Штучний інтелект

AI в концепції «чорної скриньки» більше не актуальні

У 2019 році AI стане просто ще однією послідовною ниткою у павутинні нашого життя – так само, як Інтернет або електрика. На фоні цього дискусії на тему AI в концепції «чорної скриньки» більше не актуальні: світ розставить акценти на користь зміцнення довіри до систем штучного інтелекту, так як вигода від його застосування очевидна і для бізнесу, і для суспільства.

10 прогнозів, які очікують люди від можливостей штучного інтелекту

  1. Нові інтелектуальні системи дозволять автоматизувати завдання частково і без додаткових витрат
    Експерти припускають, що у 2019 році з’явиться багато нових інтелектуальних інструментів у вигляді повноцінних додатків і систем, за допомогою яких можна буде автоматизувати необхідні бізнес-процеси у виборчому порядку. Крім того, автоматизація зможе бути поетапною в рамках одного розгорнутого пілотного проекту, а це зробить технології більш доступними для середніх і малих підприємств. Це сприятиме як зростанню попиту на інновації у бізнесі, так і зростанню продуктивності серед розробників. Крім того, за оцінками McKinsey, лише менше 5% професій у 2019 році можуть бути об’єктивно повністю автоматизовані – інші, навпаки, потребуватимуть вливання людського ресурсу і вміння співробітників-людей вирішувати питання, які машини не в змозі вирішувати до сих пір, та й навряд чи навчаться.
  2. Для «універсального» AI на підприємствах з’явиться більше аналітичних додатків, які дозволять оперувати його функціоналом
    За останні кілька років компанії в усьому світі витратили мільярди на створення і налагодження процесів та інфраструктури для того, щоб так званий «універсальний» AI міг виконувати закладені функції з меншою кількістю помилок. Ресурси необхідні для того, щоб, наприклад, розблокувати розрізнені джерела даних, поліпшити аналітику для їх найбільш важливого аналізу, посилити функції персоналізації, прогнозування і виявлення, деталізувати моніторинг поломок і аномалій. Передбачається, що у 2019 році розробники будуть приділяти більше часу створенню додаткових аналітичних додатків, які дозволять направити «універсальний» AI, що вже повсюдно застосовується, у потрібне русло – тобто, адаптувати його чітко там, де він перш за все необхідний. Це дозволить бізнесу оперувати функціоналом технологій у повній мірі, уникаючи фінансових втрат. Крім того, такі розробки будуть стимулювати розвиток поглибленого навчання у найбільш затребуваних для нього областях, так як дуже часто «універсальному» AI, як не парадоксально, не вистачає «інтелекту» для того, щоб закривати питання по мірі їх виникнення, а не постфактум. Для цього система повинна володіти навичками глибшого аналізу даних і орієнтуватися на ключові потреби конкретного процесу.
  3. UX/UI дизайн стане критично затребуваним
    Багато сучасних рішень у галузі штучного інтелекту крокують безпосередньо в ногу зі споживачами, співробітниками та експертами у предметній області. Ці системи покращують продуктивність користувачів і в багатьох випадках дозволяють їм виконувати завдання з неймовірними масштабом і точністю. Належний дизайн UX/UI не лише спрощує ці завдання, але й сприяє тому, щоб користувачі довіряли AI та активніше застосовували рішення на його базі. У 2019 році відповідний напрямок стане критично затребуваним і буде активно розвиватися.
  4. З’явиться більше спеціалізованого апаратного забезпечення для систем сприйняття, навчання моделей і аналітики даних
    Відродження глибокого навчання почалося приблизно у 2011 році з вдосконалення унікальних систем прийняття і відтворення мови та комп’ютерного зору. Сьогодні ж апаратне забезпечення для масштабування подібних опцій сягнуло божевільних масштабів – один тільки Facebook робить трильйони прогнозів на день, а Google здатний підтримувати свої ж власні потужності та навіть нарощувати їх. Передбачається, що у 2019 році з’явиться ширший вибір спеціалізованого апаратного обладнання, яке дозволить посилити функціонал систем сприйняття, навчання моделей і аналітики даних. Численні компанії і стартапи, зокрема, у Китаї та США вже не перший рік працюють над апаратним забезпеченням, орієнтованим на побудову і навчання інтелектуальних систем – як у центрі обробки даних, так і на периферійних пристроях.
  5. Гібридні інтелектуальні системи будуть у пріоритеті
    Глибоке машинне навчання вимагає величезних зусиль, вивчення і додаткового розвитку для максимально ефективної реалізації і масштабування своїх можливостей. На цьому фоні гібридні інтелектуальні системи, за рахунок своєї «гнучкості», можуть закривати питання більш локально, що дуже зручно. А тому у 2019 році розробки в методах машинного навчання, які не засновані на нейронних мережах, будуть користуватися особливою популярністю і, ймовірно, виявляться на піку зростаючої популярності.
  6. Машинне навчання «розчленять» на інструменти та проінвестують у найбільш дієві інструменти
    Розробки ML повинні враховувати важливість даних, експериментів і пошуку моделей і систем, а також їх розгортання і моніторингу. Сьогодні багато компаній починають все частіше розглядати ці опції окремо, а не в комплексі: вивчають доступні інтелектуальні інструменти, які необхідні для одного конкретного процесу, а також можливість їх адаптації в різних бізнес-умовах і галузях діяльності. Передбачається, що у 2019 році з’явиться більше інформації, розробок і впроваджень на базі часткових можливостей та інструментів AI і ML, які допоможуть ще більше спростити роботу з реалізацією багатьох товарів і послуг. І зростання інвестицій у такі дослідження та експерименти буде збільшуватися в геометричній прогресії.
  7. Проблем, пов’язаних із безпекою даних, стане більше
    Незважаючи на нові методи захисту даних, ми все ще живемо в епоху машинно-згенерованого контенту (підроблені зображення, відео, аудіо, текст). На даний момент сучасні інтелектуальні технології, заточені на кібербезпеку, здатні виявляти, аналізувати і часто лише частково усувати небажану або фальшиву інформацію та захищати дані. Однак, ці інструменти досі недосконалі, коли мова йде про способи й області їх застосування. У той час, як інструменти для створення підробленого контенту або злому конфіденційних даних швидко вдосконалюються, і компанії в усьому світі будуть сильно стурбовані цим. «Машинний обман» не просто відноситься до машин, які обманюють людей. Він також відноситься до інших машин, які обманюють машини (ботів) і людей, які обманюють машини. Методи поширення небажаної інформації будуть, як і раніше, використовуватися для обману систем ранжирування контенту і платформ роздрібної торгівлі, а методи виявлення і боротьби з цими явищами стануть як ніколи актуальними і повинні будуть розроблятися і працювати на випередження порушень безпеки даних.
  8. Питання про захист даних буде на порядку денному у кожної компанії
    Дослідники і розробники вже не перший рік серйозно займаються вирішенням питання, що стосується недоторканності закритих особистих даних, справедливості та етики, коли мова йде про застосування штучного інтелекту, особливо у глобальних масштабах. Але, по мірі розгортання систем AI, у критично важливих аналітичних додатках, підвищена ефективність автоматизації повинна супроводжуватися максимально точними прогнозами і непідробною гарантією безпеки і надійності. Зростання обману машин на онлайн-платформах, зокрема, ставить питання про захист даних на порядок денний для кожної компанії.
  9. Компанії отримають доступ до більшої кількості даних для розгортання інтелектуальних систем
    Оскільки чимало інтелектуальних систем та моделей, у тому числі глибоке навчання, на які спираються багато підприємств, вимагають великої кількості даних, очікуваними лідерами у їх використанні стають великі світові компанії або безпосередньо країни, які мають відповідний ресурс для масштабування технологій. Але сьогодні багато служб для створення маркованих наборів даних починають використовувати відкриті інструменти машинного навчання, щоб допомогти своїм співробітникам масштабуватися та підвищувати їх точність. А у певних областях такі нові інструменти, як генеративні змагальні мережі (GAN) і платформи моделювання, здатні надавати реалістичні синтетичні дані, які можна використовувати для навчання моделей машинного навчання при низьких витратах. Завдяки новим і безпечним технологіям збереження конфіденційності організації зможуть використовувати дані, які вони самі не створювали. Отже, невеликі організації отримають можливість конкурувати, використовуючи машинне навчання і AI.
  10. Глобальна автоматизація – не тенденція, а тренд 2019 року
    Даний факт підтвердило вже не одне дослідження: автоматизація, як і раніше, буде однією з найактивніших областей розгортання AI у 2019 році. А, згідно з дослідженням Harvard Business Review, 44% світових компаній заявили, що вже використовують AI для виявлення і запобігання вторгнень до системи безпеки, 41% повідомили, що вже використовують AI для вирішення питання взаємодії людського потенціалу і технологій, і 34% сказали, що вже використовують AI для поліпшення управління виробництвом за допомогою автоматизації, а також для оцінки і аналізу внутрішніх бізнес-процесів.

Джерело публікації: everest.ua