Lima perkembangan AI ini akan membentuk tahun 2021 dan seterusnya
Dapatkan link
Facebook
X
Pinterest
Email
Aplikasi Lainnya
Tahun 2020 merupakan tahun yang sangat menantang bagi warga, perusahaan, dan pemerintah di seluruh dunia. Ketika Covid-19 menyebar, yang membutuhkan batasan kesehatan dan keselamatan yang luas, aplikasi kecerdasan buatan (AI) memainkan peran penting dalam menyelamatkan nyawa dan mendorong ketahanan ekonomi. Riset dan pengembangan (R&D) untuk meningkatkan kapabilitas AI inti, dari penggerak otonom dan pemrosesan bahasa alami hingga komputasi kuantum, terus berlanjut. Baidu berada di garis depan banyak terobosan AI penting pada tahun 2020. Artikel ini menguraikan lima kemajuan signifikan dengan implikasi untuk memerangi covid-19 serta mengubah masa depan ekonomi dan masyarakat kita.
1. AI dan pengembangan vaksin
Tren — dan mengapa itu penting. Biasanya dibutuhkan waktu bertahun-tahun, jika tidak puluhan tahun, untuk mengembangkan vaksin baru. Tetapi pada Maret 2020, kandidat vaksin untuk melawan Covid-19 sudah menjalani tes pada manusia, hanya tiga bulan setelah kasus pertama yang dilaporkan. Rekor kecepatan pengembangan vaksin sebagian berkat model AI yang membantu para peneliti menganalisis sejumlah besar data tentang virus corona. Ada puluhan ribu subkomponen protein luar virus. Model pembelajaran mesin dapat menyortir badai data ini dan memprediksi subkomponen mana yang paling imunogenik — misalnya, mampu menghasilkan respons imun — dan dengan demikian memandu para peneliti dalam merancang vaksin yang ditargetkan. Penggunaan AI dalam pengembangan vaksin dapat merevolusi cara semua vaksin dibuat di masa depan. Inovasi Baidu. Pada bulan Februari, Baidu membuka algoritme AI LinearFold untuk tim ilmiah dan medis yang bekerja melawan virus. LinearFold memprediksi struktur sekunder dari urutan asam ribonukleat (RNA) virus — dan melakukannya secara signifikan lebih cepat daripada algoritme pelipatan RNA tradisional. LinearFold mampu memprediksi struktur sekunder urutan RNA SARS-CoV-2 hanya dalam 27 detik, 120 kali lebih cepat daripada metode lainnya. Ini penting, karena terobosan utama vaksin covid-19 adalah pengembangan vaksin messenger RNA (mRNA). Alih-alih pendekatan konvensional, yang memasukkan sebagian kecil virus untuk memicu respons imun manusia, mRNA mengajarkan sel cara membuat protein yang dapat memicu respons imun, yang sangat mempersingkat rentang waktu yang terlibat dalam pengembangan dan persetujuan. Untuk mendukung pengembangan vaksin mRNA, Baidu kemudian mengembangkan dan merilis algoritma AI untuk mengoptimalkan desain sekuens mRNA yang disebut LinearDesign, yang bertujuan untuk menyelesaikan masalah sekuens mRNA yang tidak stabil dan tidak produktif pada calon vaksin. Selain membuka akses ke LinearFold dan LinearDesign untuk peneliti di seluruh dunia, Baidu juga menjalin kemitraan strategis dengan Institut Nasional untuk Pengendalian dan Pencegahan Penyakit Virus, bagian dari Pusat Pengendalian dan Pencegahan Penyakit China. Menyusul wabah di pasar Xinfadi Beijing pada bulan Juni, teknologi AI Baidu memungkinkan pihak berwenang untuk menyelesaikan sekuensing genom dari strain virus corona dalam waktu 10 jam, membantu mengekang wabah tersebut. Pada bulan Desember, Baidu meluncurkan PaddleHelix, kerangka kerja komputasi hayati berbasis pembelajaran mesin yang bertujuan memfasilitasi pengembangan desain vaksin, penemuan obat, dan pengobatan presisi.
2. Mengemudi sepenuhnya otomatis dan peluncuran robotaxis
Tren — dan mengapa itu penting. Teknologi penggerak otonom terus berkembang pada tahun 2020, dengan perusahaan terkemuka di industri menguji mobil tanpa pengemudi dan membuka layanan robotaxi untuk publik di berbagai kota. Pengemudi yang sepenuhnya otomatis, yang memungkinkan perjalanan tanpa pengemudi keselamatan manusia, akan diperlukan untuk skalabilitas dan komersialisasi mengemudi otonom. Inovasi Baidu. Selama setahun terakhir, Baidu meluncurkan layanan Apollo Go Robotaxi di kota-kota China di Changsha, Cangzhou, dan Beijing — termasuk di area komersial yang sibuk — menjadi satu-satunya perusahaan di China untuk memulai operasi uji coba robotaxi di beberapa kota. Perkembangan ini adalah hasil dari inovasi berkelanjutan Baidu dalam mengembangkan sistem AI yang dapat mengontrol kendaraan dengan aman dalam kondisi jalan yang kompleks dan menyelesaikan sebagian besar kemungkinan masalah di jalan, terlepas dari pengemudi manusia. Di Baidu World 2020, konferensi teknologi tahunannya, Baidu juga mendemonstrasikan kemampuan mengemudi otomatisnya — di mana sistem AI dapat mengemudi secara mandiri tanpa pengemudi keselamatan dalam kendaraan. Untuk mendukung pengemudian yang sepenuhnya otomatis, Baidu mengembangkan Layanan Mengemudi Jarak Jauh 5G, sebuah tindakan keamanan di mana operator manusia jarak jauh dapat mengendalikan kendaraan jika terjadi keadaan darurat yang luar biasa. Pencapaian Baidu dalam mengemudi otomatis penuh, dan peluncuran robotaxisnya, menunjukkan prospek positif untuk komersialisasi teknologi dalam waktu dekat.
3. Pemrosesan bahasa alami terapan
Tren —dan mengapa itu penting. Pada tahun 2020, sistem bahasa alami menjadi jauh lebih maju dalam memproses aspek bahasa manusia seperti sentimen dan niat, menghasilkan bahasa yang selaras dengan pola bicara dan tulisan manusia, dan bahkan pemahaman visual, yang berarti kemampuan untuk mengekspresikan pemahaman. tentang gambar melalui bahasa. Model bahasa alami ini mendukung hasil penelusuran yang lebih akurat dan chatbot yang lebih canggih serta asisten virtual, yang mengarah ke pengalaman pengguna yang lebih baik dan menciptakan nilai bagi bisnis. Inovasi Baidu. Baidu merilis kerangka urutan multiflow baru untuk generasi bahasa yang disebut ERNIE-GEN. Dengan melatih model untuk memprediksi blok teks yang lengkap secara semantik, ERNIE-GEN bekerja pada tingkat elit di berbagai tugas pembuatan bahasa, termasuk keterlibatan dialog, pembuatan pertanyaan, dan ringkasan abstraktif. Model bahasa-visi Baidu ERNIE-ViL juga mencapai kemajuan yang signifikan dalam pemahaman visual, menempati peringkat pertama di papan peringkat VCR, kumpulan data 290.000 pertanyaan yang dibuat oleh University of Washington dan Allen Institute for AI, yang bertujuan untuk menguji kemampuan pemahaman visual. ERNIE-ViL juga mencapai kinerja mutakhir pada lima tugas hilir bahasa-visi. Pemahaman visual meletakkan dasar bagi sistem komputer untuk berinteraksi secara fisik dalam adegan sehari-hari, karena melibatkan pemahaman konten visual dan mengungkapkannya melalui bahasa. Ini akan sangat penting untuk meningkatkan kualitas interaksi manusia-mesin.
4. Komputasi kuantum
Tren — dan mengapa itu penting. Komputasi kuantum membuat terobosan signifikan pada tahun 2020, termasuk pencapaian supremasi kuantum komputer Jiuzhang. Ini membawa signifikansi bagi AI, karena komputasi kuantum berpotensi meningkatkan aplikasi AI dibandingkan dengan komputer klasik berbasis biner. Misalnya, komputasi kuantum dapat digunakan untuk menjalankan model pembelajaran mesin generatif melalui kumpulan data yang lebih besar daripada yang dapat diproses komputer klasik, sehingga membuat model lebih akurat dan berguna dalam pengaturan dunia nyata. Teknologi canggih seperti algoritma pembelajaran mendalam juga memainkan peran yang semakin penting dalam pengembangan penelitian komputasi kuantum. Inovasi Baidu. Baidu mencapai sejumlah terobosan teknis pada tahun 2020 yang menjanjikan untuk menjembatani AI dan komputasi kuantum. Pada bulan Mei, Baidu meluncurkan Paddle Quantum, perangkat pengembangan pembelajaran mesin kuantum yang dapat membantu ilmuwan dan pengembang dengan cepat membangun dan melatih model jaringan saraf kuantum dan menyediakan aplikasi komputasi kuantum tingkat lanjut. Toolkit sumber terbuka ini mendukung pengembang membangun aplikasi AI kuantum, dan membantu penggemar pembelajaran mendalam mengembangkan komputasi kuantum. Pada bulan September, Baidu memasuki komputasi kuantum berbasis cloud dengan peluncuran Quantum Leaf, yang menyediakan kit pengembangan kuantum seperti QCompute, dan dapat mempersingkat siklus hidup pemrograman kuantum serta membantu mewujudkan rantai alat kuantum 'loop tertutup'.
5. Chip AI
Tren — dan mengapa itu penting. Perangkat keras AI terus berkembang pada tahun 2020, dengan peluncuran beberapa chip AI yang disesuaikan untuk tugas-tugas khusus. Sementara prosesor biasa mampu mendukung tugas AI, prosesor khusus AI dimodifikasi dengan sistem tertentu yang dapat mengoptimalkan kinerja untuk tugas-tugas seperti pembelajaran mendalam. Saat aplikasi AI semakin meluas, peningkatan kinerja atau pengurangan biaya apa pun dapat membuka nilai lebih bagi perusahaan yang mengoperasikan jaringan pusat data yang luas untuk layanan cloud komersial, dan dapat memfasilitasi operasi internal perusahaan.
Inovasi Baidu. Di Baidu World 2020, perusahaan menawarkan sekilas tentang prosesor AI generasi berikutnya, Kunlun 2, yang rencananya akan diproduksi massal pada awal 2021. Chip tersebut menggunakan pemrosesan 7 nanometer (nm) teknologi dan kemampuan komputasi maksimumnya lebih dari tiga kali lipat dari generasi sebelumnya, Kunlun 1. Chip Kunlun dicirikan oleh kinerja tinggi, biaya rendah, dan fleksibilitas tinggi, yang dapat mendukung berbagai aplikasi dan skenario AI, membantu membina adopsi AI yang lebih besar dan mengurangi biaya penggunaan. Lebih dari 20.000 chip Kunlun 1 kini telah digunakan untuk mendukung mesin pencari Baidu dan mitra Baidu Cloud sejak diluncurkan pada tahun 2018, memberdayakan industri manufaktur, kota pintar, transportasi pintar, dan bidang lainnya. Konten ini diproduksi oleh Baidu. Itu tidak ditulis oleh staf editorial MIT Technology Review.
Ketergantungan kita pada teknologi telah melonjak selama pandemi. Perusahaan analisis aplikasi App Annie menemukan bahwa orang menghabiskan sekitar 4 jam dan 18 menit per hari di perangkat seluler pada bulan April 2020. Itu meningkat 20% dari tahun sebelumnya, setara dengan tambahan 45 menit per hari waktu layar. Penelitian menunjukkan bahwa secara intrinsik tidak ada yang salah dengan menghabiskan lebih banyak waktu di layar — terutama saat ini. Terlepas dari manfaat terhubung dengan teman, keluarga, dan rekan kerja, beralih ke teknologi dapat membantu kita mengelola emosi yang sulit dan bahkan mengurangi stres . Namun, tidak semua waktu layar dibuat sama. Beberapa aktivitas online memang membawa risiko tertentu. Menghabiskan waktu lama secara pasif menelusuri media sosial, misalnya, terkait dengan perasaan iri dan kesepian yang lebih besar, serta risiko depresi yang lebih tinggi. Lalu, apa yang harus kita lakukan di bulan-bulan mendatang untuk memastikan hubungan kita dengan tekn
Saat aplikasi pembelajaran mesin beralih ke arus utama, era baru ancaman dunia maya muncul — era yang menggunakan kecerdasan buatan (AI) ofensif untuk meningkatkan kampanye serangan. AI ofensif memungkinkan penyerang untuk mengotomatiskan pengintaian, membuat serangan peniruan yang disesuaikan dengan kebutuhan, dan bahkan menyebar sendiri untuk menghindari deteksi. Tim keamanan dapat bersiap dengan beralih ke AI defensif untuk melawan — menggunakan pertahanan cyber otonom yang belajar di tempat kerja untuk mendeteksi dan merespons bahkan indikator serangan yang paling halus, di mana pun ia muncul. Marcy Rizzo, dari MIT Technology Review, mewawancarai Marcus Fowler dan Max Heinemeyer dari Darktrace pada Januari 2021. MIT Technology Review baru-baru ini duduk bersama para ahli dari Darktrace — Marcus Fowler, direktur ancaman strategis, dan Max Heinemeyer, direktur perburuan ancaman — untuk membahas aplikasi AI ofensif, AI defensif, dan pertempuran algoritme yang sedang berlangsung ant
Sebagian besar sistem pengenalan gambar dilatih menggunakan database besar yang berisi jutaan foto objek sehari-hari, dari ular hingga getar hingga sepatu. Dengan eksposur berulang, AI belajar membedakan satu jenis objek dari yang lain. Sekarang para peneliti di Jepang telah menunjukkan bahwa AI dapat mulai belajar mengenali objek sehari-hari dengan "dilatih sebelumnya" terlebih dahulu pada fraktal yang dihasilkan komputer . Pendekatan ini menghindari beberapa masalah etika dengan kumpulan data yang dibuat dengan tangan. Masalah pelatihan: Pra-pelatihan adalah fase di mana AI mempelajari beberapa keterampilan dasar sebelum dilatih pada data yang lebih terspesialisasi. Misalnya, sistem untuk mendiagnosis pemindaian medis mungkin pertama-tama belajar mengidentifikasi fitur visual dasar, seperti bentuk dan garis besar, dengan dilatih sebelumnya pada database objek sehari-hari — seperti ImageNet , yang berisi lebih dari 14 juta foto. Kemudian akan disesuaikan dengan database g
Komentar
Posting Komentar