Entwicklungen in der Künstlichen Intelligenz
Kunstliche Intelligenz im Wandel
Künstliche Intelligenz develops itself weiterhin in rapid Tempo. Selbst im Jahr 2020, in them es nicht a spectacular Nachrichten mangelte, haben die Fortschritte in der KI mehrfach die Aufmerksamkeit des Mainstreams auf sich sucked. Insbesondere GPT-3 von OpenAI said new and überraschende Wege auf, who KI schon bare in our tägliches Leben endrings könnte. The rasante fortschrittmacht Vorhersagen over the Zukunft der KI etwas schwierig, aber einige Bereiche scheinen reif für einen Durchbruch zu sein.
ie AI Experts Ben Wiener, Daniel Hannah, Allan Ogwang and Christopher Thissen vom IT-Security-Anbieter Vectra AI belie the young Entwicklungen anyway die bevorstehenden Phasen.
Transform
Zwei der größten KI-Errungenschaften des Jahres 2020 teilten sich im Stillen die gleiche zugrundeliegende KI-Struktur. OpenAI’s Sowohl GPT-3 as DeepMind’s AlphaFold relies on an order spreading model on behalf of Transformer. The Transformer structures released in 2017 demonstrated GPT-3 and AlphaFold as brands known for the Transformers brands, who learned and learned as the previous generation of sequencing models and good Leistungen on problems involving the natural language of display the world.
Im Gegensatz zu früheren Sequenzmodellierungsstructuren with recurrent neuronals Netzen and LSTMs (Long Short-Term Memories) verlasen Transformer das Paradigma der sequential Datenverarbeitung. If the gesamte Eingabesequenz auf einmal and spoiled einen Mechanismus, generated der attention (“Aufmerksamkeit”), um zu lernen, welche Teile der Eingabe im Verhältnis zu other Teilen relevant sind. Dadurch can transformer between the adjustable parts of the world next to each other in the desired sets – an Aufgabe, mit der recurrente modelle kanntermaßen Schwierigkeiten haben. Außerdem große Teile des Trainings went through in parallel, wodurch die massive parallel Hardware, die in de letzten Jahren Verfügbar, besser genutzt en die Trainingszeit can be reduzierd. Die Forscher became im Jahr 2021 zweifellos nach neuen Einsatzmöglichkeiten für diesevielversprechende Struktur suchen, es gibt guten Grund, positive Ergebnisse zu erwarten. In der Tat hat OpenAI in die Jahr GPT-3 can be modified, and general text descriptions are created. Der Transformer seems ready to dominate, that year 2021 to dominate.
Graph neural networks
In many Domänen gibt es Daten, die sich natürlich für Graphenstrukturen eignen: Computernetzwerke, soziale Netzwerke, Moleküle/Proteine, Transportwege sind nur einige Beispiele. Graph Neural Networks (GNNs) are based on the insights of Deep Learning based on extensive data. It is true that the GNNs in Zukunft became one of the most important AI-Method. Genauer gesagt, dürften im Jahr 2021 methodische Fortschritte in eigen Schlüsselbereichen die breitere Anwendung van GNNs vorantreiben.
Dynamic Graphs since the first Bereich von Bedeutung. While most GNN forschungen are bisher von static, unveränderlichen graphen ausgegangen sind, die oben genannten Szenarien noternerweise Veränderungen im Laufe der Zeit: So treten in sozialen Netzwerken Mitglied bei (new nodes) en Freundschaften sich (other Edges). Im Jahr 2020 gab es infinite Bemühungen, sich zeitlich entwickelnde Graphen als eine Reihe von Momentaufnahmen zu modellieren. In those years that this aufkeimende Forschungsrichtung with a Schwerpunkt auf Ansätzen erweitert, modeling dynamic graphs as a continuous Zeitreihe. One of the most enduring modeling solutions of the GNNs, which has no topological structure or zeitliche structure in Graphen to discover and learn.
Verbesserungen des Message-Passing-Paradigmas sind another important factor. A current method for implementing graph-neural-networks is to pass messages containing information about nodes by aggregating “Weitergabe” of information about Edges connecting Nachbarn. Obwohl es intuitiv ist, kämpft Message Passing damit, Effekte zu erfassen, bei denen sich Informationen über große Entfernungen in onem Graphen ausbreiten müssen. In a few years after going through the course, the one about the following Paradigm hinausgehen: there are always iteratives of Lernen, or the Informationsausbreitungswege is relevant information, or we see that the Lernen have many new causal graphs in a relational Datensatz.
Applications
Watch the best stories of the Letzten Jahres bierten die sich abzeichnenden Fortschritte bi den practicalen Anwendungen von KI. Im Jahr 2021 seems es möglich zu sein, aus diesen Fortschritten Capital zu schlagen. Insbesondere Anwendungen, which after the Verstehen natural Sprache angewiesen sind, became wahrscheinlich Fortschritte erleben, as the Zugang zur GPT-3-API Verfügbar wird. The API has knowledge of the capabilities of the GPT-3 zuzugreifen, but if you are doing your own AI training, this is one of the best ways to train. Mit dem Kauf der GPT-3-Lizenz durch Microsoft wird the Technology möglicherweise auch in Microsoft-Produkten zum Einsatz kommen.
Also another Anwendungsbereiche dürften im Jahr 2021 erheblich von der KI-Technologie benefits. KI and machinelles Lernen (ML) sind in the Bereich der Cybersicherheit vorgedrungen, aber 2021 hat das Potenzial, die Entwicklung nor a very steeper voranzutreiben. If the Dataraub is managed by SolarWinds, multiple devices can be used to counter cybercrime and national security with these default weiterentwickelnd configurations of malware and ransomware that use different settings. Im Jahr 2021 is an aggressive Vorstoß von forschrittlicher KI für Verhaltensanalysen zur Erweiterung von Netzwerkverteidigungssystemen zu erwarten. AI and Verhaltensanalyses are completely separate, and new Bedrohungen, einschließlich Varianten früherer Bedrohungen, zu identify.
Der Trend said that at Anwendungen, die standard machinelle Lernmodelle auf Edge-Geräten ausführen, nach oben. Geräte wie Googles Coral, which has one of the most advanced Tensor Processing Unit (TPU), became sich angesichts or Fortschritte bei Rechenleistung and Quantisierungstechnologien weiterverbreiten. Edge-KI power is flooded, Daten zur Inferenz in the cloud that is sent. The bandbreiten and the reduziert die Ausführungszeit, were both in Bereichen who their Gesundheitswesen is separating. Edge Computing can be new applications in other regions, which have Datenschutz, Sicherheit and Kleine Latenzzeiten, as well as in Regionen der Welt, which have no access to the Internet.
Zusammenfassung
This AI technology is increasingly being put into practice. Those fortifications at Transformer-Strukturen and GNNs became wahrscheinlich zu Innovationen in Bereichen führen, which were neither bisher nor nicht ohne Weiteres for besthende KI-Techniken and -Algorithms. In that case a large part of the assets can be revorgehoben, die in that year for fortschritte bereit zu sein scheinen, aber es wird zweifelsohne Überraschungen geben im weiteren Jahresverlauf. “Vorhersagen sind schwer, vor allem über die Zukunft”, wie das Sprichwort sagt. Was in jedem Fall abzeichnet: 2021 shines and exciting Jahr für den Bereich der KI zu zijn.