Cloud und KI treiben die Zukunft intelligenter Lösungen voran

Moderne technologische Innovationen haben die Grenzen der Kernautomatisierung überschritten. Derzeit wird mit großer Vorfreude erwartet, dass solche Systeme über native Intelligenz verfügen, die es ihnen ermöglicht, zu lernen, ihre Funktionalitäten anzupassen und eigene Entscheidungen zu treffen. Beispiele für solche intelligenten Systeme sind sprachaktivierte Assistenten, fortschrittliche Kameras, die abnormales Verhalten erkennen können, und medizinische Programme, die alternative Behandlungsmethoden vorschlagen können.

Die Kernbausteine solcher Systeme umfassen zwei zentrale Transformationstechnologien:Künstliche Intelligenz (KI) und Cloud Computing. KI unterstützt die Lern- und Weiterentwicklungsfähigkeit des Systems, ähnlich den Entwicklungsprozessen im menschlichen Geist, während Cloud Computing die zugrunde liegende Infrastruktur bereitstellt, die für die globale Bereitstellung und den Betrieb solcher Systeme erforderlich ist. Zusammen unterstützen die Technologien die Realisierung komplexerer, kontextsensitiverer und individuellerer Erlebnisse für Unternehmen sowie betriebliche Effizienzsteigerungen.

Merkmale eines kognitiven Computersystems

Das komplexe System übernimmt Aufgaben, die über die bloße Erfüllung vorgegebener Protokolle hinausgehen. Es sammelt Informationen, führt Analysen durch, leitet Schlussfolgerungen ab, nutzt Logik und verbessert kontinuierlich seine Methoden. Teile des Systems können in die folgenden Kategorien gruppiert werden:

1. Datenerfassung

In dieser Phase werden verschiedene Formen von Informationen erfasst, beispielsweise mündliche Anweisungen, elektronische Nachrichten, Benutzerinhalte und Sensorausgaben. Das Cloud-Computing-System, das auf dem gegebenen Framework basiert, stellt die Infrastruktur für die Speicherung und Pflege riesiger Informationsmengen bereit, die aus verschiedenen Quellen gesammelt werden.

2. Die Daten verstehen

Nach dem Sammeln der Informationen geht das System in die Verarbeitungsphase über, in der die Informationen eine Reihe von Vorgängen wie Bereinigung, Strukturierung und Analyse durchlaufen. Wenn der Benutzer beispielsweise den Befehl „Spielen Sie das Musikstück“ gibt, muss das System dies als Wunsch des Benutzers nach der Wiedergabe eines Musikstücks entschlüsseln.

3. Implikationen der Ergebnisse

Der Einsatz künstlicher Intelligenz verbessert die Erkennung von Mustern in historischen Informationen, beispielsweise dem individuellen Musikgeschmack oder den Standardabständen zwischen Nutzern, die ihre Thermostate neu konfigurieren. Durch diesen Schub können die Entscheidungsprozesse im System langfristig fundierter und qualitativ hochwertiger gestaltet werden.

4. Entscheidungsprozess

Das System handelt nach vorgegebenen logischen Regeln oder erlernten Verhaltensmustern, um zu entscheiden, was es als nächstes tun wird. Es bietet die Möglichkeit, einen Film zu empfehlen, eine Nachschubbestellung aufzugeben oder eine Person zu informieren.

5. Erfüllung der Benutzererwartungen

Schließlich ist das System in der Lage, eine Antwort zu erzeugen, die per Sprache, Text oder durch die Ausführung einer benutzerdefinierten Aktion übermittelt werden kann. Normalerweise ist die Antwort personalisiert, basierend auf den Informationen, die das System über den Benutzer erhalten hat.

Warum Cloud Computing wichtig ist

Ohne Cloud Computing würden intelligente Systeme im großen Maßstab nicht gut funktionieren. Deshalb ist die Cloud so wichtig:

Flexibilität: Die Cloud-Infrastruktur bietet die Möglichkeit, das System basierend auf sich ändernden Nachfrageniveaus zu skalieren. Wenn mehrere Benutzer gleichzeitig auf das System zugreifen, stellt die Cloud-Infrastruktur Ressourcen bei Bedarf zur Verfügung.

Geschwindigkeit: Rechenzentren in der Cloud sind über ein riesiges geografisches Gebiet verteilt und verfügen über erhöhte Betriebsfähigkeiten, die eine sofortige und konsistente Reaktionsfähigkeit ermöglichen.

Speicher: Cloud-Plattformen speichern riesige Datenmengen, die für das Training von KI-Systemen notwendig sind. Cloud-Dienste werden an mehreren Standorten auf der ganzen Welt gehostet und können über eine Vielzahl von Geräten abgerufen werden.

Wartung: Zu den Aufgaben des Entwicklers gehören nicht die Serveraktualisierung und -wartung, da diese in der Verantwortung des Cloud-Dienstanbieters liegen.

Wie KI die Intelligenz fördert

Künstliche Intelligenz verbessert die Fähigkeiten von Systemen durch zusätzliche Argumentations-, Lern- und Optimierungsfähigkeiten, was zu einer höheren betrieblichen Effektivität führt. Zu den häufigsten Anwendungen künstlicher Intelligenz gehören

Erfahrungsbasiertes Lernen bedeutet, dass sich Algorithmen der künstlichen Intelligenz kontinuierlich verbessern, da sie im Laufe der Zeit wachsende Datenmengen absorbieren.

Sprache verstehen:NLP ermöglicht es Systemen, Eingaben in Form menschlicher Sprache zu verstehen und darauf zu reagieren. Visuelle und akustische Erkennung:KI kann menschliche Gesichter, Objekte und akustische Signale erkennen.

Die prädiktive Analyse bietet die Möglichkeit, viele mögliche Ergebnisse vorherzusagen. Es kann beispielsweise die Wahrscheinlichkeit einer verspäteten Lieferung einschätzen oder das Produkt bestimmen, das einen Kunden als nächstes am meisten interessiert. Generative künstliche Intelligenz verleiht den Maschinen die Fähigkeit, schriftliche Inhalte zu generieren, Programmiersprachen sowie musikalische und visuelle Kunstformen zu erstellen.

Siehe auch: Ein Chatbot ohne Personalisierung hat keinen Zweck. Hier ist der Grund!

Sprachaktivierte Assistententechnologie:Ein analytisches Framework

Betrachten wir zum Beispiel ein bestimmtes intelligentes System, also einen Sprachassistenten, der in mehrere intelligente Lautsprechersysteme eingebettet ist.

Jemand fragt:„Wie sind die vorherrschenden Wetterbedingungen in Seattle?“

Das Gerät nimmt akustische Wellen auf und sendet sie an einen externen Server. Die Cloud-Computing-Infrastruktur überträgt dann den verbalen Austausch in schriftliche Form. Verstehen Sie die Bedeutung der Aussage. Bietet die korrekten meteorologischen Informationen.

Gibt eine Audioausgabe aus:„Das Wetter in Seattle ist derzeit klarer Himmel mit einer Temperatur von 72 Grad Fahrenheit.“

Abbildung 1:Architektur eines Sprachassistenzsystems auf hoher Ebene

Das Diagramm bietet einen allgemeinen Überblick über die Gesamtinfrastruktur eines Cloud-intelligenten Sprachassistentensystems und wie eine einfache Sprachanfrage – „Hey Alexa, wie ist das Wetter in Seattle?“ – durch den Einsatz von Cloud- und künstlichen Intelligenztechnologien in eine natürliche und verständliche Antwort umgewandelt werden kann.

Auf Benutzerseite erscheint die Sprachschnittstelle als Ausgangspunkt der Benutzersitzung. Der Benutzer spricht einen Sprachbefehl in natürlicher Sprache in einen intelligenten Lautsprecher oder im Idealfall ein Display. Im Smart-Gerät gibt es sowohl ein Mikrofon als auch einen Prozessor, und daher kann es auf Ton hören und im Hörzustand für ein vorgegebenes Weckwort bleiben, in diesem Fall den Namen „Alexa“. Sobald das Gerät das Aktivierungswort hört, beginnt es mit der Aufzeichnung des Benutzerbefehls und überträgt die Audiodatei über einen sicheren Pfad zur Verarbeitung an die Cloud-Server.

Die eigentliche Intelligenz findet im Cloud-Verarbeitungsabschnitt statt, der auf der rechten Seite des Diagramms dargestellt ist. Automatische Spracherkennung oder ASR wandelt in der ersten Pipeline-Stufe in der Cloud den Roh-Audiostream in Text um. Es ist viel komplizierter als es scheint; Es muss auf unterschiedliche Akzente achten, Hintergrundgeräusche eliminieren und die Feinheit der Stimme in Echtzeit wahrnehmen. ASR-Modelle werden an umfangreichen Aufzeichnungen vieler verschiedener Stimmen trainiert, um die gesprochenen Wörter so präzise wie möglich zu erfassen und in Textform zu übersetzen:„Wie ist das Wetter in Seattle?“

Anschließend geht das System zum Natural Language Understanding (NLU) über Phase, in der die Absicht des Benutzers entschlüsselt wird. Es reicht nicht aus, die Stimme des Benutzers in Text umzuwandeln. Der Assistent muss auch die Absicht der Abfrage und die Informationen oder die genannten Entitäten verstehen, z. B. die Stadt „Seattle“. Modelle künstlicher Intelligenz, die auf die Verarbeitung natürlicher Sprache trainiert sind, sind damit beschäftigt, die Absicht des Benutzers zu verstehen, nach dem Wetter in „Seattle“ als gewünschter Stadt zu fragen. Der Assistent muss auch die Unbestimmtheit der Wörter, die Synonyme und den Kontext berücksichtigen, damit die Anfrage richtig interpretiert werden kann.

Nachdem das System die Abfrage vollständig verstanden hat, geht es in den Bereich Knowledge and Reasoning über Phase. In dieser Phase wählt der Assistent nun die Art und Weise aus, wie er auf korrekte Wetterinformationen zugreift, am natürlichsten, indem er einen maßgeblichen externen Dienst, d. h. eine Wetterdatenbank oder API, anfragt. Das System wendet erlernte Algorithmen oder etabliertes Verhalten bei der Verarbeitung der empfangenen Informationen an; Beispielsweise kann daraus geschlossen werden, dass in Seattle derzeit Tag ist, und auf der Grundlage dieser Schlussfolgerung eine Antwort erstellt werden. Wenn der Benutzer die Frage „Wie ist das Wetter?“ stellt, kann das System Geolokalisierungsinformationen oder darin gespeicherte frühere Präferenzen verwenden, um „Seattle“ als wahrscheinlichsten Standort abzuleiten.

Nachdem der Assistent die erforderlichen Informationen gesammelt hat, geht er zur Natural Language Generation (NLG) über Phase, in der Informationen in strukturierter Form in grammatikalisch korrekten, lesbaren Text in einer für Menschen akzeptablen Form übersetzt werden. Die Rohinformationen, zum Beispiel {Temperatur:72 °F, Zustand:sonnig wird umgeschrieben in:„Das Wetter in Seattle ist 72 Grad und sonnig.“ Das System kann die richtige Phraseologie verwenden, grammatikalische Anforderungen befolgen und bei jeder Wiederholung schöne Variationen in den Satz einfügen, um ihn so natürlich wie möglich zu gestalten. Bevor eine Antwort für den Benutzer freigegeben werden kann, nutzt das System zusätzlich das Text-to-Speech (TTS) Technologie, um den resultierenden Text in Klangform umzuwandeln. Dabei geht es um die Erzeugung einer akustischen Ausgabe, normalerweise mit einem vorgegebenen Stimmprofil für freundliche Konversation und gute Aussprache. Die Audiodatei wird anschließend über das Internet gestreamt, um dem Benutzer innerhalb von Sekunden nach der ursprünglichen Aussage eine klare, natürlich klingende Antwort zu geben.

Die technologische Basis für dieses Erlebnis liegt in Cloud-Technologien. Die Cloud unterstützt die Skalierbarkeit des Sprachassistenten bei der Nutzung in dem Sinne, dass er Millionen gleichzeitiger Anfragen von überall auf der Welt verwalten kann. Es bietet die erforderliche Rechenleistung, um Deep-Learning-Algorithmen für Sprache und Sprache auszuführen, externe Datenbanken abzufragen und in Echtzeit zu reagieren. Es bietet Sicherheitsfunktionen wie verschlüsselten Datentransport und Zugriffskontrollen, sodass vertrauliche Sprachinformationen mit äußerster Vorsicht behandelt werden. Dieses intelligente System verbessert sich auch mit der Erfahrung, da es mit der Zeit lernt. Es kann aus früheren Interaktionen mit den Benutzern lernen, um es personalisierter zu gestalten, die Vorlieben der Benutzer kennenzulernen und praktisch Empfehlungen abzugeben, bevor der Benutzer danach fragt.

Fazit

Intelligente Cloud- und KI-Lösungen ermöglichen es Unternehmen, weit über die Automatisierung hinauszugehen. Intelligente Systeme hören zu, lernen und handeln und schaffen so einen echten Mehrwert im Gesundheitswesen, im Finanzwesen und in der Fertigung sowie im täglichen Leben.

Die Cloud unterstützt diese Lösungen mit der Leistung, Flexibilität und Reichweite, die sie benötigen. Künstliche Intelligenz liefert die Intelligenz, die zum Denken, Lernen und Optimieren notwendig ist. Gemeinsam bauen sie eine intelligentere, hochgradig vernetzte globale Umgebung auf – ein System nach dem anderen.