Når datamaskiner utstyres med evnen til å lære av de erfaringene de gjør, kalles det kunstig intelligens. KI er teorien om og utviklingen av datasystemer som kan utføre oppgaver som krever menneskelig intelligens, for eksempel visuell persepsjon, stemmegjenkjenning, beslutningstaking og oversettelse av språk. Maskinlæring er når kunstig intelligens brukes for at systemer automatisk skal lære og forbedre seg ut fra erfaring, i stedet for programmering. Det vil si å utvikle dataferdigheter for selvstendig å forstå og håndtere store datamengder. For å oppnå uavhengighet brukes algoritmer som gjør det mulig for datamaskiner å tolke og lære av data for å danne seg en mening eller spådom om noe. Ved hjelp av maskinlæring lærer datamaskinene mer og mer etter hvert som de behandler og analyserer ny informasjon. Derfor blir de smartere med tiden.
Maskinlæring brukes ofte til å forutsi fremtidige resultater basert på tidligere data. Disse resultatene gjør det mulig for selskapet å ta bedre forretningsbeslutninger fremover. Et annet begrep du sikkert har støtt på, er dyp læring. Deep Learning har vokst frem fra maskinlæring og fokuserer på utvalgte verktøy og metoder for å muliggjøre implementering av maskinlæring. Etter det kan maskinen løse i prinsippet alle problemer som krever menneskelige eller kunstige tankebaner. Konseptet bygger videre på ideen om å skape og bruke kunstige nettverk som en metode for å behandle og ta beslutninger på grunnlag av gitte data. Forskningen på Deep Learning fokuserer på å videreutvikle disse nettverkene, slik at de kan håndtere datasett så store som for eksempel Googles bildebank eller alle tweets som noensinne er skrevet på Twitter.
AWS maskinlæring
AI Kunstig intelligens og maskinlæring – Amazon Web Services (AWS): Som du tidligere har lest i bloggen, kommer Amazon Web Services til Sverige i høst, noe som skaper store muligheter for svenske selskaper. Med AWS får bedrifter ikke bare kostnadseffektive og fleksible IT-løsninger, men også muligheten til å bruke AI i bedriften på en enkel måte.
E-handelsgiganten Amazon har lenge satset på kunstig intelligens AI, og mange av AWS' tjenester på området brukes på ulike måter. Et eksempel er deres virtuelle assistent Amazon Alexa eller komplette API-drevne tjenester som Amazon Recognition. Denne brukes til analyse av bilder og video og kan gjenkjenne personer eller objekter. Amazon Comprehend gjenkjenner språk, nøkkelord, personer, steder, hendelser osv. Amazon Transcribe konverterer stemmen til tekst og kan til og med gjenkjenne ulike stemmer og skille dem fra hverandre. Amazon Polly konverterer i stedet tekst til tale på mange forskjellige språk og med flere ulike stemmer. Amazon Translate oversetter tekst mellom ulike språk ved hjelp av Deep Learning-modeller for å få en mer nøyaktig og naturlig oversettelse, sammenlignet med mer tradisjonelle oversettelsestjenester. Med Amazon Lex kan vi bygge chatroboter for å ha direkte kontakt med kunder eller brukere. Videre er maskinlæringstjenester som Amazon SageMaker tilgjengelige for å bygge, trene og distribuere modeller.
AWS-tjenestene er som regel utformet for sine spesifikke formål og fjerner kompleksiteten i håndteringen av underliggende infrastruktur og systemer. Du betaler bare for det du bruker, og når du bruker det.
Feilmodi og feilfrekvens
Selv om alt dette startet med latency-injeksjon som i Yan Cuis artikler, er latency langt fra den eneste mulige feilen vi kan ha i serverløse applikasjoner. I failure-lambda, failure-azurefunctions og failure-cloudfunctions er det nå fem ulike feilmodi å velge mellom:
Identifiser svakheter
Tilfører latenstid til den utførte funksjonen, kontrollert ved hjelp av et minimums- og maksimumsspenn på millisekunder. Dette kan for eksempel brukes til å simulere ventetid i tjenesten eller til å teste og angi tidsavbruddsverdier.
Unntak
Kaster et unntak i funksjonen. Hjelper deg med å teste hvordan applikasjonen og koden din håndterer unntak.
Statuskode
Funksjonen din returnerer en valgfri statuskode, for eksempel 502 eller 404 i stedet for den vanlige 200. Dette gir deg muligheten til å teste hva som skjer når det oppstår feil.
Diskplass
Fyller den midlertidige disken med filer for å skape en feil. Hvis du bruker en disk til å lagre midlertidige filer, kan du teste hvordan programmet ditt oppfører seg hvis disken blir full eller du ikke kan lagre på den.
Blacklist (med tillatelse fra Jason Barto)
Blokkerer tilkoblinger til spesifiserte verter. Brukes til å simulere at tjenester eller tredjeparter ikke er tilgjengelige.
Alle disse feilmodusene kan brukes sammen med en feilfrekvens som du angir. Standardinnstillingen er å injisere feil ved hvert anrop, men i virkeligheten er det sannsynlig at for eksempel en tredjepart ikke er tilgjengelig ved 50 % av anropene til den aktuelle verten, eller at et unntak kastes ved en fjerdedel av anropene. Ved å sette hastigheten kan du oppnå dette.
