Прогноз CW: искусственный интеллект на 2020 год
Прогноз CW: искусственный интеллект на 2020 год

Технологии искусственного интеллекта становятся неотъемлемой частью практически каждого сегмента ИТ-индустрии


20:18 07.02.2020   |   9653 |  Джеймс Кобьелус |  InfoWorld, США

Рубрика Технологии



Серьезные изменения в приложениях машинного обучения, инструментах, технологиях, платформах и стандартах уже видны.

Искусственный интеллект стал неотъемлемой частью практически каждого сегмента технологической индустрии. Все сильнее ощущается влияние интеллектуальных приложений, инструментов разработки, вычислительных платформ, систем управления базами данных, связующего ПО, инструментов управления и мониторинга – словом, всего, что существует в ИТ.

Какие изменения в основных сценариях использования искусственного интеллекта, инструментах, технологиях, платформах и стандартах произойдут в 2020 году?

- В качестве ускорителей искусственного интеллекта по-прежнему будут использоваться в основном графические процессоры.

Аппаратные ускорители искусственного интеллекта стали одним из главных факторов поддержания конкурентоспособности в области высоких технологий. Даже если конкурирующие аппаратные технологии искусственного интеллекта – центральные процессоры, микросхемы FPGA и процессоры нейронных сетей – начнут применяться в устройствах на оконечных узлах сети, графические процессоры все равно останутся в игре благодаря своей ведущей роли в приложениях, взаимодействующих с облаком и оконечными узлами – в частности, в автономных автомобилях и отраслевых логистических цепочках.

Популярность систем на базе графических процессоров Nvidia, занимающих лидирующее положение на рынке, по-видимому, будет расти и далее. Но в ближайшее десятилетие начнет расширяться применение и тех технологий, которые не имеют отношения к графическим процессорам – центральных процессоров, заказных микросхем (ASIC), FPGA и процессоров нейронных сетей. Их преимущества с точки зрения производительности, стоимости и энергопотребления будут использоваться различными приложениями для оконечных узлов. С каждым годом у Nvidia будет появляться все больше и больше конкурентов.

- Показателем конкурентоспособности станут результаты стандартных отраслевых тестов для приложений искусственного интеллекта.

По мере роста зрелости рынка и усиления конкуренции между платформами, которые соперничают за звание самой быстрой, масштабируемой и недорогой при обработке соответствующей нагрузки, важность тестов, используемых в качестве отраслевого стандарта, будет расти. В прошлом году эталонный тест MLPerf стал заметным индикатором в конкурентной борьбе. Все, начиная от Nvidia и заканчивая Google, хвастались продемонстрированными в нем результатами и своей превосходной производительностью. В 2020 году бенчмарки искусственного интеллекта приобретут критически важное значение при разработке стратегии выхода на рынок в сегменте, который со временем будет только расти. Результаты тестов MLPerf будут фигурировать в стратегиях поставщиков решений там, где высокопроизводительные функции искусственного интеллекта играют существенную роль.

- Различия между платформами искусственного интеллекта стираются, конкуренция обостряется.

Платформы моделирования с использованием искусственного интеллекта представляют собой базовую среду, в которой исследователи данных строят и обучают вычислительные графы на основе статистики. В 2020 году большая часть специалистов будет использовать в своих проектах некое сочетание TensorFlow и PyTorch. Две эти платформы будут присутствовать в арсенале большинства исследователей данных.

По мере дальнейшего развития различия между этими платформами начнут стираться. Исследователям данных и другим пользователям функциональный паритет нравится больше, чем отличия платформ. Большинство поставщиков инструментов искусственного интеллекта предлагают продукты для моделирования, не привязанные к конкретной платформе, что может продлить жизнь старым платформам, находящимся под угрозой исчезновения. Ускорение распространения открытых платформ моделирования на основе искусственного интеллекта, принятие отраслью нескольких уровней абстракции, таких как Keras и ONNX, позволит создавать модели с пользовательским интерфейсом от одной платформы, использующие серверные функции другой платформы.

К концу десятилетия неважно будет, какой инструмент для создания интерфейса вы используете при построении модели машинного обучения. Независимо от того, где выстраивается искусственный интеллект, сквозной конвейер исследования данных будет автоматически форматировать, компилировать, контейнеризировать и иным образом обслуживать его для достижения оптимального функционирования повсеместно, начиная от облака и заканчивая границей сети.

- SaaS-сервисы с возможностями искусственного интеллекта уменьшит потребности в исследователях данных.

В прошедшем году машинное обучение широко стало предлагаться в качестве сервиса AWS, Microsoft, Google, IBM и другими провайдерами. По мере нарастания соответствующих тенденций все больше бизнес-пользователей будут полагаться на облачных провайдеров, предлагающих средства искусственного интеллекта. В этом случае нет необходимости поддерживать свои собственные команды исследователей данных. К концу 2020 года провайдеры SaaS будут доминировать в сфере обработки естественного языка, прогнозного анализа и других приложений искусственного интеллекта, а также платформенных сервисов и инструментов DevOps. Предприятия, поддерживающие собственные инициативы искусственного интеллекта, будут в большей степени автоматизировать работу исследователей данных, снижая таким образом потребность в найме дополнительных специалистов по машинному обучению и инженеров по обработке данных, а также во вспомогательных должностях. На протяжении десятилетия большинство исследователей данных будут работать главным образом с провайдерами SaaS и других облачных сервисов.

- Искусственный интеллект в корпоративной среде будет подталкивать к непрерывным экспериментам в реальном мире.

В основе любой инициативы по трансформации цифрового бизнеса лежит использование наиболее подходящих моделей машинного обучения. Это требует реальных экспериментов, в которых процессы на основе искусственного интеллекта будут тестировать альтернативные модели машинного обучения и автоматически продвигать те из них, которые позволяют достичь желаемых результатов. К концу 2020 года большинство предприятий проведут реальные эксперименты со всеми клиентскими и серверными бизнес-процессами.

По мере того, как бизнес-пользователи будут обращаться к облачным провайдерам за инструментами искусственного интеллекта, функции, предложенные недавно AWS – среда поддержки итераций моделей, инструменты для отслеживания экспериментов с несколькими моделями, панели мониторинга моделей – станут стандартом для круглосуточно функционирующих бизнес-приложений искусственного интеллекта.

В течение десятилетия автоматизация на основе искусственного интеллекта и возможности DevOps помогут сформировать универсальные практики оптимизации бизнес-процессов с использованием искусственного интеллекта.

- Искусственный интеллект автоматизирует базовые функции моделирования для разработчиков.

Нейронные сети – сердце современного искусственного интеллекта. В 2020 году основанный на искусственном интеллекте метод автоматизации проектирования искусственных нейронных сетей, называемый «поиском нейронной архитектуры» (neural architecture search), поможет корпоративным исследователям данных автоматизировать процесс построения и оптимизации нейронных сетей в соответствии с их предназначением. По мере дальнейшего распространения и совершенствования поиска нейронной архитектуры эта технология будет способствовать повышению производительности труда исследователей данных, помогая им использовать в своей работе алгоритмы машинного обучения (такие как линейная регрессия или случайный лес), а также новые, более развитые алгоритмы нейронных сетей. Этот и связанные с ним подходы обеспечат непрерывность DevOps с использованием искусственного интеллекта за счет сквозной конвейерной автоматизации.

- Голосовые интерфейсы устранят необходимость использования ручного труда в большинстве приложений.

Понимание компьютерными системами естественного языка на основе средств искусственного интеллекта приобретает удивительную точность. Пользователи мобильных и других устройств быстро осваивают порядок взаимодействия с ними без использования рук. По мере роста популярности голосовых интерфейсов пользователи генерируют при помощи голоса дополнительные объемы текстов. К концу 2020 года благодаря голосовым помощникам с искусственным интеллектом через различные устройства будет передаваться еще больше текста, твитов и другой вербальной информации. В ближайшее десятилетие голосовые помощники и разговорные пользовательские интерфейсы станут стандартной функцией во всех отраслях глобальной экономики, а использование клавиатур, клавишных панелей и даже сенсорных экранов будет сокращаться.

- Корпоративные юридические службы будут настаивать на максимальной прозрачности искусственного интеллекта.

Искусственный интеллект становится все более заметным фактором риска в корпоративных приложениях. Поскольку предприятия получают новые и новые судебные иски с социально-экономическим уклоном, связанные с нарушением конфиденциальности, а также обусловленные другим неблагоприятным воздействием приложений искусственного интеллекта, руководителям юридических отделов необходимо провести полный аудит использования моделей машинного обучения в корпоративных приложениях и управления ими.

К концу 2020 года начальникам юридических отделов на большинстве предприятий понадобится автоматическая регистрация всех операций в конвейере машинного обучения и простое пояснение управления автоматическим выводом в каждой модели. В ближайшее десятилетие отсутствие прозрачности станет основным фактором отказа от финансирования проектов искусственного интеллекта.

Наконец, можно с уверенностью предположить, что интенсивность регулирования во всех продуктах функций искусственного интеллекта – особенно тех из них, в которых используется персональная идентификационная информация – в ближайшие годы будет только нарастать. Впрочем, несмотря на растущее внимание к прозрачности DevOps на основе искусственного интеллекта, вести речь о каких-либо ограничениях, накладываемых на базовые платформы, инструменты и технологии еще слишком рано.

При этом с большой долей вероятности можно говорить об усилении регулирования в ближайшие годы.


Теги: Нейронные сети Искусственный интеллект Машинное обучение


На ту же тему: