Пять новых решений в области искусственного интеллекта входят в цикл хайпов Gartner для ИИ в этом году, в котором демократизация и индустриализация ИИ выделяются в качестве мегатенденций в 2020 году.
«Качество продает само себя. Никакой шумихи не требуется ».
Если я скажу вам, что 47% инвестиций в искусственный интеллект остались неизменными с начала пандемии, что вы скажете?
«ВЫ, ПАРЕНЬ, С ума сошли»
Более того, если я скажу вам, что 30% компаний планировали увеличить эти инвестиции ...
Хотя верно, что 16% решили временно приостановить проекты ИИ, только 7% решили сократить эти инвестиции.
Действительно, друзья ... ВСЕ ОСТАЕТСЯ одинаковым!
Проекты ИИ все еще реализуются, и в некоторых секторах, таких как здравоохранение, производство, финансовые услуги или цепочка поставок, они ускоряются, особенно несмотря на текущую экономическую и социальную неопределенность.
Фактически, давайте поговорим о 5 новых технологиях, о которых мы начнем говорить, если не уже, в ближайшие месяцы ...
Присоединяйтесь к моему списку рассылки с более чем 1000 человек для получения более эксклюзивного контента
Gartner Hype Cycle для искусственного интеллекта 2020
Каждый год Gartner публикует графическое представление о зрелости и внедрении новых и существующих технологий и приложений на рынке, позволяя различать то, что считается хайпом, и тем, что является коммерчески жизнеспособным, предлагая свое видение того, как эти технологии будут развиваться с течением времени, и помогая снизить риск инвестиционных решений в этих технологиях.
Как работают Hype Cycles?
Каждый Hype Cycle включает 5 фаз, которые априори считаются ключевыми в жизненном цикле конкретной технологии:
- Триггер инноваций: с первыми PoC и общественным вниманием, в котором, как правило, отсутствуют уже пригодные для использования или коммерчески жизнеспособные продукты.
- Пик завышенных ожиданий: первые истории успеха, обычно сопровождающиеся гораздо большим количеством неудач. Раннее продвижение.
- Колодец разочарования: критическая стадия, когда интерес угасает из-за предыдущих результатов и ожиданий. Инвестиции будут продолжаться только в том случае, если провайдеры смогут привлечь своих первых пользователей новыми улучшениями.
- Склон просвещения: появляются новые примеры и истории успеха. Первые последователи и увеличение финансирования проекта.
- Плато производительности: широкое распространение. Широкая применимость и актуальность технологии.
После объяснения рисунка давайте погрузимся в тенденции развития искусственного интеллекта 2020 года.
Демократизация и индустриализация
2 мегатенденции.
Несмотря на то, что у нас есть 5 новых участников - малые данные, генеративный ИИ, составной ИИ, ответственный ИИ и вещи в качестве клиентов - преобладает демократизация, говорящая о более широком внедрении ИИ в разных компаниях и среди разных организаций, а также индустриализация, ориентированная на повторное использование и безопасность. , масштабируемость и ответственность ИИ.
ДЕМОКРАТИЗАЦИЯ
ОШИБКА, что ИИ используют исключительно эксперты!
В настоящее время компании хотят вовлечь в уравнение больше людей, будь то клиенты, деловые партнеры, торговые представители или разработчики.
Что это означает? Если мы обращаемся к все более широкой аудитории, нам нужны новые роли, которые могли бы удовлетворить этот спрос. Мы больше не говорим только о Data Engineers или Data Scientist, нам нужна фигура «разработчика», который в рамках той же модели DevOps не изолирован от групп разработки и эксплуатации. По некоторым оценкам, 87% проектов в области Data Science никогда не заканчиваются запуском в производство.
Обращаясь к гораздо более широкой цели, необходимо следовать этим типам моделей, которые позволяют использовать методологии непрерывной интеграции (CI), в которых интеграции, то есть компиляции и модульное тестирование, выполняются автоматически в различных проектах. .
ИНДУСТРИАЛИЗАЦИЯ
Почти 30% проектов искусственного интеллекта выполняются высшим руководителем.
Ответственный, безопасный и масштабируемый искусственный интеллект, поддерживающий принятие решений, является достаточной причиной для исполнительного уровня поддержки проектов такого типа.
По мере развития решений ИИ они помогают организациям многому учиться и делать меньше ошибок. Однако это не статичный процесс, и вам нужно продолжать учиться, чтобы решать новые задачи, такие как безопасность, по мере того, как внедрение продолжает прогрессировать.
Какие выводы мы делаем?
Чат-боты
Типичный продукт. По моему опыту, это наиболее распространенный вариант использования среди компаний, хотя в большинстве из них я не видел явного возврата.
По данным Gartner, в ближайшие 2–5 лет ожидается более чем 100% -ное увеличение скорости внедрения чат-ботов, при этом уровень проникновения увеличился с 5–20% в 2019 году до 20–50% в этом году.
Основные поставщики? AWS, Cognigy или Google.
Общий искусственный интеллект (AGI)
Или способность машины понимать мир так же, как человека, приобретая способность учиться выполнять большое количество задач.
В то время как Specialized AI - это всего лишь специализированный, он хорош в определенных вещах, например, в распознавании фотографий или рекомендации следующего сериала, который вы увидите. В этом отличие от General AI.
General AI отлично справляется с любой задачей (без оправданий!).
Специализированный ИИ создан, чтобы делать одно, а Общий ИИ создан, чтобы научиться делать что угодно.
Однако в настоящее время этой технологии не хватает коммерческой жизнеспособности, что заставляет компании сосредотачиваться на гораздо более конкретных сценариях использования, которые повышают ценность.
А теперь новые участники…
1. Небольшие данные, первая новая категория
Gartner определяет это как набор методов, которые позволяют использовать преимущества гораздо более устойчивых моделей, где отправная точка находится в гораздо меньших наборах данных, что позволяет лучше адаптироваться к неожиданным событиям и где машинное обучение должно быть сбалансировано с опытом человека.
В игру вступает передача обучения, то есть способность переносить знания, полученные в результате выполнения одной задачи, на изучение новых задач без необходимости загружать в машину огромные новые наборы данных.
2. Генеративный ИИ, вторая новая категория
Согласно MIT, «одно из самых многообещающих достижений в мире ИИ за последнее десятилетие».
Из чего он состоит? Генеративный ИИ основан на способности компьютеров изучать шаблон, лежащий в основе предлагаемого ввода, и на последующем использование этого шаблона для создания аналогичного контента, такого как текст, аудиофайлы или изображения.
Так называемые GAN или Generative Adversarial Networks - это генеративные модели, в которых используются две нейронные сети, обращенные друг к другу: генератор, отвечающий за создание новых данных или контента, который похож на оригинал; и дискриминатор или различающая сеть, которая отвечает за различение исходных и сгенерированных данных.
3. Композитный ИИ, третья новая категория
Описывается как комбинация различных методов, которые улучшают способ обучения и обретают «здравый смысл», чтобы стать ОИИ, Общий искусственный интеллект.
4. Ответственный ИИ, четвертая новая категория
Общий стратегический термин, который объединяет все аспекты принятия коммерческих и этических решений, которые организации должны принимать или правильно соблюдать, включая такие аспекты, как коммерческая и социальная ценность, прозрачность, справедливость, объяснимость, безопасность или конфиденциальность, среди многих других.
5. Вещи как покупатели, пятая новая категория
Gartner определяет вещи как клиенты для любого устройства, которое получает услуги или товары в обмен на определенный платеж.
Я нахожу этот блок очень захватывающим, потому что новые возможности откроются для открытия, когда придется иметь дело с услугами, а не с людьми.
То есть каким образом мы продвигаем продукт или услугу к вещи?
Да, вы правильно прочитали!
Как сделать так, чтобы устройство, принадлежащее человеку, семье или другой компании, решило заключить договор о предоставлении моих услуг от имени своего владельца. Как компания обращается к вещам без эмоций?
Нам придется иметь дело с тем, что Gartner считает маркетингом вещей, или другими формами, такими как сервис вещей или коммерция вещей.
Ну и что дальше?
В ближайшие месяцы мы обязательно поговорим о умных роботах, графах знаний, а также о других технологиях, которые начнут развиваться, например о глубоком обучении , Компьютерное зрение или Insights Engines.
То, что мы обнаруживаем сегодня, несомненно, станет шумихой в ближайшие несколько лет.
Нам нужно будет посмотреть, что произойдет.
Скучать точно не собираемся!
Это все, ребята. Надеюсь, эта статья была для вас полезной.
Не стесняйтесь оставлять комментарии или делиться этой записью. Следите за мной для будущих публикаций. 😉
