13 трендов использования ИИ в 2018 году
Искусственный интеллект (ИИ) способен одновременно изумлять, захватывать, удивлять и устрашать нас. Возможности ИИ неисчислимы, и они легко обгоняют наши самые богатые фантазии. Все, что можно вспомнить из научной фантастики, или из таких фильмов как «Матрица», рано или поздно может материализоваться в реальности. Основатель компании Microsoft, Билл Гейтс недавно сказал, что «ИИ может оставить свои следы везде, и он будет сопровождать самый грандиозный эксперимент социальной инженерии в истории мира».
Интернет-издание GeospatialWorld подготовило список основных тенденций развития ИИ в 2018 году. Ниже приведены 13 важных тенденций в ИИ, которые окажут значительное влияние в будущем.
1. Роботизированная рабочая сила
Уже больше не секрет, что в будущем основную часть работы на заводских конвейерах будут выполнять не рабочие, а роботы с программируемым ИИ. Это снизит затраты по найму рабочих, а также уменьшит объемы аутсорсинга и оффшоринга.
Недавно китайский производитель футболок, компания Tianyuan Garments Company, подписала Меморандум о взаимопонимании (MoU) с правительством штата Арканзас о найме 400 рабочих с оплатой 14 $ в час на свою новую фабрику одежды в Арканзасе. Работа фабрики должна начаться в конце 2017 года. Эта тайваньская фабрика, расположенная в Литл-Рок (штат Арканзас) будет использовать для производства одежды роботов-швей, созданных компанией из Джорджии, SoftWear Automation.
В Японии к 2025 году более 80% объема ухода за пожилыми людьми будет выполняться роботами, а не медицинскими сестрами.
2. Искусственный интеллект повсюду
Искусственный интеллект оказывает влияние на многие области деятельности, даже там, где этого можно было ожидать меньше всего. Благодаря машинному обучению, наиболее важному компоненту ИИ (под этим понимается обучение алгоритмов на больших наборах данных), у ИИ появляется возможность лучше распознавать нужные схемы поведения при выполнении своих задач.
Функционирование ИИ с каждым днем становиться все более универсальным.
Компания IntelligentX из Великобритании намерена представить первого в мире пивовара с ИИ; Компания DeepFish в России использует нейронную сеть для идентификации пород рыб, а Hoofstep из Швеции собирает венчурный капитал для осуществления поведенческого анализа лошадей на основе глубокого обучения.
3. Дядя Сэм простив Дракона в королевстве ИИ
Китай серьезно намерен доказать свое мастерство в области ИИ, и обогнать США и другие западные страны. Правительство Китая осуществляет солидные инвестиции в эту технологию будущего.
Китайское правительство продвигает план развития искусственного интеллекта, в который включается все — от «умного» сельского хозяйства и логистики до военных приложений.
В 2017 году новые компании Китая в области искусственного интеллекта получили 48% всех инвестиций, которые идут на развитие ИИ по всему миру, что превышает аналогичный показатель США. В глубоком обучении Китай также регистрирует в шесть раз больше патентов, чем США.
США, похоже, также уступает Китаю и в преобладании новых компаний в области ИИ. В такие технологии, как распознавание лиц, Китай вкладывает миллиарды долларов.
В июле 2017 года правительство Китая заявило, что оно планирует достичь уровня Соединенных Штатов в области искусственного интеллекта к 2020 году, а к 2030 году стать мировым лидером в этом направлении. Одним из проектов, поддерживаемых правительством, является создание чипа, производительность и энергетическая эффективность которого в 20 раз превысит аналогичные показатели графических процессоров NVIDIA. Китайская компания Cambricon обязуется изготовить миллиард таких процессоров в ближайшие три года, и разрабатывает чипы специально для машинного обучения.
4. Поля сражений в эпоху ИИ
Войны будущего будут полагаться на умные технологии в такой степени, какая не применялась никогда ранее. Дроны — это только начало. С ростом сближения обороны с использованием обычных вооружений, наблюдения и разведки с кибернетической безопасностью, потребность в ИИ на алгоритмической основе будет только расти.
Кибернетическая безопасность представляет собой область реальных возможностей для ИИ, так как методы нападения постоянно развиваются, и основным вызовом становятся новые формы вредоносного ПО. Даже с первого взгляда, ИИ обладает дополнительными преимуществами в этой области, связанными с его способностью работать с большими объемами данных, просматривая миллионы инцидентов для выявления отклонений, рисков и сигналов будущих угроз.
На рынке появляются новые компании в области кибернетической безопасности, пытающиеся усилить до определенной степени машинной обучение.
За прошедшие 5 лет 134 стартапа по всему миру собрали капиталовложений на сумму 3.65 миллиардов долларов. Примерно 34-м из них в прошлом году впервые удалось собрать капитал, что позволило им конкурировать на рынке, на котором все еще доминируют такие крупные компании, как Cybereason, CrowdStrike, Cylance и Tanium.
5. Голосовые помощники
На Выставке потребительской электроники (CES) в 2018 году повсеместно демонстрировалось использование голоса в вычислительной технике. Едва ли хоть одно устройство интернета вещей не было интегрировано с Amazon Echo или Google Home.
Компания Samsung также ведет работы по созданию собственного голосового помощника Bixby. Она намерена добиться подключения к Интернету всей своей продукции и создать ИИ для Bixby к 2020 году.
Компания LG обеспечила доступом к WiFi все свои приборы еще в 2017 году.
6. ИИ бросает вызов профессионалам
Опытные профессионалы — включая юристов, консультантов, финансовых советников и т.д. — столкнутся с вызовом ИИ в такой же мере, как не имеющие опыта или малоопытные рабочие.
Например, искусственный интеллект обладает значительным потенциалом по снижению затрат времени и улучшению эффективности юридической деятельности. По мере того, как платформы ИИ становятся более эффективными, доступным и коммерческими, они начнут влиять на структуру вознаграждения для независимых юридических компаний, предлагающих свои услуги за повременную оплату.
7. Децентрализация и демократизация
Искусственный интеллект не ограничен только мощными суперкомпьютерами и большими устройствам. Постепенно он становится частью и элементом смартфонов и носимых устройств и оборудования.
Следующей большой областью применения ИИ можно назвать периферийные вычисления.
Компания Apple выпустила для iPhone 8 и X свой новый чип A11 c нейронной процессором.
Компания утверждает, что он сможет выполнять задачи машинного обучения со скоростью 600 миллиардов операций в секунду.
Другим примером периферийных вычислений может стать обучение индивидуального помощника на базе ИИ в персональном устройстве, который сможет распознавать уникальный акцент пользователя или узнавать лица.
8. Капсульные сети
Нейронные сети имеют совершенно разную архитектуру. Одной из наиболее популярных архитектур для машинного обучения до настоящего времени являлась, так называемая сверточная нейронная сеть (CNN). Но теперь появляется новая архитектура, капсульные сети, которые должны обойти сверточные нейронные сети на многих фронтах.
Сети CNN имеют определенные ограничения, приводящие к низкой производительности или пробелам в защите.
Капсульные сети позволят ИИ идентифицировать общие схемы, используя меньший объем данных, и быть менее подверженным получению ошибочных результатов.
Такие сети будут учитывать относительное положение и ориентацию объекта без необходимости обучаться полному набору вариаций.
9. Заработная плата мечты для талантов в ИИ
Согласно последнему отчету, примерное количество квалифицированных специалистов, работающих в настоящее время в области ИИ, составляет 300 000 человек, включая студентов в смежных областях исследований. В то же время, компаниям требуются миллионы специалистов по ИИ для их собственных нужд.
В США, обследование Glassdoor по теме «искусственный интеллект» показывает более 32 000 рабочих мест, заработок на которых выражается 6-значными величинами. Компании готовы платить приличные оклады экспертам по ИИ.
10. «Большие шишки» проектов ИИ
Когда такие технологические гиганты как Google, Amazon, Salesforce, и Microsoft улучшают возможности своих ИИ, для менее крупных игроков удержаться на рынке становиться очень трудно.
Компания Google выпустила Cloud AutoML. Клиенты могут предоставить свои данные для обучения алгоритмов, соответствующих их специфическим потребностям.
Компания Amazon начала продажи ИИ как сервиса, с “Amazon AI” под своим брендом AWS. Целью является обслуживание крупных клиентов.
11. Медицинская диагностика с помощью ИИ
Надзорные органы в США изучают вопрос использования ИИ в среде клинической медицины. Одно из преимуществ ИИ заключается в возможности ранней
диагностики и более высокой ее точности.
Алгоритмы машинного обучения могут сравнивать медицинские изображения миллионов других пациентов, отбирая нюансы, которые человеческий глаз может пропустить.
Уже используются такие инструменты мониторинга на основе ИИ, как SkinVision — который применяет компьютерное зрение для мониторинга подозрительных состояний кожи. Но новая волна приложений в сфере здравоохранения на базе ИИ создаст почву для возможностей машинного обучения в госпиталях и клиниках.
Недавно, англо-шведская фармацевтическая и биофармацевтическая компания AstraZeneca, сообщила о партнерстве с дочерней компанией холдинга Alibaba, Ali Health с целью разработки в Китае приложений для сканирования и диагностики с применением ИИ.
Компании GE и Nvidia также объединяют свои усилия для включения возможностей глубокого обучения в медицинские устройства GE.
12. Создание собственного ИИ
Благодаря библиотекам программного обеспечения с открытым исходным кодом, сотням API и SDK, а также простым пакетам сборки от Amazon и Google, порог для входа в сферу ИИ еще никогда не был таким низким. Компания Google выпустила проект «ИИ для всех возрастов», названный AIY («Искусственный интеллект своими руками»).
Первым ее проектом был пакет распознавания голоса для Raspberry Pi, позволявший пользователям использовать голос для своих персональных голосовых помощников.
13. Точка невозврата для машинного обучения?
2017 год стал пиком машинного обучения, но теперь ожидается, что этот график станет более пологим
Вначале были большие данные (big data), потом появились облачные вычисления, затем — лихорадка машинного обучения. Пик машинного обучения был достигнут в 2017 году.
В прошлом году инвесторы по всему миру закачали в ИИ более 15.2 миллиарда долларов в различных отраслях. По сравнению с 2016 годом это был рост в 141%.
С 2016 года этап начального финансирования прошли более 1000 компаний в области ИИ. И это превышает половину всего исторического количества всех стартапов в ИИ, которые когда-либо смогли собрать собственный капитал.
Нормализация машинного обучения и выход его в основное направление увеличивает требовательность инвесторов к компаниям ИИ, которые они финансируют.