Jakie są dostępne typy Auto ML i czym się różnią?
Najbardziej oczywistym podziałem narzędzi AutoML jest środowisko, w którym wykonywane są obliczenia. W przypadku oprogramowania instalowanego na komputerach lokalnych, obliczenia wykonywane są na nich samych. Analogicznie jest w przypadku usług w chmurach obliczeniowych. Warto zwrócić uwagę na to, że narzędzia AutoML uruchamiane na lokalnych komputerach mogą wymagać mocnych zasobów sprzętowych w postaci procesora graficznego oraz sensownej ilości pamięci operacyjnej – najlepiej minimum 16 GB. Ten najbardziej oczywisty podział związany jest również z kosztami tych narzędzi. Oprogramowanie AutoML instalowane na lokalnych komputerach w większości przypadków jest bezpłatne, natomiast usługi AutoML w chmurach obliczeniowych są obciążone kosztami.
Jaki jest koszt tych narzędzi ML?
Koszty usług AutoML zależą od czynników takich jak lokalizacja serwerowni, w której dokonywane są obliczenia, rodzaj i złożoność rozwiązywanego problemu, docelowe miejsce wdrożenia modelu oraz skala wykorzystanych zasobów obliczeniowych wraz czasem poświęconym na wytworzenie modelu. Przy planowaniu kosztów należy wziąć po uwagę również przestrzeń serwerową do przechowywania zbiorów danych. Niektóre z usług nie umożliwiają pobrania wytworzonych modeli na dysk komputera, a jedynie wdrożenie ich w innych usługach serwerowych co wiąże się z dodatkowymi kosztami. Przykładowo koszt jednej godziny pracy usługi AutoML uruchomionej w Ohio kosztuje 1$ za jeden węzeł, czyli serwer. Chmury obliczeniowe często oferują jednak bezpłatny okres testowy, który w zupełności wystarcza na przetestowanie możliwości usług AutoML.
Jakie są główne wyzwania związane z dalszym rozwojem sztucznej inteligencji w najbliższej przyszłości?
Obecnie najpopularniejszą metodą tworzenia inteligentnych narzędzi jest uczenie maszynowe, czyli heurystyka polegająca na dopasowaniu funkcji matematycznych, lub grupy funkcji do pewnego zbioru danych celem uzyskania optymalnego rozwiązania w postaci predykcji bliskich oznaczeniom w zbiorze danych. W związku z tym sztuczna inteligencja na obecnym etapie posiada zdolność uczenia się pewnych wzorców, ale nie potrafi myśleć i wymaga ciągłego monitorowania. Niektórzy badacze uważają, że sztuczna inteligencja wkrótce zbliży się do kresu rozwoju możliwości. Najwięksi gracze w świecie technologii jednak prowadzą już badania nad całkowicie nową formą tej dziedziny czerpiąc silne inspiracje z ludzkiego mózgu i z mojego punktu widzenia to jest największe wyzwanie na bliską i bardziej odległą przyszłość.
Powyższym materiał stanowi streszczenie wystąpień najważniejszych prelegentów międzynarodowej konferencji „Sztuczna inteligencja w Okulistyce 2022” (eng. „AI in Ophthalmology 2022”), która odbyła się online w dniu 3 czerwca 2022 r. z inicjatywy Fundacji Wspierania Rozwoju Okulistyki „Okulistyka 21”. W trakcie konferencji podzielonej na 5 sesji eksperci z Europy, Azji i Ameryki zaprezentowali najnowsze osiągnięcia naukowe w zakresie wykorzystania sztucznej inteligencji w okulistyce i optometrii. Wydarzenie okazało się dużym sukcesem, o czym świadczyć może zainteresowanie uczestników, ponieważ na konferencję zarejestrowało się ponad 650 osób, z 19 krajów Europy, Azji, obu Ameryk oraz Afryki Południowej.
Konferencja została zrealizowana w ramach projektu Sztuczna inteligencja w okulistyce – konferencja naukowa współfinansowanego ze środków Ministerstwa Edukacji i Nauki.
Ponieważ współpraca i sieciowanie osób zainteresowanych przyszłymi zastosowaniami sztucznej inteligencji w okulistyce jest niezwykle ważne, postanowiłem rozpocząć tworzenie Międzynarodowego Towarzystwa Sztucznej Inteligencji w Okulistyce (International AI in Ophthalmology Society (IAIOph). Zapraszamy wszystkich do dołączenia bezpośrednio na iaisoc.com lub poprzez e-mail: ae.grzybowski@gmail.com Wszystkie wykłady z 2022 AI in Ophthalmology Meeting są dostępne na aiinophthalmology.com.
