Пять тенденций искусственного интеллекта

Примеры практического применения технологий машинного обучения и искусственного интеллекта в деловой среде встречаются все чаще и чаще


18:30 02.03.2018   |   4532 |  Тор Олавсруд |  CIO Magazine, США

Рубрика Предприятие



О машинном обучении, глубинном обучении и искусственном интеллекте сегодня говорят все. В 2018 году в области искусственного интеллекта будут доминировать пять основных тенденций.

2017 год ознаменовался стремительным развитием технологий машинного обучения и внедрением их в реальные бизнес-процессы. Примеры практического применения глубинного обучения и искусственного интеллекта в деловой среде мы тоже видим все чаще и чаще.

«На смену традиционным методам анализа сегодня приходит машинное обучение», – заявил Кеннет Сэнфорд, ведущий архитектор платформы Dataiku, предназначенной для совместного исследования данных.

«Практическое применение машинного обучения, глубинного обучения и искусственного интеллекта мы видим сегодня буквально повсюду», – заметил Сэнфорд, указывая на рекламные щиты на лондонской площади Пикадилли. Скрытые камеры, смонтированные в этих щитах, собирают данные об автомобильном и пешеходном движении (фиксируя в том числе марки и модели проезжающих машин) для последующей рассылки целевой рекламы.

Куда же приведут нас эти инструменты в 2018 году? Чтобы ответить на этот вопрос, мы побеседовали с рядом ИТ-руководителей и экспертов отрасли.

Искусственный интеллект внедряется в операционную деятельность предприятий

Искусственный интеллект уже находится вокруг нас, признаем мы это или нет.

«Многие организации прибегают к искусственному интеллекту, не употребляя этого термина, – отметил технический директор компании Hortonworks Скотт Гнау. – Искусственный интеллект, например, использует любая организация, поддерживающая взаимодействие с клиентами с помощью чатботов».

Многие технологии и инструменты искусственного интеллекта ранее применялись лишь в очень небольших масштабах. Ожидается, что в 2018 году сфера их применения будет расширяться.

«Предыдущие несколько лет предприятия потратили на изучение различных платформ и инструментов искусственного интеллекта, – пояснил Нима Негабан, технический директор и один из основателей компании Kinetica, специализирующейся на методах ускорения СУБД с помощью графических процессоров при проведении высокопроизводительного анализа. – По мере того, как искусственный интеллект получает массовое распространение, от небольших экспериментов мы переходим к автоматизации и использованию соответствующих средств в операционной деятельности. Переводя искусственный интеллект на операционные рельсы, предприятия ищут готовые продукты и инструменты для автоматизации, управления и рационализации всего жизненного цикла машинного и глубинного обучения в целом».

Согласно прогнозам Негабана, в 2018 году мы увидим рост инвестиций в управление жизненным циклом искусственного интеллекта и более зрелые технологии манипулирования данными и контроля за процессами.

Реальность отстает от рекламной шумихи

Директор компании Reltio по продуктам Рамон Чен настроен менее оптимистично. Вот уже несколько лет мы слышим о грядущем прорыве в деле использования искусственного интеллекта и машинного обучения, однако на практике большинство предприятий до сих пор так и не получили ощутимых преимуществ от своих инвестиций в эти области.

Шумиха явно раздута, а предприятия весьма неохотно ввязываются в такие проекты в силу своего скептицизма, недостатка необходимого опыта и, что еще важнее, отсутствия уверенности в надежности своих наборов данных.

«В условиях, когда заголовки новостей пестрят аббревиатурой AI (Artificial Intelligence — «искусственный интеллект»), предприятиям имеет смысл сосредоточиться в первую очередь все же на IA (Information Augmentation — «пополнение информации») – приведении своих данных в порядок с обеспечением их согласованности, очистки и релевантности, – подчеркнул Чен. – Только так можно повысить эффективность бизнес-решений и гарантировать соблюдение нормативных требований во всех подразделениях».

Вице-президент компании Teradata по маркетингу Чад Мели согласен с тем, что в 2018 году чрезмерная шумиха вокруг искусственного интеллекта будет иметь обратный эффект. Но вместе с тем он ждет сбалансированного подхода к приложениям глубинного и поверхностного обучения, который будет способствовать расширению возможностей бизнеса.

Неприятие шумихи не остановит крупные предприятия от инвестиций в искусственный интеллект и связанные с ним технологии.

«Искусственный интеллект – это новые большие данные, – заявил генеральный директор компании Splice Machine Монте Цвебен. – Компании все равно будут заниматься соответствующими технологиями независимо от того, ощущают они потребность в них или нет».

В недавнем отчете компании Teradata, озаглавленном «Состояние технологий искусственного интеллекта на предприятиях в 2017 году» говорится, что главным препятствием для использования преимуществ искусственного интеллекта является отсутствие необходимой ИТ-инфраструктуры. Это важнее кадрового дефицита, нехватки денежных средств и слабости бизнес-сценариев.

«В 2018 году компании получат новые продукты искусственного интеллекта корпоративного уровня, а также предложения о поддержке, которые помогут им справиться с проблемами, связанными с внедрением передовых технологий», – укахад Мели.

Имеющиеся наборы данных недостаточно хороши для обучения

В убежденности, что предприятиям необходимо приводить свои данные в порядок, Чен не одинок. По мнению Томера Ширана, генерального директора и одного из основателей аналитического стартапа Dremio, развивающего проект с открытым кодом Apache Arrow, споры вокруг наборов данных в 2018 году будут занимать центральное место.

«Куда ни глянь, компании везде добавляют в свои продукты функции искусственного интеллекта, делая их еще более интеллектуальными, эффективными и даже автономными, – заявил он. – В 2017 году развернулись дебаты о том, будет ли искусственный интеллект создавать рабочие места или же уничтожать их. Некоторые прочили даже кончину всему человечеству. Ключевым моментом в этих спорах стало обсуждение того, какое влияние наборы данных для обучения оказывают на поведение этих моделей».

На практике модели хороши настолько, насколько хороши данные, которые они используют для обучения. А создание репрезентативных и эффективных данных для обучения представляет собой очень сложную задачу.

«В качестве тривиального примера можно привести твит инженера Facebook о диспенсере для мыла, который хорошо подходит для белых, но не годится для людей с темной кожей, – заметил Ширан. – Люди по природе своей предвзяты, и вопрос заключается лишь в том, будет ли эта предвзятость расти или уменьшаться. Интересен и спор о принадлежности данных: какой информацией о себе располагаем мы и компании наподобие Google, Facebook, Amazon, Uber и т.д., сумевшие накопить огромные наборы данных, которые будут питать наши модели».

Необходимо решение проблемы «черного ящика»

Одним из главных барьеров на пути распространения искусственного интеллекта, особенно в отраслях, привлекающих особое пристальное внимание регуляторов, является сложность точной демонстрации того, каким образом искусственный интеллект принимает решения. По мнению Негабана, аудит искусственного интеллекта будет иметь очень важное значение.

«Искусственный интеллект все чаще используется при решении задач, связанных с разработкой лекарств или подключенных автомобилей, и в случае неправильного выбора эти решения могут нести угрозу для человеческой жизни, – подчеркнул Негабан. – Точное выявление причины принятия неправильного решения превращается в серьезную проблему, которой предприятия начнут активно заниматься в 2018 году. Аудит и проверка всех входных данных и оценок, выданных программой, поможет в обнаружении написанного человеком кода, который в конечном итоге и приводит к возникновению осложнений».

Облачные сервисы ускоряют инновации

Ведущий исследователь данных компании Qubole Хориа Маргарит согласен с тем, что в 2018 году предприятия усовершенствуют свою инфраструктуру и процессы, поддерживающие машинное обучение и искусственный интеллект.

«Поскольку компании стремятся активно внедрять инновационные решения машинного обучения и искусственного интеллекта, в облаке будет появляться все больше специализированных инструментов и инфраструктуры для поддержки конкретных сценариев применения, – указал он. – Речь может идти, например, о человеко-машинном взаимодействии с использованием сразу нескольких органов чувств (слуха, зрения, осязания) или об объединении спутниковых снимков с финансовыми данными для расширения алгоритмических возможностей торговли. Нас ждет бум облачных решений, которые будут способствовать ускорению темпов сбора данных и продемонстрируют важность вычислительных сервисов и сервисов хранения данных, предоставляемых по запросу».


Теги: Самое интересное Искусственный интеллект Машинное обучение
На ту же тему: