#347 скачать в хорошем качестве

#347

Физический ИИ находит применение во всех отраслях промышленности, поскольку датчики, подключенные устройства и базовые модели переходят из облака в реальный мир. После многих лет использования IoT, подключающего все к интернету, происходит масштабный сдвиг в преобразовании необработанных измерений и видео в осмысленный контент, а не просто в информационные панели. Для команд, работающих в повседневной работе, это меняет подход к мониторингу оборудования, обнаружению сбоев и принятию решений о дальнейших действиях. Когда тысячи потоков данных с датчиков поступают в хранилище, кто преобразует их в аналитические выводы и рекомендации достаточно быстро, чтобы это имело значение? Может ли одна модель обобщать данные с разных датчиков и в разных условиях? И что должно работать непосредственно на устройстве, а что — в облаке? Доктор Иван Пупырев — генеральный директор и основатель Archetype AI, где он разрабатывает многомодальную базовую модель ИИ, которая объединяет данные с датчиков в реальном времени и естественный язык, чтобы помочь людям и организациям лучше понимать физический мир и действовать в соответствии с ним. Компания разрабатывает платформу для разработчиков, чтобы открыть новые возможности применения физического ИИ в различных отраслях. Ранее он занимал должность директора по разработке в подразделении передовых технологий и проектов Google (ATAP), где основал и возглавлял крупные межфункциональные команды для создания Soli, платформы датчиков на основе радара, и Jacquard, платформы для подключенной одежды, работающей на основе интеллектуального текстиля и встроенного машинного обучения. Эти технологии были внедрены в более чем 15 продуктов в 33 странах, включая сотрудничество с Levi’s, YSL, Adidas и Samsonite, и интегрированы в флагманские устройства, такие как Pixel 4 и продукты Nest. Его работы широко публиковались, были отмечены крупными международными наградами и освещались в мировых СМИ. В этом эпизоде ​​Ричи и Иван исследуют физический ИИ за пределами робототехники, преобразование потоков данных с датчиков IoT в аналитические данные, рекомендации и автоматизацию, почему физические базовые модели отличаются от моделей с линейным логическим выводом, успехи в области объединения данных с датчиков, такие как оповещения о сбоях ветряных турбин, развертывание на периферии и конфиденциальность, как выбрать первый проект на практике и многое другое. Подкаст DataFramed можно найти на DataCamp: https://www.datacamp.com/podcast а также на вашей любимой платформе для потокового воспроизведения подкастов: Apple Podcasts: https://podcasts.apple.com/us/podcast... Spotify: https://open.spotify.com/show/02yJXEJ... Ссылки, упомянутые в подкасте: Archetype AI - https://www.archetypeai.io/ Attention Is All You Need (Original Transformer Architecture Paper) - https://arxiv.org/abs/1706.03762 A Mathematical Theory of Communication (Shannon, 1948) - https://people.math.harvard.edu/~ctm/... Курс по искусственному интеллекту: Введение в ИИ для работы - https://www.datacamp.com/courses/intr... Связанный эпизод: Корпоративные агенты ИИ с Джуном Цянем, вице-президентом по генеративным услугам ИИ в Oracle - https://www.datacamp.com/podcast/ente... Впервые на DataCamp? Учитесь на ходу с помощью мобильного приложения DataCamp - https://www.datacamp.com/mobile Расширьте возможности своего бизнеса с помощью первоклассных навыков работы с данными и ИИ с DataCamp для бизнеса - https://www.datacamp.com/business