen multimodaalisiin malleihin, jotka pystyvät käsittelemään tekstiä, kuvia, ääntä ja muita syötteitä useisiin tehtäviin.

"Alamme nähdä siirtymisen tekoälyn käytöstä staattisiin tehtäviin, kuten luokitteluun, kielimallipohjaisiin interaktiivisiin työnkulkuihin, jotka auttavat ihmisiä suorittamaan tehtävänsä tehokkaammin", Kubilius sanoi.

Peter Mattson, puheenjohtaja MLCommons, julkisissa tietojoukoissa
"Me kohtaamme yhdistelmän vaativia uusia tutkimushaasteita, jotka liittyvät multimodaaliseen ja keskustelupohjaiseen tekoälyyn sekä oikeudellisiin, eettisiin ja oikeudenmukaisuuteen liittyviin huolenaiheisiin, jotka liittyvät nykyisten julkisten tietokokonaisuuksien verkkopohjaiseen dataan. Koko teollisuuden on myös tuettava paremmin tutkimuksen lisäksi myös laajasti käytössä olevia ML-sovelluksia ja uusia säännöksiä (esim. teollisten laatutestien avulla).

Tukeakseen "seuraavan sukupolven julkista dataa" Mattson ennustaa, että tarvitaan voimakkaita investointeja tietokokonaisuuksiin kiireellisimpien yhteiskunnallisten ja teknisten ongelmien ratkaisemiseksi ja että investointi kanavoidaan avoimen lähdekoodin kaltaisen infrastruktuurin kautta, jonka avulla koko yhteisö voi osallistua ja arvioida. tiedot.

Moses Guttmann, MLOps-alustan toimitusjohtaja ja perustaja ClearML, ML Trends to Watch -sivustolla

Automaatio ja ML-taitojen puute Vaikka olemme nähneet useiden huipputeknologiayritysten ilmoittavan irtisanomisista vuoden 2022 jälkipuoliskolla, on luultavasti yksikään (heistä) irtisanomassa lahjakkainta koneoppimishenkilöstöään. Kuitenkin täyttääkseen tyhjyyden… syvästi teknisissä tiimeissä yritysten on nojauduttava entisestään automaatioon, jotta tuottavuus pysyy korkeana ja projektit saadaan päätökseen. Odotamme myös ML-teknologiaa käyttävien yritysten ottavan käyttöön enemmän järjestelmiä suorituskyvyn seurantaan ja hallitsemiseen ja tekevän enemmän datalähtöisiä päätöksiä ML- tai datatieteen ryhmien hallinnasta.

ML Talent Hoarding on ohi  ML-työntekijöiden irtisanomiset ovat todennäköisesti viimeisimpien palkattujen joukossa, toisin kuin pitkäaikaisempi ML-henkilöstö…. Koska ML:stä ja tekoälystä on tullut yleisempi teknologia viimeisen vuosikymmenen aikana, monet suuret teknologiayritykset alkoivat palkata tämäntyyppisiä työntekijöitä, koska he pystyivät hoitamaan taloudelliset kustannukset ja pitämään heidät poissa kilpailijoista – ei välttämättä siksi, että heitä tarvittaisiin. (Joten) ei ole yllättävää, että niin monia ML-työntekijöitä irtisanotaan… Kuitenkin, kun ML-taitojen keräämisen aikakausi päättyy, se voi tuoda esiin uuden innovaatioaallon ja mahdollisuuden startup-yrityksille. Koska niin paljon lahjakkuuksia etsii nyt työtä, tulemme todennäköisesti näkemään, että monet näistä ihmisistä valuvat ulos suuresta tekniikasta pieniin ja keskisuuriin yrityksiin tai startup-yrityksiin.

ML-projektin priorisointi  Näen koneoppimisprojektien tiivistyvän kahteen tyyppiin: myytävät ominaisuudet, joiden johto uskoo lisäävän myyntiä ja voittavan kilpailijoita, ja tulojen optimointiprojektit… Myytäviä ominaisuusprojekteja todennäköisesti lykätään, koska niitä on vaikea saada nopeasti ulos, ja sen sijaan , nyt pienemmät ML-tiimit keskittyvät enemmän tulojen optimointiin, koska se voi kasvattaa todellisia tuloja. Suorituskyky on tällä hetkellä välttämätöntä kaikille liiketoimintayksiköille, eikä ML ole immuuni sille.

Unified ML  Yksi MLOps:n käyttöönottoa hidastavista tekijöistä on lukuisat pisteratkaisut. Se ei tarkoita, etteivätkö ne toimisi, vaan että ne eivät ehkä integroituisi hyvin yhteen ja jättäisivät aukkoja työnkulkuun. Tästä syystä uskon vakaasti, että vuosi 2023 on vuosi, jolloin ala siirtyy kohti yhtenäisiä, kokonaisvaltaisia ​​alustoja, jotka on rakennettu moduuleista, joita voidaan käyttää yksittäin ja jotka voidaan myös integroida saumattomasti toisiinsa (sekä helposti integroitaviin muihin tuotteisiin) . Tällainen alustalähestymistapa yksittäisten komponenttien joustavuudella tarjoaa sellaisen ketterän kokemuksen, jota nykypäivän asiantuntijat etsivät. Se on helpompaa kuin ostaa pistetuotteita ja korjata ne yhteen; se on nopeampaa kuin oman infrastruktuurin rakentaminen tyhjästä (kun sinun pitäisi käyttää se aika mallien rakentamiseen)….

NVIDIA tarjosi joukon ennusteita useilla tekoälyn ja koneoppimisen aloilla:

Anima Anandkumar, ML-tutkimuksen johtaja ja Bren, Caltechin professori
Digitaaliset kaksoset fyysisesti: Näemme suuressa mittakaavassa digitaaliset kaksoset monimutkaisia ​​ja monimuotoisia fysikaalisia prosesseja, kuten sää- ja ilmastomallit, seismiset ilmiöt ja materiaaliominaisuudet. Tämä nopeuttaa nykyisiä tieteellisiä simulaatioita jopa miljoona kertaa ja mahdollistaa uusia tieteellisiä oivalluksia ja löytöjä.

Yleiset AI-agentit: Tekoälyagentit ratkaisevat avoimia tehtäviä luonnollisen kielen ohjeiden ja laajamittaisen vahvistusoppimisen avulla ja hyödyntävät perusmalleja – näitä suuria tekoälymalleja, jotka on koulutettu suureen määrään merkitsemätöntä dataa mittakaavassa – mahdollistamaan agenttien, jotka voivat jäsentää minkä tahansa tyyppisiä pyyntöjä ja sopeutua uudentyyppisiin kysymyksiin ajan myötä.

Manuvir Das, johtaja, Enterprise Computing
Ohjelmiston edistyminen End AI Silos: Yritykset ovat jo pitkään joutuneet valitsemaan pilvipalvelun ja hybridiarkkitehtuurien välillä tekoälytutkimuksessa ja -kehityksessä – käytäntö, joka voi tukahduttaa kehittäjien tuottavuuden ja hidastaa innovaatioita.

Vuonna 2023 ohjelmistojen avulla yritykset voivat yhdistää tekoälyputkia kaikissa infrastruktuurityypeissä ja tarjota yhden yhdistetyn kokemuksen tekoälyn harjoittajille. Tämä antaa yrityksille mahdollisuuden tasapainottaa kustannuksia strategisten tavoitteiden kanssa hankkeen koosta tai monimutkaisuudesta riippumatta ja tarjota käytännössä rajattomasti kapasiteettia joustavaan kehittämiseen.

Generatiivinen tekoäly muuttaa yrityssovelluksia: Generatiivista tekoälyä koskeva hype toteutuu vuonna 2023. Tämä johtuu siitä, että perusta todelliselle generatiiviselle tekoälylle on vihdoin paikoillaan ohjelmistoilla, jotka voivat muuntaa suuria kielimalleja ja suositusjärjestelmiä tuotantosovelluksiksi, jotka ylittävät kuvat ja voivat vastata älykkäästi kysymyksiin, luoda sisältöä ja jopa herättää löytöjä...

Kimberly Powell, Varatoimitusjohtaja, terveydenhuolto
Leikkaus 4.0: Lentosimulaattorit kouluttavat lentäjiä ja tutkivat uusia lentokoneita. Sama pätee nyt kirurgeihin ja robottikirurgisten laitteiden valmistajiin. Digitaaliset kaksoset, jotka voivat simuloida kaikissa mittakaavassa leikkaussaliympäristöstä lääketieteelliseen robottiin ja potilaan anatomiaan, ovat murtamassa uutta tietä yksilöllisissä kirurgisissa harjoituksissa ja tekoälyn ohjaaman ihmisen ja koneen vuorovaikutuksen suunnittelussa. Pitkät residenssit eivät ole ainoa tapa tuottaa kokenut kirurgi. Monista tulee asiantuntijoita, kun he tekevät ensimmäisen robottiavusteisen leikkauksensa oikealle potilaalle.

Danny Shapiro, varajohtaja, autoteollisuus
Autonomisten ajoneuvojen koulutus metaversessa: Yli 250 auton- ja kuorma-autojen valmistajaa, startuppia, kuljetus- ja liikkuvuuspalveluiden tarjoajaa, jotka kehittävät autonomisia ajoneuvoja, kohtaavat yhden aikamme monimutkaisimmista tekoälyhaasteista. Kaikkia skenaarioita, jotka heidän täytyy pystyä käsittelemään, ei yksinkertaisesti ole mahdollista kohdata testaamalla tien päällä, joten vuonna 2023 suuri osa teollisuudesta kääntyy virtuaalimaailman puoleen. Tieliikenteen tiedonkeruuta täydennetään virtuaalisilla kalustoilla, jotka tuottavat tietoja koulutusta ja uusien ominaisuuksien testaamista varten ennen käyttöönottoa. High-fidelity simulointi ajaa autonomisia ajoneuvoja käytännöllisesti katsoen loputtomissa skenaarioissa ja ympäristöissä….

Rev Lebardedian, johtaja, Omniverse ja Simulation Technology
Metaverse Universal Translator: Aivan kuten HTML on 2D-verkon vakiokieli, Yleiskohtainen kuvaus on tarkoitus olla tehokkain, laajennettava ja avoin kieli 3D-verkkoon. 3D-standardina virtuaalimaailmojen kuvaamiselle metaversumissa, USD antaa yrityksille ja jopa kuluttajille mahdollisuuden liikkua eri 3D-maailmojen välillä käyttämällä erilaisia ​​työkaluja, katseluohjelmia ja selaimia mahdollisimman saumattomalla ja johdonmukaisella tavalla.

Ronnie Vasishta, johtaja, televiestintä
Johdon katkaisu AR/VR 5G-verkoissa: Vaikka monet yritykset siirtyvät pilveen laitteisto- ja ohjelmistokehitykseen, myös reunasuunnittelu ja yhteistyö kasvavat, kun 5G-verkkoja otetaan entistä paremmin käyttöön ympäri maailmaa. Esimerkiksi autosuunnittelijat voivat pukea lisätyn todellisuuden kuulokkeita ja suoratoistaa samaa sisältöä langattomien verkkojen kautta kollegoille ympäri maailmaa, mikä nopeuttaa yhteistyön muutoksia ja kehittää innovatiivisia ratkaisuja ennätysnopeuksilla. 5G nopeuttaa myös yhdistettyjen robottien käyttöönottoa eri toimialoilla, joita käytetään myymälähyllyjen täyttämiseen, lattioiden puhdistamiseen, pizzan toimittamiseen sekä tavaroiden poimimiseen ja pakkaamiseen tehtaissa.

Bob Pette, johtaja, ammattimainen visualisointi
Teollinen vallankumous simulaation kautta: Kaikki fyysiseen maailmaan rakennettu simuloidaan ensin virtuaalimaailmassa, joka noudattaa fysiikan lakeja. Näistä digitaalisista kaksosista – mukaan lukien laajamittaiset ympäristöt, kuten tehtaat, kaupungit ja jopa koko planeetta – ja teollinen metaversumi on määrä muodostua digitaalisen muunnosaloitteiden kriittisiksi osiksi. Esimerkkejä on jo runsaasti: Siemens vie teollisuusautomaation uudelle tasolle. BMW simuloi kokonaisia ​​tehdaskerroksia suunnitellakseen valmistusprosessit optimaalisesti. Lockheed Martin simuloi metsäpalojen käyttäytymistä ennakoidakseen, mihin ja milloin resurssit tulee sijoittaa. DNEG, SONY Pictures, WPP ja muut lisäävät tuottavuutta maailmanlaajuisesti hajautettujen taideosastojen kautta, joiden avulla luojat, taiteilijat ja suunnittelijat voivat iteroida kohtauksia käytännössä reaaliajassa.

Yrityksen IT-arkkitehtuurin uudelleenarviointi: Aivan kuten monet yritykset ryntäsivät mukauttamaan kulttuuriaan ja teknologiaansa vastaamaan hybridityön haasteisiin, uusi vuosi tuo mukanaan monien yritysten koko IT-infrastruktuurin uudelleenarkkitehtuurin. Yritykset etsivät tehokkaita asiakaslaitteita, jotka pystyvät vastaamaan sovellusten ja monimutkaisten tietojoukkojen jatkuvasti kasvaviin vaatimuksiin. Ja ne omaksuvat joustavuuden ja siirtyvät pilveen eksponentiaalista skaalausta varten. Hajautettujen laskentaohjelmistoalustojen käyttöönotto mahdollistaa maailmanlaajuisesti hajallaan olevan työvoiman yhteistyön ja tuottavuuden pysymisen erilaisissa työympäristöissä.

Samoin monimutkainen tekoälymallin kehittäminen ja koulutus vaatii tehokkaan laskentainfrastruktuurin datakeskuksessa ja työpöydällä. Yritykset tarkastelevat kuratoituja tekoälyohjelmistopinoja erilaisiin teollisiin käyttötarkoituksiin, jotta niiden on helppo tuoda tekoäly osaksi työnkulkuaan ja toimittaa laadukkaampia tuotteita ja palveluita asiakkaille nopeammin.

Azita Martin, varapääjohtaja, AI for Retail and Consumer Products Group
Tekoäly toimitusketjujen optimoimiseksi: Jopa kehittyneimmillä jälleenmyyjillä ja verkkokaupan yrityksillä on ollut vaikeuksia kahden viime vuoden aikana tasapainottaa tarjontaa kysyntään. Kuluttajat omaksuivat kotiostoksensa pandemian aikana ja palasivat sitten kivijalkakauppoihin sen jälkeen, kun lukitukset oli poistettu. Inflaation iskettyä he muuttivat ostotottumuksiaan jälleen, mikä antoi toimitusketjun johtajille sopivat kohdat. Tekoäly mahdollistaa tiheämmän ja tarkemman ennustamisen ja varmistaa, että oikea tuote on oikeassa kaupassa oikeaan aikaan. Lisäksi jälleenmyyjät ottavat käyttöön reitin optimointiohjelmiston ja simulointiteknologian tarjotakseen kokonaisvaltaisemman kuvan mahdollisuuksista ja sudenkuoppista.

Malcolm deMayo, varatoimitusjohtaja, rahoituspalvelut
Cloud-First rahoituspalveluille: Pankeilla on uusi vaatimus: ole nopea ketterä. Epäperinteisten rahoituslaitosten aiheuttaman kasvavan kilpailun, muiden toimialojen kokemuksista nousevien asiakkaiden muuttuvien odotusten ja vanhan infrastruktuurin ansiosta pankit ja muut laitokset ottavat käyttöön pilvipohjaisen tekoälyn. Mutta koska pankit ovat tiukasti säännelty toimiala, joka vaatii toiminnallista joustavuutta, mikä tarkoittaa, että järjestelmäsi voivat vaimentaa ja selviytyä iskuista (kuten pandemiasta), joten pankit etsivät avoimia, kannettavia, karkaistuja, hybridiratkaisuja. Tämän seurauksena pankit ovat velvollisia ostamaan tukisopimuksia, kun niitä on saatavilla.

David Reber, turvallisuuspäällikkö
Tietotutkijat ovat uusi kyberresurssi: Perinteiset kyberammattilaiset eivät pysty enää tehokkaasti puolustautumaan kaikkein kehittyneimpiä uhkia vastaan, koska hyökkäysten ja puolustuksen nopeus ja monimutkaisuus ovat ylittäneet ihmisen kyvyt. Tietotutkijat ja muut ihmisanalyytikot käyttävät tekoälyä tarkastellakseen kaikkea dataa objektiivisesti ja löytääkseen uhkia. Rikkomuksia tulee tapahtumaan, joten tekoälyä ja ihmisiä käyttävät datatieteen tekniikat auttavat löytämään neulan heinäsuovasta ja reagoimaan nopeasti.

Kari Briski, tekoäly- ja HPC-ohjelmistojen johtaja
Merkitsemätön data löytää tarkoituksensa: Suuret kielimallit ja strukturoitu data ulottuvat myös valokuvien, äänitallenteiden, tweettien ja muiden joukkoon piilotettujen kuvioiden ja vihjeiden löytämiseksi, jotka tukevat terveydenhuollon läpimurtoja, tieteen edistysaskeleita, parempaa asiakkaiden sitoutumista ja jopa suuria edistysaskeleita itseohjautuvassa liikenteessä. Vuonna 2023 kaiken tämän strukturoimattoman datan lisääminen sekoitukseen auttaa kehittämään hermoverkkoja, jotka voivat esimerkiksi luoda synteettisiä profiileja jäljitelläkseen heidän oppimiaan terveystietoja. Tämän tyyppisestä ohjaamattomasta koneoppimisesta on tarkoitus tulla yhtä tärkeä kuin valvotusta koneoppimisesta.

Uusi puhelinkeskus: Pidä silmällä puhelinkeskusta vuonna 2023, jossa yhä helpommin toteutettavien puhe-AI-työnkulkujen käyttöönotto tarjoaa liiketoiminnan joustavuutta jokaisessa asiakasvuorovaikutusprosessin vaiheessa – malliarkkitehtuurien muuttamisesta omien tietojen mallien hienosäätöön ja putkien mukauttamiseen. Kun puhe-AI-työnkulkujen käytettävyys laajenee, yrityskäyttö laajenee ja puhelinkeskuksen tuottavuus kasvaa valtavasti nopeuttamalla ratkaisuun kuluvaa aikaa. Tekoäly auttaa agentteja keräämään oikeat tiedot valtavasta tietokannasta oikeaan aikaan, minimoiden asiakkaiden odotusajat.

Deepu Talla, johtaja, sulautettu ja reunalaskenta
Robotit saavat miljoona elämää: Lisää robotteja koulutetaan virtuaalimaailmoissa, kun fotorealistinen renderöinti ja tarkka fysiikan mallinnus yhdistyvät kykyyn simuloida rinnakkain miljoonia robottitapauksia GPU:illa pilvessä. Generatiiviset tekoälytekniikat helpottavat erittäin realististen 3D-simulaatioskenaarioiden luomista ja nopeuttavat entisestään simulaatioiden ja synteettisten tietojen käyttöönottoa tehokkaampien robottien kehittämiseksi.

 Marc Spieler, energiajohtaja
Tekoälyllä toimiva energiaverkko: Kun verkko monimutkaistuu hajautettujen energiaresurssien ennennäkemättömän lisääntymisen vuoksi, sähköyhtiöt tarvitsevat reuna-AI:tä parantaakseen toiminnan tehokkuutta, parantaakseen toimintaturvallisuutta, lisätäkseen kuormituksen ja kysynnän ennusteen tarkkuutta sekä nopeuttaakseen uusiutuvan energian liittymisaikaa. kuten aurinko ja tuuli. Reunassa oleva tekoäly lisää verkon joustavuutta ja vähentää samalla energiahukkaa ja -kustannuksia.