레이첼 토마스, 인공 지능 접근 가능으로 만들기
얼마나 빨리 .ai 인공 지능 학습의 학습을 방해하고 있습니다
출처 : C.Rosso
인공 지능 (AI)은 깊은 겨울의 상대 휴면 상태에서부터 60 년 동안 풀 스윙의 르네상스 시대로 바뀌 었습니다. 인간의 두뇌에 느슨하게 기반하여, 딥 러닝 (deep learning)은 거대한 양의 빅 데이터 (Big Data) 입력으로부터 “학습”하기 위해 명시적인 프로그래밍을 필요로하지 않는 인공 뉴런 (artificial neural network)의 레이어를 사용하는 기계 학습 방법입니다. 인공 지능 (AI) 전문가를 고용하는 붐이 있습니다. 스탠포드의 AI 지수 (AI Index)에 따르면 AI 기술을 필요로하는 직업의 비중은 2013-2017 년 동안 미국에서 4.5 배 증가했습니다. 이러한 수요 증가에 대응하기 위해 한 기업이 혁신적인 접근법을 취하고 있습니다. 이번 주 Exponential Medicine 컨퍼런스에서 fast.ai의 공동 설립자 인 Rachel Thomas는 엘리트 기관뿐만 아니라 모든 배경의 다양한 사람들이 AI를 이용할 수있게하는 참신한 방법을 제시했습니다. AI 깊은 학습.
Rachel Thomas는 TEDx 샌프란시스코 스피커, 샌프란시스코 대학 (USF)의 교수 인 포브스 (Forbes)의 “20 명의 인크레더블 여성”중 한 명으로, 유명 작가이자 강렬한 기조 연설자 인 Exponential Medicine의 교수입니다. 그녀는 박사 학위를 받았습니다. 듀크 대학 (Duke University)에서 수학했으며 Uber의 초기 엔지니어 중 한 명입니다. Thomas는 2016 년에 연속 기업가 인 Jeremy Howard와 함께 fast.ai를 설립하여 전략적으로 깊은 학습에 접근 할 수 있도록했습니다.
“우리가 코스를 만들 때, 이것은 내가 깊이 배운 것에 관심이 많았던 5 년 전부터 존재하기를 바랬던 것”이라고 토마스는 말했다.
전통적으로, 코더가 현실 세계의 문제를 해결하는 최첨단 알고리즘을 생산할 수있는 충분한 학습 기술을 습득하는 데는 많은 어려움이 있습니다. 기존의 많은 기관들은 높은 수준의 수학적 배경이나 박사 학위를 요구합니다. 필요한 것으로서 얻는 데 수년이 걸릴 수도 있습니다. 학생들이 결국 알고리즘을 만들면 대개 실세계 응용 프로그램이없는 가설입니다.
“많은 코스가 꽤 이론적이라고 생각합니다. 의미있는 말이죠 … 이론적 인 분야에서 깊은 학습이 진행되고 있습니다.”
fast.ai 설립자는 기술 교육의 갭을 확인하고이를 현대화하는 방법을 찾았습니다. 심층 학습을 가르치기위한 전통적인 접근법은 일반적으로 상세 기술 수준에서 시작하여 길고 느린 과정 인 상향식 접근 방식입니다.
토마스는 “우리는 더 많은 사람들이 더 쉽게 접근 할 수 있도록하고 모든 배경과 도메인의 사람들이이 분야에 쉽게 참여할 수 있기를 바랬다”고 토마스는 말했다.
토마스 대변인은 농업, 의약, 제조 등 사람들이 겪고있는 문제를 해결하기 위해 무엇이 효과적인지 관심이 있습니다.
그녀의 회사 방법론은 깊은 학습을위한 전통적인 교수법의 정반대 인 하향식 접근법입니다. 학생들은 Thomas가 작성하는 데 도움이되는 바로 사용할 수있는 응용 프로그램 및 모델의 오픈 소스 라이브러리를 사용하여 심층 학습 알고리즘을 신속하게 개발할 수 있습니다.
“우리는 사람들이 전반적인 기본 구성 요소를 모르는 경우에도 즉시 신경 네트워크를 훈련 시키길 원합니다”라고 Thomas는 말합니다.
단기간 내에 fast.ai 학생들은 고급 수학 전제 조건을 갖추지 않고 고성능 첨단 학습 알고리즘을 신속하게 생성 할 수 있습니다.
“시간이 지남에 따라 세부 정보를 얻게 될 것입니다. 전체 과정을 수강하면 낮은 수준의 이해를 얻게 될 것입니다.하지만 순서대로 완전히 뒤집 혔습니다.”토마스가 말했습니다.
“내 배경에는 박사 학위가 있습니다. 수학 및 소프트웨어 엔지니어 및 데이터 과학자로 일했으며,이 기술이 얼마나 강력한지를 볼 수 있었고, 우리는 바로 그 시점에 있습니다. “라고 Thomas는 말했습니다.
샌프란시스코 (USF) 데이터 인스티튜트 (University of San Francisco, USF)에서 현재 연구중인 거주자 인 Thomas의 주요 관심사는 심층 학습 알고리즘의 성능에 있습니다.
Thomas는 “나의 가장 큰 관심은 ‘이 알고리즘이 효과가 있습니까? 흥미로운 문제를 해결하고 정확한 결과를 제공합니까?
토마스에 따르면 fast.ai의 장기적인 비전은 깊은 학습 기술을 사용하기 쉽도록 유지하여 더 나은 결과를 산출하는 것입니다. 이는 fast.ai의 오픈 소스 라이브러리의 내용을 늘리는 것을 의미합니다.
fast.ai가 창립 된 이래로 2 년 이내에 20 만 명이 넘는 학생들이 온라인 과정을 마쳤으며 수백명의 학생들이 직접 교실 커리큘럼을 수강했습니다. Fast.ai는 코더가 실제 문제를 해결하기위한 신속하고 실질적인 접근 방식 인 몇 년 동안 몇 주 안에 심층적 인 학습 전문가가 될 수있는 길을 열어주고 있습니다.
Copyright © 2018 Cami Rosso 모든 권리 보유.
참고 문헌
Shoham, Yoav; Perrault, Raymond; Brynjolfsson, Erik; 클락, 잭. 르가 시크, 캘빈. “인공 지능 지수 2017 연례 보고서” AI 지수. 검색된 11-8-2018 (http://cdn.aiindex.org/2017-report.pdf)