Основные тренды в сфере работы систем на базе ИИ

Fujitsu

Альберт Меркадал (Albert Mercadal), руководитель центра углубленной аналитики компании Fujitsu, опубликовал список основных трендов в сфере работы систем на базе Искусственного интеллекта (ИИ).

Достоверность работы алгоритмов и этичность Искусственного интеллекта. Возможность наглядно показать, насколько достоверны автоматические решения систем на базе ИИ, в 2019-м и последующих годах станет ещё важнее. Общий регламент ЕС по защите персональных данных и другие нормативные требования по сбору, хранению и обработке информации повысят важность проверки достоверности работы алгоритмов — способности понимать, почему тот или иной алгоритм принял определенные решения — особенно в жестко регулируемых секторах экономики, включая банки и медицинские учреждения. Алгоритмы, конечно, «учатся» у данных, а данные иногда основываются на решениях человека, которые не всегда верны. Если Искусственный интеллект будет рассматриваться как этически допустимая технология, то необходимость устранить недостоверность автоматических решений, принимаемых системами на базе ИИ, а также возможность проверки этого, в ближайшем будущем станут более актуальными.

Традиционные системы машинного обучения постепенно заменят глубинное обучение и графы знаний. Это репрезентативный метод для демонстрации того, что источники информации с нейронными сетями приходят на смену алгоритмам машинного обучения (так называемая, линейная регрессия). Графы знаний показывают, как системы на базе ИИ ведут себя и принимают решения, предоставляя бизнесу инструменты и понимание, как реагировать на новые нормативные нагрузки.

Встроенная аналитика. В 2019 г. в существующих бизнес-процессах будет наблюдаться более широкое распространение встроенных алгоритмов и инструментов для аналитики. При совместном использовании с роботизированной автоматизацией процессов, аналитика и ИИ будут оказывать большое влияние на эффективность повседневной операционной деятельности компаний за счет упрощения работы, более высоких уровней автоматизации, скорости и качества сервисов при меньшей стоимости.

Периферийная аналитика. Хотя в настоящий момент аналитические системы размещаются в облачных или в высокопроизводительных локальных средах, или в гибридных решениях, мы наблюдаем повышение потребности со стороны пользователей в более высокой скорости работы периферийных систем, что вызвано сценариями применения, для которых требуется меньшая задержка. В 2019 г. аналитические системы будут работать на основе периферийных устройств и устройств, основанных на базе концепции Интернета вещей. Это будет особенно актуально для сферы производства и инженерных сетей.

Архитектуры, которыми управляют события. В 2019 г. мы сможем наблюдать распространение архитектур на базе ИИ, которые будут управляться событиями. Станет нормой создание каналов для ввода и обработки данных, оценки прогнозов, принятия решений и инициирования процессов.

Восполнение пробелов в профессиональных знаниях. Недостаток профессиональных знаний является основной проблемой при реализации проектов углубленной аналитики. Компании увеличат инвестиции в инструменты, которые позволят их бизнес-аналитикам и специалистам по обработке и анализу данных использовать передовые методики, не будучи настоящими техническими экспертами.

Диалоговая аналитика. Компании увеличат инвестиции в инструменты, которые позволят их бизнес-аналитикам и специалистам по обработке и анализу данных использовать передовые методики, не являясь при этом настоящими техническими экспертами. Так например, отделы Business intelligence (BI) станут использовать чатботы для того, чтобы открыть двери к аналитике неподготовленным пользователям. Взаимодействие и получение ответов от систем бизнес-аналитики будет осуществляться в виде диалога, а не в виде установленных форм отчетов, которые постепенно останутся в прошлом.

Комплексные сервисы. Предоставление сервисов углубленной аналитики заказчикам подразумевает принятие во внимание множества различных факторов, в том числе и противоречащих друг другу, включая политики управления данными, масштабируемость, разнородность различных сред и многие другие. Для этого необходимо наличие поставщиков сервисов анализа данных, которые могут предложить своим заказчикам комплексные решения.

Экономика совместного использования. Совместная работа предоставляет еще одну возможность для решения проблемы с нехваткой профессиональных знаний, так как применение соответствующих знаний в определенной предметной области является ключевой отличительной особенностью в работе специалистов по обработке и анализу данных. Любой специалист может создать рекомендательный сервис, вопрос в том, кто может создать самый оптимальный сервис для какого-либо определенного сценария использования? Благодаря экономике совместного использования поиск необходимых профессиональных навыков для решения какой-либо определенной проблемы станет гораздо проще.