Эти тенденции важны, поскольку они влияют на финансы, общество и даже судебную систему. Фактически многие мировые лидеры на сегодняшний день осознают, что человек, государство или нация, контролирующие ИИ и машинное обучение, будут управлять миром.
Гиперавтоматизацию уже можно назвать мега-тенденцией в области информационных технологий, как ее идентифицировал Gartner. Она представляет собой возможность автоматизировать практически все процессы, происходящие внутри компании. Пандемия ускорила принятие концепции, которую иначе называют «автоматизация цифровых процессов» и «интеллектуальная автоматизация процессов».
Машинное обучение и искусственный интеллект – ключевые сегменты и важные движущие силы гиперавтоматизации (наряду с различными инновациями, такими, как инструменты автоматизации процессов). Чтобы быть эффективной, гиперавтоматизация не может зависеть от статического упакованного программного обеспечения. Автоматизированные бизнес-процессы должны быть способны адаптироваться к меняющимся условиям и реагировать на внезапные обстоятельства. Кроме гиперавтоматизации полезно рассмотреть и другие тенденции, которые стремятся выйти на первый план уже в 2022 году.
Военная автономия
Машинное обучение дошло до того, что полностью автономные системы скоро будут управлять военными кораблями и даже базами. Посредством формирования поведенческих паттернов машинное обучение может оценить вероятность того, является ли приближающаяся сила дружелюбной или воинственной.
Фактически несколько оборудованных таким образом наземных транспортных средств будут полностью контролироваться обученными машинами до такой степени, что на самом деле потребуется лишь незначительный надзор со стороны человека. В этих случаях в машинном обучении задействованы системы искусственного интеллекта, чтобы робот-часовой на базе ИИ мог обнаруживать, оценивать и даже стрелять по угрозе на поражение. По мере повышения уровня комфорта ожидается рост числа и сложности автономных воинских частей.
Безопасность в доме
Системы домашней безопасности, основанные на искусственном интеллекте, не настолько распространены, чтобы быть в каждом доме, но их число постоянно растет. Например, определенные компоненты, такие, как умные замки, могут связываться с вашим смартфоном. Однако эти системы планируется заменить системами мониторинга, которые могут видеть ваш дом посредством видео, обнаруживать угрозу и уведомлять органы правопорядка.
Кроме того, прогнозируется, что совсем скоро, быть может и в 2022, системы машинного обучения объединят понятия домашней и личной безопасности, поскольку смогут предсказывать угрозу на основе интерпретации поведения, такого, как жестокое обращение или даже похищение.
«Машинное видение»
Машинное обучение часто ограничивалось математическими вычислениями, статистическим анализом и производительностью игр. Однако теперь системы машинного обучения способны правильно определять объекты реального мира. То, как эти объекты интерпретируются, зависит от конкретного использования робота или программного обеспечения, но система машинного обучения на основе зрения может идентифицировать такие вещи, как люди, животные или особенности местности. Следовательно, ИИ со зрением находится на пике своего развития – уже сейчас этому направлению уделяется большое внимание со стороны многих разработчиков. Как ожидается, эта способность искусственного интеллекта повлияет на обеспечение безопасности дома и пользователя, позволит усовершенствовать роботизированное вождение и добиться невероятных результатов в области здравоохранения.
Проникновение внутрь процесса машинного обучения
Многое из того, что выполняют системы машинного обучения, является трудно познаваемым на разных этапах процесса. Например, программы машинного обучения, которые развивают сверхчеловеческое мышление в различных играх, совершают действия, которые человек может описать, как непостижимые. Истинные причины и последовательность действий, предшествующие конечному результату, просто невозможно предвидеть, и реверс-инжиниринг таких решений практически невозможен. Проще говоря, люди обычно находятся в неведении, когда дело доходит до понимания того, как работает ИИ.
Это дает весомые основания опасаться результатов деятельности систем ИИ, так как сложно будет понять, когда процесс обучения вышел из-под контроля и искусственный интеллект развился настолько, что может превзойти человека в мышлении и других аспектах, которые свойственны только человеческому разуму. Но в 2022 году одной из главных тенденций машинного обучения, которая уже просматривается в мире, станет обеспечение прозрачности этого процесса.
В частности, уже изучаются возможные пути, которые программисты могут выбрать, чтобы сделать машинное обучение максимально контролируемым. Кроме того, машинное обучение кодируется таким образом, чтобы сделать алгоритмы более понятными. Наконец, прилагаются элементарные усилия по созданию отчета системы машинного обучения о процессе, лежащем в основе производительности.
Замещение людей роботизированными системами
Всем известно, что роботы, умные или глупые, берут на себя работу, связанную с повторяющимися действиями. Однако машинное обучение также сделало некоторые профессии белых воротничков подверженными угрозе вытеснения. Например, работа с рентгеновскими лучами – в этой сфере машинное обучение делает успехи, что даст возможность заместить работу рентгенологов искусственным интеллектом. Но здесь стоит учесть, что радиация достаточно опасна для здоровья и жизни, поэтому роботизация этой сферы имеет определенные преимущества.
Точно так же ожидается, что адвокаты будут вытеснены системами машинного обучения, способными предсказывать наилучшие пути к победе в судебном процессе. Этот тип искусственного интеллекта способен прогнозировать юридические стратегии, в настоящее время он контролируется партнерами, которые также содержат штат адвокатов на заработной плате. Однако по мере того, как партнеры привыкают к решениям, принимаемым ИИ, и искусственный интеллект становится более успешным в принятии юридических решений, прогнозируется сокращение количества рабочих мест для стажеров и юристов младшего уровня.
И это только малая часть профессий, которые в принципе могут быть полностью заменены системами искусственного интеллекта уже в 2022 году. Эта тенденция имеет как положительные аспекты, так и отрицательные, поскольку большое количество уже обученных и опытных сотрудников лишится рабочего места. Не меньше пострадают и новые специалисты, которые только закончат высшие учебные заведения – их не будут принимать на работу. Поэтому прежде, чем организовывать замещение людей, необходимо продумать, как занять освободившиеся кадры. Наиболее перспективной представляется переквалификация, поскольку с исчезновением одних профессий появятся другие, которые будут связаны с обслуживанием систем искусственного интеллекта.
«Интернет вещей»
Этим термином называют сеть, в рамках которой одни устройства могут подключаться к другим. Обычно это смарт-техника, или умная техника, которая имеет многофункциональный интерфейс. Тем не менее, концепция интеллектуального развития развивается в таком направлении, что машинное обучение приводит к появлению так называемого Интернета вещей.
Например, некоторые компании разработали цифровых часовых, которые могут подслушивать людей через сотовые телефоны, телевизоры и динамики. Alexa и Siri – два таких часовых, и они характерны для Amazon и Apple соответственно. В более привычном виде – это программное обеспечение для голосовых запросов, голосовой помощник, который будет подключен к Интернету вещей.
В бытовом плане это будет выглядеть примерно так. Если у вас есть кофе-машина с искусственным интеллектом, вы можете попросить это «существо» приготовить вам кофе. Если вы едете в офис, вы можете попросить машину отвезти вас на работу. По мере развития машинного обучения сегментированные уже сейчас роботы-личности будут связаны и смогут общаться и обмениваться данными. Результатом станет общий часовой, который управляет многими рутинными задачами сегодняшнего дня.
Киборги и общее улучшение состояния здоровья
Все чаще появляются гаджеты, которые могут отслеживать наши биологические данные и соответствующим образом реагировать. Например, некоторые разработчики уже презентовали устройства, которые можно подключить к больным диабетом, и эти девайсы способны распознавать неполадки в работе систем организма и доставлять инсулин в автоматическом режиме.
Также искусственный интеллект используется, чтобы помочь расширить кругозор людей с помощью специальных очков. Многофункциональные приложения в смартфонах становятся все более распространенными, а интерфейс усовершенствованного компьютера с машинным обучением позволяет людям с параличом нижних конечностей полноценно взаимодействовать с компьютерными играми.
Хотя отрасль находится в зачаточном состоянии, уровень прогресса возрастает примерно вдвое каждый год. Уже в конце 2021 года Илон Маск планирует испытать мозговые имплантаты, которые напрямую связывают мозг с компьютерным программным обеспечением.
Ранее уже были проведены подобные опыты с обезьяной, при этом эксперимент завершился успешно, что и придало разработчикам уверенности в целесообразности продолжения развития данной технологии в отношении человека.
Гармоничная и настраиваемая дружба с ИИ
Технологии машинного обучения используется множеством розничных компаний, чтобы делать предложения потенциальным клиентам. Однако машинное обучение становится все более подходящим для удовлетворения текущих потребностей людей, желающих отвлечься или развлечься.
Например, сайт, как Netflix использует машинное обучение, чтобы понять, какие шоу нравятся людям. Сделать предложения по продажам – это одно. Совсем другое дело – делать предложения клиентам на лету, потому что предложения – это не столько инструмент продаж, сколько средство удовлетворения. Машинное обучение, на котором основывалась эта служба предложений, работало настолько хорошо, что помогло Netflix сэкономить более 1 млрд. долларов в виде упущенной выгоды из-за отмены подписки.
Этот вид взаимодействия в настоящее время пока еще является пассивным. Например, общение человека с системой основано на текстовом отображении информации, а способность ИИ настраиваться на личные предпочтения обеспечивается отслеживанием кликов на экране. Но тенденция активно исследуется разработчиками, поэтому можно быть уверенными, что вскоре общение с системами машинного обучения превратится в словесное взаимодействие, которое сделает ИИ более образным. По мере того, как машинное обучение становится более приспособленным к пониманию намерений и желаний людей в конкретных случаях, ИИ все меньше будет считаться инструментом продаж и все больше – цифровым другом.
Живое общение
Обработка естественной речи (NLP) находится на пике развития, в этой технологии разработчики добились впечатляющих успехов, позволяющих машинам создавать текстовую информацию на основе случайного начального ввода. Фактически одно такое решение NLP может писать невероятно убедительные стихи, рассказы и новостные статьи. На 2022-24 г.г. планируется, что предстоящий прогресс приведет к созданию разговорного процесса, что позволит компаниям удовлетворять конкретные потребности клиентов, задавая вопросы о продуктах или услугах компании.
Политика и фейковые новости
Дипфейки растут, и компании, правительства сопротивляются потенциальному сбивающему с толку влиянию, которое такая технология окажет на население. Например, машинное обучение дошло до того, что оно может прослушивать чьи-то аудиоданные, а затем имитировать их, причем очень близко соответствующие звуковым и речевым образцам реального человека.
Кроме того, машинное обучение становится все более приспособленным к анализу сотен фотографий одного человека. После анализа изображений ИИ может восстановить изображения человека с качеством видео. Результатом использования этих двух технологий является то, что называется дипфейком. Комбинированные дипфейки аудио и видео позволят ИИ создавать, казалось бы, подлинные сообщения от знаменитостей, правительственных лидеров или даже обычных людей. Более того, ожидается, что в ближайшие 12 месяцев технология станет полностью убедительной.
Что касается способа подачи, ожидается, что такие поддельные медиа будут подаваться людям через социальные сети, поскольку социальные веб-сайты в настоящее время не имеют соответствующего оснащения для обнаружения дипфейков и борьбы с ними, если они подпадают под условия обслуживания компании. Даже когда такие средства массовой информации, наконец, будут обнаружены и удалены, целевая аудитория, скорее всего, уже будет подвержена тому или иному влиянию.
Отдельно стоит отметить обучение машин с подкреплением. В ближайшие годы компании в целом могут использовать усиленное обучение (RL). Это уникальное применение глубокого обучения, которое использует собственный опыт для повышения эффективности собранных данных.
При обучении с подкреплением программирование ИИ настраивается с различными условиями, которые определяют, какой вид деятельности будет выполняться программным обеспечением. В свете различных действий и результатов программное обеспечение самообучается, выполняя действия для достижения идеальной конечной цели.
Идеальной иллюстрацией обучения с подкреплением является чат-бот, который отвечает на простые запросы пользователей, такие, как приветствия, бронирование заказов, консультационные звонки. Компании-разработчики машинного обучения могут использовать RL, чтобы сделать чат-бота более изобретательным, добавив к нему дополнительные условия – например, различение потенциальных клиентов по каким-либо показателям и перевод звонков соответствующему агенту службы. Некоторые из приложений RL включают подготовку робототехники для планирования бизнес-стратегии, управления движением роботов, промышленной автоматизации и управления самолетами.
Статистические данные о технологии машинного обучения
1. Смещение равных возможностей. В недалеком будущем ожидается, что обслуживание клиентов во всех областях перейдет на автоматизированный ИИ, наделенный машинным обучением. По текущим оценкам, от 70 до 90 процентов всех базовых запросов на обслуживание клиентов будет обрабатываться с помощью ИИ.
2. Уровень мастерства за 1 млн. повторений. У людей овладение предметом достигается примерно после 10 тыс. пробных запусков. Машинное обучение позволяет достичь мастерства за количество повторений от 30 тыс. до примерно 1 млн. Поскольку программное обеспечение и компьютеры имеют огромную скорость обработки информации, машины достигнут необходимого числа повторений намного быстрее.
3. Корпоративный переход – в ближайшие 5 лет ожидается, что 20 процентов всех компаний перейдут на процессы, основанные на искусственном интеллекте.
4. Индустрия с оборотом 120 млн. долларов. Ожидается, что к 2025 году машинное обучение станет отраслью с оборотом 120 млн. долларов, а доходы от приложений на базе ИИ приблизятся к 60 млн. Это превосходит индустрию кино, кофе и светодиодного освещения.
5. 38% рабочих мест будет замещено в течение следующих 10 лет. В целом планируется закрыть 85% рабочих мест в сфере обслуживания клиентов и заменить их искусственным интеллектом, но 38% всех рабочих мест, по прогнозам, исчезнут уже в течение следующих 10 лет.
6. Компенсация рабочих мест. К счастью, 10% потерянных рабочих мест будут восстановлены в индустрии когнитивных объектов, которая включает машинное обучение, искусственный интеллект и робототехнику.
7. Смена квалификации. В настоящее время, по имеющимся оценкам, в связи с грядущим технологическим скачком и сокращением рабочих мест менее 10 000 человек будут переквалифицированы для выполнения обязанностей, требующих специалистов в области искусственного интеллекта, машинного обучения и других видов работ, которые еще не существуют. Другими словами, исходя из численности мирового населения, которое скоро достигнет 8 миллиардов, возникнет дефицит навыков, при котором только крайне малая часть в 0,00000125% людей сможет получить работу в сфере высоких технологий.
8. Обнаружение рака груди. В настоящее время системы машинного обучения могут предсказывать рак груди с точностью до 89%.
9. Больше смысла. По мере того, как люди освобождаются от монотонной и бессмысленной работы , 72% людей смогут найти больше смысла в личной жизни.
10. Экономия денег на разговорах. По прогнозам, чат-боты сэкономят компаниям 8 млрд. долларов на затратах, связанных с трудоустройством.
Какие тенденции машинного обучения будут полезны для бизнеса 2022?
Схемы ведения бизнеса трансформируются и оптимизируются наравне с развитием технологий. Отставая от технического прогресса, невозможно долго оставаться на плаву. На данный момент в различных бизнес-проектах уже нашли применение как внедрение искусственного интеллекта, так и технология машинного обучения.
Например, TinyML широко используется в таких секторах, как профилактическое обслуживание промышленных центров, здравоохранения, сельского хозяйства и т. д. Эти отрасли используют устройства интернета вещей с алгоритмами TinyML для отслеживания и прогнозирования собранных данных. Например, Solar Scare Mosquito – это проект интернета вещей, который использует TinyML для измерения присутствия комаров в реальном времени. Это может привести к созданию систем раннего предупреждения об эпидемиях болезней, вызванных, например, комарами.
MLOps, в свою очередь, позволит оптимизировать процесс машинного обучения, адаптировать его для ведения бизнеса и сделать его максимально надежным и эффективным. Управление необходимо, поскольку, имея дело с огромными массивами информации возрастает потребность в автоматизации процессов. Одним из основных элементов MLOps является жизненный цикл системы, представленный дисциплиной DevOps.
Понимание жизненного цикла систем машинного обучения необходимо для понимания важности MLOps. Порядок работы с операциями следующий.
- Разработка модели на основе бизнес-целей.
- Сбор, обработка и подготовка данных для модели машинного обучения.
- Обучение и настройка модели машинного обучения.
- Проверка модели ML.
- Внедрение программного решения с интегрированной моделью.
- Отслеживание и перезапуск процесса для улучшения модели машинного обучения.
Одним из преимуществ MLOps является то, что он может легко обращаться к системам масштаба. С этими проблемами трудно справиться на более глобальном уровне из-за небольших групп по обработке и анализу данных, пробелов во внутренней коммуникации между командами, меняющихся целей и многого другого. Когда мы используем дизайн, ориентированный на бизнес-цель, мы можем лучше собирать данные и внедрять решения машинного обучения на протяжении всего процесса. В этих решениях необходимо уделять пристальное внимание релевантности данных, созданию функций, очистке, поиску подходящих хостов облачных служб и простоте обучения модели после развертывания в производственной среде.
За счет уменьшения вариативности и обеспечения согласованности и надежности MLOps может стать отличным решением для крупных предприятий. Kubernetes – это оптимальный инструмент DevOps, который доказал свою эффективность для выделения аппаратных ресурсов для рабочих нагрузок AI/ML, а именно памяти, ЦП, графического процессора и хранилища. Kubernetes реализует автоматическое масштабирование и обеспечивает оптимизацию вычислительных ресурсов в реальном времени.
Машинное обучение: шаг в будущее
Благодаря научному подходу к машинному обучению и искусственному интеллекту эти отрасли с каждым днем становятся все более и более продвинутыми. В некоторых случаях технология позволяет сохранять конкурентоспособность, однако использование ИИ само по себе может только продвинуть нас вперед. Нам необходимо вводить новшества, чтобы достичь целей новыми и уникальными способами, чтобы по-настоящему закрепиться на рынке и прорваться в новое будущее, которое раньше считалось научной фантастикой.
Для достижения каждой цели требуются разные методы. Обсуждение с экспертами того, что лучше всего для вашей компании, может помочь вам понять, какие технологии, такие как машинное обучение, могут повысить эффективность вашего бизнеса и помочь вам реализовать свое видение поддержки своих клиентов.
