Loading
Искусственный интеллект: от анализа к творчеству

Искусственный интеллект: от анализа к творчеству

Эксперты объясняют, почему вырос рынок технологий искусственного интеллекта.

Популярность технологий искусственного интеллекта и решений на их базе значительно возросли за время пандемии коронавируса. Если в самом начале распространения инфекции, сопровождавшегося глобальными ограничениями работы бизнеса, большинство ИТ-проектов было попросту заморожено, то уже спустя пару месяцев практически все заказчики осознали, что коронавирус — это уже некая новая реальность, которая внесла необратимые изменения в организацию работы сотрудников, в способы коммуникации, в бизнес, в производственные и логистические процессы.

Большинство организаций перешло на удаленный режим работы сотрудников, который затем, по мере снятия ограничений, трансформировался в гибридный режим. Фокус внимания бизнеса к цифровизации сместился исключительно в практическую плоскость. Соответственно, заказчики стали больше интересоваться всем, что помогает развивать цифровизацию, в том числе решениями, продуктами и сервисами в области искусственного интеллекта и машинного обучения. В одном из прошлых материалов мы рассказывали о росте рынка ИИ-решений. Сегодня постараемся понять, за счет чего он вырос.

Вопрос доверия

Организациям пришлось научиться доверять данным, полученным от систем ИИ. Для многих это был серьезный и важный вопрос. Так, Николай Кацан, руководитель отдела систем управления информацией компании IBM, приводит вопрос, который очень часто задают бизнес-пользователи: «Почему мы должны доверять результатам работы модели?» Отвечая него, эксперт предлагает два шага. «Задача первого — объяснить, почему модель приняла то или иное решение, а также ответить на вопрос, какие данные оказали наибольшее влияние на результат. Второй же шаг заключается в ответе на дополнительный вопрос: а можно ли выделить часть процессов, которые будут функционировать вообще без участия человека и, соответственно, не замедлять работу модели для ручной проверки правильности решений? В рамках повышения доверия к моделям машинного обучения имеются решения «в металле», и они представлены на рынке. Также в ходе нескольких крупных проектов делаются попытки переосмысления структуры бизнес-процессов и их оптимизации под компьютерное управление», — говорит он.

Инновации для бизнеса

Какие новые технологии искусственного интеллекта вышли на первый план в результате пандемии и трансформации работы бизнеса? «В ретейле, финансах, телеком-индустрии применение ИИ позволяет компаниям в первую очередь повысить свою конкурентоспособность за счет усиления позиций в обслуживании клиентов, продажах и маркетинге, — комментирует Николай Князев, архитектор машинного обучения Softline Digital Lab. — В промышленности в последнее время идет создание комплексных цифровых двойников — систем, способных не только отображать текущее состояние и историю, но и использовать модели машинного обучения и гибкие модели для прогноза тех частей цифрового двойника, которые еще не имеют строгого описания. Благодаря такому гибридному подходу появляется возможность строить хорошие прогнозы, не описывая производство целиком».

«В прошлом году в ретейле за счет существенного развития алгоритмов ИИ, их скрещивания с технологиями дополненной реальности стартовало внедрение технологии виртуального зеркала, что позволило, например, примерять одежду при помощи камеры смартфона или собирать корзину, виртуально двигаясь по магазину. Крупнейший банк страны объявил о создании сразу четырех виртуальных помощников. Сегодня виртуальные помощники предусмотрены в беспроводных колонках и других смарт-устройствах. Это то, что видят обычные пользователи. Компьютерное зрение научилось отслеживать ношение маски, температуру и социальную дистанцию — никто не думал прежде о том, что это все может понадобиться. В корпоративном сегменте, помимо ретейла, мы сосредотачиваемся на методах применения ИИ в финансовом секторе, медицине, производстве. Прошедший год также ознаменовался большим проектом по созданию беспилотных автомобилей. И это, похоже, самая горячая тема в ИИ, в которой все ожидают скорого прорыва», — рассказывает Вячеслав Елагин, специалист по продажам высокопроизводительных вычислительных систем, компании Hewlett Packard Enterprise.

По словам Николая Шалаева, сотрудника Центра по научным и инженерным вычислительным технологиям для задач с большими массивами данных (Center for Computational and Data-Intensive Science and Engineering, CDISE), ИИ уже давно используется для разработок беспилотного транспорта — и в некоторых странах уже наблюдаются целые транспортные системы, функционирующие без участия человека.

Смотреть по-новому

Искусственный интеллект меняет жизнь не только компаний и корпораций, но и обычных пользователей, хотя многие и не замечают его работу, не задумываются о ней. «Простые пользователи в целом не замечают технологий ИИ, которые уже давно «живут» в каждом смартфоне, а теперь «поселились» и в телевизорах, беспроводных колонках. Их основная задача — смотреть и слушать. «Смотреть» — технология компьютерного зрения. В обычной жизни используется для управления устройствами (распознавание наличия человека, его жестов) и идентификации, но активно развивалась в прошлом году как технология дополненной реальности — мемодзи и аналоги. Но, наверное, самый значительный шаг прошлого года для простых пользователей — deepfake — методика синтеза изображений на основе ИИ, алгоритмы которого (равно как и дополненной реальности) были существенно улучшены в прошлом году. В тот же период стали «умнее» и голосовые помощники и чат-боты, все переводчики — языковые (с одного на другой), а также язык в текст и обратно. Все ведущие финансовые и страховые компании в России так или иначе на первую линию работы с клиентами вывели технологию обработки естественного языка. Отмечу, что именно эта технология активно использует «малые данные», подстраиваясь под индивидуальные особенности речи каждого человека», — рассказывает Вячеслав Елагин (HPE). По мнению Николая Князева («Софтлайн»), основная революция в искусственном интеллекте сейчас происходит в области анализа текста. «С появлением сетей-трансформеров в последние годы выпускаются новые версии больших нейросетей для генерации текста. Например, недавно вышла GPT-3, позволяющая генерировать тексты на заданную тематику, не отличимые от реального. Кроме развлекательной составляющей, у нее есть и бизнес-применение в классификации текстов (от разбора почты до анализа договоров), создании чат-ботов и систем типа «вопрос-ответ», — добавляет он.

Вдали от ЦОДа

«Одним из интересных направлений развития систем искусственного интеллекта можно назвать «периферийный AI». Устройства, работающие автономно, способны самостоятельно обрабатывать и анализировать данные без подключения к ЦОДу. Использование технологий ИИ — это непрерывный процесс, в котором получение предсказаний тесно связано с процессом обучения, точнее, до-обучения моделей. Традиционно считается, что процесс обучения — ресурсоемкий, требующий больших вычислительных мощностей, поэтому происходит на крупных вычислительных системах в ЦОДе. Сферы применения технологий ИИ постоянно расширяются, и мы пока не видим границ этого расширения. Так, недавно вычислительная система «периферийного ИИ» была установлена на МКС, то есть технологии ИИ добрались до космоса, где связи с ЦОДом порой может не быть вовсе. С другой стороны, вычислительные мощности тоже развиваются, и периферийные устройства становятся мощнее. А что, если взять несколько таких мощных автономных устройств и объединить их в сеть таким образом, чтобы они могли до-обучать развернутые на них модели? Такая концепция получила название «роевое обучение», или «роевой интеллект». Возвращаясь к «периферийному ИИ», замечу, что подобные системы появятся не только в будущем, но и в настоящем времени уже работают. Наиболее часто они встречаются сейчас на производстве — для мониторинга производственных процессов и контроля качества, оптимизации сборочных процессов. Также многие компании уже используют «периферийный ИИ» для предсказания профилактического обслуживания, управления и мониторинга складских запасов. Это лишь наиболее востребованные сегодня сферы применения, где «периферийный ИИ» показывает отличные результаты», — раскрывает подробности Вячеслав Елагин (HPE). «Тут вопрос всегда в скорости соединения с сервером, ведь в случае хорошего коннекта проще обрабатывать данные в одном месте, — говорит Николай Князев («Софтлайн»). — Однако в отдаленных регионах такая потребность есть, но там, как правило, нет специалистов по машинному обучению, необходимых для постоянного контроля и поддержки, и поступает запрос на «коробки», которые можно включить и они самостоятельно работают».

Стандартизация и этика

Не хотелось бы оставлять за рамками вопрос правового регулирования искусственного интеллекта. Ведь от его решений порой зависит судьба, и даже жизнь человека. Эту тему подробно раскрывает Юрий Цветков, эксперт по международному регулированию ИИ и сквозных технологий Центра по научным и инженерным вычислительным технологиям для задач с большими массивами данных (Center for Computational and Data-Intensive Science and Engineering, CDISE). «Регулирование ИИ на любом уровне — техническом или законодательном — должно обеспечивать фундаментальные права граждан, включая, возможно, после права на жизнь, главное право человека — возможность выбора, в том числе возможность отказа от использования технологии на базе ИИ. Принудительная цифровизация, зачастую обернутая в фантик «удобство» (хотя, действительно, нередко цифровые продукты и сервисы с ИИ на борту очень удобны), не должна санкционироваться и лоббироваться государством. Те, кто не хочет быть объектом цифровизации, должен иметь возможность получать все услуги и не чувствовать себя дискриминируемым за аналоговый образ жизни.

Источник

Отправить ответ

Пожалуйста, авторизуйтесь чтобы добавить комментарий.
Войти с помощью: 
  Подписаться  
Уведомление о
Авторизация
*
*
Войти с помощью: 
Регистрация
*
*
*
Войти с помощью: 

одиннадцать − два =

Генерация пароля