По мнению главы нового подразделения искусственного интеллекта Intel, в ближайшие годы исследования в области искусственного интеллекта обещают выдающиеся успехи, а набранные темпы развития не будут ослабевать еще примерно пять лет, после чего отрасль будет вращаться вокруг основных сформировавшихся к этому времени технологий и лидеров.

Одним из таких лидеров и намеревается стать корпорация Intel. В марте здесь было создано подразделение Artificial Intelligence Products Group, которое возглавил Навин Рао. Ранее он занимал должность генерального директора Nervana Systems – стартапа, который специализировался на глубинном обучении и был приобретен Intel в 2016 году. По словам Рао, отрасль сегодня развивается даже слишком быстрыми темпами.

«Это просто невероятно, – заявил он. – Прожить всего три недели, не читая газет, и уже отстать от жизни. Удивительно».

Подразделение Intel Artificial Intelligence Products Group возглавил Навин Рао

Еще не так давно исследования в области искусственного интеллекта оставались прерогативой университетских исследовательских лабораторий, но в последние пару лет технологические компании стали стремительно осваивать эту сферу, виртуозно преодолевая имеющиеся технические барьеры.

«Мы открыли ряд фундаментальных принципов и подошли к той черте, за которой инновации будут развиваться очень быстро, позволяя создавать новые классные вещи», – отметил Рао.

Здесь можно провести параллель со строительной отраслью. На изобретение и усовершенствование бетона человечеству понадобилось какое-то время, но, когда это произошло, очень многое стало возможным.

«Думаю, что в течение следующих пяти-шести лет мы будем продвигаться очень-очень быстро, – подчеркнул Рао. – Ситуация стабилизируется после того, как станет ясно, как выглядит стек, и кто является здесь основными игроками».

Новое подразделение искусственного интеллекта Intel уже сделало большой шаг вперед по направлению к лидерам. Группа обобщила все аппаратные и программные результаты исследований компании в области машинного обучения, разработки алгоритмов и глубинного обучения.

Хотя Intel больше известна в качестве производителя процессоров, ее исследования в области искусственного интеллекта позволили создать программные пакеты, помогающие разработчикам встраивать функции искусственного интеллекта в оборудование компании. Разрабатывая программное обеспечение, Intel упрощает своим клиентам проектирование систем на основе искусственного интеллекта. А это в свою очередь помогает ей продавать оборудование.

Нечто похожее корпорация проделывает и в других областях, одна из которых связана с созданием беспилотных автомобилей. Транспортные средства, использующие искусственный интеллект, принимают на дороге водительские решения за доли секунды. Вот вам еще один пример исследовательской области, в которой наблюдается очень быстрый прогресс.

Конкуренцию Intel в этой сфере составляют в основном крупные технологические компании из Кремниевой долины. Благодаря Google, Facebook и прочим США являются одним из крупнейших игроков в этой сфере. К числу первопроходцев следует отнести также Канаду и Великобританию. Все сильнее начинает ощущаться присутствие Китая.

«Я был в Китае несколько месяцев назад, – заметил Рао. – И там действительно все на подъеме. Люди изголодались по подобным вещам, и очень быстро совершенствуют свои навыки в этой области. Думаю, через пару лет все мы станем свидетелями превращения Китая в ведущего игрока на этом рынке».

Победителем конкурса Массачусетского технологического института Entrepreneurship Competition в этом году стала компания Lightmatter, созданная на базе самого МТИ, в которой разработали полностью оптические чипы, выполняющие вычисления с помощью света, благодаря чему они работают во много раз быстрее полупроводниковых процессоров и расходуют гораздо меньше энергии.

По словам разработчиков, чипы Lightmatter, обладающие принципиально новой архитектурой, схожей с биологической нейронной сетью, способны ускорить работу систем искусственного интеллекта на порядки. Исследователи создали прототип, выполняющий несложные задачи распознавания речи.

Второе место на конкурсе досталось роботу-сантехнику Daisy. После помещения в трубу он обследует ее изнутри на наличие течей и выходит наружу на противопололожном конце. Протечку датчик Daisy обнаруживает по локальному изменению давления жидкости. По словам конструкторов, робот способен распознавать течи меньшего размера, чем позволяют современные технологии, что дает возможность обнаружить дефект еще на раннем этапе, предупредив прорыв трубы.

Третье место получил портативный туалет для отдаленных территорий без систем канализации, быстро испаряющий 95% жидкости экскрементов, оставляя лишь компактную сухую фракцию. Разделение осуществляется с помощью разработанной инженерами мембраны нового типа.

Компания ServiceNow решила дополнить средствами машинного обучения свою платформу Now Platform, предназначенную для автоматизации бизнес-процессов, предотвращения возможных простоев у клиентов, автоматической маршрутизации запросов на обслуживание, а также прогнозирования и оценки эффективности ИТ.

Функции искусственного интеллекта будут предлагаться в рамках программного продукта Intelligent Automation Engine, анонсированного компанией на недавней конференции Knowledge в Орландо. Они призваны укрепить позиции ServiceNow в области управления ИТ-сервисами и проложить ей дорогу в другие сферы решений для корпоративного рынка.

Сегодня функции машинного обучения интегрируются в облачные сервисы ServiceNow в целях обеспечения безопасности, а также для улучшения обслуживания клиентов и управления персоналом. Алгоритмы Intelligent Automation Engine базируются на технологии, приобретенной ServiceNow после покупки в январе компании DxContinuum.

Входя в группу поставщиков облачных сервисов с миллиардным оборотом, ServiceNow сделала себе имя на управлении ИТ-сервисами, а недавно стала выдвигать корпоративным клиентам и другие предложения.

«Сферы обслуживания клиентов и управления персоналом отлично подходят для автоматизации, – указал технический директор ServiceNow Аллан Лейнволд. – Бизнес тратит массу времени на решение типовых, рутинных задач, например на запросы у кадровой службы показателей оплачиваемого нерабочего времени».

Новые функции машинного обучения ServiceNow нацелены на решение следующих задач.

• Предотвращение простоев. Благодаря технологиям обнаружения аномалий Intelligent Automation Engine идентифицирует типовые ситуации и отдельные обстоятельства, которые с высокой долей вероятности ведут к простоям. Соответствующие функции появятся в версии платформы ServiceNow, которая разрабатывается под кодовым наименованием Jakarta и должна быть выпущена в третьем квартале.
• Классификация и маршрутизация работ. Исходя из ранее сформированных шаблонов, Intelligent Automation Engine классифицирует задачи, выбирает оптимальный путь для их решения и прогнозирует конечные результаты. Функции упреждающего анализа сначала появятся в средствах управления ИТ-сервисами, а в четвертом квартале будут реализованы в версии Now Platform, разрабатываемой под кодовым наименованием Kingston.
• Прогнозирование эффективности. Новые алгоритмы будут работать совместно с приложениями реального времени ServiceNow Performance Analytics, помогая компаниям определять, достигли ли они заданного уровня эффективности (например, заданного времени отклика при обращении в службу поддержки). Соответствующая функция будет реализована в четвертом квартале.

Помимо новых функций, которые появятся в нынешнем году, ServiceNow объявила о реализации возможности сравнительной оценки производительности в приложении Benchmarks. Здесь также используется технология машинного обучения, однако она к наработкам DxContinuum отношения не имеет.

При проведении сравнительной оценки ServiceNow использует данные, которыми ее клиенты согласились поделиться с другими пользователями продуктов компании на условиях анонимности.

При масштабном развертывании в компаниях, входящих в список Fortune 1000, внедрение приложений ServiceNow может занимать от четырех до шести месяцев. В небольших организациях на это уходит несколько дней или недель. В зависимости от характера развертывания цены могут рассчитываться исходя из числа администраторов, использующих систему, или количества подключенных к ней устройств.

Помимо DxContinuum, ServiceNow за последний год приобрела ряд других компаний, включая поставщика средств ИТ-безопасности BrightPoint Security и разработчика средств облачного управления ITapp.

«Покупая очередную компанию, мы первым делом переписываем ее продукты таким образом, чтобы они базировались на нашей платформе, – пояснил директор ServiceNow по стратегии Дэйв Райт. – Благодаря такому подходу у нас никогда не возникает неразберихи со множеством слабо интегрированных продуктов. Единая система построена на основе единой платформы, и это главная черта, выгодно отличающая нас от конкурентов».

ServiceNow позиционирует себя как компания, находящаяся в авангарде растущего и развивающегося мира. Лидеры организаций сегодня ощущают ужесточение требований к автоматизации бизнес-процессов по мере увеличения рабочей нагрузки и роста объема данных, обрабатываемых облачными приложениями. В ходе опроса, инициированного ServiceNow на конференции Knowledge, почти половина (46%) из 1850 участников признали, что им нужно внедрять новые средства автоматизации, чтобы справиться с растущим числом задач. При этом 86% респондентов заявили, что к 2020 году им понадобится дополнительная автоматизация.

78% респондентов указали, что рост объемов данных, поступающих от мобильных устройств и Интернета вещей, все чаще приводит к возникновению перегрузок. Опрос проводился компанией Lawless Research в Австралии, Великобритании, Германии, Мексике, Сингапуре, США и Франции.

Благодаря только что анонсированным  Google новым программным инструментам будущее Android выглядит теперь гораздо более интеллектуальным. На конференции для разработчиков Google I/O компания анонсировала версию платформы машинного обучения TensorFlow Lite, предназначенную для смартфонов и других мобильных устройств.

«TensorFlow Lite предлагает API для ускорителей, которые можно будет объединять в новые нейронные сети, — отметил вице-президент Google по разработке Android Дэйв Бурк. — Думаю, что со временем мы увидим чипы цифровых сигнальных процессоров, специально предназначенные для построения нейронных сетей и машинного обучения. Эти новые функции будут способствовать появлению нового поколения устройств для обработки речи, визуального поиска, дополненной реальности и решения прочих задач».

Среда Lite скоро станет составной частью проекта с открытым исходным кодом TensorFlow, а поддержка API для нейронных сетей появится в Android O, следующей версии операционной системы, выпуск которой ожидается во второй половине нынешнего года.

Платформа эта окажет серьезное влияние на будущее мобильных устройств. Чипы, ориентированные на искусственный интеллект, позволят смартфонам управлять функциями машинного обучения, не потребляя много энергии. В условиях, когда все больше приложений используют машинное обучение для решения интеллектуальных задач, упрощение выполнения соответствующих операций на мобильных устройствах приобретает особую важность.

В настоящее время создание приложений с развитыми функциями машинного обучения — особенно если речь идет о проектировании обучающих моделей — требует существенных вычислительных мощностей, громоздкого оборудования, массы времени и большого количества электроэнергии. Все это неприемлемо для смартфонов потребительского класса, и они переадресуют соответствующие задачи масштабным ЦОД, пересылая через Интернет изображения, текст и другие данные для дальнейшей обработки.

Однако, как отмечает главный аналитик компании Moor Insights and Strategy Патрик Мурхед, при обработке данных такого рода в облаке пользователям приходится переносить свои данные на серверы компании, и им нужна среда с хорошими каналами связи, чтобы операции выполнялись без задержки.

Сегодня на рынке уже присутствует один мобильный процессор с встроенным в него цифровым сигнальным процессором для машинного обучения. Однокристальная система Qualcomm Snapdragon 835 оснащена цифровым сигнальным процессором Hexagon, который поддерживает TensorFlow. Цифровые сигнальные процессоры используются и для реализации других функций, например, для распознавания фразы «OK, Google», вызывающей голосового помощника Google Assistant.

В перспективе стоит ждать появления новых чипов, предназначенных для ускорения машинного обучения.

Google уже инвестирует в специализированные процессоры для машинного обучения. Ее чипы Tensor Processing Unit предназначены для ускорения новых алгоритмов машинного обучения, а также для обработки данных с использованием уже существующих моделей.

Google – не единственная компания, предлагающая среду машинного  обучения для смартфонов.  В прошлом году Facebook продемонстрировала ориентированную на мобильные устройства платформу машинного обучения Caffe2Go, предназначенную для обработки видео и наложения различных эффектов в реальном времени.

Важными темами ежегодной конференции для разработчиков Google I/O ожидаемо стали искусственный интеллект и машинное обучение, ведь еще на прошлогоднем мероприятии генеральный директор Google Сундар Пичаи заявил, что компания смещает фокус развития своих технологий и сервисов с мобильных устройств к искусственному интеллекту.

На I/O представители корпоративных ИТ-служб услышали, как искусственный интеллект будет влиять на их технологические стратегии, меняя принципы работы организаций с помощью функций, имитирующих способности человека. Прозвучали объявления об использовании искусственного интеллекта в Google Assistant и инструментах разработки, упрощающих программирование анализа снимков и видеозаписей.

Годом ранее Google I/O анонсы, связанные с искусственным интеллектом, в основном касались потребительских продуктов, включая Assistant, Home и Allo, а на этот раз пришло время важных объявлений для корпоративных заказчиков. В частности, речь шла об API для использования искусственного интеллекта в корпоративных приложениях, о механизмах разделения потребительских и корпоративных данных машинного обучения и соответствующих средствах обеспечения приватности и безопасности.

Покупая компанию MindMeld за 125 млн долл., корпорация Cisco намерена использовать ее технологию искусственного интеллекта для создания приложений совместной работы.

Объявленная сделка стала уже третьей для Cisco за последние две недели. На этот раз объектом покупки является команда MindMeld и ее платформа искусственного интеллекта, позволяющая создавать интерактивные интерфейсы для любого приложения или устройства на основе технологии машинного обучения. MindMeld разрабатывает технологию Deep-Domain Conversational AI, которая помогает клиентам встраивать голосовые команды в любые приложения и сервисы.

Представляя платформу Deep-Domain Conversational AI в ноябре прошлого года, в MindMeld заявили: «До сих пор голосовые и текстовые помощники не могли похвастаться разнообразием опций. Академические инструменты искусственного интеллекта с открытым кодом (TensorFlow, CNTK, SyntaxNet, CoreNLP, NLTK и пр.) обладали развитыми алгоритмами, но не предлагали данные, годящиеся для создания производственных приложений. Облачные же инструменты разработки (Facebook wit.ai, Google api.ai, Microsoft LUIS, Samsung Viv) располагали весьма ограниченными возможностями для создания моделей искусственного интеллекта в отдельных областях знаний».

Сегодня все больше компаний используют машинное обучение и средства распознавания естественного языка в качестве ключевых компонентов своей продуктовой стратегии. Технологии эти оказывают существенное влияние на развитие таких отраслей, как розничная торговля, туристический и гостиничный бизнес, сервисы заказа продуктов питания. Благодаря разработанной MindMeld платформе Deep-Domain Conversational AI голосовые и текстовые виртуальные ассистенты, понимающие естественный язык, становятся доступны любой компании.

«В основе технологии MindMeld лежит мощная платформа машинного обучения, которая обрабатывает клиентские данные и формирует очень точную, адаптированную модель распознавания естественного языка, отвечающую потребностям компаний из любых отраслей. MindMeld предлагает также диспетчер диалогов, позволяющий компьютеру отвечать на пользовательские запросы в голосовой и текстовой форме, – указал в своем блоге вице-президент направления Cisco Corporate Business Development Роб Сальваньо. – Благодаря технологиям MindMeld мы расширим возможности наших решений и добавим диалоговые интерфейсы в различные продукты совместной работы, начиная с Cisco Spark».

Приобретение будет способствовать дальнейшему развитию интеллектуальных диалоговых интерфейсов для средств взаимодействия Cisco. Пользователи смогут обращаться к Cisco Spark на естественном языке. Совместными усилиями Cisco и MindMeld оснастят конференц-залы по всему миру средствами голосового искусственного интеллекта.

«За последние пять лет прикладные средства искусственного интеллекта прошли долгий путь, но это лишь начало, – говорится в заявлении MindMeld. – В ближайшие десять лет Conversational AI не только упростит решение многих повседневных задач, но и повысит производительность труда миллионов работников по всему миру, традиционно натыкающихся на языковые барьеры и вынужденные преодолевать трудности восприятия и доступности. MindMeld дополнит портфель продуктов взаимодействия Cisco диалоговыми интерфейсами и совершит революцию в области взаимодействия пользователей с технологиями».

Компания MindMeld основана в 2011 году бывшим исследователем проблем искусственного интеллекта из МТИ и Bell Labs Тимом Татлом. Компанию поддержал целый ряд инвесторов, включая Google, Samsung, Intel, Telefonica, Liberty Global, Greylock Partners, Bessemer Venture Partners, IDG Ventures, KPG Ventures и Quest Venture Partners.

Команда MindMeld присоединится к группе Cloud Collaboration, которую (как и направление Cognitive Collaboration) возглавляет старший вице-президент и генеральный менеджер Cisco Йенс Меггерс. Ожидается, что сделка завершится в четвертом квартале 2017-го финансового года.

За последние недели в Cisco был сделан целый ряд приобретений. 4 мая куплен поставщик аналитических средств и технологий науки о данных Saggezza. Сумма сделки не разглашается. 1 мая Cisco пополнила свой портфель SD-WAN продуктами компании Viptela, за которую заплачено 610 млн долл. В марте была завершена сделка с поставщиком средств анализа приложений AppDynamics, оцениваемая в 3,7 млрд долл.