Rachel Thomas em fazer AI acessível

Quão rápido.ai está atrapalhando o aprendizado da aprendizagem profunda da IA

C.Rosso

Fonte: C.Rosso

A inteligência artificial (IA) emergiu de um inverno profundo de dormência relativa por sessenta anos em um renascimento em pleno andamento – em grande parte devido aos avanços no aprendizado profundo. Com base no cérebro humano, o aprendizado profundo é um método de aprendizado de máquina que usa camadas de neurônios artificiais (uma rede neural artificial) que não exigem programação explícita para “aprender” a partir de grandes quantidades de entrada de Big Data. Há um surto de contratação de profissionais de inteligência artificial (IA). A parcela de empregos que exigem habilidades de IA cresceu 4,5 vezes nos EUA durante o período de 2013-2017, de acordo com o The AI ​​Index de Stanford. Para atender a essa demanda crescente, uma empresa está adotando uma abordagem inovadora. Na conferência de Medicina Exponencial desta semana, Rachel Thomas, co-fundadora da fast.ai, apresentou uma nova maneira de tornar a IA acessível a uma ampla gama de pessoas de todas as origens, não apenas das instituições de elite – na verdade, interrompendo a aprendizagem de Aprendizagem profunda de IA.

Rachel Thomas é uma das 20 mulheres incríveis em IA da Forbes, uma palestrante do TEDx São Francisco, professora da Universidade de São Francisco (USF), membro do corpo docente da Exponential Medicine, uma escritora popular e oradora influente. Ela ganhou seu Ph.D. em matemática pela Duke University, e foi um dos primeiros engenheiros da Uber, entre outras empresas iniciantes. Thomas co-fundou a fast.ai em 2016 com o empreendedor em série Jeremy Howard, com a intenção estratégica de tornar acessível o aprendizado profundo.

“Quando estávamos criando o curso, isso era algo que eu gostaria de ter existido cinco anos atrás, quando me interessei pela aprendizagem profunda”, disse Thomas.

Tradicionalmente, existem muitas barreiras para os programadores adquirirem habilidades de aprendizado profundas suficientes para produzir algoritmos de última geração que resolvam problemas do mundo real. Muitas instituições existentes requerem um background matemático de alto nível ou Ph.D. como um requisito, que pode levar anos para ser obtido. Se os alunos eventualmente criarem um algoritmo de trabalho, ele geralmente é hipotético sem nenhuma aplicação no mundo real.

“Eu acho que muitos cursos são ou muito teóricos, e isso faz sentido … a aprendizagem profunda está crescendo fora de um campo teórico”, disse ela.

Os fundadores da fast.ai identificaram uma lacuna na educação tecnológica e encontraram uma maneira de modernizá-la. A abordagem tradicional para o ensino de aprendizagem profunda é tipicamente um processo longo e demorado que começa no nível técnico detalhado – uma abordagem de baixo para cima.

“Queríamos algo mais prático e prático”, disse Thomas, “eu realmente queria tornar isso acessível a mais pessoas e facilitar o envolvimento de pessoas de todas as origens e domínios nesse campo”.

“Estou muito mais interessado no que funciona para resolver problemas que as pessoas estão tendo – seja agricultura, medicina ou manufatura”, disse Thomas.

A metodologia de sua empresa é uma abordagem de cima para baixo, exatamente o oposto dos métodos tradicionais de ensino para o aprendizado profundo. Os alunos podem desenvolver rapidamente algoritmos de aprendizado profundo com uma biblioteca de código aberto de aplicativos e modelos prontos para uso que Thomas ajudou a criar.

“Queremos que as pessoas treinem redes neurais imediatamente, mesmo que as pessoas não conheçam os componentes subjacentes em geral”, disse Thomas.

Em um período de tempo muito curto, os alunos do fast.ai podem produzir rapidamente algoritmos de aprendizado avançado de alto desempenho sem ter que ter pré-requisitos avançados de matemática.

“Com o tempo, chegaremos aos detalhes, e se você fizer todo o curso, terá um entendimento de baixo nível, mas está totalmente invertido na ordem”, disse Thomas.

“No meu passado, eu tenho um Ph.D. em matemática, trabalhei como engenheiro de software e cientista de dados – pude ver como essa tecnologia é poderosa e que estamos no limite ”, disse Thomas.

Como uma pesquisa-residência atual no Instituto de Dados da Universidade de São Francisco (USF), o foco principal de Thomas é o desempenho de algoritmos de aprendizagem profunda.

Thomas disse: “Meu principal interesse é: ‘Esses algoritmos funcionam? Eles estão resolvendo problemas interessantes e dando resultados precisos?

De acordo com Thomas, a visão de longo prazo da fast.ai é continuar a tornar a tecnologia de aprendizagem profunda mais fácil de usar, para produzir resultados ainda melhores. Isso significa aumentar o conteúdo da biblioteca de código aberto do fast.ai.

Em menos de dois anos, desde que a fast.ai foi fundada, mais de 200.000 alunos concluíram o curso on-line e centenas de outros fizeram o currículo em sala de aula presencial. O Fast.ai está abrindo caminho para permitir que codificadores se tornem especialistas em aprendizado profundo em semanas, em comparação com anos – uma abordagem rápida e prática para resolver problemas do mundo real.

Copyright © 2018 Cami Rosso Todos os direitos reservados.

Referências

Shoham, Yoav; Perrault, Raymond; Brynjolfsson, Erik; Clark, Jack; LeGassick, Calvin. “Relatório de Inteligência Artificial Índice 2017″. O Índice de IA. Retirado 11-8-2018 de http://cdn.aiindex.org/2017-report.pdf