شبکه اطلاع‌رسانی روابط‌عمومی ایران (شارا) || یک استارت‌آپ هوش مصنوعی پیش‌بینی‌کننده، امروز یک ابزار جدید به نام Predictive GenAI را راه‌اندازی کرد که هوش مصنوعی مولد و یادگیری ماشین را ترکیب می‌کند تا پیش‌بینی‌های هوش مصنوعی را برای کاربران تجاری آسان‌تر کند.
قابلیت Pecan AI Predictive GenAI دو بخش دارد:
چت پیش‌بینی‌کننده: این قابلیت به کاربران امکان می‌دهد از طریق یک رابط به سبک چت‌بات، درخواست‌های زبان طبیعی را انجام دهند. هدف این است که به کاربر کمک کند که یک مشکل تجاری خاص را برای استفاده آسان‌تر از یک چارچوب پیش‌بینی خاص که متناسب با نیاز تجاری است، راهنمایی کند.
نوت بوک پیشگویانه: این نوت‌بوک از هوش مصنوعی مولد برای ساخت دفترچه علم داده استفاده می‌کند که به عنوان پایه‌ای برای ساخت یک مدل پیش‌بینی استفاده می‌شود.
چرا هوش مصنوعی نسل معمولی نمی‌تواند پیش‌بینی کند (خوب، اگر اصلا باشد)
برونفمن گفت که مجموعه داده‌هایی که ابزارهای هوش مصنوعی در طول آموزش در معرض آنها قرار می‌گیرند، در قالب مناسب برای هوش مصنوعی مورد نیاز برای مدل‌سازی پیش‌بینی نیستند.
برونفمن توضیح داد که برای یک مدل پیش‌بینی، مجموعه داده باید هر ردیف را به عنوان یک موجودیت مجزا داشته باشد، با هر ستون یک ویژگی خاص و یک ستون برچسب برای متغیر هدف.
با این حال، در سناریوهای تجاری واقعی، به دست آوردن مجموعه داده ها در این فرمت نیاز به کار مهندسی داده قابل توجهی دارد.
مدل‌های هوش مصنوعی مولد در گرفتن داده‌های جدولی خام از منابع مختلف و تبدیل آن به قالب مسطح و دو بعدی مورد نیاز برای مدل‌سازی پیش‌بینی خوب نیستند. این مهارتی است که معمولاً برای انجام آن به یک دانشمند داده با تجربه نیاز دارد.
برونفمن گفت که استفاده از یک پایگاه داده‌برداری نیز برای مدل‌سازی هوش مصنوعی پیشگویانه کامل کافی نیست.
او توضیح داد که در حالی که پایگاه‌های داده‌برداری و جاسازی‌ها می‌توانند با کار کردن با مجموعه‌ای از ویژگی‌ها از قابلیت‌های پیش‌بینی اولیه پشتیبانی کنند، اما کافی نیستند.
یا باید مدل‌ها بسیار ساده باشند و فقط یک الگوی محدود را ثبت کنند، یا اینکه یک دانشمند داده هنوز باید مهندسی ویژگی‌های نسبتاً پیچیده‌ای را انجام دهد تا داده‌ها را در قالب مناسب آماده کند قبل از اینکه آنها را به یک مدل پیش‌بینی غنی‌تر ارائه کند.
انتهای پیام/
|
||||
