人工知能はオンライン監禁にどのように役立ちますか？

公開: 2019-01-28

最近のAIまたは人工知能は、今日のほとんどすべての業界で横向きに流行している表現です。 1950年代から存在しているにもかかわらず、急速に進歩している過去10年間のアプリケーションの転換点と見なされています。シミュレートされたインテリジェンスは、高度な教育のさまざまな側面を飽和させ始めましたが、その責任は、すべてではなく、少数の初期の教員、個々の大学および学部によって推進されてきました。

いくつかのモデルのみを提供するには：

アリゾナ大学の入学事務局は、アプリケーションレビューのプロセスを支援するためにAI主導のキーワード試験機器を利用しています。
ジョージア州立大学は、AdmitHubによって作成されたチャットボットを準備し、学生からの基本的な予算ガイドと入隊の問い合わせに答えるのに役立てました。
ジョージア州の技術教師は、IBMのワトソンテクノロジーを利用して、独自の仮想ティーチングアシスタントを作成しました。

教授、講師、学部、または大学が肯定的な結果を示したこれらのケースはすべて、AIが独自のフレームワークと手順をどのように支援またはアップグレードできるかをコンパニオンが考えるための特別な確実性をもたらします。これらの早期採用者全員の目的は、指導と適応の人間的要素に取って代わることではありませんでしたが、アンダースタディの結果をアップグレードすることでした。全体として、人為的な推論を実際に構成するものは何ですか？その中心にあるAIは、人間の洞察を再現するために作られた自動化されたフレームワークまたはマシンです。機械学習AIの分野を説明する基本の1つは、「学習」のコンポーネントがフレームワーク内で行われていることです。準備情報に明示的な必要な結果が含まれる「管理」、または「教師なし」のいずれかです。準備情報には理想的な結果が含まれていません。

人工知能が学問的誠実さの破裂を区別し、それに対抗するという主な目標に利益をもたらすと認められている3つの地域は、以下のとおりです。

アイデンティティの不実表示
不正行為の慣行
コンテンツ強盗

これらの地域に焦点を当てたAIの取り決めに時間、現金、エネルギーを提供することで、企業だけでなくクライアントの業績も向上することがわかりました。 オンライン監督サービスにAIを追加する目的は、人々に取って代わることではなく、ライブでコンピューター化された管理の正確さを強化することでした。さらに、AIは、人間の過失を減らし、人間が避けられないエラーをキャッチし、サービスの多様性を支援するのに役立ちます。

ロボット化された監督の取り決めを構築する際に、顔の確認としての最初のAIイベントと、音と視覚の兆候の必須のしきい値が実装されます。通常のロボット化された監督フレームワークの背後にある革新は、古いものが新しくなっただけです。これらのフレームワークを実行する計算は、4年以上前から存在しています。とはいえ、フレームワーク全体で設計者が変更した場合を除いて、これらの計算は静的です。

古い機械化されたフレームワークと新しいコンピューター化されたフレームワークの主な違いは、AIの革新が一貫してコツをつかみ、調整し、各テストを実施することで「よりインテリジェント」になることです。最近、人々は機械化された管理でAIを利用しているだけでなく、実際の管理の背後にAIを追加的に重ねています。両方のサービスレベルにわたって、AIは、彼ら自身の人間の代表者がフレームワークのインストラクターである支援学習モデルを利用して指示されています。

管理された機械学習の基本的な手順には、次の4つの段階があります。

人間のセクションと名前の情報。
1つの名前の周りに十分な情報がセクション化されると、計算の周りに「機会」が作成されます。
現在のすべてのデータは、最近作成されたイベントまたは機会をトリガーするために計算を実行されます。
人間はその情報を再検討し、その機会が発生したかどうかを確認し、その明示的な機会を区別する際のフレームワークをますます正確にします。

大規模なレベルでは、この手順は一般的に簡単に聞こえますが、すぐに混乱する可能性があります。機械学習のこの有向学習モデルでは、各アクティビティまたは例で、フレームワークの「イベント」になるために少なくとも20,000の情報ポイントが必要です。その際に準備する際には、その時の正確さを広げるために、モデルはますます「トレーニング情報」を奨励され続ける必要があります。

膨大な数の練習が複製を示していますが、1つに集中するのはどうですか。受験者の目と頭が画面の外にあるものに向かって急速に片側に移動することを想像してください。フレームワークを不正行為イベントとして通知するようにトレーニングするには、その1つの活発な動きの2万例が必要です。次に、その行為を認識して歓迎するフレームワークの精度を向上させるために、指数関数的な数の追加のケースが飛び出す必要があります。現在、多くの竹細工の実践によって、これらの機会を合図するための枠組みを準備するかもしれないことを増やしてください。ご覧のとおり、この手順には膨大な情報が必要です。これがオンライン監督サービスの始まりです。

ここで、その情報のすべてがどこから来ているのかという疑問が生じます。最大のインターネット監督組織は、毎年100万を超えるテストを委任しています。明確な保護上の理由で匿名になると、すべてのテスト情報を利用してAIのモデルを準備できます。

上記のモデルは、単なる孤独な欺瞞行為を表しています。それで、キャラクターの不実表示とコンテンツの強盗について何か言われるべきではありませんか？これらのゾーンで準備するための手順は比較ですが、いくぶんユニークなアプローチを利用しています。オンライン監督は、いくつかの例を示すために、推進された顔の確認、オブジェクトの確認、飛行機の発見、音声からコンテンツ、眼球運動の認識、および音声の識別を含む機械学習の進歩の集まりを組み込むことを試みます。

オンライン監修におけるAIのトレーニング手順は、たとえば、大人が話す、子供が話す、幼児が泣く、犬が泣くなどのことを行う能力があるため、AIがよりインテリジェントになることを示しています。。これらは人々が楽にできることですが、これらのうちどれが学術的信頼性へのリスクを表す可能性があり、無害であるとラベル付けできるフレームワークが示されています。

インターネット監督のための真に正確なAIモデルを構築する方法は、新しいイノベーションが台頭し、受験者の大衆がアクセスできるようになるにつれて、発展し続けるでしょう。機械の進歩の速度は、紛れもなく速いペースで動いています。 PC、ウェアラブル、携帯電話でより多くのイノベーションが実行されるにつれて、人々はそれらの進歩を自分の答えに使用し、AIモデルに含めることができるようになります。