Bron

Leestijd 6 min

Als bedrijf hoeft u niet langer alles vanaf nul te ontwikkelen of uw eigen ML-modellen te trainen. Nu machine-learning-as-a-service (MLaaS) steeds algemener wordt, wordt de markt overspoeld met talloze kant-en-klare oplossingen en ML-platforms. Volgens Mordor Intelligence zal de markt tegen 2027 naar verwachting 17 miljard dollar bereiken. De totale financiering van AI-startups wereldwijd bedroeg vorig jaar bijna 40 miljard dollar, vergeleken met minder dan 1 miljard dollar tien jaar geleden. Veel grote en kleine cloudbedrijven die de MLOps-ruimte hebben betreden, beginnen nu de noodzaak in te zien van menselijke betrokkenheid bij de werking van hun modellen. Het belangrijkste doel van veel van de AI-platforms is om aantrekkelijk te worden voor de algemene gebruiker door ML grotendeels geautomatiseerd te maken en beschikbaar in low-code omgevingen. Maar of bedrijven ML-oplossingen nu uitsluitend voor eigen gebruik bouwen of ten behoeve van hun klant, er is een gemeenschappelijk probleem - veel van hen trainen en controleren hun modellen op gegevens van lage kwaliteit. Modellen die op dit soort gegevens zijn getraind, kunnen voorspellingen en dus producten opleveren die inherent vertekend, misleidend en uiteindelijk onder de maat zijn. Veel van deze modellen zijn encoder-decoder-modellen die gebruik maken van recurrente neurale netwerken voor sequentie-naar-sequentie-voorspelling. Zij werken door een input te nemen, deze in een vector om te zetten, en vervolgens te decoderen in een zin; een soortgelijke aanpak werkt als de aanvankelijke input bijvoorbeeld een afbeelding is.

21 dagen geleden - venturebeat.com

Korte versie

Kunstmatige intelligentie (AI) moet volledig worden gereguleerd en onderhouden, zo blijkt uit een nieuwe studie.

Uitgebreide versie

Veel grote en kleine cloudbedrijven die de MLOps-ruimte hebben betreden, beginnen nu de noodzaak in te zien van menselijke betrokkenheid bij de werking van hun modellen. Het belangrijkste doel van veel van de AI-platforms is om aantrekkelijk te worden voor de algemene gebruiker door ML grotendeels geautomatiseerd te maken en beschikbaar in low-code omgevingen. Maar of bedrijven ML-oplossingen nu uitsluitend voor eigen gebruik bouwen of ten behoeve van hun klant, er is een gemeenschappelijk probleem - veel van hen trainen en controleren hun modellen op gegevens van lage kwaliteit.

Vergelijkbare publicaties

In het artikel genoemde mensen

In het artikel genoemde namen van organisaties

article image

Gevonden topics

compliance

55%

cloud

43%