В 2018 году мы все испытали массовое появление инструментов, платформ и приложений, основанных на искусственном интеллекте и машинном обучении. Эти технологические инструменты не только преобразили индустрию интернета и программного обеспечения, но и оказали огромное влияние на широкий спектр отраслей, включая производство, здравоохранение, сельское хозяйство и автомобили. 

Технологии, связанные с AI и ML, будут продолжать расти и в последующие годы. Такие организации, как IBM, Facebook и Google, вкладывают много денег и времени в разработку и исследование методов искусственного интеллекта. 

Многие из нас задаются вопросом, какую трансформацию принесет AI дальше. От подсказки ответа электронной почты Gmail до транскрипции голосовой почты, автоматических телефонных звонков, Alexa для умных домов и автомобилей с самостоятельным вождением на дороге - в 2018 году мы многое видели.

Ниже приведены тенденции искусственного интеллекта, на которые следует обратить внимание в будущем:

1. Введение чипов с поддержкой AI

Искусственный интеллект зависит от специализированных процессоров, дополняющих процессор. Усовершенствованные модели CPU также не могут повысить скорость тренировочной модели AI. 

Модель AI требует дополнительного оборудования для решения сложных математических задач для увеличения скорости выполнения задач, таких как распознавание лиц и обнаружение объектов. 

Производители микросхем, включая NVIDIA, ARM, Intel и Qualcomm, будут поставлять специализированные микросхемы для повышения скорости работы приложений на базе AI. 

Микросхемы с поддержкой AI будут разработаны для особых случаев использования и сценариев, связанных с обработкой естественного языка, распознаванием речи и компьютерным зрением. Приложения промышленного уровня скоро будут зависеть от этих микросхем для предоставления информации потребителям или конечным пользователям. 

2. Распознавание лица

В последнее время распознавание лиц получило широкое распространение во многих негативных пресс-релизах, будь то китайская SenseTime или Google, выигравшая судебный процесс. 

Но эта технология будет продолжать развиваться в 2019 году. Распознавание лиц - это методика, основанная на искусственном интеллекте, которая вводится для идентификации личности с использованием моделей их черт лица и цифрового изображения. 

2019 год станет свидетелем более широкого использования технологии распознавания лиц с высокой надежностью и точностью. Например, программа Facebook Deepface используется для отметки друзей и семьи на фотографиях. Кроме того, многие смартфоны теперь имеет функцию Faсe ID. 

Другие случаи использования распознавания лиц включают обработку платежей с помощью проверок безопасности и правоохранительных органов. Предстоящие методы распознавания лиц также могут быть использованы в сфере здравоохранения для клинической и медицинской диагностики. 

3. Взаимодействие AI и IoT

Мы станем свидетелями новых случаев конвергенции AI с IoT. 

Например, концепция самостоятельного вождения автомобилей не стала бы практичной без комбинации AI и IoT. Датчики с поддержкой IoT собирают данные в режиме реального времени, а модели искусственного интеллекта помогают принимать решения.

Алгоритмы глубокого обучения помогают принимать меры и принимать решения на основе данных, собранных датчиками IoT. Некоторые из этих действий включают отслеживание глаз для улучшения контроля водителя, планирование маршрута, самостоятельное перемещение на заправочную станцию, когда в автомобиле заканчивается топливо или газ, и обработка естественного языка для голосовых команд.  

IoT готов стать значимым драйвером искусственного интеллекта на предприятии. Устройства Edge будут оснащены чипами с поддержкой AI на основе ASIC и FPGA. 

4. Социально-экономические модели

Поскольку искусственный интеллект набирает силу с каждым днем, почти у всех возникает общий вопрос, а именно: «Будет ли AI забирать работу в ближайшее время?» 

В то время как искусственный интеллект внедряется с целью экономии, он также принесет новые рабочие места с несколькими наборами навыков. 

Хотя автоматизация может устранить потребность в рабочих местах, всегда будет спрос на такие рабочие места, как учитель, лица, обеспечивающие уход, руководители службы поддержки клиентов и другие. 

5. Взаимодействие между нейронными сетями

Одна из самых больших проблем в построении моделей нейронных сетей зависит от выбора правильной структуры. Разработчики и исследователи данных должны выбрать правильную платформу из множества вариантов, включая TensorFlow, Caffe2, Apache MXNet, Microsoft Cognitive Toolkit и PyTorch. 

После того, как модель обучена и оценена в конкретной структуре, трудно перенести обученную модель в другую структуру. Это происходит из-за отсутствия взаимодействия между инструментами нейронной сети. Чтобы преодолеть эту проблему, Facebook, Microsoft и AWS объединились для разработки Open Neural Network Exchange, который позволяет повторно использовать обученные модели нейронных сетей в различных средах. Это станет важной технологией для промышленности в 2019 году. 

6. Автоматизация DevOps через AIOps

Современная инфраструктура и приложения генерируют данные, которые собираются для поиска, индексации и анализа. Огромные наборы данных, полученные из операционных систем, прикладного программного обеспечения, серверного программного и аппаратного обеспечения, могут быть соотнесены с шаблонами поиска и информацией. 

Когда потенциал искусственного интеллекта применяется к операциям, он реконструирует способ обработки инфраструктуры. Применение искусственного интеллекта и ML в DevOps и ИТ-операциях предоставит компаниям интеллектуальные возможности. Это поможет оперативной команде провести точный анализ первопричин. 

По этой причине AIOps станет центром внимания в 2019 году. Конвергенция AI и DevOps принесет пользу как предприятиям, так и поставщикам общедоступных облаков. 

7. Автоматизированные модели машинного обучения

Тренд искусственного интеллекта, который изменит модели на основе ML, - это AutoML. Это позволит разработчикам и бизнес-аналитикам разрабатывать модели машинного обучения, которые могут решать сложные сценарии. 

При использовании платформы AutoML бизнес-аналитики могут уделять особое внимание бизнес-проблеме, а не теряться в рабочем процессе и прогрессе. 

Платформа может соответствовать между настраиваемыми платформами ML и когнитивными API-интерфейсами и обеспечивать необходимый уровень персонализации, не требуя от разработчиков прохождения полного рабочего процесса. 

8. Глубокое обучение

Машинное обучение усложняется, когда увеличивается количество измерений данных. Представьте, что вы пытаетесь записать свой голос в текст. Проблема усугубляется в несколько раз. 

Тем не менее, глубокое обучение - это технология, основанная на самостоятельном управлении автомобилями, распознавании изображений и голосовом управлении. С появлением Google Home и Amazon Amazon вы можете найти широкий спектр голосовых приложений, использующих обработку естественного языка, приложения Deep Learning. 

Таким образом, мы можем наблюдать повышенный интерес к следующему поколению алгоритмов глубокого обучения, которые могут преодолеть сложные проблемы, например, интерпретацию проблем технологической инфраструктуры. 

9. Взаимодействие AI и блокчейна 

Поскольку все мы знаем, что блокчейн имеет дело с такими проблемами, как масштабируемость, в то время как у  AI есть проблемы доверия и конфиденциальности, эти две технологии могут быть объединены для решения этих проблем.  

Опираясь на децентрализованные рынки, блокчейн может помочь алгоритмам AI стать более надежными и прозрачными. Например, Enigma - это стартап, который предоставляет защищенный рынок данных, на который пользователи могут подписаться и получить доступ через смарт-контракты. 

10. Политика и конфиденциальность

Введение GDPR было наиболее разрекламированной темой в 2018 году. Ожидается, что в 2019 и 2020 годах мы увидим больше разговоров, касающихся политики и конфиденциальности.  

Большинство из нас не знает, как наша цифровая информация используется в Интернете. Кризис Facebook по поводу конфиденциальности привел к осознанию безопасности цифровых данных. 

Это причина, по которой законодатели и страны будут продолжать рассматривать политику конфиденциальности как важнейшую проблему в 2019 году. Вопросам согласия на использование цифровой экосистемы вокруг искусственного интеллекта будет придано огромное значение, а законы, разработанные вокруг искусственного интеллекта, требуют дальнейшего понимания. Страны по всему миру будут продолжать работать над инициативами по разработке правил искусственного интеллекта.