Добро пожаловать в первый информационный бюллетень 2023 года: я думаю, что этот год может стать одним из самых новаторских для ИИ, и речь даже не о технологиях (потому что, хотя это может вас удивить, инструменты, подобные ChatGPT, существуют уже некоторое время).

Речь идет о явном интересе к ИИ и растущем осознании и внимании, уделяемом этой мощной технологии. Но о чем я буду писать в этом месяце? Итак, вот что мы рассмотрим сегодня в сегодняшнем выпуске:

  • Бесплатен ли ИИ?
  • Когда вам не следует создавать собственное программное обеспечение для ИИ?
  • Что нужно, чтобы ИИ выдавал себя за кого-то?
  • Как можно использовать ИИ для обработки медицинских изображений?

Когда собственный ИИ не подходит?

Мир сошел с ума от ИИ. Компании хотят внедрить ИИ, потому что знают, что он может принести огромную пользу. Как генеральный директор компании, которая занимается этим уже восемь лет, я действительно вижу взрыв интереса.

Тем не менее, знакомство с ИИ значительно различается. Мы часто слышим от компаний с видением, демонстрациями продуктов, даже заранее подготовленными моделями для реализации проекта на основе ИИ. Такие компании хорошо знают рынок и, как правило, имеют сильные технические навыки в своей команде.

С другой стороны, некоторые компании пытаются заново изобрести колесо 🙂 (я имею в виду, что они хотят создать ИИ для решения какой-то внутренней проблемы, когда существующий инструмент может сделать это за них).

Если бы прибыль была моим единственным двигателем, я мог бы создать что-то новое и ничего не говорить об этих других инструментах. Однако в DLabs.AI мы предпочитаем помогать компаниям адаптировать решения к их потребностям. Именно поэтому мы несколько раз предлагали клиентам попробовать готовое решение.

Некоторые из вас, вероятно, хотят знать, о каких инструментах я говорю? Ну, это зависит от вашей бизнес-цели, но вот несколько примеров:

  • Если вам нужно решение на основе NLP, MonkeyLearn может помочь вам получить точные ключевые слова, функции или объекты в тексте;
  • Если вы хотите генерировать текст с поддержкой ИИ, попробуйте ChatGPT или Jasper AI;
  • Если вы ищете решение для управления IoT для развертывания и управления подключенными устройствами, используйте Balena (кстати, многие клиенты даже не слышали о таком инструменте, я удивлен).

И всегда помните: некоторые задачи так же легко выполняются в Google Таблицах! Но что бы вы ни искали, сайт Для этого есть ИИ — отличное место для старта :)

Почему ИИ такой дорогой?!?

В другой раз нет смысла инвестировать в ИИ, когда вы хотите сделать что-то по минимально возможной цене.

За последние несколько месяцев было несколько интенсивных бесед с клиентами, каждая из которых оказалась бесценной для команды и для меня. Одна вещь, которую я заметил, — это неосведомленность владельцев бизнеса о сложном, трудоемком и дорогостоящем характере создания ИИ с нуля.

Возможно, это частично связано с появлением бесплатных инструментов, таких как ChatGPT и Midjourney. Но правда в том, что если вы хотите интегрировать GPT в свой продукт, это не бесплатно (вы должны заплатить OpenAI за доступ к API), и разработчики должны интегрировать. Поэтому зарплаты в технологическом секторе растут.

И я не удивлен — когда вам приходится тратить годы своей жизни на изучение математики, информатики или других научных дисциплин, вы хотите, чтобы это окупилось.

Во всяком случае, вернемся к затратам на строительство с нуля. Давайте посмотрим на некоторые данные Gartner, которые сами по себе рассказывают историю:

  • 85% проектов ИИ и машинного обучения не оправдывают ожиданий;
  • Только 53% проектов проходят путь от прототипа до производства.

Тем не менее, есть способы снизить риски. Ошибка гораздо менее вероятна, если вы работаете с опытным разработчиком ИИ.

Если вы найдете профессиональную компанию, вы также получите дельный совет о том, как обеспечить соответствие продукта как техническим требованиям, так и ожиданиям KPI. Кроме того, вы получите новейшие инструменты, и ваши команды будут чувствовать себя хорошо подготовленными к интеграции ИИ в свои рабочие процессы.

Но это не все. Лучшие партнеры знают, как использовать ИИ, чтобы открывать новые возможности для бизнеса (и даже определять те, которые обеспечивают наибольшую рентабельность инвестиций), помогая вам найти интересные способы дальнейшей монетизации ваших существующих продуктов или услуг.

Наконец, когда вы работаете с людьми, которые уже занимались подобными проектами (и поэтому видели потенциальные проблемы и подводные камни), вы минимизируете риск неудачи, что, в свою очередь, позволяет вам не тратить свой бюджет.

Это, пожалуй, самое большое скрытое преимущество работы с опытной командой ИИ, и этот пункт трудно оценить в денежном выражении. Тем не менее, сколько вы должны выделить в общий бюджет?

Ну, это зависит от следующего:

  • Тип программного обеспечения, которое вы хотите создать
  • Тип инфраструктуры (облачная или локальная)
  • Сложность проблемы, которую вы хотите решить
  • Инструменты, необходимые для создания вашей системы
  • Количество, тип и качество обучающих данных
  • Точность системы, которой вы хотите достичь
  • Количество и сложность функций, которые необходимо реализовать

Это только верхушка айсберга. Но давайте ответим на БОЛЬШОЙ вопрос: «Почему это такое ооо дорого?!?»

Основная стоимость – время. В зависимости от масштаба проекта над ним должны будут работать несколько специалистов (в том числе специалисты по данным, инженеры по машинному обучению, менеджеры проектов, разработчики программного обеспечения и т. д.).

Конечно, вы можете попытаться нанять этих людей самостоятельно. Но есть значительные затраты, связанные с набором, адаптацией и обучением такого персонала (что может превратиться в постоянную головную боль, если сотрудник покинет ваш проект на полпути).

Когда вы работаете со специализированным поставщиком, они умеют справляться с такими проблемами. И вы всегда платите только за часы, которые команда тратит на ваш проект, не покрывая дополнительные расходы на наем штатных сотрудников.

Поэтому, даже если вам кажется, что почасовая ставка партнера по разработке немного высока, просто помните, сколько вы экономите, отдавая на аутсорсинг все остальные элементы.

Помимо персонала, необходимо учитывать несколько других расходов, в том числе:

И… в зависимости от проекта могут быть и другие расходы, включая сбор данных, аннотацию, оплату юридических услуг; список довольно обширный.

Вот почему мы стараемся быть максимально реалистичными при оценке новых проектов, поскольку нам не нравится повышать цену в будущем. А наличие ясности наперед означает, что наши клиенты точно знают, чего ожидать.

Хотите узнать больше? Прочтите нашу статью Как вы оцениваете время и стоимость проекта машинного обучения?».

ИИ нужно всего 3 секунды, чтобы имитировать ваш голос

ChatGPT может быть притчей во языцех в Интернете. Но мое внимание было приковано к другому интересному инструменту под названием VALL-E, недавно анонсированному исследователями Microsoft.

VALL-E может точно имитировать голос человека, используя всего 3-секундный звуковой образец. И как только он выучил голос, он может синтезировать звук этого человека, говорящего что угодно — и делать это таким образом, чтобы сохранить эмоциональный тон говорящего.

Команда VALL-E предполагает, что в сочетании с другими моделями искусственного интеллекта его можно использовать для создания высококачественных приложений для преобразования текста в речь, редактирования речи и создания аудиоконтента.

Команда обучила VALL-E аудиобиблиотеке под названием LibriLight, которая содержит 60 000 часов английской речи от более чем 7 000 носителей. И голос в трехсекундном образце должен точно совпадать с голосом в обучающих данных, чтобы получить хороший результат.

Microsoft приводит десятки примеров на веб-сайте VALL-E, демонстрирующих ИИ в действии. Результаты впечатляют: в некоторых случаях два образца практически неотличимы. Тем не менее, некоторые результаты действительно кажутся сгенерированными компьютером, даже если многие из них могут быть ошибочно приняты за человеческую речь.

Теперь вы можете беспокоиться о том, что преступники могут использовать его, чтобы выдавать себя за конкретных людей. К счастью, разработчики знают об этом риске и работают над моделью обнаружения, чтобы определить, синтезировал ли VALL-E конкретный аудиоклип.

Источник: АРС Техника

Использование ИИ в медицинской визуализации спасает жизни

И последнее, но не менее важное: давайте углубимся в ИИ в здравоохранении.

В этом месяце я сосредоточусь на искусственном интеллекте в медицинской визуализации. Как вы, возможно, знаете, технологии уже много лет помогают врачам анализировать медицинские изображения. Но понимаете ли вы, какое влияние это оказывает сейчас?

Посмотрите лишь некоторые из поразительных результатов ниже:

  • Выявление рака молочной железы. Традиционные маммографические обследования пропускают 1 из 5 случаев рака молочной железы. Тем не менее, помощник по лимфатическим узлам (LYNA) на базе искусственного интеллекта Google может обнаруживать метастазы рака молочной железы с точностью 99%.
  • Назначение целевого лечения. Согласно исследованиям, два опытных патологоанатома лишь согласятся на курс лечения примерно в 60% случаев. Использование ИИ в медицинской визуализации устраняет субъективность с помощью количественного подхода, помогая определить тип рака и определить, как его лечить.
  • Прогнозирование риска сердечного приступа. Одно из недавних исследований показывает, как объединение изображений ИИ с клиническими данными помогает врачам улучшать прогностические модели, которые указывают, подвержен ли пациент высокому риску сердечного приступа.
  • Обнаружение ухудшения неврологического статуса. Небольшие изменения в мозге легко не заметить человеческому глазу. Но искусственный интеллект может количественно оценивать изменения в мозге пациента, что позволяет на раннем этапе обнаруживать и диагностировать неврологические заболевания.
  • Улучшение результатов операции. ИИ может помочь хирургам улучшить результаты операций, помогая медицинским работникам лучше планировать процедуры перед операцией, сокращая время операции и обеспечивая лучшие результаты.

К сожалению, обработка медицинских изображений по-прежнему представляет собой серьезную проблему, проблема заключается в больших форматах ввода.

Образцы тканей часто оцифровываются со сверхвысоким разрешением. Это означает, что размер файла этих изображений может составлять несколько гигабайт, что делает невозможным их загрузку в обычном средстве просмотра изображений (из-за нехватки памяти для размещения десериализованного изображения).

Можем ли мы решить эту проблему? Что ж, наша команда только что работала над интересным салютом во время конкурса Клиника Майо — STRIP AI, который был сосредоточен на использовании классификации изображений для определения происхождения тромба при инсульте.

Цель состояла в том, чтобы классифицировать происхождение тромба при ишемическом инсульте. И, используя цифровые изображения патологии целиком, участники должны были построить модель, которая различала бы два основных подтипа этиологии острого ишемического инсульта: атеросклероз сердца и крупных артерий.

Эта статья Томаша Мачковяка (инженер по машинному обучению в DLabs.AI) подробно описывает решение, описывая, как эффективно обрабатывать большие медицинские изображения с помощью Apache Beam.

— — -

И так мы подходим к концу!

Спасибо, что прочитали мой первый информационный бюллетень 2023 года; Я так благодарен за вашу постоянную поддержку.

Теперь до встречи в феврале 🙌

Первоначально опубликовано на https://www.linkedin.com.