الإمكانات التي تقدر بمليارات الدولارات من البيانات التركيبية

هل فاتتك جلسة MetaBeat 2022؟ توجه إلى المكتبة عند الطلب لجميع جلساتنا المميزة هنا.

ستصبح البيانات التركيبية صناعة ضخمة في غضون 5-10 سنوات. على سبيل المثال ، تقدر جارتنر أنه بحلول عام 2024 ، ستكون 60٪ من البيانات لتطبيقات الذكاء الاصطناعي اصطناعية. هذا النوع من البيانات والأدوات المستخدمة لإنشائها لديها إمكانات استثمارية كبيرة غير مستغلة. إليكم السبب. يمكن للبيانات الاصطناعية تشغيل AI / ML كثيف البيانات

نحن بالفعل على أعتاب ثورة في كيفية توسيع نطاق التعلم الآلي (ML) والذكاء الاصطناعي (AI) والحصول على المزيد من التطبيقات في جميع القطاعات والصناعات.

نحن نعيش في وقت يتزايد فيه الطلب على خوارزميات ML في جميع جوانب حياتنا ، بدءًا من تطبيقات إخفاء الوجه الممتعة مثل الفلاتر على Instagram أو Snapchat إلى التطبيقات المفيدة للغاية المصممة لتحسين تجارب العمل والحياة لدينا ، مثل المساعدة في تشخيص المرض أو التوصية بالعلاج. تشمل الفرص الرئيسية التعرف على المشاعر والمشاركة ، وميزات أفضل للأمن الداخلي ، واكتشاف أفضل للشذوذ في البيئات الصناعية.

في الوقت نفسه ، بينما يتوق الأفراد والشركات إلى المنتجات القائمة على ML / AI ، فإن الخوارزميات تتوق إلى البيانات للتدريب عليها. كل هذا يعني أننا سنرى حتماً المزيد والمزيد من احتياجات البيانات المختلفة ، والبيانات المفبركة بالكامل هي المفتاح.

حدث

رأس منخفض / لا يوجد كود

انضم إلى كبار القادة اليوم في قمة Code Low / No-Code تقريبًا في 9 نوفمبر. اشترك للحصول على بطاقتك المجانية اليوم. سجل هنا من Grand Theft Auto إلى Google

هل سمعت عن تعلم السيارات ذاتية القيادة قواعد الطريق من خلال ممارسة ألعاب مثل Grand Theft Auto V لدراسة حركة المرور الافتراضية؟ كانت هذه نسخة مبكرة من ML من خلال البيانات التركيبية. وبالمثل ، ربما واجه العديد من الفنيين "مستندات ممسوحة ضوئيًا" اصطناعية ، والتي تم استخدامها لتدريب النماذج على التعرف على النص واستخراج البيانات.

تعد الأعمال المصرفية والتمويل صناعة تعتمد بالفعل بشكل كبير على البيانات التركيبية لعمليات معينة ، بينما يستخدمها عمالقة التكنولوجيا مثل Google و Facebook أيضًا ، وتجذبهم الكفاءة غير العادية التي تجلبها. يمكن أن تجلبها إلى عمل مديري المشاريع والبيانات العلماء.

في الواقع ، نتوقع أن يزداد عدد الصور التركيبية ونقاط البيانات عشرة أضعاف خلال العام المقبل وأن يرتفع إلى عدة مئات من المرات خلال السنوات القليلة المقبلة. قيود بيانات العالم الحقيقي

يتجه الأشخاص في طليعة تعلم الآلة بشكل متزايد إلى البيانات التركيبية للتحايل على العديد من قيود البيانات الأصلية أو البيانات الواقعية. على سبيل المثال ، تقدم شركة Synthesis AI منصة توليد قائمة على السحابة توفر ملايين الصور المصنّعة والمتنوعة تمامًا لأشخاص اصطناعيين. تمكن الذكاء الاصطناعي التجميعي من التغلب على العديد من التحديات المتعلقة بالواقع الفوضوي للبيانات الأصلية. بالنسبة للمبتدئين ، تعمل الشركة على جعل البيانات أرخص. قد يكون الأمر مكلفًا للغاية بالنسبة للمؤسسة لتوليد كمية البيانات التي تحتاجها وتنوعها.

على سبيل المثال ، هل يمكنك التقاط صور لشخص ما من كل زاوية يمكن تصورها ، مرتديًا كل مجموعة ممكنة من الملابس في كل ظروف الإضاءة الممكنة؟ سيكون قدرًا لا يمكن تصوره من العمل للقيام بذلك في الحياة الواقعية ، ولكن يمكن هندسة البيانات التركيبية لاستيعاب الاختلافات اللانهائية.

إنها تعني أيضًا وضع العلامات أسهل بكثير ...