Облако и ИИ ведут будущее умных решений

Современные технологические инновации вышли за границы основной автоматизации. В настоящее время с широким ожиданием ожидается, что такие системы имеют нативный интеллект, позволяющий им учиться, адаптировать свои функциональности и делать свои собственные выборы. Примеры таких интеллектуальных систем — голосовые ассистенты, продвинутые камеры, способные распознавать аномальное поведение, и медицинские программы, способные предлагать альтернативные лечения.

Основные строительные блоки таких систем включают две основные трансформационные технологии: Искусственный Интеллект (ИИ) и Облачные Вычисления. ИИ поддерживает способность системы к обучению и эволюции, похожей на развивающиеся процессы в человеческом уме, в то время как Облачные Вычисления предоставляют базовую инфраструктуру, необходимую для глобального развертывания и операции таких систем. Вместе технологии лежат в основе реализации более сложных, контекстно-чувствительных и индивидуализированных опытов для бизнеса, так же как операционной эффективности.

Функции когнитивной вычислительной системы

Сложная система выполняет задачи за пределами простого выполнения предопределенных протоколов. Она собирает информацию, делает анализ, выводит заключения, использует логику и непрерывно улучшает свои методы. Части системы могут быть сгруппированы в следующие категории:

1. Приобретение данных

Эта фаза включает сбор различных форм информации, таких как вербальные инструкции, электронные сообщения, пользовательский контент и выходы сенсоров. Облачная вычислительная система, укорененная в данном фреймворке, поставляет инфраструктуру для хранения и обслуживания огромных объемов информации, собранных из разнообразных источников.

2. Понимание данных

После сбора информации система переходит в фазу обработки, где информация проходит через серию операций таких как очистка, структурирование и анализ. Например, когда пользователь дает команду «Играй музыкальный кусок», система должна расшифровать это как запрос пользователя на воспроизведение музыкального куска.

3. Импликации находок

Использование искусственного интеллекта улучшает распознавание паттернов в исторической информации, например, индивидуальных музыкальных вкусов или стандартных интервалов между пользователями перенастраивающих их термостаты. Этот буст позволяет процессам принятия решений в системе быть лучше информированными и более качественными в долгосрочной перспективе.

4. Процесс принятия решений

Система действует согласно предопределенным логическим правилам или выученным поведенческим паттернам для решения о том, что она сделает дальше. У нее есть способность рекомендовать фильм, разместить заказ на пополнение или информировать человека.

5. Встреча пользовательских ожиданий

Наконец, система имеет способность производить ответ, который может быть доставлен через голос, текст или выполняя кастомное действие. Обычно ответ персонализирован основан на информации, которую система выучила о пользователе.

Почему Облачные Вычисления важны

Без облачных вычислений интеллектуальные системы не работали бы хорошо в масштабе. Вот почему облако так важно:

Гибкость: Облачная инфраструктура предлагает способность для системы масштабироваться основанной на меняющихся уровнях спроса. Когда несколько пользователей получают доступ к системе одновременно, облачная инфраструктура делает ресурсы доступными по запросу.

Скорость: Дата-центры в облаке распределены через огромную географическую область и имеют увеличенные операционные способности, позволяя мгновенную и последовательную отзывчивость.

Хранение: Облачные платформы хранят огромные объемы данных, которые необходимы для обучения ИИ-систем. Облачные сервисы хостятся в множественных локациях по всему миру и могут быть доступны через огромный спектр устройств.

Обслуживание: Задачи разработчика не включают обновление и обслуживание серверов, так как это ответственности облачного сервис-провайдера.

Как ИИ питает интеллект

Искусственный интеллект улучшает способности систем с добавлением рассуждения, обучения и оптимизации способностей, результатом чего становится увеличенная операционная эффективность. Некоторые из наиболее частых использований искусственного интеллекта включают

Экспериментальное обучение подразумевает, что ИИ-алгоритмы улучшаются непрерывно по мере поглощения растущих объемов данных за период.

Понимание языка: NLP позволяет способности систем понимать и отвечать на входы, данные в форме человеческого языка. Визуальное и Аудиальное Распознавание: ИИ может распознавать человеческие лица, объекты и аудиальные сигналы.

Предиктивный анализ имеет способность прогнозировать многие возможные исходы; например, он может оценить вероятность задержанной поставки или определить продукт, наиболее подходящий для заинтересования клиента следующим. Генеративный искусственный интеллект дает машинам способность генерировать написанный контент, создавать языки программирования, а также музыкальные и визуальные формы искусства.

См. также: Чатбот без персонализации не имеет цели. Вот почему!

Голосовая Ассистент Технология: Аналитический Фреймворк

Рассмотрим, для примера, определенную интеллектуальную систему, то есть голосовой ассистент, встроенный в несколько систем умных колонок.

Кто-то спрашивает: «Каковы преобладающие погодные условия в Сиэтле?»

Устройство подхватывает акустические волны и отправляет их на внешний сервер. Облачная вычислительная инфраструктура затем транскрибирует вербальные обмены в письменную форму. Понять важность заявления. Предоставляет правильную метеорологическую информацию.

Дает аудио вывод: «Погода в Сиэтле в настоящее время ясное небо с температурой 72 градуса Фаренгейта.»

Рисунок 1: Высокоуровневая архитектура системы голосового ассистанта

Диаграмма предоставляет общий обзор общей инфраструктуры облачно-интеллектуальной голосовой ассистент системы и способ, которым простой голосовой запрос — «Эй Алекса, какая погода в Сиэтле?» — может быть трансформирован в естественный и понятный ответ через использование облачных и искусственного интеллекта технологий.

На стороне пользователя, голосовой интерфейс появляется как точка старта пользовательской сессии. Пользователь говорит натуральную языковую голосовую команду в умную колонку или, идеально, дисплей. Существует в умном устройстве микрофон так же как процессор, и поэтому оно может слушать звук и оставаться в слушающем состоянии для некоторого предопределенного wake word, в этом случае имя «Алекса». По услышании wake word, устройство начинает записывать команду пользователя и передает звуковой файл через безопасный путь к облачным серверам для обработки.

Настоящий интеллект случается в облачной секции обработки, проиллюстрированной на правой стороне диаграммы. Automatic Speech Recognition или ASR, в первом стадии пайплайна в облаке, трансформирует сырой аудио стрим в текст. Это гораздо сложнее чем кажется; оно должно слушать разные акценты, устранять фоновый шум и слышать тонкость голоса в реальном времени. ASR модели обучаются на массивных наборах записей множества разных голосов для захвата слов, произнесенных максимально точно и перевода их в текстовую форму, «Как погода в Сиэтле?»

Последующее, система прогрессирует к фазе Natural Language Understanding (NLU), в которой намерение пользователя расшифровывается. Конвертирование голоса пользователя в текст недостаточно; ассистент также должен понимать намерение запроса и информацию или сущности, упомянутые, то есть город «Сиэтл». Искусственный интеллект модели, обученные в натуральной языковой обработке, вовлечены в понимание намерения пользователя спрашивать погоду в «Сиэтле» как желаемом городе. Ассистент также должен учитывать неопределенность слов, синонимы и контекст для запроса для интерпретации в правильном манере.

После того как система получила полное понимание запроса, она движется в фазу Knowledge and Reasoning. Теперь, в этой фазе, ассистент выбирает манер, в которой он будет получать доступ к правильной погодной информации, наиболее естественно спрашивая авторитетный внешний сервис, то есть погодную базу данных или API. Система применяет выученные алгоритмы или установленное поведение в обработке полученной информации; например, оно может заключить, что сейчас дневное время в Сиэтле и построить ответ основанный на этом выводе. Если пользователь спрашивает запрос «Как погода?», система может использовать геолокационную информацию или прошлые предпочтения, хранящиеся в нем, для вывода «Сиэтл» как наиболее вероятной локации.

Имея собранную необходимую информацию, ассистент движется в стадию Natural Language Generation (NLG), в которой информация в структурированной форме получает перевод в грамматически правильный, читаемый текст в приемлемой форме для людей. Сырая информация, например, {temperature: 72°F, condition: sunny} переписывается в «Погода в Сиэтле 72 градуса и солнечно». Система может использовать правильную фразеологію, следовать грамматическим требованиям и добавлять приятную вариацию в предложение с каждым повторением в попытке сделать его максимально натуральным. Перед тем как ответ может быть выпущен для пользователя, система также использует технологию Text-to-Speech (TTS) в попытке конвертировать получившийся текст в звуковую форму. Это включает создание слышимого вывода, обычно с заданным голосовым профилем дружеской беседы и хорошей дикции. Аудио файл после этого стримится через интернет с видом предоставления пользователю четкого, натурально-звучащего ответа в течение секунд от выпуска исходного заявления.

Технологическая база для этого опыта лежит в облачных технологиях. Облако поддерживает масштабируемость голосового ассистента с использованием, в смысле что оно может управлять миллионами одновременных запросов откуда угодно в мире. Оно предоставляет вычислительную мощь, необходимую для запуска deep learning алгоритмов для речи и языка, запроса внешних баз данных и ответа в реальном времени. Оно предоставляет фичи безопасности такие как зашифрованный транспорт данных и контролы доступа, так что чувствительная голосовая информация обращается с أقصى осторожностью. Этот интеллектуальный систем также улучшается с опытом потому что он учится со временем. Он может учиться от прошлых взаимодействий с пользователями для сделать его более персонализированным, учить предпочтения пользователей и практически делать рекомендации до того, как пользователь спросит их.

Заключение

Интеллектуальные Облако и ИИ решения позволяют предприятиям идти далеко за пределы автоматизации. Интеллектуальные системы слушают, учатся и действуют, тем самым создавая реальную ценность в здравоохранении, финансах и производстве, так же как в повседневной жизни.

Облако помогает этим решениям с мощью, гибкостью и диапазоном, которые им нужны. Искусственный интеллект дает интеллект необходимый для мышления, обучения и оптимизации. Вместе они строят более умное, высоко взаимосвязанное глобальное окружение — одну систему за раз.