Category : Data Science

Изкуственият интелект не е по-умен от теб, но e по-добър във взимането на (някои) решения

Изкуственият интелект (artificial intelligence, AI) е навсякъде около нас и това далеч не е шега. Практически е навсякъде. От чат ботове до умни асистенти, които са сред най-видимите му превъплъщения до здравеопазване и архитектура – AI поставя своя отпечатък върху все повече индустрии. Днес възможностите на изкуствения интелект са напълно достатъчни, не само да помогне по-бързото и по-ефективно проектиране на нови машини, но и дори да създава собствено изкуство.

Нека го приемем – изкуственият интелект и неговите умения вече са част от нашия всекидневен живот, понякога дори без да подозираме. Много вероятно е персоналната ви кредитна оценка да е изготвена от AI. Също както и плодовете, които купувате – тяхната логистика може да е генерирана от изкуствен интелект. Предложения за продукти, които биха ви харесали в онлайн магазин – с висока степен на вероятност те са изготвени от машина. Компютърните игри, публичната администрация, финансовия и фармацевтичния бизнеси, всички те разчитат на изкуствен интелект за едно или друго. Дори прахосмукачките роботи се рекламират като „Изкуствен интелект, който забърсва пода“!

Повече сигурност за бизнеса с бързи кредити по време на COVID-19

„Едва когато приливът отмине, става ясно кой се къпе гол.“
Уорън Бъфет

Тези, които действат бързо и се адаптират навреме в смутни времена, ще се справят с предизвикателствата. В контекста на пандемията от COVID-19, това означава, че банките, както и останалите кредитни институции трябва да имат инструментите да анализират постоянно какво се случва и да реагират своевременно, ако е необходимо.

Като експерти в кредитния скоринг, използващ изкуствен интелект и машинно самообучение, подготвихме тази публикация, която разглежда в дълбочина проблемите, пред които кредитният бизнес се изправя. Фокусираме и върху механизмите за противодействие, като поставяме акцент върху възможностите на автоматизираното вземане на решения като цяло. Рязката промяна в бита на хората, предприетите мерки за социална дистанция и различният ефект на кризата върху отделните сегменти от населението, по конкретно трудовата заетост, както и нуждата от допълнителни финанси доведе до сътресения в сферата на кредитирането. В резултат на това, някои бизнеси драстично свиха операциите си и преминаха изключително към „ръчен режим“ на одобрения за кредит. Това значително намалява скоростта, а и ефективността на процеса на кредитиране. В някои случаи се стигна дори до закриване на дейността в цели пазари, поради опасения от нарастване на лошите кредити и негативния ефект от наложените законови мерки върху събирането на вземанията.

6 AI & Data Analytics тенденции, които да държите под око през 2020 г.

Макар, оказва се, да е спорно дали с 1 януари 2020 г. започва ново десетилетие, със сигурност горещите тенденции за новата година вече са ясни. Христо Хаджичонев, управител и съосновател на A4Everyone споделя своята собствена шестица в тази публикация. Не се колебайте да използвате коментарната форма в случай, че можете да добавите нещо интересно.

Как изкуственият интелект свали цената на аналитичното прогнозиране?

Чували ли сте за закона на Мур? През 1965 г. Роджър Мур, който по-късно ще стане един от основателите на Intel пише научна публикация, според която броя на електронните компоненти, които могат да бъдат поставени върху една интегрална схема ще се увеличава двойно на годишна база. Тази експоненциална крива е известна като законът на Мур и ще се превърне в основа на дигиталния свят, какъвто го познаваме днес.

Когато компютърът разбира повече от теб

През 1997 г. компютърът Deep Blue победи действащия тогава шампион по шахмат Гари Каспаров. Това беше първата победа на машина над човек в най-популярната стратегическа игра в света. Е, макар Deep Blue да е създаден специално, за да играе шах срещу човек, още само няколко години по-късно стандартните десктоп компютри доминираха над хората пред шахматната дъска. Днес има шахматни приложения за смартфон, които могат да победят изключително добри шахматисти.

Това е първият път, в който машините се проявиха като по-умни от хората. Днес, базиран на AI софтуер се представя по-добре от хората в широкомащабен тест за четене с разбиране и по всичко изглежда ставаме свидетели на втори пробив в тази посока.

30 г. е средната възраст на аналитичните експерти, Python е най-използваният от тях език

Kaggle, онлайн общността на аналитикс експертите, известни още като data scientists публикува проучване обхващащо цялата индустрия. Над 16 хил. са участниците в него, като те са учени, аналитици, експерти и статистици. Анкетата показва, че 3 от 4 професионалисти разчитат на Python, следван от R и SQL. Логистичната регресия е най-използваният аналитичен метод, следван от дърво на решенията и от метода на случайната гора.

Защо изкуственият интелект не може да победи фалшивите новини?

Като компания за анализ на големи данни, ние в A4E сме повече от запознати с възможностите и потенциала на изкуствения интелект, особено ако говорим за комбинирането му с автоматизация от какъвто и да било характер. Като част от обществото, също като теб, ние знаем, че фалшивите новини не са обикновени парчета информация, силно нехаресвани от политици със спорна репутация. Ето защо си зададохме въпроса дали AI е способен да помогне на потребителите и медийните бизнеси да отличи реалните новини от фалшивите такива.

Защо Меси не трябва да е най-добре платеният футболист. Анализът на данни обяснява!

Смятан за един от най-добрите, ако не и най-добрият играещ в момента футболист в света, Лео Меси е сред най-добре платените. Неговият договор с Барселона му осигурява заплата от 40€ млн. годишно или 770 хил. седмично.

Аналитичен модел, разработен от екип на Техническия университет Лорънс, щата Мичиган изчислява, че Меси действително трябва да е най-добре платеният футболист, но заплатата му е твърде висока. Учените използват machine learning, за да анализират заплатите 6082 професионални футболисти в Европа. Те сравняват заплащането с 55 показателя, имащи отношение към техните игрови способности. Аналитичният модел оценява точността на пасовете, вкараните голове, погледът върху играта, скоростта и ускорението, контролът върху топката, физическото състояние и още много други.

Когато учените се състезават с безпилотни автомобили

Всичко започва с Елън Мъск и неговия Tesla Model S. Електрическият седан стъпи на пазара с авангардна и самообучаваща се система за автопилот, която до известна степен заменя шофьора. Тази система се сматя за абсолютен пробив, защото ако тя работи добре има потенциала да промени шофирането завинаги. Всичко това е възможно, благодарение на изкуствения интелект (AI) и видеосензорите, изпращащи информация към аналитични алгоритми, специализирани за работа с видео.

Многомерни регресионни модели – представяния и приложение

Днес човечеството разполага с огромни обеми от данни, касаещи много и различни области. Този феномен е главната предпоставка за все по-широкото разпространение на аналитичното моделиране. Когато моделът отчита повече величини, това дава потенциална  възможност за по-добро отчитане на спецификите на изследваната система. По тази причина многомерните модели, т.е. с много входове и много изходи (MIMO – Multiple Input, Multiple Output) често намират приложение в области като икономика, медицина и т.н., където е характерно наличието на множество входни и изходни величини.