Понимание ИИ - ключ к раскрытию его потенциала

Логотип компании
Понимание ИИ - ключ к раскрытию его потенциала
ИИ сейчас в моде, но действительно ли компании понимают суть технологии? Вот в чем вопрос

В основе шумихи вокруг ИИ - довольно большие цифры. Согласно отчету PwC, к 2030 году вклад ИИ в мировую экономику составит 15,7 трлн долларов. Кроме того, российский рынок решений в сфере искусственного интеллекта (ИИ) к 2024 году, как ожидается, вырастет в 80 раз - до 160 миллиардов рублей с 2 миллиардов рублей в 2018 году, говорится в документе, опубликованном на сайте Минкомсвязи. Его авторы также ожидают резкого роста мирового рынка ИИ: с 21,5 миллиарда долларов в 2018 году до 137,2 миллиарда долларов в 2024 году.

При этом понятие «внедрение технологии искусственного интеллекта» - довольно общее и расплывчатое. Чтобы понять и осознать истинные масштабы задачи, нужно сначала вернуться к основам.

Основы искусственного интеллекта

Как мы знаем, искусственный интеллект (ИИ) относится к области вычислительной техники, которая занимается алгоритмами на основе естественного интеллекта. Он охватывает ряд задач, которые обычно требуют естественного или человеческого интеллекта, например, решение различных проблем, перевод с одного языка на другой, распознавание речи и визуальное восприятие. Мы уже видим влияние ИИ во всех отраслях, будь то поиск новых антибиотиков, предоставление аналитической бизнес-информации или помощь в повседневных делах с использованием смартфонов. Он не принимает человеческий облик и, вопреки распространенным убеждениям, взятым из классической научной фантастики, далек от уровня сложности, необходимого для того, чтобы опередить человеческий интеллект.

ИИ можно разделить на две категории. Первая наиболее узнаваема по научно-фантастическим произведениям: это общий искусственный интеллект (Artificial General Intelligence, AGI), который представляет собой гипотетический интеллект машины, способной понять или изучить любую интеллектуальную задачу, которую может выполнить человек. Это так называемые когнитивные системы. Также есть более "узкий" искусственный интеллект (Artificial Narrow Intelligence, ANI), который относится к определенным аспектам человеческого интеллекта и восприятия, таким как распознавание лиц или голосов. Это тот тип ИИ, который мы видим сегодня в действии.

С другой стороны, есть машинное обучение - это форма ИИ, которая использует алгоритмы для обучения на основе данных. Вместо явного программирования эти алгоритмы строят модель на основе входных данных и, в свою очередь, используют полученные знания для принятия решений или для прогнозов. Это своего рода механизм, который используется, чтобы рекомендовать вам следующий сериал Netflix, обнаруживать спам или мошенничество с кредитными картами. Эти модели машинного обучения можно разработать быстро и относительно легко. Однако для получения точных результатов на «обучение» требуется время, и если наборы данных изменятся, процесс обучения потребуется повторить. Модели машинного обучения хороши настолько, насколько хороши определяющие их свойства.

Наконец, существует концепция глубокого обучения. Это тип машинного обучения, в котором, чтобы предоставить алгоритмам большую свободу, используются слои нейронных сетей - здесь нет правил. Более точное сопоставление входных данных с классификациями с помощью уровней абстракции напоминает работу человеческого мозга. Глубокое обучение определяет свои собственные критерии - оно не опирается на предопределенные функции или характеристики, как машинное обучение, и узнает, были ли выводы правильными или неправильными, на основе собственного исследования. Прогресс в данной области подпитывают достижения в развитии компьютерного зрения и распознавания речи, но для этого требуется невероятный объем данных и значительные вычислительные мощности.

Поддержка бизнеса на пути к искусственному интеллекту

Сегодня эти технологии можно найти повсюду. Они вокруг нас благодаря автоматизации всего и вся, от таргетированной рекламы до устройств для умного дома. Искусственный интеллект создает лучшее будущее для здравоохранения, а машинное обучение дает неоценимую информацию бизнесу. ИИ многогранен, это не что-то одно.

Хотя возможности у искусственного интеллекта многообещающие, создание системы ИИ - непростая задача. Организации пытаются полностью оптимизировать возможности ИИ, поскольку связанные с этим затраты чрезвычайно высоки. Необходимость повышения точности моделей искусственного интеллекта добавила бизнесу дополнительный уровень сложности. Большие наборы данных и все более сложные алгоритмы искусственного интеллекта привели к постоянно растущей потребности в более крупной, быстрой и, в конечном итоге, более дорогостоящей инфраструктуре.

С экспоненциальным ростом объемов данных у бизнеса появилась возможность получать ценные сведения и создавать инновационные продукты и новые слуги. Но универсального решения нет, не все данные заслуживают такой обработки. И, что особенно важно, искусственный интеллект хорош настолько, насколько хороши исходные данные, которые он получает. Таким образом, предприятия должны сначала привести свои данные в порядок, а затем осваивать доступные инструменты искусственного интеллекта.

Интерес и желание к бизнес-инновациям с помощью приложений искусственного интеллекта понятны. По прогнозу IDC, к 2025 году количество предприятий, внедряющих технологии искусственного интеллекта в той или иной форме, увеличится на 100%, а показатели успешности внедрения новых продуктов у них будут на 25% выше, чем у их "неинтеллектуальных" коллег.

Благодаря сочетанию высокопроизводительных вычислений и программного обеспечения, использование новых приложений ИИ становится проще и быстрее. Поставщики технологий помогают специалистам по обработке данных уделять меньше внимания поддержке и сопровождению систем ИИ и больше – экспериментам, исследованиям и аналитике.

Короче говоря, организациям не нужно идти по пути к искусственному интеллекту в одиночку. Сотрудничая и работая с поставщиками комплексной технологической инфраструктуры, они могут совместно разрабатывать и настраивать уникальные ИТ-решения для удовлетворения потребностей в исследованиях, разработках и развертывании моделей ИИ. Сделав это, они будут готовы к следующему шагу на своем уникальном пути цифровой трансформации.

В 2021 году партнерство человека и машины станет еще более глубоким, богатым и захватывающим, чем когда-либо. По мере того, как люди адаптируются к гибридным моделям работы, технологии будут продолжать развиваться. Пользовательский опыт работы с устройствами будет улучшаться в результате слияния искусственного интеллекта, облачных технологий и расширенных возможностей подключения. Искусственный интеллект сделает интеллектуальные ПК более удобными, индивидуализированными и приятными в использовании. Кроме того, благодаря новым приложениям и сервисам совместная работа станет еще более простой и органичной, а в системах, которые мы используем, появятся новые функциональные возможности. Мы также увидим больше примеров применения голосовых и аналитических данных, распознавания языка - от центров обслуживания клиентов до цифровых помощников.

По мере того, как интеллектуальные технологии становятся все «умнее», будет расти число примеров гиперавтоматизации. Сочетание лучших достижений роботизированной автоматизации процессов (RPA), искусственного интеллекта (ИИ) и машинного обучения, автоматизация избыточных процессов и задач позволит сотрудникам стать более инновационными и окажет существенное влияние на многие отрасли. Сочетание ИИ с развивающимися технологиями интернета вещей (IoT) также повысит эффективность операций и улучшит качество обслуживания клиентов за счет аналитики данных на граничных устройствах и автоматизации в близком к реальному времени. Это будет использоваться в умных устройствах и в умных городах, а также во многих отраслях - от производства до здравоохранения.

В разных отраслях - от здравоохранения, розничной торговли, транспорта, коммунальных услуг и образования до культуры и туризма - мы перекладываем на ИИ все больше интеллектуальных задач, что приводит к более быстрым, глубоким и значимым исследованиям и приложениям. Передовые сценарии использования ИИ можно найти почти в любом секторе. В числе примеров - промышленные роботы, умные помощники, автономные транспортные средства, интеллектуальная видеоаналитика (IVA), диагностика в здравоохранении с использованием ИИ и автоматизированные инвестиции.

Читайте также
Руководитель проектного офиса FERRUM IT Group Олег Закурин рассуждает о том, какие инструменты помогут сегодня сохранять гибкость при реализации проектов.

Предприятия получают и накапливают данные из множества различных источников. Одним из преимуществ ИИ является его способность ускорять управление данными и анализ данных за счет выявления, использования и управления многочисленными данными из различных источников. Благодаря способности облака хранить приложения и большие объемы данных в масштабируемом и легкодоступном виде, использование ИИ становится важным преимуществом, помогая организациям стать более эффективными и ориентированными на аналитику. Предприятия могут получать конкурентное преимущество, управляя данными, предлагая улучшенный клиентский опыт и оптимизируя свои рабочие процессы, а сочетание ИИ и облачных технологий помогает им достичь этого.

Кроме того, появляется множество облачных приложений и сервисов ИИ, которые способны помочь ускорить внедрение ИИ на предприятиях. Поскольку большинство предприятий теперь размещают свое программное обеспечение и приложения в облаке, интеграция и обновление ИИ становятся проще, появляются возможности выбора наиболее подходящих и лучших предложений без крупных инвестиций в инфраструктуру.

Хотя внедрение ИИ растет, все еще существуют серьезные препятствия, которые могут помешать организациям на этом пути. Не хватает специалистов с опытом, необходимым для проведения требуемых изменений. Нужно сделать еще больше, чтобы повысить квалификацию имеющихся кадров и удовлетворить спрос на профессионалов в области ИИ. Отсутствие ясности в отношении согласования ИИ с бизнес-целями и его преимуществ также может препятствовать процессам внедрения, хотя перспективы в будущем улучшатся. Gartner сообщает, что к 2024 году 50% инвестиций в ИИ будут количественно определены и увязаны с конкретными ключевыми показателями эффективности для оценки окупаемости инвестиций. Кроме того, отсутствие необходимой технологической инфраструктуры, особенно инфраструктуры данных и источников данных для поддержки ИИ также может стать препятствием для внедрения технологий ИИ. Это особенно касается предприятий, которым мешает унаследованная ИТ-среда. Преодоление этих проблем требует времени, усилий, помощи правильного технологического партнера и верной стратегии, чтобы получить максимальную отдачу от внедрения ИИ.

Опубликовано 16.06.2021

Похожие статьи