هوش مصنوعی از اطلاعات تغذیه می کند و داده ها از حسگرهای ارزان قیمت و استفاده از اینترنت جمع می شوند: فیلم ها ، تصاویر ، متن ؛ داده های سری زمانی ، داده های ماشین ؛ داده های ساختاریافته ، غیر ساختاری و نیمه ساختاریافته. و در حالی که هوش مصنوعی در حال حاضر محدود به مشکلات محدود در حوزه های محرمانه است ، آرزوی محققان یادگیری ماشین در سطح جهانی نوشتن الگوریتم هایی است که بتواند دامنه ها را عبور دهد و یادگیری را از نوعی داده به دیگری منتقل کند.
وقتی سرانجام این اتفاق بیفتد ، سیستم های هوش مصنوعی دیگر روی تپه کوچک داده خود تمرکز نخواهند کرد ، بلکه در کل رشته کوه می خزند.
اولین مکانی که احتمالاً این اتفاق می افتد مربوط به داده هایی است که توسط انسان حاشیه نویسی شده است. در حالی که جریانهای زیادی از هوش مصنوعی وجود دارد ، آن چیزی که عمیق ترین دره را تراشیده است ، یادگیری تحت نظارت نامیده می شود. همانطور که بشر در مدرسه با پاسخ مکرر پاسخ صحیح به یک سوال یاد می گیرد ، به سیستم های یادگیری نظارت شده هزاران ، حتی میلیون ها نمونه از آنچه که برای تشخیص آن آموزش دیده اند داده می شود تا زمانی که بتوانند آن چیزها را در داده هایی که قبلاً ندیده اند ، بیابند.
میلیون ها اشعه ایکس از بیماران مبتلا به سرطان ریه تایید شده ، یک سیستم بینایی رایانه ای نشان می دهد و این سیستم در تشخیص سرطان ریه از اشعه ایکس متخصص می شود.
در سراسر جهان ، انبوهی از کارگران غیر ماهر اطلاعاتی را برای …