Кои са основните тенденции при развитието на изкуствен интелект

Напред по низходяща крива

Поставен на диаграмата на т.нар. хайп цикъл на Gartner (графика, показаващата стадиите от развитието на дадена тхнология от появата ѝ до достигането на устойчива продуктивност), то сега тези технологии точно са подминали междинен пик, свързван от анализаторите с прекалени по отношение на тези технологии. С други думи, изкуственият интелект започва да носи истинска стойност за бизнеса. По-специално, такива системи идват на помощ по време на пандемията: чатботове отговарят на лавина от въпроси, свързани с болестта; системите за компютърно зрение помагат за поддържане на социална дистанция, моделите за машинно обучение се използват активно за прогнозиране на последиците от различни сценариии за рестартиране на икономиките в редица страни.

Обновената крива на Gartner включва пет нови позиции, свързани с ИИ. Това са:

• малки данни - данни, чийто обем е достатъчно малък, за да може човек да ги разбере;
• генеративен ИИ - софтуерни системи, способни да създават ново съдържание въз основа на съществуващото;
• композитен ИИ - системи за машинно обучение, оптимизирани чрез комбинация от най-добри практики;
• отговорен ИИ - методи и инструменти за осигуряване на съответствие с етика и прозрачност в работата на ИИ системите;
• неща като клиенти (Things as Customers) - системи, които могат самостоятелно да избират продукти и да правят покупки.

Както и преди година обаче, преобладават тенденциите, свързани с демократизацията и индустриализацията на изкуствения интелект.

Демократизация

Изкуствения интелект отдавна е напуснал академичната среда. Днес тези технологии се прилагат активно на практика, като предоставят нови възможности на много по-широк кръг от хора - в сферата на бизнеса такива са лидери, клиенти, партньори, специалисти по продажби, оператори на поточни линии, оператори на ИТ системи и разработчици на софтуер. Последните, според анализаторите, ще се превърнат в една от основните движещи сили на развитието на ИИ.

С нарастването на използването на такива системи, предприятията трябва да разширяват своя фонд от таланти. Екипите, които изграждат решения с ИИ, включват изследователи на данни, инженери и разработчици.

Изследователите на данни търсят модели и дизайнерски модели, а инженерите осигуряват стабилността, надеждността и безопасността на първите механизми, което занапред позволява изграждането на по-мащабни системи. Инструментариумите, които опростяват и ускоряват внедряването на такива системи, се наричат в хайп цикъла "комплекти за разработка и обучение на ИИ" (AI developer and teaching kits).

Индустриализация

С индустриализацията се разширява обхватът на приложенията за ИИ платформи, като растат и техните мащабируемост и сигурност.

Според проучването на Gartner проектите за ИИ в индустриалните предприятия често се ръководят от топ мениджъри: например почти 30% от инициативите се ръководят от изпълнителни директори. Това допринася за ускорено внедряване на системите, включително чрез по-бързо и оперативно финансиране.

Отговорен ИИ

Като важна позиция в обновения хайп цикъл се посочва моделирането при взимането на решения (decision intelligence). Анализаторите са я включили като показател, за това че организациите се стремят да използват изкуствен интелект, за да вземат бързи, информирани решения - например, когато е необходимо да се избере най-добрият курс на лечение или да се определи как да се предотвратят пробиви в системи сигурност. За тази цел ИИ трябва да може да взема предвид рискове като неспазване на изисквания на регулатори, нарушения на конфиденциалността и появата на пристрастия (систематични грешки). Активно се търси решение на текущия проблем номер едно в областта на ИИ свързан с липсата на доверие, обясняват в Gartner.

С развитието на ИИ в организациите нтрупаният опи ще намали количеството на грешките, уверени са още анализаторите. Подчертава се обаче необходимостта от учене през целия живот, за справяне с възникващите предизвикателства, възникващи увеличеното проникване на ИИ в най-различни сфери - особено тези касаещи сигурността. Един от примерите за проява на такъв проблем днес е активното развитие на практиката за правене на "дълбоки фалшификати" (deep fakes) - кмопютърно генерирани реалистични видеоклипове с участието на известни личности и не само.

Недостигът на кадри се преекспонира Бавното преминаване към внедряване на експлоатационни ИИ решения не може да се обяснява само с недостига на специалисти със съответния профил. Проучване на Gartner от края на 2019 г., сочи, че от около 600 ИТ директори само 7% посочват липсата на квалифицирани специалисти като пречка за приемането на ИИ. Малко вероятно е ситуацията да се е променила драстично за последната година.

Дори организации с най-ниска степен на зрялост на проектите за ИИ не се оплакват от недостиг на специалисти: 56% споделят, че разполагат с достатъчно персонал или че лесно могат да наемат или обучат служители. А в компаниите с най-високо ниво на зрялост на внедряванията на такива системи, преобладаващото мнозинство (89%) посочват, че могат лесно да наемат професионалисти с необходимия профил.