В первой и второй частях речь шла о четырех трендах: сенсорных системах и мобильности, дополненном человеке, постклассических вычислениях и коммуникациях, цифровых экосистемах. Этот материал подробно рассказывает о пятой тенденции из отчета Gartner — улучшенном искусственном интеллекте (ИИ) и аналитике.
Развитый искусственный интеллект и аналитика
Улучшенная аналитика — это автономное или полуавтономное исследование данных или контента с использованием сложных инструментов, выходящих за рамки традиционных бизнес-концепций. Это результат новых классов алгоритмов и науки о данных, которые приводят к новым возможностям.
Тренд включает в себя:
— адаптивное машинное обучение — стартовый этап запуска технологии ожидается в перспективе 5-10 лет.;
— новейший ИИ — достигнет «пика завышенных ожиданий» в перспективе 2-5 лет;
— граничная аналитика — достигнет «пика завышенных ожиданий» в перспективе 2-5 лет;
— объяснимый ИИ — подойдет к «пику завышенных ожиданий» в перспективе 5-10 лет;
— ИИ PaaS — достигнет «пика завышенных ожиданий» в перспективе 5-10 лет;
— трансферное обучение — приблизится к «пику завышенных ожиданий» в перспективе 5-10 лет;
— генеративно-состязательные сети — стартовый этап запуска технологии ожидается в перспективе 5-10 лет;
— графовая аналитика — приблизится к «пропасти разочарований» в перспективе 5-10 лет.
Адаптивное машинное обучение предполагает, что искусственный интеллект отслеживает изменения окружающей среды, подстраивается и принимает решения с учетом новых вводных. Участие человека в процессе не требуется. Например, группа разработчиков из Франции и США во главе с Жан-Батистом Море научила шестиногого робота адаптироваться к поломке конечностей. Гексапода снабдили библиотекой из 13 000 образцов походок на случай повреждений.
Новейший ИИ — технология, благодаря которой алгоритмы искусственного интеллекта обрабатываются на устройстве локально с помощью «железа» без дополнительных соединений. ИИ обрабатывает данные устройства, чтобы прийти к решению менее, чем за несколько миллисекунд. Примером служит разблокировка смартфона с помощью распознавания лица владельца. Более сложный пример — автономное вождение, когда автомобиль передвигается без участия человека в управлении.
Граничная аналитика — подход к сбору, обработке и анализу данных, при котором вычисления происходят на датчиках или сетевых коммутаторах без отправки данных на центральный сервер. Этот способ позволяет сопоставлять данные с множества устройств в реальном времени. Граничная аналитика будет востребована, например, на производстве, чтобы своевременно выявить неисправность или износ оборудования.
Объяснимый ИИ представляет собой систему, при которой любое решение, принятое машиной, очевидно для человека. Цель — добиться прозрачности в работе ИИ, чтобы любое действие машины можно было отследить и повторить. Такой подход делает систему подотчетной человеку и помогает оперативно отследить отклонения или ошибки при принятии решений. Объяснимый ИИ пригодится, например, в медицине при автоматической диагностике и заключениях.
ИИ PaaS представляет собой облачную платформу для разработки и тестирования программного обеспечения на базе искусственного интеллекта. Примером такой платформы может служить платформа Einstein, созданная разработчиком CRM-системы Salesforce. С ее помощью можно создавать приложения на базе ИИ для распознавания изображений и обработки естественного языка.
Трансферное обучение — технология машинного обучения, которое опирается на опыт решения задачи А для выполнения аналогичной задачи Б. Нейросеть сначала обучается на большом объеме данных, а потом на целевом наборе. Примером может служить кейс сотрудничества производителя процессоров Intel и некоммерческой организации Thorn, которая противодействует сексуальной эксплуатации несовершеннолетних. Intel взял модель, предварительно обученную на 40 млн фотографий детей. Затем компания создала классификатор, чтобы выделить только пропавших детей. Система обрабатывала видео с сайтов эскорт-услуг, чтобы распознать на них несовершеннолетних в соответствии с обученной моделью и классификатором. Так трансферное обучение помогло правоохранительным органам выявить больше преступлений и найти больше детей.
Генеративно-состязательные сети — алгоритм машинного обучения, который работает без учителя на основе двух нейронных сетей: генератора и дискриминатора. Алгоритм генератора создает образцы, а алгоритм дискриминатора определяет, относится ли каждый из них к тренировочному набору данных или нет. Обе нейронные сети конкурируют друг с другом во время обучения и создают условия для обоюдной эволюции. Такой метод позволяет, например, переносить стиль одного изображения на другое, а также увеличивать разрешение исходного снимка.
Метод анализа графов основан на теории графов, которая изучает связи между объектами в группе. С его помощью можно, например, определить группы пользователей, которые взаимодействуют друг с другом в социальной сети. Анализ графов помогает выявить связи между пользователями: влияние каждого участника на остальных. Метод помогает, например, предупредить теракты или кибератаки, где связь между организатором и исполнителями происходит при помощи соцсетей.
Развитие технологий искусственного интеллекта со временем сделает сбор, обработку и анализ данных более совершенным. Человеко-часы ручного труда под влиянием ИИ превратятся в секунды и доли секунд работы машинных алгоритмов.
Будущее, к которому стоит подготовиться
Эволюция сенсорных систем, постклассических вычислений, цифровых экосистем, технологий ИИ с каждым годом будет автоматизировать ручной труд человека и постепенно ускорит сокращение рабочих мест.
Людям стоит уже сейчас учитывать тренды из ежегодных отчетов Gartner вместо того, чтобы ждать массового распространения технологий в течение ближайших десятилетий. Чтобы оставаться конкурентоспособными и востребованными в экономике будущего, лучше адаптироваться уже сейчас и постепенно готовить к технологическим сдвигам следующие поколения.
