6,000개 법 집행 자산을 통한 스타트업의 배포는 비용이 많이 드는 재훈련이나 중단 시간을 필요로하지 않고도 AI 정확성의 보이지 않는 붕괴를 해결하는 것을 목표로합니다. 수천 개의 도시에서 인공 지능 (AI) 시스템은 조용히 실패하고 있으며 아무도 그것을 알지 못합니다.시간이 지남에 따라 트래픽 AI는 더 많은 위반을 놓치고 정확성을 잃어 버리고 의도대로 작동하지 않습니다. 뉴욕의 아마르조트 싱 (Amarjot Singh) 박사에 의해 설립 된 스타트업 스카일락 (Skylark Labs)은 주요 아시아 국가의 6,000개 경찰 시스템을 통해 케플러(Kepler) 플랫폼을 배포하기 위해 3년간 2100만 달러의 계약을 체결했습니다.케플러(Kepler)의 차이점은 자아 인식입니다.대부분의 AI가 침묵적으로 악화되지만, 케플러(Kepler)는 성능을 지속적으로 검사하고 날씨에 적응하도록 설계되었습니다. “인공지능의 더러운 비밀은 대부분의 시스템이 실패하기 시작하는 날이다”라고 Singh 박사는 말합니다. “그들은 새로운 교통 패턴, 진화하는 차량 디자인, 운전자 행동의 변화에 대처할 수 없습니다. 침묵의 쇠퇴 위기 대부분의 전통적인 인공지능 시스템은 과거 데이터에 대해 한 번 훈련을 받고 세계가 결코 변하지 않을 것처럼 배포됩니다. 도로는 진화하고, 새로운 자동차 모델은 거리를 타고, 운전자 행동은 변화하고, 날씨와 조명은 변화합니다.하지만 AI는 여전히 오래된 데이터를 기반으로 결정을 내리려고합니다. "업계 추정에 따르면 지역 정부는 매년 AI 유지 보수에 수백만 달러를 지출하며 성능 악화에 대한 명확한 시각화가 없으며 숨겨진 운영 위험과 불안정한 수익 예측을 창출합니다"라고 Singh 박사는 덧붙입니다. "전통적인 AI는 실패하고 있다는 것을 깨닫지 못하므로 결코 깃발을 올리지 않습니다. 많은 AI 시스템은 비싸고 좌절스러운 패턴을 따릅니다 : 처음에는 잘 작동하고 나서 천천히 악화됩니다.그들을 고치려면 도시는 시스템을 다시 훈련하거나 완전히 교체하기 위해 상당한 자본을 지불해야합니다. Singh 박사는 "이 흐름의 영향은 걱정스럽습니다.그들은 놓친 위반으로부터 수익을 잃을 수 있으며, 더 중요한 것은 AI가 변화를 따라갈 수 없기 때문에 공공 보안을 위험에 빠뜨릴 수 있습니다."라고 강조합니다. AI That Knows When It's Falling Behind에 대한 리뷰 보기 Skylark Labs의 혁신은 하루아침에 일어나지 않았다.DARPA 평생 학습 기계 프로그램의 수년간의 연구에서 태어났으며 설립자 인 Amarjot Singh 박사는 데이터를 처리 할뿐만 아니라 데이터를 관찰하고 혼란스러울 때 알며 정확하게 유지하기 위해 실시간으로 적응합니다. “우리의 가장 큰 혁신은 자아 인식입니다,” 싱 박사는 설명합니다. “인공지능은 단지 교통 위반을 감지하지 않습니다; 그것은 그것이 그들을 놓치고있을 때 감지합니다.” Singh 박사는 그것이 어떻게 작동하는지 설명합니다 : 모든 경찰차가 사용하는 플랫폼은 여러 AI 모델을 동시에 실행합니다. 주요 모델은 속도 또는 잘못된 회전과 같은 위반을 표시합니다.하지만 장면 뒤에 두 번째 층의 모델은 지속적으로 성능을 모니터링하고 시스템이 이전에 본 적이없는 차량 유형이나 특이한 교통 패턴과 같은 새로운 것을 놓치고있는 신호를보고 있습니다. Skylark Labs의 KeplerTM 잠재적 인 격차가 발견되면 Kepler는 내부 설정을 자동으로 조정하고 로컬로 다시 훈련 할 수 있도록 설계되었으므로 인터넷이나 인간 엔지니어가 필요하지 않습니다.이 자의식과 메모리 효율적인 설정으로 Skylark Labs의 AI는 현장에서 계속 학습하고 비싼 업데이트를 피하고 배포마다 더 똑똑해집니다. 트래픽을 넘어 : 보편적 응용 자아 인식 AI 원리는 시간에 따라 조건이 변화하는 모든 응용 프로그램에 트래픽 집행을 넘어 확장됩니다. 군사용으로 Skylark Labs의 Tracer AI 소프트웨어는 항공모함 덱을 외국 물체의 쓰레기를 검색할 수 있습니다.새로운 항공기 유형과 덱 구성이 도입됨에 따라 시스템이 자동적으로 적응할 수 있습니다. Skylark Labs의 스카우트 타워는 인디애나의 교통부에 배치되었으며, 이는 교통 흐름, 계절 패턴 및 인프라 수정에 적응하는 네트워크를 만듭니다. 동일한 학습 적응 원칙은 건강 관리, 국경 보안, 재해 대응 및 재정적 사기 탐지와 같은 빠르게 변화하는 영역에 적용 될 수 있습니다 - 중앙 업데이트가 속도를 유지할 수있는 것보다 조건이 빠르게 진화합니다. 경쟁적 공허함 일부 회사는 인상적인 AI 기능을 구축했지만 종종 동일한 중요한 한계를 공유합니다 : 그들의 시스템은 눈에 띄게 작동합니다.그들은 감지, 분류 및 응답 할 수 있지만 성능을 평가할 수있는 능력이 부족합니다.조건이 바뀌면 조용히 실패합니다.그리고 더 나쁜 것은 그들이 그것을 모른다는 것입니다. "업계는 AI를 더 빠르고, 더 날카롭고, 더 효율적으로 만드는 것에 집착해 왔습니다."그러나 누구도 근본적인 결함을 해결하지 못했습니다 : AI는 언제 잘못되었는지 알지 못합니다. 전통적인 AI 플랫폼이 성능을 유지하기 위해 인간의 감사, 반응성 업데이트 및 비싼 재훈련에 의존하는 곳에서 Skylark Labs의 자아 인식 시스템은 다른 패러다임에서 작동합니다.외부 개입이 없으면 자신감을 지속적으로 모니터링하고 실시간으로 편차를 감지하고 가장자리에 적응할 수 있습니다. 스스로 지불하는 똑똑한 AI Skylark Labs의 자아 인식 AI는 비용 절감과 잠재적 인 장기 가치를 제공합니다. 지속적인 성능에 초점을 맞추어 지속적인 수익, 잠재적으로 업데이트 비용을 낮추고 더 나은 위반 탐지로 공공 안전을 향상시킬 수 있습니다. "그것은 경험으로 나아지는 교통 경비원을 고용하는 것과 같다, 더 나쁘지 않다"고 Singh 박사는 말합니다. "그것은 완전히 다른 종류의 가치입니다." 더 많은 AI 시스템이 전 세계에 배포되면 침묵 실패의 문제는 커질 것입니다.오늘날의 데이터로 훈련받은 대부분의 시스템은 상황이 변화함에 따라 뒤로 떨어질 수 있지만 Skylark Labs의 접근 방식은 스크립트를 뒤집습니다. "미래는 배울 수 있고 진화 할 수있는 AI에 속한다"고 Singh 박사는 덧붙였다. "스테틱 AI는 죽은 AI입니다; 그것은 아직 알지 못합니다." 아시아에서 21만 달러의 배포로, 자아 인식 AI가 실제 규모를 처리할 수 있다는 것을 증명하고 있습니다.그리고 성공하면 교통 집행을위한 새로운 표준을 설정하지 않을 것입니다.그것은 세계가 계속 변화하는 모든 분야에서 AI에 대한 기대를 재구성 할 것입니다. Skylark Labs에 대한 리뷰 보기 “우리는 단순히 더 나은 AI를 구축하는 것이 아닙니다,” Singh 박사는 결론을 내린다. “우리는 더 나은 유지하는 방법을 알고있는 AI를 구축하고 있습니다.” 정부와 기업이 최소한의 과도한 AI 솔루션을 점점 더 요구함에 따라 Skylark의 접근 방식은 기본 AI 인프라를 구입, 배포 및 측정하는 방식을 변화시킬 수 있습니다. VentureBeat 뉴스룸과 편집 직원은이 내용의 제작에 관여하지 않았습니다.

This story contains new, firsthand information uncovered by the writer.

이 오디오는 이야기의 원래 언어로 제작되었습니다!

너무 오래; 읽다

Make resilience your competitive advantage

Skylark Labs는 6,000 경찰 시스템에 자아 인식 AI를 배포하기위한 21 만 달러 거래를 확보했습니다.

About Author

코멘트

태그 걸기

이 기사는 다음에서 발표되었습니다.

Related Stories

성공적인 클라우드 마이그레이션을 위한 전체 가이드: 전략 및 모범 사례

Floki의 Valhalla가 인도 스리랑카 투어의 보조 후원자로 합류

이 18가지 개발자 도구로 생산성을 높이세요 🚀🔥

보이지 않는 레이어: 사용자 인터뷰가 대체할 수 없는 자산인 이유

성공적인 클라우드 마이그레이션을 위한 전체 가이드: 전략 및 모범 사례

Floki의 Valhalla가 인도 스리랑카 투어의 보조 후원자로 합류

이 18가지 개발자 도구로 생산성을 높이세요 🚀🔥

보이지 않는 레이어: 사용자 인터뷰가 대체할 수 없는 자산인 이유

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps