Реальные и отраслевые применения нейронных сетей
Как отмечается в статье New York Times за август 2018 года: «Компании и правительственные учреждения, которые начали привлекать программное обеспечение для автоматизации, охватывают весь спектр. В их число входят General Motors, BMW, General Electric, Unilever, MasterCard, Manpower, FedEx, Cisco, Google, Министерство обороны и НАСА ». Мы только наблюдаем, как нейронные сети / приложения искусственного интеллекта меняют способ работы нашего мира.
H3: Технические приложения нейронных сетей
В инженерии важны приложения нейронных сетей, особенно в «высоконадежных системах, которые появились в различных областях, включая управление полетом, химическую инженерию, электростанции, автомобильное управление, медицинские системы и другие системы, требующие автономности». (Источник: Применение нейронных сетей в системах высокой надежности: обзор.)
Мы спросили двух экспертов в инженерном секторе о том, как их приложения улучшают розничную торговлю, производство, нефть и газ, навигацию и поиск информации в офисных средах.
Рис предлагает несколько повседневных примеров использования Wi-Fi: «Сети супермаркетов используют сканеры Wi-Fi для сканирования товаров в своих распределительных центрах и на отдельных рынках и из них. Если Wi-Fi не работает должным образом, весь бизнес будет остановлен. Производственные и нефтегазовые компании также являются хорошими примерами предприятий, где Wi-Fi критически важен, потому что обеспечение надежности и оптимизации является абсолютным требованием », - говорит он.
Wi-Fi - это здорово, но для выполнения своей работы требуется тщательный контроль. «Большинство корпоративных или крупномасштабных решений для беспроводных локальных сетей требуют почти постоянного мониторинга и настройки высококвалифицированными специалистами по Wi-Fi, что является дорогостоящим способом обеспечения оптимальной работы сети», - отмечает Рис. «KodaCloud решает эту проблему с помощью интеллектуальной системы, которая использует алгоритмы и адаптивного обучения, которое создает самоулучшающийся цикл», - добавляет он.
Рис рассказывает, как технология KodaCloud использует нейронные сети для постоянного улучшения: «Сеть учится и самоизлечивается на основе как глобального, так и локального обучения. Вот глобальный пример: система узнает, что была развернута новая операционная система Android и требует дополнительной настройки и изменения пороговых значений для оптимальной работы. После того, как система внесла изменения и измерила улучшения, необходимые для этого обновления, она мгновенно применяет эти знания ко всем другим клиентам KodaCloud, поэтому система немедленно распознает любое подобное устройство и решает проблемы. В качестве местного примера предположим, что система изучает местную радиочастотную среду для каждой точки доступа. Затем каждое устройство подключается к каждой точке доступа, что приводит к пороговым изменениям параметров радиосвязи локального устройства. На глобальном и локальном уровне процесс представляет собой непрерывный цикл оптимизации качества Wi-Fi для каждого устройства ».
Макоран-Кэмпбелл объясняет, как работает Dawn на двух уровнях биологии: «На первом уровне мы используем ИНС для обработки необработанной информации. Мы используем три различных типа сетей: рекуррентные нейронные сети, которые используют прошлое для прогнозирования будущего; сверточные нейронные сети, которые используют «скользящие» пучки нейронов (мы обычно используем этот тип для обработки изображений); и более обычные нейронные сети, то есть реальные сети нейронов. Обычные нейронные сети очень полезны для таких задач, как навигация, особенно когда они сочетаются с повторяющимися элементами.
«На более сложном, втором уровне, структура Dawn имитирует лучшую архитектуру, которая существует для обработки информации: человеческий мозг. Это позволяет нам разбить чрезвычайно сложную проблему автономии так же, как это делает биология: с разделенными «корами», каждая со своими нейронными сетями, и каждая со своими путями коммуникации и иерархическими структурами команд. В результате информация течет волнами через кору так же, как и в головном мозге. [В обоих случаях процесс оптимизирован] для эффективности и результативности обработки информации », - поясняет он.
Вот список других приложений для проектирования нейронных сетей, которые в настоящее время используются в различных отраслях:
Аэрокосмическая промышленность: детекторы и моделирование неисправностей компонентов самолета, системы управления самолетом, высокопроизводительное автопилотирование и моделирование траектории полета.
Автомобильная промышленность: усовершенствованные системы наведения, разработка силовых агрегатов, виртуальных датчиков и анализаторов гарантийной активности.
Электроника: анализ отказов микросхемы, компоновка микросхем, машинное зрение, нелинейное моделирование, прогнозирование кодовой последовательности, управление процессом и синтез голоса.
Производство: анализ конструкции химической продукции, динамическое моделирование систем химических процессов, управление процессами, диагностика процессов и машин, проектирование и анализ продукции, прогнозирование качества бумаги, торги по проектам, планирование и управление, анализ качества компьютерных микросхем, системы визуального контроля качества и анализ качества сварки
Механика: мониторинг состояния, моделирование систем и управление
Робототехника: роботы для вилочных погрузчиков, контроллеры манипуляторов, системы управления траекторией и системы технического зрения.
Телекоммуникации: управление сетью банкоматов, автоматизированные информационные службы, системы обработки платежей клиентов, сжатие данных, эквалайзеры, устранение неисправностей, распознавание рукописного ввода, проектирование сети, управление, маршрутизация и контроль, мониторинг сети, перевод разговорной речи в реальном времени и распознавание образов ( лица, объекты, отпечатки пальцев, семантический анализ, проверка орфографии, обработка сигналов и распознавание речи)
Бизнес-приложения нейронных сетей:
Быстрое развитие реальных бизнес-приложений для нейронных сетей. В некоторых случаях сетевые сети уже стали предпочтительным методом для предприятий, использующих аналитику хедж-фондов, маркетинговую сегментацию и обнаружение мошенничества. Вот несколько новаторов в области нейронных сетей, которые меняют бизнес-ландшафт.
«Нейронные сети и искусственный интеллект имеют невероятные возможности, и вы можете использовать их для принятия человеческих решений в любом секторе. Глубокое обучение не было первым решением, которое мы тестировали, но оно неизменно превосходило остальные в прогнозировании и улучшении решений о найме. Мы обучили нашу 16-уровневую нейронную сеть на миллионах точек данных и решениях о найме, поэтому она становится все лучше и лучше. Вот почему я рекомендую каждой компании инвестировать в ИИ и глубокое обучение, будь то в HR или любом другом секторе. Бизнес становится все более и более управляемым данными, поэтому компаниям необходимо будет использовать ИИ, чтобы оставаться конкурентоспособными », - рекомендует Доннер.
Нейронные сети и использование в них больших данных могут быть высокотехнологичными, но их конечная цель - служить людям. В некоторых случаях связь с выгодами для человека очень прямая, как в случае со службой искусственного интеллекта OKRA.
«Платформа OKRA помогает заинтересованным сторонам в сфере здравоохранения и биофармацевтике принимать более обоснованные решения в режиме реального времени и дает ответы на вопросы, связанные как с лечением, так и с брендами для разных рынков», - подчеркивает Лубна Буарфа, генеральный директор и основатель Okra Technologies и назначенный в Группа экспертов высокого уровня Европейской комиссии по ИИ. «В приемных семьях мы применяем нейронные сети и искусственный интеллект, чтобы находить детей в приемных семьях, которые обеспечивают максимальную стабильность. Мы также применяем технологии, чтобы в режиме реального времени предлагать опекунам и приемным семьям поддержку в принятии решений, чтобы принести пользу детям », - продолжает она.