Искусственный интеллект – новый тренд высоких технологий


Оглавление (нажмите, чтобы открыть):

Свежий выпуск CRN/RE

Промопрограммы

Успех в партнерстве

Gartner назвал пять трендов в развитии новейших технологий, которые будут стирать границы между человеком и машиной

Рис. 1. Кривая ажиотажного цикла для новейших технологий (август 2020)

Диаграмма Gartner «Кривая ажиотажного цикла»* (Hype Cycle) 2020 года, на которой представлены тридцать пять наиболее значимых новейших технологий, выявила пять отчетливых трендов в развитии ИТ, которые будут стирать границы между человеком и машиной. Новейшие технологии, такие как искусственный интеллект (ИИ), будут тем драйвером, который позволит компаниям достичь повсеместного присутствия, быть всегда доступными и непрерывно взаимодействовать с экосистемами своего бизнеса, чтобы успешно функционировать в обозримом будущем.

«Руководители бизнеса и ИТ-служб будут и дальше сталкиваться с быстро ускоряющимися инновациями в технологии, которые оказывают глубокое влияние на то, как они взаимодействуют со своим персоналом, сотрудничают с партнерами и создают продукты и услуги для своих заказчиков, — пишет в пресс-релизе Майк Дж. Уокер (Mike J. Walker), вице-президент исследования Gartner. — ИТ-директора и руководители ИТ-служб должны постоянно наблюдать рынок, оценивая и опробуя новые технологии, чтобы выявить новые бизнес-возможности с высоким потенциалом [позитивного] влияния и стратегически значимые для их бизнеса».

«Кривая ажиотажного цикла» Gartner для новейших технологий учитывает факты развития более 2000 высоких технологий и сводит их в лаконичный график, дающий понятие о текущем уровне 35 новых технологий и их трендах. Данная Кривая сфокусирована на группе технологий, многообещающих в плане обеспечения высокого конкурентного преимущества в ближайшие пять-десять лет (см. рис. 1).

Рис. 1. Кривая ажиотажного цикла для новейших технологий (август 2020)

По оси Y: Ожидания

По оси X: Время

Стадии (слева направо):

  • Зарождение инноваций
  • Пик раздутых ожиданий
  • Избавление от иллюзий
  • Преодоление недостатков
  • Плато широкого использования

Легенда

Плато будет достигнуто (слева направо):

  • Менее чем через 2 года
  • По истечении лет
  • Через лет
  • Более чем через 10 лет
  • Устареют, не достигнув плато

Пять трендов в развитии новейших технологий

Демократизация ИИ

Через десять лет технологии искусственного интеллекта будут практически повсюду. Сегодня эти технологии позволяют первопроходцам адаптироваться к новым ситуациям и решать проблемы, с которыми они не сталкивались раньше, но через 10 лет эти технологии станут доступны широким массам — произойдет их демократизация. [Современные] движения и тренды, такие как облачные вычисления, сообщество «создателей» (maker community) и открытый исходный код в конечном счете дадут ИИ в руки каждого.

Этот тренд подпитывают следующие технологии: платформа-ИИ-как-услуга (AI PaaS), развитие ИИ в целом, самоуправляемые автомобили (уровни 4 и 5), автономные мобильные роботы, платформы автоматического общения с элементами ИИ, многоуровневые нейронные сети, самоуправляемые летательные аппараты, интеллектуальные роботы и виртуальные ассистенты.

«Технологии, представляющие демократизированный ИИ, простираются на три из пяти стадий на Кривой ажиотажного цикла, и некоторые из них, такие как многоуровневые нейронные сети и виртуальные ассистенты, достигнут широкого принятия по истечении двух-пяти лет, — пишет Уокер. — Другие новейшие технологии в этой категории, такие как интеллектуальные роботы или платформа-ИИ-как-услуга, также быстро продвигаются по Кривой ажиотажного цикла, приближаясь к пику, и скоро достигнут его».

Цифровые экосистемы

Для дальнейшего развития новейших технологий нужно кардинально перестроить ту основу, которая предоставит требуемые объемы данных, вычислительные мощности и экосистемы, обеспечивающие повсеместную доступность. Переход от фрагментированной технической инфраструктуры к платформам, позволяющим строить экосистемы, закладывает фундамент для совершенно новых бизнес-моделей, формирующих тесную связь между человеком и ИТ.

Этот тренд подталкивают следующие технологии: блокчейн, блокчейн для ИБ, цифровой двойник, IoT-платформы и графы знаний.

«Технологии цифровых экосистем быстро продвигаются по Кривой ажиотажного цикла, — пишет Уокер. — Блокчейн и IoT-платформы уже прошли свой пик [ажиотажа], и мы полагаем, что они достигнут зрелости через пять-десять лет, а следом за ними — цифровые двойники и графы знаний».

Самодеятельный биохакинг

В ближайшее десятилетие человечество вступит в свою «сверхчеловеческую» эру: станет возможным вторгаться в биологию в зависимости от стиля жизни, интересов и потребностей поддержания здоровья. Биохакинг подразделяется на четыре категории: с применением ИТ (augmentation), пищевая геномика, экспериментальная биология и биохакинг энтузиастов. Однако остаются вопросы о том, насколько общество готово принять такого рода применения и какие этические проблемы они могут породить.

Этот тренд обеспечивают следующие технологии: биочипы, биотехнология (выращиваемые или искусственные ткани), интерфейс «мозг-компьютер», дополненная реальность, смешанная (гибридная) реальность и интеллектуальная ткань.

Новые технологии в «самодельном» биохакинге быстро продвигаются по Кривой ажиотажного цикла. Гибридная реальность проходит стадию избавления от иллюзий, а дополненная реальность почти достигла нижней точки разочарования. Следом за ними пойдут биочипы, которые только что достигли пика и должны будут выйти на плато широкого применения через пять-десять лет.

Иммерсивные технологии

Технология будет становиться всё более «заточенной на человека» вплоть до того уровня, когда она обеспечит открытость (transparency) между людьми, компаниями и «вещами». Эти технологии охватывают повседневную жизнь, работу и другие области, с которыми мы сталкиваемся, и будут делать их «умнее».

Этот тренд подталкивают следующие технологии: 4D-печать, умный дом, интеллектуальные граничные технологии (Edge AI), технология самовосстанавливающихся систем, аккумуляторы с кремниевым анодом, «умная пыль» (Smart Dust), интеллектуальная рабочая среда и дисплеи объемного изображения.

«Новейшие технологии, создающие эффект „полного погружения“ (transparently immersive), в большинстве своем продвигаются к пику или — в случае кремниевых аккумуляторов — только что прошли его, — пишет Уокер. — Интеллектуальная рабочая среда заметно продвинулась и достигнет пика в ближайшем будущем».

Повсеместная инфраструктура

Инфраструктура уже не оказывается препятствием к достижению целей организации. Появление и широкое распространение облачных вычислений во множестве их вариаций позволило обеспечить вычислительную среду со всегда доступной, готовой к работе и неограниченной инфраструктурой.

Этот тренд подпитывается следующими технологиями: 5G, углеродные нанотрубки, ASIC-микросхемы многоуровневых нейронных сетей, нейроморфные чипы и квантовые компьютеры.

Технологии, обеспечивающие развитие повсеместной инфраструктуры, приближаются к пику и быстро продвигаются по Кривой ажиотажного цикла. Ожидается, что 5G и ASIC-микросхемы многоуровневых нейронных сетей достигнут плато по истечении двух-пяти лет.

* «Кривая ажиотажного цикла» построена на анализе более 2000 технологий.

Источник: Пресс-служба компании Gartner

Ведущие тренды развития искусственного интеллекта

Технологии искусственного интеллекта, нейросетей и глубокого обучения – один из ключевых и быстрорастущих сегментов мирового рынка. Если широкое внедрение промышленных роботов революционизировало промышленное производство, то сейчас можно говорить о приближении новой революции – в области интеллектуального труда. Уже сейчас нейросети успешно решают многие рутинные интеллектуальные задачи, в том числе занимаются подготовкой типовых юридических документов, писем, претензий и др. Главным мировым трендом будущего десятилетия будет быстрое расширение области использования искусственного интеллекта, его совершенствование и адаптация к самым разным классам задач.

«Один из ключевых вызовов, стоящих сейчас перед банками, это хранение и переработка данных»

Parviz Pieravi, Intel Financial Services Industry, CTO

Развитие технологий искусственного интеллекта позволяет автоматизировать целый комплекс задач, связанных с обработкой и хранением данных:

  • Ведение бухгалтерского и управленческого учета
  • Автоматизация скоринга клиентов
  • Анализ операционной эффективности, управление затратами
  • Защита от финансовых мошенничеств
  • Эффективное управление вычислительными ресурсами

Эти задачи традиционно относятся к зоне ответственности таких ключевых подразделений компании, как бухгалтерия, департамент экономики, служба безопасности, ITдепартамент. Широкое применение технологий искусственного интеллекта позволяет минимизировать риски, связанные с человеческим фактором, большинство рутинных операций.

Кроме финансовых и IT служб, реформированию в связи с широким внедрением искусственного интеллекта подвергаются кадровые службы и центры поддержки клиентов. В настоящее время уже действует значительное число стартапов, использующих AI для найма персонала. Важная проблема, выявленная сложившейся практикой,- качество исходных данных, используемых для машинного обучения, как следствие – проблемы с выдаваемыми AIрекомендациями, дискриминация кандидатов.

Технологии динамического распознавания речи, основанные на машинном обучении и использовании нейросетей в сочетании с чат-ботами дают возможность построения голосового клиентского сервиса нового поколения – полностью цифрового, без привлечения наемного персонала. Ожидается, что к 2025 году эту технологию будут использовать до 70% компаний, работающих в соответствующих отраслях.Одно из важных применений такой технологии – автоматизация приема звонков аварийными службами.

Кроме внедрения искусственного интеллекта для автоматизации рутинного умственного труда, найма персонала и клиентского сервиса, активно развивается классическая промышленная робототехника. Здесь ключевым трендом остаются «ко-боты» — роботы, способные работать вместе с людьми. Системы искусственного интеллекта отвечают за машинное зрение, распознавание речи, ориентацию в пространстве, принятие решений в динамической среде.

«Автоматизация может уничтожить миллионы рабочих мест. Мы должны принимать соответствующие меры прямо сейчас»

Yvette Cooper, британский политик, член парламентаот лейбористской партии

Широкое применение систем искусственного интеллекта, оснащенных машинным зрением и распознаванием речи, может привести к значительным изменениям на рынке труда офисных работников. AI не только формирует риски для целого ряда профессий (бухгалтер, юрист, работники колл-центров и др), но и требует появления новых специальностей. Уже в ближайшем будущем можно прогнозировать взрывообразный рост спроса на специалистов по подготовке данных для машинного обучения.

Масштабные изменения на рынке труда, затрагивающие интересы миллионов людей, требуют создания кодекса цифровой этики, внедрения норм гуманности в базовые алгоритмы искусственного интеллекта, прежде всего предназначенного для работы с людьми.

Елена Скрынник, российский государственный деятель, министр сельского хозяйства РФ в 2009-2012 гг., глава Института анализа инвестиционной политики в своем выступлении на Web Summit (Лиссабон, ноябрь 2020) выступила с заявлением о необходимости формирования глобального единого кодекса цифровой этики.

Российская инициатива была активно поддержана участниками форума и отраслевым сообществом: на декабрьской конференции по искусственному интеллекту в Бостоне (США) вопрос этики в области искусственного интеллекта был поднят Andrew Lo, профессором школы менеджмента SLOAN Массачусетского Технологического Института.

Российские эксперты формируют тренды мирового развития цифровой отрасли.РФ активно ведет собственные разработки в сфере ИИ.

ПРЕМЬЕРА: #тренды | Искусственный интеллект

На Hi-News.ru каждый день выходит большое количество статьей, наполненных словами, в которых может разобраться далеко не каждый. Сегодня технологии развиваются так быстро, что мы не только не успеваем за ними следить, но и путаемся в базовых понятиях. Поэтому мы решили создать новый видеопроект, в котором попытаемся разобраться в сущности самых горячих технологических трендов современности. Сегодня мы поговорим о таком актуальном вопросе, как искусственный интеллект.

Понятие искусственного интеллекта витает в воздухе уже очень давно: еще в древнегреческих мифах содержались истории о механических людях, копирующих поведение человека. Первые вычислительные устройства воспринимались как «логические машины» и были призваны воспроизводить такие особенности человека, как память и базовые арифметические способности. А инженеры видели свою фундаментальную задачу в том, чтобы попытаться создать искусственный мозг.

По мере развития технологий и, что еще важней, понимания того, как работает наш разум, представление об искусственном интеллекте тоже переживало эволюцию. Его задача перестала состоять в осуществлении сложных вычислений, а сосредоточилась на копировании процесса принятия решений человеком и выполнении задач с более человечным подходом.

Искусственные интеллекты — устройства, наделенные синтезированным разумом, — часто подразделяются на две фундаментальные группы: прикладную и общую. Прикладной искусственный интеллект имеет более простое и узкое назначение: такие системы могут торговать акциями или управлять автономным автомобилем.

Общие системы искусственного интеллекта в теории способны выполнять любое задание, и именно в этой сфере сегодня происходят самые захватывающие события. Развитие этого направления привело к возникновению такого феномена, как машинное обучение, которому мы уделим внимание в одном из следующих выпусков.

Попытки сгенерировать искусственные мыслящие организмы всерьез начали возникать более 70 лет назад, когда стали появляться предположения о том, что компьютеры могут мыслить как люди. Амбициозные прогнозы привлекли серьезное финансирование, но через несколько десятилетий работа в этом направлении не принесла каких-то существенных плодов. Только в последние 25 лет, благодаря новому подходу к искусственному интеллекту и прорывам в технологиях, ученые приблизились к осуществлению мечты тех, кто стоял у истоков.

Во времена Второй мировой войны над этой проблемой работали ученые, представлявшие многие дисциплины, включая такие зарождавшиеся науки, как неврология и информатика.

В Великобритании вопросом разумных машин занялись математик Алан Тьюринг и невролог Уильям Грей Уолтер. Своими идеями они обменивались во время ужинов в престижном кружке под названием Ratio Club. Уолтер прославился тем, что создал первых в истории роботов. Тьюринг же изобрел так называемый «тест Тьюринга», который задал принципиальную планку для интеллектуальной машины: компьютер должен заставить человека подумать, что тот взаимодействует с другим человеком.

В 1950 году в свет вышла книга «Я, Робот» — сборник рассказов популярного фантаста Айзека Азимова. Азимов одним из первых писателей рассказал об идее машинного интеллекта и пофантазировал о его будущем. Книга, которая стала чрезвычайно популярной, заставила человечество задуматься и стала важнейшим источником вдохновения для целого поколения ученых. Самая известная часть книги — так называемые «Три закона робототехники», призванные уберечь человечество от восстания машин. Помимо абстрактных фантазий о далеком будущем, работа Азимова содержала и вполне реальные предсказания, которые уже успели сбыться. Например, речь идет о компьютере, способном хранить все человеческие знания, которому любой человек может задать любой вопрос.

«Я, Робот» Айзека Азимова

Собственно термин «искусственный интеллект» впервые прозвучал в 1956 году на летней конференции в Дартмутском Университете, организованной молодым специалистом по информатике Джоном Маккарти. Конференция была отмечена оживленной дискуссией о том, как именно стоит подходить к проблеме искусственного интеллекта. Одна группа, в числе которой был влиятельный ученый Марвин Минский, склонялась к так называемому подходу «сверху вниз» — предварительно запрограммированному компьютеру, работающему по законам, которые управляют поведением человека. Другие предложили подход «снизу вверх», основанный на нейронных сетях, которые симулируют работу клеток мозга и самостоятельно обучаются новым типам поведения. В то время верх взял подход Минского, и на пару с Маккарти он получил крупный грант от американского правительства, которое надеялось, что открытия в этой сфере позволят США укрепить свои позиции в противостоянии Советскому союзу в рамках холодной войны.

Кстати, Марвин Минский оказал серьезное влияние и на научную фантастику. В 1968 году он работал консультантом у Стэнли Кубрика на съемках фильма «2001 год: Космическая одиссея», в котором одним из персонажей был наделенный интеллектом компьютер HAL 9000.

Во время одной из сцен HAL дает интервью BBC, рассказывая о своей миссии и заявляя, что он «совершенно безопасен и не способен совершать ошибки». Участвующий в миссии ученый в своем интервью добавляет, что HAL, по его мнению, может иметь и самые подлинные эмоции. В фильме были отражены предсказания ученых того времени: например, прогноз того же Минского о том, что очень скоро машины по своему уровню интеллекта приблизятся к человеку. В картине также блистательно переданы некоторые страхи общества, например, связанные с тем, что машины могут захватить власть и начать вредить людям.

К концу 60-х стало ясно, что Минский погорячился со своими прогнозами, и мечты первых визионеров отделяют от реализации долгие годы и даже десятилетия. Свидетельством того, что искусственный интеллект топчется на месте, стал представленный в 1969 году робот Shakey.

Shakey стал первым роботом, который способен самостоятельно принимать решения, исходя из окружающей обстановки. Перед перемещением у него внутри выстраивалась карта местности, но даже в помещениях с минимумом препятствий робот передвигался непозволительно медленно. Перед каждым движением вперед Shakey приходилось обновлять свою карту, а появление в его поле зрения движущегося объекта могло ввести робота в ступор, и вычисления, необходимые для осуществления следующего шага, могли занять более часа.

Наступили семидесятые, и положение отрасли только ухудшилось. Невзирая на многомиллионные денежные вливания, искусственный интеллект так и не продемонстрировал серьезного движения вперед. В Конгрессе США все чаще звучали призывы отказаться от финансирования этого направления, а в 1973 году ведущий британский математик Сэр Джеймс Лайтхилл выступил в парламенте с разгромной речью о положении дел в данной сфере. Он заявил, что в настоящий момент машины по своему интеллекту сопоставимы с шахматистом с любительским уровнем мастерства. С таким развитием даже не приходится говорить о том, что когда-нибудь они смогут выполнять такие простые на первый взгляд задачи, как распознавание лиц. В итоге было принято решение существенно урезать финансирование, и исследования в области искусственного интеллекта перешли в стадию анабиоза.

Переломным моментом, ознаменовавшим выход индустрии из спячки, принято считать появление коммерческих решений, в которых искусственный разум помог компаниям сэкономить деньги и сократить расходы.


Новые коммерческие системы не преследовали тех сверхамбициозных целей, о которых заявляли пионеры искусственного интеллекта. Вместо создания универсального синтезированного разума эти «экспертные системы» были сосредоточены на выполнении куда более узких задач. Это означало, что их было необходимо программировать для решения какой-то одной конкретной проблемы. Первой успешной экспертной системой для бизнеса стала RI, которую взяла на вооружение компания Digital Equipment Corporation в начале восьмидесятых. Эта система, которая помогала составлять заказы на продукцию, позволила компании экономить до 40 миллионов долларов в год.

Однако коммерческое использование искусственного интеллекта не выглядит так же романтично, как мечтания об имитации биологии, которые по-прежнему занимали умы исследователей. В 1990 году ученый Родни Брукс опубликовал статью под названием «Слоны не играют в шахматы». Автор был вдохновлен существенными прорывами в нейрологии, в которой начали открываться загадки, связанные с человеческим мышлением и восприятием. Например, для распознавания визуальной информации зрению необходима совместная работа различных «модулей» мозга без какого-либо центрального управления. Главным тезисом статьи Брукса стало заявление, что подход «сверху вниз», при котором компьютер предварительно программируется на следование правилам интеллектуального поведения, является неверным. Это заключение позволило возродить подход «снизу вверх», а вместе с ним и совершенно немодную в те времена проблематику нейронных сетей.

Однако сторонники подхода «сверху вниз» не собирались сдаваться и в 1997 году одержали важную победу. Суперкомпьютер Deep Blue сразился в шахматы с мировым чемпионом Гарри Каспаровым и в конечном итоге вырвал у легендарного гроссмейстера победу.

В теории созданная IBM машина по своим возможностям превосходила Каспарова: хотя бы в том, что за секунду могла просчитать до 200 миллионов возможных ходов. Но в шахматах этого недостаточно: важным аспектом является умение мыслить стратегически. Поединок, который журналисты прозвали «Последним фиаско человеческого мозга», закончился такой красивой победой компьютера, что Каспаров даже предположил, что где-то за кулисами сидел живой человек, который управлял Deep Blue. Некоторые назвали этот момент возрождением интереса к искусственному интеллекту, скептики же сочли это еще одним примером создания машины, которая отлично справится с поставленной задачей, если правильно ее запрограммировать на решение конкретной проблемы с четкими правилами и законами.

Гарри Каспаров и Deep Blue

Родни Брук, о котором мы говорили выше, не стал ограничиваться только теоретическими размышлениями и занялся непосредственным продвижением своих идей. В 2002 году учрежденная им компания iRobot создала первого коммерчески успешного робота для дома — самоуправляемого робота-пылесоса под названием Roomba.

Уборка комнаты, безусловно, слишком скромный масштаб свершений для технологии, с которой ученые связывают такие большие надежды. Однако Roomba нельзя не назвать серьезным прорывом. Его многослойные системы генерирования поведения были намного проще алгоритмов робота Shakey и больше напоминали роботов, которых создал Грей Уолтер более 50 лет назад. Несмотря на относительно скромную функциональность датчиков и минимальную вычислительную производительность, устройству хватало интеллекта для того, чтобы качественно убирать квартиру. Появление Roomba ознаменовало собой новую эпоху автономных роботов, сосредоточенных на выполнении конкретных задач.

Несмотря на то, что холодная война закончилась, и искусственный интеллект в те годы не оправдал надежд американских военных, в середине двухтысячных они вернулись к этой проблематике, избрав новый подход. Власти начали активно инвестировать в автономных роботов, и в 2005 году мир увидел первый плод этих работ — BigDog от компании Boston Dynamics. Этого устрашающего четвероногого робота, рассчитанного на выполнение задач в условиях среды, в которых невозможна работа традиционных транспортных средств, пока так и не удалось увидеть в действии. Зато компания iRobot сумела внести заметный вклад в развитие этого направления. Их робот-сапер PackBot объединил в себе пользовательское управление и интеллектуальные способности, такие как умение распознавать запах взрывчатки. Более 2000 таких роботов с успехом использовались в ходе вооруженных конфликтов в Ираке и Афганистане.

Кажется, лед тронулся, и прогресс начали ощущать не только в академической среде, но и на массовом рынке. В ноябре 2008 года смартфон iPhone получил функцию, которой мало кто придал больше значение: в поисковом приложении Google появилось распознавание речи.

На первый взгляд тут нет ничего сложного, но в действительности это изобретение стало предвестником гигантского прорыва. Хотя распознавание речи с давних времен является одним из важнейших аспектов искусственного интеллекта, за десятилетия упорной работы точность распознавания так и не удалось поднять выше отметки в 80%. Компания Google выбрала для решения этой задачи принципиально новый подход: тысячи мощных компьютеров, которые работают в параллельных нейросетях, самостоятельно обучаются обнаруживать паттерны и нюансы в гигантских объемах данных, поступающих от миллионов пользователей Google. Поначалу точность распознавания была на весьма посредственной отметке, но теперь, спустя годы обучения и совершенствования, Google утверждает, что технология работает с 92-процентной точностью.

На фоне того, как гигантские вычислительные сети продолжали менять сущность искусственного интеллекта, более простые и узкоспециализированные компьютеры тоже переживали ренессанс.

Например, роботы-гуманоиды, в числе которых модель под названием NAO, могли вытворять такие вещи, о которых Shakey даже мечтать не мог. Воспользовавшись последними достижениями технологий в области нейросетей и машинного обучения, создатели разработали машину, которая поразила воображение многих. Шанхайская выставка World Expo 2010 года наверняка запомнится в первую очередь потрясающим танцем 20 роботов NAO, которые двигались в полной гармонии с музыкой, а их движения были не запрограммированными паттернами, а чистой импровизацией.

Спустя 14 лет после исторического поражения Гарри Каспарова перед искусственным интеллектом возник еще один вызов, который с успехом был принят. В 2011 компьютер Watson от все той же корпорации IBM принял участие в американском телешоу Jeopardy, которое является прообразом программы «Своя игра» на канале НТВ.

Для машины эта задача была куда сложней, чем игра в шахматы. Watson должен был отгадывать загадки и отвечать на вопросы, требующие не только сообразительности, но и эрудиции. Создатели компьютера использовали нейросети и в течение более трех лет обучали машину распознавать паттерны вопросов и ответов. В итоге Watson не оставил шансов своим соперникам — двум лучшим игрокам за всю историю шоу. Этот эпизод произвел большой фурор и был преподнесен СМИ как триумф искусственного интеллекта.

2014 год был отмечен еще одним любопытным и немного спорным событием для развития искусственного интеллекта: российские и украинские разработчики представили миру Женю Густмана — первого виртуального собеседника, которому удалось пройти тест Тьюринга. 7 июня 2014 года, на конкурсе, посвященном 60-летию со дня смерти британского математика, Густман, который представляется 13-летним мальчиком из Одессы, убедил 33% судей в том, что он человек. Скептики не придали этому событию большого значения, утверждая, что 11 лет разработки виртуального собеседника были сосредоточены не на создании настоящего искусственного разума, а на поиске способов одурачить судей и выиграть в конкурсе.

С 2014 года мы успели стать свидетелями ряда других любопытных разработок, которые показали, насколько далеко продвинулась сфера искусственного интеллекта за последние 70 лет. Многомиллиардные инвестиции Google в самоуправляемые автомобили, голосовой переводчик Skype, работающий в реальном времени, дроны, самостоятельно следящие за людьми — похоже, еще немного, и некогда утопическая идея станет частью нашей обыденности.

Как искусственный интеллект изменит российскую бюрократию, власть и экономику. Интервью

В октябре президент России Владимир Путин утвердил национальную стратегию развития искусственного интеллекта (ИИ) до 2030 года. Сможет ли Россия наконец преодолеть нефтегазовую зависимость с помощью искусственного интеллекта, во сколько обойдется реализация этой стратегии, насколько серьезно будет мешать бюрократия ее внедрению и приведет ли искусственный интеллект к усилению контроля за гражданами со стороны государства? На эти и другие вопросы в интервью Znak.com ответил директор по науке и технологиям Агентства Искусственного Интеллекта, автор книги «Искусственный интеллект», один из экспертов, готовивших материалы для разработки Национальной стратегии развития искусственного интеллекта — Роман Душкин.

«Гонка вооружений уже началась в области „подрывных технологий“»

— На ваш взгляд, своевременно ли правительство России разработало и приняло эту стратегию? Ведь тема искусственного интеллекта началась не сегодня и не вчера, а еще во второй половине прошлого века.

— Честно говоря, немножко запоздали, потому что технологическая «гонка вооружений» началась в 2020 году, а может быть, даже чуть раньше. А с другой стороны, можно было бы учесть плюсы и минусы всех тех стратегий, которые уже разработаны развитыми странами, и на их основе составить свою. К сожалению, этого сделано не было.

— Вы считаете, что началась «гонка вооружений»?

— Да, несомненно. И об этом уже говорят во всем мире без обиняков. Гонка вооружений уже началась в области так называемых «подрывных технологий». К ним можно отнести квантовые технологии (особенно квантовый компьютер), нанотехнологии, биотехнологии, космические технологии и, конечно же, искусственный интеллект. Ни для кого уже не секрет, что то государство, которое первым освоит этот набор, фактически станет властелином мира.

— То есть наше руководство проморгало очередную технологическую революцию?

— Нельзя сказать, что проморгало именно технологическую революцию, так как она еще не произошла. Но наш бюрократический аппарат инертный, как и любой другой. Что-то уже случилось, а они потом задним умом начинают думать. В итоге среагировали, как смогли. Я сомневаюсь, что наши чиновники собирались посмотреть, что будут делать другие страны, а потом на основании этого сделать выводы и пойти своим путем, учтя все грабли, на которые наступили другие. Скорее всего, это просто обычная бюрократическая неповоротливость и недальновидность.

Мастер Йода рекомендует:  Класс для работы с базой данных в PHP

— Все ли вас как специалиста устраивает в конечной версии стратегии развития ИИ?

— Над этим документом работало несколько экспертных групп. Результатом труда экспертного сообщества стал большой документ, из которого потом нужно было составить стратегию. Мы закончили свою работу еще в мае текущего года, к Питерскому экономическому форуму. Планировалось, что именно там этот документ будет принят. Но наша работа ушла в Сбербанк, потому что именно он был исполнителем по этой работе. Сбербанк так ничего и не выпустил к форуму. И только в октябре из его недр вышел документ, но он оказался, по некоторым оценкам, на уровне школьного реферата. Из тех экспертов, кого я знаю, большинство были разочарованы. Похоже, что наша работа оказалась сделана зря. Меня утешает единственная мысль, что это некая военная хитрость. То есть наша экспертная работа все-таки была проделана не зря, наш документ с глубоким уровнем экспертизы будет использоваться при реализации стратегии. А для вида был принят другой документ — поверхностный.

— Согласно стратегии, до 15 декабря должны быть внесены изменения в национальную программу «Цифровая экономика». Что это за изменения?

— До конца года должен быть разработан национальный проект «Искусственный интеллект», в основу которого будет положена данная стратегия. В нем будет разработана «дорожная карта», комплекс мероприятий, все, что составляет сущность национального проекта. Надеюсь, что с будущего года начнут выделять деньги, чтобы развивать это направление.

«Бюрократия уже является тормозом для развития ИИ и вообще внедрения новых технологий»

— Многим кажется, что ИИ — это роботы или системы, превосходящие по уровню развития человека. Например, как система «Скайнет» в фильме «Терминатор». Но каковы возможности реального искусственного интеллекта?

— Меня всегда раздражает, когда используют термин «искусственный интеллект» в значении некоего искусственного существа, которое превосходит человека. Искусственный интеллект — это название междисциплинарной научной области. Целью исследований в этой области является познание нашего собственного интеллекта. Мы не можем залезть в черепную коробку, поковыряться там скальпелем или электродами и узнать, почему этот кусок мяса под названием «мозг» генерирует разум, интеллект и сознание. В мозге ничего нет, кроме нейронов и различных вспомогательных клеток. Соответственно, была придумана идея: давайте высшие когнитивные функции человека — память, восприятие, воображение и другие — будем моделировать на компьютере. И на основании таких моделей мы будем изучать природу нашего собственного разума. Так и началось это направление в 1956 году. Возник термин artificial intelligence, который перевели на русский, как «искусственный интеллект». Потом в процессе исследований было разработано много методов для решения когнитивных задач.

Например, распознавание образов или различные методы обработки естественного языка. Они начали применяться в различных задачах, где раньше использовалась только сила интеллекта человека. Например, видеоаналитика. Видеокамера смотрит на сцену и распознает на ней какие-то инциденты, например драку. Соответственно не нужно сажать человека, который смотрит в экран монитора и ждет, когда на кадре будет драка.

— Где в реальной экономике вы видите внедрение ИИ?

— В первую очередь там, где осуществляется рутинный умственный труд. Из раза в раз одни и те же операции, требующие задействования когнитивных функций человека. Это прежде всего касается таких профессий, как бухгалтер, экономист, финансист, юрист, водитель, вообще операторы сложных машин, полицейские, охранники, даже военные. Чуть позже за ними пойдут врачи, учителя, продавцы в магазинах. Такие профессии нельзя автоматизировать без ИИ, как это было сделано с рабочими на конвейере в прошлом веке.

— В этой стратегии не возникает противоречий с другими направлениями нашего государства, например, национальными проектами «Образование» или «Здравоохранение», которые как раз призваны повысить статус профессии педагога и медика? Или вы говорите о далекой перспективе?

— Помните про «три К». Самыми массовыми профессиями начала XX века были конюхи, кузнецы и кучера. Лошади были ведущей силой в экономике. Да, был еще пар, но тем не менее. Где все эти профессии сейчас? Лошадей столько нет, чтобы обеспечить такое количество специалистов в этой сфере. Но главное — профессий стало намного больше, чем тогда. То же самое будет в будущем. С каждым новым технологическим укладом появляются новые профессии. И их количество намного больше, чем старых. Так что каждому найдется дело по его желаниям и возможностям.

— Как быть с бюрократическим аппаратом? Ведь его тоже придется сократить. Однако если в российских реалиях именно он отвечает за внедрение ИИ, то значит он и будет его тормозом. Не видите ли вы здесь противоречия?

— Бюрократия уже является тормозом для развития ИИ и вообще внедрения новых технологий: распределенных реестров (блокчейнов), новых материалов и так далее. Бюрократия придумывает всякое нормативное регулирование, программы стратегий, оценку мероприятий для реализации программы стратегий и тому подобные закорючки, основное предназначение которых — обосновать важность и необходимость самой бюрократии. Для всего этого тратятся тонны бумаги, выпускается бесконечное количество никому не нужных документов, которые никто никогда не читает. Но я уверен, что на смену нынешней бюрократии придет бюрократия рациональная. Бюрократия может быть легко автоматизирована с помощью технологий ИИ. Естественно, при этом часть бюрократии будет сокращена. Но эта часть сегодня, по сути, ничем и не занимается, кроме как перекладывает бумажки с одного стола на другой. Новая рациональная бюрократия будет работать не ради самой себя, а ради развития общества.

В частности, сегодня мы в Агентстве Искусственного Интеллекта разрабатываем решение для персонификации населенного пункта при помощи когнитивного агента, который будет на себя брать все задачи взаимодействия с любыми акторами: физическими лицами, юридическими лицами, государственными органами. Это позволит категорически ускорить процессы, необходимые для отработки обращений в органы государственной власти, а сам такой когнитивный агент станет единой точкой входа для любых обращений.

— Как устранить противоречие между внедрением ИИ в госаппарате и интересами бюрократии?

— Вот тут я ничего не могу сказать. Вся история внедрения новых технологий во всем мире всегда наталкивается на противодействие определенных слоев управленческого аппарата — обычно тех, кто находится в середине иерархии и кто хотел бы сохранить статус-кво. Я могу лишь надеться, что все будет хорошо. Естественно, для ИИ, а не для бюрократии.

— Наверняка найдется множество людей, которые скажут, что стратегия ИИ — это очередной распил бюджета с мутными результатами. Что бы вы ответили скептикам?

— Мне не очень нравится воевать с диванными экспертами, которые в своей жизни ничего серьезного не сделали. Но я одно могу сказать: ученые и инженеры будут делать свое дело. Конечно, большая часть бюджета, выделенная на реализацию стратегии, уйдет на обеспечение разной бюрократической ерунды, типа «разработки мер оценки результатов реализации отдельных шагов дорожной карты стратегии» и тому подобное. Но какая-то часть дойдет до ученых и инженеров, и будут реализованы хорошие решения. Они и сейчас уже реализуются без государственной поддержки. Но если придут какие-то дополнительные деньги, то это будет здорово.

Что касается коррупции, то в самой стратегии про конкретные деньги ничего не сказано. Бюджет будет определен в дорожной карте, которая будет являться частью национального проекта. Распределение бюджета будет происходить в рамках существующих законов. Так что туда надо смотреть насчет коррупции, а не на стратегию.

— Что касается бюджета, то, по вашей информации, о каких суммах идет речь?

— На всю программу «Цифровая экономика» выделяют порядка 2 трлн рублей на следующие пять лет. Сколько из них пойдет на ИИ, я не могу сказать. Но в составе «Цифровой экономики» девять сквозных технологий примерно равной значимости, одной из которых является ИИ. То есть можно поделить общую сумму на эти девять, и получится оценка суммы, которая будет выделена на развитие ИИ. Это примерно 220 млрд рублей.

«Государства своими свиными рылами полезли в тонкую сущность интернета»

— Нет ли опасения, что искусственный интеллект на службе государства может стать орудием репрессий, как в киберпанк-фильмах? Да и в реальности мы уже видели на примере волнений в Гонконге, когда видеокамеры распознавали лица митингующих.

— Сама сущность государства — это подавление и репрессии по отношению к тем, кто пытается нарушить законы государства, какими бы они ни были. Поэтому государство обязательно будет использовать новые технологии для защиты себя от недовольных групп общества. В этом нет ничего удивительного, такое происходило всегда и везде.

— И какой выход из ситуации? Ученые работают в конечном счете на то, чтобы распространять массовый государственный контроль за каждым членом общества?

— Ученые работают ради научно-технического прогресса. А в какие руки попадут технологии — это уже другой вопрос. Конечно, задумываться над этим нужно. Те, кто в свое время работал над ядерными технологиями, тоже задавались подобным вопросом. И тогда научное сообщество сделало все от себя зависящее, чтобы ядерные технологии не оказались в одних руках, чтобы в мире сложился баланс сил, который бы предотвратил развитие ядерной войны. Если кто-то начнет ядерную войну, это гарантированно уничтожит и его самого. Поэтому ядерное оружие сегодня существует как сдерживающий фактор. Я надеюсь, что ученое сообщество применит нечто похожее в области ИИ. Но как таковые технологии не являются ни злыми, ни добрыми. Это просто технологии. Задача ученых — сделать так, чтобы технологии работали на благо общества, а не против него.

— Как может быть применен ИИ с точки зрения развития демократии и гражданского общества в противовес тому, как его может использовать государство?

— Наверняка можно применить методы ИИ, особенно в части обработки больших данных, интеллектуального анализа данных для того, чтобы обеспечить цифровую демократию. Мне больше нравится применение технологий, основанных на распределенном реестре, то есть децентрализованной базе данных, которая решает задачу обеспечения доверия между не доверяющими друг другу сторонами (часто для названия этой технологии используется термин «блокчейн»). В рамках этой технологии имеется больше возможностей для повышения открытости общества, процессов в нем и защиты от попадания информации в одни руки. Технологии ИИ тоже можно для этого использовать.

— Нет ли противоречия в том, что сейчас в России есть тренд по ограничению интернета, в то время как ИИ подключен к интернету и связан с ним?

— ИИ начал развиваться задолго до интернета, поэтому не стоит так однозначно связывать его и интернет. Но другое дело, что попытки нарушить устоявшуюся информационно-коммуникационную инфраструктуру, создать барьеры в цифровом обществе являются вредом для научно-технического прогресса в целом. Почему так происходит? Государства жили отдельно на физической земле. У них там есть свои границы, пограничные службы, вся эта атрибутика, которая пришла из Средневековья, когда были феодальные наделы и каждый феодал сидел со своей маленькой армией и охранял свой кусочек земли.

Прошли столетия, и появился интернет. И порядка 20 лет в нем не было никаких государств, он саморегулировался. Были самостоятельно организовавшиеся консорциумы, типа W3C, который занимался регулированием технологий. Не каким-то «правовым регулированием аспектов деятельности в информационно-коммуникационных сетях», как это у бюрократов принято называть на их странном языке. А осуществлялось техническое регулирование, создавались стандарты технологий, стандарты протоколов и так далее. Как таковых государственных границ в интернете нет. Да, есть домены с привязкой к странам, но никто никому не может запретить зарегистрировать сайт с привязкой к домену другой страны. Например, есть тихоокеанское островное государство Тувалу и его домен пишется как tv. Многие компании в мире, связанные с телевидением, регистрируют свои сайты с этим доменом, и это стоит каких-то больших денег. И экономика этого государства обогатилась за счет продажи доменов.

Интернет — это глобальная свободная среда. И государства внезапно осознали, что сами они живут на физической земле, а где-то там у людей есть свобода, демократия, самоопределение и самоорганизация. «Черт, так не должно быть», — воскликнули они. И государства своими свиными рылами полезли в тонкую сущность интернета со своим извечным желанием все зарегулировать, прикрываясь, естественно, всякими благими намерениями типа борьбы с терроризмом. Им хочется взять под контроль среду, которая четверть века никем не контролируется. Но у них ничего не получится, потому что они не знают, как все это устроено. Физически можно перерубить кабель, но я надеюсь, что Илон Маск запустит свою группировку спутников и не даст разрушить эту глобальную коммуникационную среду.

— Вы такими заявлениями не пугаете бюрократию?

— Да она сама кого хочешь испугает. Но бюрократия — это же тоже люди, которые сидят и делают свою работу. Некоторые из них — грамотные специалисты и хорошие люди. Просто они винтики в системе. Но с каждым человеком возможно работать персонально.

— Один из таких бюрократов, министр экономического развития Максим Орешкин на днях заявил, что Россия пока не готова внедрять ИИ. Цитирую: «Готова ли российская экономика или другие отдельные сферы государства к применению ИИ? Абсолютно нет. Вот тот диагноз, который мы имеем сейчас». Нам чего-то не хватает для внедрения ИИ?

— Наверное, Максиму Орешкину референт что-нибудь сказал, а он решил это озвучить на людях. Если же он имел в виду, что мы сидим на нефтегазовой игле и нет стимула внедрять ИИ в нашей экономике, то это просто стереотипы. У нас все нормально с экономикой. Есть сырьевой сектор, а есть сектор высоких технологий.

— В каких секторах российской экономики нужно как можно быстрее внедрять ИИ?

— В муниципальном и государственном управлении. У нас в России одна из самых лучших систем электронного государства, это даже признано ООН. В частности, московская система автоматизации муниципальных сервисов, основанная на сети многофункциональных центров (МФЦ), занимает первое место в мире. Но, несмотря на то что куча разных муниципальных органов была сведена в МФЦ, до сих пор гражданам тяжело общаться со всем этим. Все это нужно упрощать за счет ИИ. И тогда ИИ будет постепенно распространяться во все остальные сектора экономики.

— Так в итоге, благодаря ИИ, мы слезем с «нефтяной иглы», о чем так много говорят экономисты? Или ИИ останется лишь одним из секторов экономики, причем не передовым?

— Когда слышу заявление, что Россия является сырьевым придатком Запада, то я спрашиваю, а почему не рассматривать Запад как технологический придаток России? Мы живем в глобализированном мире, каждое государство и регион делает то, для чего он лучше всего предназначен. Если в Югре много нефти, значит, ее оттуда нужно выкачивать. Не нужно себе ставить задачу слезть с «нефтяной иглы», потому и сам мир не собирается с нее слезать. Мировая экономика устроена так, что мы в ближайшие полвека не сможем обойтись без углеводородов. Да, развиваются альтернативные источники энергии. Но пройдут еще десятилетия, прежде чем все машины будут ездить на электричестве. То, что у России такие серьезные запасы нефти, это большой плюс. Единственное что — мы должны это использовать во благо нашего общества, а не Африку кормить в очередной раз. При этом и с высокими технологиями у нас все нормально. Не нужно думать, что мы сырьевой придаток и здесь живут миллионы слаборазвитых туземцев, которые копаются в нефти. Ну это же не так.

— К чему мы придем в результате реализации стратегии? ИИ станет неотъемлемой частью нашей повседневной жизни?

— Что будет в 2030 году, никому неизвестно. Луна может расколоться и произойдет сценарий, который описан в книге «Семиевие» Нила Стивенсона. Помните, что было десять лет тому назад в 2009 году? Сравните с тем, что есть сейчас. Огромное количество новых разработок, изобретений, технологий, которые не прогнозировал ни один футурист. Технологии развиваются настолько стремительно, что через год мы можем оказаться на Луне и там будет построена база. А в 2030 году мы можем спутники Юпитера колонизировать.

Интеллектуальная мода: как нейросети заправляют fashion-индустрией

Искусственный интеллект часто называют главным технологическим прорывом XXI века. Появляется все больше примеров его успешного использования для анализа большого объема данных, распознавания изображений, речи, машинного перевода. Области применения ИИ самые разные, от повседневного быта до телемедицины. Включение сигнализации при выходе из дома и диагностика генетических заболеваний по фотографии — и то и другое стало возможным благодаря ИИ. Но технология развивается, и сфера применения становится все шире. Важную роль в этом сыграли глубокие нейронные сети. Сегодня мы наблюдаем, как эти «трендовые» технологии начинают менять индустрию моды.

Нейросети для трендов

Пример успешного применения технологии в этой сфере — проект Алехандро Джакометти из компании EDITED, занимающейся аналитикой для ретейла. В ходе эксперимента он проводил распознавание тысяч изображений с подиумов весеннего показа Лондонской недели моды в 2020 году, что позволило выделять на фото изображение отдельных деталей одежды.

Для этого использовалась система из двух нейронных сетей: первая подсеть формировала уникальное представление входного изображения в виде набора вещественных чисел, а вторая восстанавливала из него исходное изображение. В процессе обучения параметры этих подсетей подбирались так, чтобы полученная картинка была максимально похожа на оригинал. Таким образом, первая подсеть смогла научиться получать компактную информацию из визуального образа одежды, которую стало возможно анализировать — например, оценивать похожесть двух нарядов между собой. Вторая подсеть дала возможность создать «цифровую модель» нарядов, описав десятки параметров каждого.

Когда исследователи накопили достаточно данных, то смогли научить компьютер отличать модели одного дизайнера от других, находить характерные элементы стиля. Более того, стало возможно предсказывать появление новых коллекций, предугадывать потребительский спрос.

Имея некоторую семантическую информацию для изображений одежды — например, ее стиль и материалы — можно обучить модель предсказывать их по неразмеченным базам фотографий и таким образом оценивать, как менялась мода в разное время.

Подобную модель создала аспирантка Мельбурнского королевского технологического университета Анна Анисимова в сотрудничестве с компаниями Clarifai и Nextatlas. Она научила систему анализировать по журнальным фото, как на протяжении полувека менялись тренды в одежде беременных женщин в Австралии. Оказалось, что на моду влияют социальные и политические изменения. Например, стиль бохо, которого придерживались представители богемы и хиппи в 1960-х годах, на рубеже веков практически утратил свою популярность. Однако недавно элементы этого стиля стали снова встречаться в одежде хипстеров. Шотландские узоры были актуальны пятьдесят лет назад — как раз тогда, когда влияние британской культуры на мировую было наиболее сильным.

Дружить интеллектами


Другой пример — когда технологии ИИ успешно сотрудничают с «живыми» представителями модных брендов. Один из примеров — гибридный подход, который использует американская компания Stitch Fix. Искусственный интеллект анализирует модные тренды вместе с дизайнерами компании и выдает рекомендации. В результате время создания новых моделей существенно сокращается. Кроме того, такой подход становится маркетинговой фишкой, что помогает компании выделиться на фоне конкурентов и привлечь внимание потребителей. Сейчас уже несколько десятков моделей одежды, разработанных при помощи разных видов искусственного интеллекта, успешно продаются в магазинах.

Более того, мы можем наблюдать, как технологии успешно считывают креатив «живых» дизайнеров и создают модели в их духе. Например, нейросеть американского программиста Робби Баррата создала модную коллекцию в стиле Демны Гвасалии — дизайнера модного дома Balenciaga. Для этого Баррат использовал фотографии с модных показов и одежду бренда из онлайн-магазинов, информацию из журналов и книг. В итоге получилась коллекция с характерными для Balenciaga элементами.

Очевидно, вскоре мы сможем наблюдать, как компании самого разного уровня будут соревноваться друг с другом в разработке прорывных технологий в модной индустрии. Так, американская компания Tommy Hilfiger намерена запустить проект по созданию компьютерных алгоритмов, прогнозирующих зарождающиеся модные тренды в реальном времени. Google вместе с немецкой компанией Zalando SE тестирует нейронную сеть, которая поможет дизайнерам определять, какие стили и одежда подойдут определенным людям и будут пользоваться спросом. Для потребителей технология может подобрать одежду, исходя из ответов на анкету и теста-рисунка.

Таким образом, ИИ открывает для fashion-индустрии новые двери: можно ускорить процесс создания новых коллекций, предсказать, будет ли одежда модной и пользоваться спросом, создавать персональные дизайнерские рекомендации. Вероятно, это только начало, и в будущем нас ждет еще больше прорывных открытий.

Модные перспективы

Нейронные сети стремительно развиваются, открывая новые возможности, и при этом становятся доступными для многих людей, а не только для IT-профессионалов. Подобный путь прошли персональные компьютеры: первые устройства были громоздкими, а сейчас большинство людей пользуются смартфонами, чья вычислительная мощность сопоставима с мощностью настольных персональных компьютеров начала нулевых. Доступ к широким возможностям, которые открывают нейросети, отлично согласуется с подходом «здесь и сейчас», ставшим общим лозунгом в современном мире.

Удобная примерка. В этом контексте одним из трендов в fashion-индустрии станет активное использование дополненной виртуальной реальности. Производители одежды и фешен-ретейлеры с помощью ИИ смогут не только оперативно выводить на рынок востребованные модели — они будут создавать условия для удобной покупки. Скорее всего, в обозримом будущем мы сможем делать виртуальную примерку в любом месте через приложение на своем смартфоне. Технологически для этого понадобятся наши цифровые двойники, а значит, нейросетям потребуется собирать и обрабатывать еще больше информации о нас — не только о физических параметрах, но и о поведении, эмоциях, вкусах.

Покупка без поисков. Возможность быстрой покупки — еще одна важная опция для потребителей. Технологии позволят купить понравившуюся на фото одежду в один клик. Так, на днях Snapchat внедрил распознавание объектов на фото, которое дает возможность сразу искать нужный предмет одежды на Amazon. Система мгновенно распознает предмет, на который вы укажете, составит его цифровой портрет и произведет поиск похожего или того же самого товара.

Уже сейчас онлайн-магазины и поисковые системы используют рекомендательные сервисы. Они показывают товары, похожие на те, которые мы покупали или просматривали. Но искусственный интеллект может предложить совершенно неожиданные варианты, проанализировав не только историю просмотра товаров, но и исторические данные о ваших пристрастиях, наклонностях, увлечениях.

ИИ как модельер и швея. Творческие способности человеческого мозга будут соревноваться с продвинутыми алгоритмами. Вероятнее всего, это приведет не только к появлению абсолютно новых дизайнерских решений, но и скажется на времени производственного цикла. Для создания одежды уже применяются технологии 3D-печати, и это только начало пути.

Развитие технологий искусственного интеллекта в индустрии одежды может существенно изменить саму концепцию высокой моды. Наряды от-кутюр перестанут быть привилегией избранных, их можно будет купить, не вставая с дивана. Для производителей и ретейлеров сотрудничество с ИИ станет необходимым условием, чтобы не отстать в конкурентной гонке. Вместе с тем это поможет им оптимизировать процессы и планировать финансовые потоки: алгоритмы ИИ позволят максимально точно определять потребительские предпочтения. Это может изменить расстановку сил на модном рынке и вместе с тем стимулировать его. Поэтому компаниям-игрокам уже сейчас нужно активнее включиться в общий тренд и максимально использовать возможности искусственного интеллекта.

Big Data и ИИ в банках: тренд или реальный инструмент?

Тему искусственного интеллекта и big data в банковской сфере обсуждают на многочисленных съездах, конференциях, заседаниях, но это мало способствует пониманию вопроса.

О том, как банки используют трендовые технологии на самом деле, рассказал старший вице-президент банка УРАЛСИБ, руководитель департамента больших данных и искусственного интеллекта Юрий Сирота.
Видеоинтервью смотрите здесь.

Как и зачем банки внедряют новые технологии

Когда банки начинают внедрять искусственный интеллект и Big Data? В чем заключаются предпосылки таких проектов?

— Если следовать хайпу или технологической моде, проект обычно оказывается обречен на неудачу. Поэтому в банковской сфере внедряют только технологии, которые рекомендует или требует регулятор, либо которые дают коммерческий эффект.

Наш банк — также коммерческая организация, мы готовы рассматривать и внедрять любые технологии, которые приведут к их дальнейшей монетизации, улучшению клиентского сервиса. Каждая технология проходит аудит с точки зрения финансовой целесообразности. Если она получает позитивную оценку, мы начинаем ее пилотное внедрение.

Мы ориентируемся на рыночную практику и готовые кейсы, так как для уже принятых рынком и апробированных решений легче оценить целесообразность.

Иногда причиной внедрения новых решений становятся требования внутрибанковских процессов, например, если мы видим какой-то пробел, который можно закрыть той или иной технологией.

Чем занимается ваше подразделение AIDA?

— AIDA — аббревиатура, которая расшифровывается как Artificial Intelligence and Data Analytics Office. Название говорит о специализации подразделения: технологии искусственного интеллекта и анализ данных. Группа занимается аналитикой данных, продвинутой аналитикой, машинным обучением, глубинным обучением. В подразделении AIDA собрана вся экспертиза банка в этих двух сферах.

Поскольку УРАЛСИБ — такая же коммерческая организация, как и другие банки, инновационное подразделение ориентировано на получение экономического эффекта. Внедрение новых технологий — не самоцель, мы стремимся к улучшению бизнес-процессов и увеличению прибыли.

Уже есть практические результаты деятельности подразделения?

— AIDA создает инструменты и внедряет методы для монетизации Big Data, занимается извлечением коммерческой ценности из огромного массива данных, который формируют front-end системы банка. Целевая функция подразделения — максимизация стоимости данных.

В банках более двадцати лет развивается экспертиза по оценке рисков и анализу CRM (Client Relationship Management) — это изучение клиентов, их транзакционной активности, профилей и других параметров, чтобы повысить маржинальность клиентской деятельности.

Кроме того, в любом банке существует масса других направлений, где можно найти коммерческую ценность данных.

Везде, где есть числа, можно провести сравнения: «больше», «медленнее», «убыточнее», «выгоднее», соответственно, там применимы математика и оптимизация.

Существует огромный пласт данных и направлений, которые повышают эффективность бизнес-процессов. В их число входят оптимизация работы с наличностью, транзакционная аналитика, аналитика в области службы финансового мониторинга.

Активнее всего математическая аналитика развивалась именно в розничном сегменте, но мы сегодня также развиваем аналитику данных малого и среднего бизнеса. Потенциально это несет огромные возможности монетизации.

Какие показатели результативности у подразделения AIDA?

— Денежный эффект от работы сравнивается с затратами на содержание подразделения, и они окупаются многократно.

AIDA помогает расширению бизнеса, более интенсивному, качественному росту. В результате работы подразделения увеличивается клиентская база, растет качество клиентов и их маржинальность.

Хороший эффект наблюдается в области оценки рисков. Чем лучше налажен риск-менеджмент и сегментация заемщиков на надежных и склонных к дефолту, тем лучше показатели банка. Это зависит от AIDA: чем меньше плохих заемщиков мы «пустим в банк», тем больше будет прибыль.

Кроме того, бизнес-подразделения УРАЛСИБ внедряют рекомендательные системы, основанные на методах искусственного интеллекта. Клиенты уже могут видеть их в своих системах ДБО (дистанционного банковского обслуживания). Пользователи даже не представляют, что «под капотом» работает сложная математическая модель.

Инициативы по развитию ИИ и их применение

Как вы можете охарактеризовать инициативы, связанные с национальной концепцией развития искусственного интеллекта?

— Сегодня многие развивают искусственный интеллект — производители и разработчики инструментов, научные заведения, исследовательские институты. Но однозначного понимания термина ИИ пока нет. Как только терминология устоится, станет ясно, нужно ли его развивать на национальном уровне.

Многие делят искусственный интеллект на слабый и сильный. На мой взгляд, сильный искусственный интеллект — это такой Терминатор, который способен к эмоциям, самосознанию, суждениям и мыслям, а слабый искусственный интеллект — возможность автоматизации тех или иных задач.

Слабый ИИ может слушать аудио и генерировать текст, озвучивать результаты, извлекать информацию из аудио- или видеосигнала. Такая автоматизация идет на уровне дублирования или замены реального сотрудника.

Сегодня мы используем технологии, которые способны понимать человеческую речь и отвечать собеседнику, распознавать числа и буквы, заносить их в нужные графы и столбцы, и я склонен называть все это слабым искусственным интеллектом. Такие наработки будут развиваться, потому что мы только в начале пути.

Но на сегодняшний день в финсекторе такие решения не находят широкого применения. С чем это связано?

— Мало, чтобы технологии были развитыми. Бизнес должен придумать, как их монетизировать. А такие возможности есть не всегда. Ранжируя всевозможные инициативы, банк должен прийти к выводу о высокой инвестиционной привлекательности проектов с ИИ. Пока я не могу сказать, что в части окупаемости эти технологии внедряются в приоритете. Многие на рынке говорят об этом, запускают пилоты, но нередко оказывается, что можно внедрить другой сервис, не связанный с искусственным интеллектом, и получить больше маржи.

Новые тенденции банковских технологий: психоаналитика и эмоциональная оценка

Как в банках применяют технологии видеоаналитики и эмоциональной оценки?

— Видеоаналитика может применяться как способ извлечения информации из видеопотока, например с камер наблюдения. В Китае уже используют методы детектирования эмоционального состояния: если системы видеоаналитики обнаруживают нервозность клиента, зашедшего в офис банка за кредитом, эти данные учитывают в скоринговых моделях. Так ИИ помогает заподозрить мошенничество либо высокую вероятность того, что человек не сможет вернуть кредит.

Мастер Йода рекомендует:  Как в WordPress предоставлять изображения в форматах следующего поколения

А в России никто еще не предложил реально работающую модель интеллектуального психоанализа?

— Попытки есть. У нас разрабатывают сервисы психоаналитики, детекции и определения психотипа клиентов банка, извлечения психометрических параметров. Вопросам оцифровки психотипов уделяют много внимания, хотя пока в форме экспериментов.

Какими интересными проектами сейчас занимаются ваши разработчики?

— Например, мы пилотируем модуль речевой аналитики. Он позволяет избежать издержек, связанных с записью аудио, превращая его в текст. Мы стараемся сделать так, чтобы модуль речевой аналитики улавливал интонацию. Emotions recognition, распознавание эмоций — направление технологий искусственного интеллекта. Это полезно в контакт-центрах, особенно в коллекторских агентствах, где на том конце провода встречаются нервные собеседники.

Какие проблемы возникают при внедрении инноваций

Все ли инновации внедряются легко? В чем состоят основные причины затруднений?

— Основные причины лежат в психологической плоскости, поэтому любые кардинальные инновации внедрять тяжело. Более эффективный бизнес-процесс означает, что компьютер может работать лучше человека. Люди, которые в результате оказываются менее эффективными, сопротивляются.

Мы целенаправленно популяризируем направление искусственного интеллекта, показываем преимущества новых технологий на пилотах, пытаемся донести до руководства позицию, что инновациями надо заниматься и показывать их преимущества сотрудникам.

Насколько новые технологии могут заменить человека? Действительно ли клиенты банка по-прежнему нуждаются в живом общении?

— Есть такие банки, которые работают без офисов, я считаю это эффективной бизнес-моделью. Но сегмент банков, которые содержат многочисленные допофисы, также достаточно велик, в ближайшее время его объем сохранится.

Наш банк пока не уходит в цифровую коммуникацию. Мы работаем как онлайн, так и в физическом мире. Допофисы пользуются спросом, значительная часть наших клиентов взаимодействует с банком только через них.

Если брать технические проблемы, вы сталкиваетесь с проблемой очистки данных, первоначального сбора данных?

— Грязные данные — проблема любого бизнеса. Но что считать чистыми данными, а что грязными — философский вопрос. Чаще всего приходится работать с теми данными, которые есть. Иногда информации не хватает, в данных много пропусков, имеются аномалии и выбросы.

В реальном мире с этим сталкиваются все. Чтобы качество данных улучшилось, мы контролируем «мусор», стараемся очищать данные, развиваем это направление.

Есть ли у банков потребность в каких-то внешних данных, которые могли бы значительно улучшить качество работы на финансовом рынке?

— Мы активно используем внешние данные, покупаем их. Рынок внешних данных уже достаточно развит. Мы пользуемся даже данными, которые Федеральная налоговая служба выкладывает на своем сайте. Они обогащают наши модели машинного обучения, делают прогнозы точнее, а управленческие решения — лучше.

Разработка in-house или внешние решения: что выбирают банки

Разработка in-house популярна во многих крупных компаниях, в том числе банках. Почему это так?

— В банках мы имеем дело с банковской тайной — коммерческой информацией, которую нельзя передавать за пределы организации. С ней можно работать, только используя банковские средства, банковское оборудование, специалисты должны иметь соответствующую компетенцию и допуск.

На тех участках, где есть открытые API, мы применяем разные возможности, но когда данные передавать нельзя, ведем разработку только внутри.

Насколько внешний рынок решений для банковского сектора состоятелен, есть ли у банков потребность брать что-то извне, не используя in house там, где нет внутренних ограничений?

— Предложений много, иногда можно запутаться в возможностях, которые предоставляют продукты тех или иных вендоров. Препятствий к их использованию нет. Однако на рынке много open-source продуктов, причем достаточно развитых и функциональных, поэтому коммерческие дорогие продукты для аналитики данных можно не покупать. Вопрос заключается лишь в наличии компетенций, чтобы работать с ними. Именно их мы развиваем сегодня — покупаем на рынке труда.

Также банки не очень любят пользоваться публичными облаками, хотя некоторые уже движутся в этом направлении. Пока мы практически все держим на внутренних серверах, исходя из требований информационной безопасности.

Но интерес к внешним решениям уже есть?

— Аналитические облачные сервисы весьма привлекательны, они мощные и функциональные. Вместо того чтобы содержать и настраивать свое железо, поддерживать нужные версии, проще использовать готовое решение, для работы с которым достаточно интернета и экспертизы. Многие компетенции в области администрирования были бы не нужны, если бы мы могли пользоваться облачными аналитическими сервисами.

Рано или поздно многие банки придут к облачным сервисам. Скорее всего, это произойдет, когда вопрос с информационной безопасностью будет решен. Например, с использованием блокчейна или каких-то других технологий.

Топ-10 стратегических технологических тенденций в 2020 году

Цифровизация бизнеса размывает физический и виртуальный миры, преобразуя бизнес-проекты, отрасли, рынки и организации. Продолжающаяся эволюция бизнеса использует новые технологии для интеграции физического и виртуального миров, создания совершенно новых бизнес-моделей. Будущее будет определяться умными устройствами, предоставляющими всё большее проникновение цифровых услуг во все аспекты жизни. Gartner называет взаимодействие людей, устройств, контента и услуг «интеллектуальной цифровой группой» ( intelligent digital mesh ). Это обеспечивается цифровизацией бизнес-платформ, предоставляющих богатый интеллектуальный набор услуг для поддержки бизнеса.

Gartner выделяет 10 основных технологических тенденций, которые можно объединить в три группы – искусственный интеллект (ИИ), цифровизация, построение mesh -сетей (см. Рис. 1).

Рисунок 1. Top 10 Strategic Technology Trends for 2020


«Интеллектуальный тренд» исследует, как ИИ проникает практически во все существующие технологии и создает совершенно новые направления. Применение ИИ станет основным направлением для поставщиков технологий до 2022 года. Использование ИИ будет способствовать появлению всё более гибких автономных систем.

  1. Использование ИИ
  2. Интеллектуальные приложения и аналитика
  3. Интеллектуальные вещи

«Цифровой тренд» фокусируется на смешении физического и цифрового миров. В связи с тем, что поток данных, генерируемый вещами растет экспоненциально, вычислительные мощности смещаются к границам сетей для обработки этого потока информации и на центральные узлы отправляются только сводные данные. Цифровые тенденции, наряду с возможностями, предоставляемыми ИИ, являются драйверами нового этапа цифровизации бизнеса и создания экосистемы цифрового бизнеса.

  1. Цифровые модели
  2. Граничные облачные вычисления
  3. Диалоговые системы
  4. Технологии погружения (Immersive Experience)

«Тренд построения mesh-сетей» относится к использованию связей между всё увеличивающимся количеством людей и компаний, а также устройств, контента и услуг, для достижения результатов цифрового бизнеса. Ячеистая топология (mesh) требует использования новых возможностей, которые обеспечат глубокую безопасность и смогут реагировать на возникающие события в этих соединениях.

  1. Блокчейн
  2. Событийно-управляемая модель (Event-driven model)
  3. Непрерывная оценка риска и степени доверия (Continuous Adaptive Risk and Trust, CARTA)

В данном списке представлены направления развития, которые еще не получили широкого распространения, но имеют значительное отраслевое воздействие. До 2022 года технологии, связанные с этими тенденциями, достигнут достаточного уровня зрелости.

Тренд 1. Использование ИИ

Создание систем, которые обучаются, адаптируются и потенциально действуют автономно, станет основным направлением разработок, по крайней мере, до 2020 года. Возможность использования ИИ для повышения эффективности принятия решений, создания новых бизнес-моделей и экосистем приведет к выигрышу в цифровых инициативах до 2025 года. Развитие ИИ строится на многочисленных технологиях, которые развивались на протяжении многих лет. Это приводит к тому, что:

  • используются всё более продвинутые алгоритмы машинного обучения – контролируемые, неконтролируемые и алгоритмы обучения с подкреплением;
  • для машинного обучения доступны огромные массивы данных;
  • для обработки большого объема данных и сложных алгоритмов используются аппаратные средства, обеспечивающие практически безграничные вычислительные мощности.

При этом сегодняшние задачи подразумевают использование «узкого ИИ» — см. Рис. 2.

Рисунок 2. Narrow AI’s Place in the Long History of AI

«Узкий ИИ» состоит из высокоуровневых программ машинного обучения, ориентированных на решения конкретных задач (например, понимание человеческого языка или управление транспортным средством в контролируемой среде). Используемые алгоритмы оптимизированы для конкретной заданной задачи. Все имеющиеся примеры реальных реализаций или разработок ИИ являются примерами «узкого ИИ». С другой стороны, общий искусственный интеллект (General AI) использует машинное обучение для решения широкого спектра задач. Такие системы ИИ, если бы они существовали, успешно выполняли бы любую интеллектуальную задачу, которую мог бы выполнять человек, и постоянно обучались, как это делают люди. Подобные системы, вероятно, не будут созданы, но интерес к ним не утихает.

Технологии ИИ быстро развиваются. Успешное использование этих технологий требует значительных инвестиций. Недостаточное развитие науки о данных, вероятно, затруднит применение ИИ в краткосрочной перспективе. К 2020 году 30% новых проектов будут развивать ИИ совместными командами ученых и программистов.

Прикладное применение ИИ приводит к ряду интеллектуальных реализаций. К ним относятся как физические устройства (такие как роботы, автономные транспортные средства и бытовая электроника), так и приложения, и услуги (виртуальные персональные помощники и интеллектуальные консультанты). Эти реализации ИИ будут позиционироваться как новый класс явно интеллектуальных приложений и вещей. Они обеспечат встроенный интеллект в широкой спектр взаимодействующих между собой устройств, а также в существующие программные и сервисные решения. Для создания подобных систем используется сложная научная база. Это означает, что многие организации будут использовать ИИ в основном уже в готовых интеллектуальных приложениях и вещях, в том числе по принципу «модель как сервис» (models as a service, MaaS).

Тренд 2. Интеллектуальные приложения и аналитика

Компании применяют методы ИИ для создания новых категорий систем, например, виртуальные клиентские помощники, VCA, а также для улучшения традиционных приложений (таких как системы анализа производительности, системы анализа продаж и маркетинга, системы безопасности). Интеллектуальные приложения смогут трансформировать характер работы и структуру рабочего места. При изучении того, как и где возможно использовать ИИ, целесообразно сосредоточиться на трех целевых доменах:

  • Аналитика : ИИ может использоваться для создания более предиктивной или предписывающей аналитики. ИИ также используется для расширенной аналитики;
  • Процесс : ИИ может управлять более интеллектуальными действиями приложения. Например, вы можете использовать ИИ для интеллектуального сопоставления счетов или анализа документов электронной почты для улучшения качества обслуживания;
  • Пользовательский опыт : взаимодействие на человеческом языке, используемое для создания VPA, распознавание лиц или другие приложения ИИ для понимания эмоций пользователя, контекста или намерения и прогнозирования потребностей.

В течение следующих нескольких лет практически каждое приложение или сервис будут включать ИИ в каком-либо объеме. Некоторые из этих приложений станут интеллектуальными приложениями в явном виде и не могут существовать без ИИ и машинного обучения. Другие будут использовать ИИ незаметно для пользователя.

VPA, такие как Google Now, Microsoft Cortana, Apple Siri, Алиса от Яндекс, чат-боты (например, Facebook Messenger) быстро развиваются и могут работать с ИИ (например, Wit.ai). Приложения могут создавать новый интеллектуальный промежуточный уровень для взаимодействия между людьми и системами. Например, в здравоохранении online-консультанты, оснащенные ИИ, могут улучшить понимание проблемы врачами, что позволит предоставлять более персонализированные методы лечения.

Расширенная аналитика позволит больше времени уделять исследованиям

Расширенная аналитика — это стратегическая парадигма данных и аналитики нового поколения, на которую оказывает влияние ИИ – см. Рис. 3. ИИ использует машинное обучение для автоматизации процесса подготовки данных и предварительной подготовки информации. Расширенная аналитика позволит специалистам сосредоточиться на решении специализированных проблем. Пользователи будут тратить меньше времени на подготовку данных и больше времени на анализ наиболее важных идей.

Рисунок 3. Augmented Analytics for Citizen and Professional Data Scientists

Как небольшие стартапы, так и крупные компании теперь предлагают приложения с расширенными возможностями аналитики с использованием ИИ. К 2020 году расширенная аналитика станет доминирующим драйвером для систем анализа данных, и автоматизация задач в области информатики позволит непрофессиональным ученым производить больший объем расширенного анализа, чем сегодня специализированным ученым-исследователям.

Тренд 3. Интеллектуальные вещи

Интеллектуальные вещи — это системы, которые выходят за рамки жестко заданных программных моделей, и используют ИИ для расширения модели поведения, что приводит к более естественному взаимодействию с окружающей средой и людьми. ИИ способствует развитию новых интеллектуальных решений, таких, как беспилотные транспортные средства, роботы и дроны, а также предоставляет расширенные возможности для множества существующих платформ, потребительских и промышленных систем, подключенных к IoT (см. Рис. 4).

Рисунок 4. Intelligent Things Span Many Sectors

Интеллектуальные вещи являются либо полу-, либо полностью автономными. Слово «автономный», когда оно используется для описания интеллектуальных систем, необходимо интерпретировать. В понимании Gartner «автономный» означает свободу от внешнего контроля или влияния человека. Имеется в виду, что эти интеллектуальные вещи могут функционировать без надзора в течение определенного периода времени для решения поставленной задачи. Интеллектуальные вещи могут иметь различные уровни автономии, о чем свидетельствуют следующие примеры:

  • Роботы-пылесосы, которые имеют ограниченную автономность и ограниченный интеллект;
  • Дроны, которые в полете могут автономно уклоняться от препятствий;
  • Беспилотные летательные аппараты, которые могут летать в зданиях, в том числе через окна и двери.

Автономные дроны и роботы претерпят значительную техническую эволюцию, основанную на моделях и алгоритмах машинного обучения. Достижения в одной области будут доступны приложениям из других областей.

Использование беспилотных транспортных средств в контролируемых условиях (например, сельское хозяйство, добыча полезных ископаемых или складирование) является растущей областью интересов интеллектуальных вещей. В промышленных условиях транспортные средства могут быть полностью автономными. При этом к 2022 году, по оценке Gartner, будут доминировать полуавтономные сценарии, требующие участия водителя и такие автономные транспортные средства будут использоваться на дорогах в ограниченных, четко определенных контролируемых зонах (пример — использование беспилотных такси в рамках технопарка Сколково).

ИИ будет все чаще внедряться в повседневные вещи — умная бытовая техника, умные колонки, оборудование для больниц. Это явление тесно связано с появлением диалоговых платформ, расширением IoT и тенденцией к разработки цифровых моделей.

Другие рынки будут иметь аналогичный потенциал для реализации встроенного интеллекта. Например, современный цифровой стетоскоп может записывать и сохранять звуки пульса и дыхания. Сбор и хранение таких данных, связывание этих данных с диагностической и лечебной информацией, а также создание приложений, использующих ИИ, позволит врачам получать помощь в диагностировании пациентов в режиме реального времени. Однако, при реализации более сложных сценариях необходимо учитывать такие важные вопросы, как конфиденциальность пациентов и нормативные ограничения. Gartner считает, что эти не технические проблемы и сложность создания узкоспециализированных помощников замедлят внедрение ИИ в промышленных IoT и других бизнес-сценариях. Организации, которые смогут устранить эти барьеры, будут иметь значительные конкурентные преимущества.

Рой умных вещей будет работать вместе

По мере того как количество интеллектуальных систем будет разрастаться, Gartner ожидает перехода от автономных интеллектуальных вещей к рою интеллектуальных вещей. При такой реализации несколько устройств будут работать вместе, независимо от людей или с управлением одним человеком. Например, если дрон произвел осмотр полей и обнаружил, что какие-то из них готовы к уборке, он может отправить в нужное место «автономный комбайн». На логистическом рынке наиболее эффективным решением может быть использование беспилотных автомобилей для перевозки грузов до перевалочных складов. Роботы и дроны, находящиеся на борту этих беспилотных автомобилей, смогут затем произвести окончательную доставку товара покупателю. Военные проводят работы в данной области и изучают возможность использования роев дронов для нападения или защиты военных целей.

Тренд 4. Цифровые модели

Цифровая модель — это цифровое представление реальной сущности или системы – Рис. 5.

Рисунок 5. Digital Twins Are Digital Representations of Real-World Objects

Реализация цифровой модели представляет собой программный модуль, который отражает уникальный физический объект. Данные из нескольких цифровых моделей могут быть агрегированы для составного представления о нескольких реальных объектах. Понятие цифрового представления реальных объектов или систем не ново. При этом, в рамках последних разработок:

  • обеспечивается надежность моделей;
  • обеспечивается связь цифровых моделей с реальным миром, потенциально в режиме реального времени;
  • используются big data и ИИ;
  • обеспечивается возможность взаимодействия моделей и оценка сценариев «что, если».

Построение цифровых моделей в рамках проектов IoT сегодня представляет определенный интерес. Хорошо продуманные цифровые модели активов могут значительно упростить и ускорить принятие решений на предприятиях. Модели связаны с их реальными аналогами и используются для понимания состояния вещей или системы, реагирования на изменения, улучшения операций. Сначала организации будут внедрять простые цифровые модели. Они будут развивать эти модели, улучшая их способность собирать и визуализировать правильные данные, применять нужную аналитику и различные наборы правил. После 2027 года использование цифровых моделей будет применяться уже не только инженерами-технологами и учеными-исследователями.

Цифровые модели могут повысить понимание данных и улучшить принятие решений, и в конечном итоге будут помогать в разработке новых бизнес-сценариев. Их использование принесет множество преимуществ в различные сроки, в том числе:

  • Краткосрочный период: цифровые модели будут применяться в мониторинге, оптимизации и улучшении пользовательского опыта, что важно почти во всех отраслях. Переход от превентивного к предиктивному обслуживанию — это наиболее ценное использование цифровых моделей систем и механизмов. Преимущества для клиентов включают сокращение времени простоя и снижение эксплуатационных расходов.
  • Среднесрочный период: организации будут использовать цифровые модели для управления компаниями и повышения операционной эффективности. Цифровые модели будут использоваться для планирования периодов обслуживания оборудования и прогнозирования отказа, на основе полученных данных о состоянии систем, что позволит ремонтировать оборудование в нужные моменты (предиктивно), чтобы предотвратить его отказ. Организации также будут использовать цифровые модели для улучшения процесса разработки, используя их для имитации поведения новых продуктов на основе понимания цифровой модели предыдущих реализаций с учетом их стоимости, оказания воздействия на окружающую среду и производительности.
  • Долгосрочные период: цифровые модели будут способствовать развитию инноваций, путем предоставления информации о том, как использовать и улучшать продукты и услуги. Новые бизнес-модели могут сосредоточиться на упреждающих советах. Например, инженеры-автомобилестроители могут использовать цифровые модели совместно с инструментом аналитики для анализа того, как будет управляться конкретный автомобиль, чтобы предложить новые функции для снижения аварийности. Инженеры смогут также предлагать новые решения для обслуживания машины с точки зрения водителя.

Цифровые модели будут связаны с другими цифровыми объектами

Цифровые модели объединяют огромные объемы информации об отдельных активах и группах, часто обеспечивая контроль над ними. По мере развития, модели будут «общаться друг с другом», например, чтобы создать модель «цифрового завода» из множества связанных цифровых моделей отдельных цехов, сборочных линий и т.д. Цифровые модели активов будут связаны с другими цифровыми объектами для людей (цифровые персоны), процессов (правоохранительных органов) и пространств (цифровых городов). Понимание этих связей, выделение отдельных элементов, где это необходимо, и отслеживание взаимодействий будет важно для поддержки безопасной цифровой среды.

Хотя сегодня большое внимание уделяется цифровым моделям активов в области Интернета вещей, более сложные цифровые модели реального мира оказывают гораздо большее влияние. Цифровые модели построены на концепции, что виртуальные модели активов сосуществуют и связаны с реальными активами — они являются двойниками. Однако эта концепция не ограничивается активами (или вещами). Создание цифровых аналогов реальных элементов развивается по различным направлениям. Подобно цифровым моделям, эти цифровые аналоги объектов часто создаются из структур метаданных и моделей вещей, не связанными, или незначительно связанными с реальными объектами.

Тренд 5. Граничные облачные вычисления

Граничные вычисления (edge computing) описывают вычислительную топологию, в соответствии с которой сбор, обработка и доставка контента располагаются ближе к источникам и потребителям информации. Граничные вычисления основаны на концепциях mesh-сетей и распределенных вычислений. В этой концепции данные стараются обрабатывать локально, с целью сократить трафик в сети и задержку при доставке контента. По сути, понятие граничных вычислений существует уже много лет. Маятник «где обрабатывать данные» качался между централизованным подходом (например, мэйнфреймом или централизованным облаком) и более децентрализованными подходами (такими, как ПК и мобильные устройства). Проблемы со связностью и задержкой, ограничения полосы пропускания стандартных подходов построения сети, а также большая функциональность, заложенная в концепцию граничных вычислений, благоприятствуют развертыванию распределенных моделей. Пока данная топология, приложения и сетевые архитектуры не получили широкого применения. Платформы для управления системами и сетями необходимо будет расширить, включив в них особенности технологий граничных вычислений. К данным технологиям относятся прореживание, сжатие и защита данных, локальная аналитика. Edge computing решает многие насущные проблемы, такие как высокая стоимость WAN-сети и неприемлемые задержки. Топология граничных вычислений позволит в ближайшем будущем однозначно определить особенности цифрового бизнеса и ИТ-решений.

Edge Computing привносит распределенные вычисления в облачные системы

Большинство специалистов рассматривают облачные и граничные вычисления как конкурирующие подходы построения сетей. Развертывание публичных облаков рассматривается как существенная экономия, централизация точек обработки данных, в том числе с выполнением вычислений, которые более оптимально было бы выполнять на границе сети. Но это неправильное понимание обоих понятий. Облачные вычисления — это стиль вычислений, в котором гибко масштабируемые технологические возможности поставляются как услуга с использованием интернет-технологий. Облачные вычисления не требуют централизации. Граничные вычисления привносят аспекты распределенных вычислений в облачную модель. Необходимо рассматривать облачные и граничные вычисления как взаимодополняющие, а не конкурирующие концепции – Рис. 6.

Рисунок 6. Cloud and Edge Computing Are Complementary Concepts

В некоторых реализациях «облаков» уже используется подход, который распределяет функциональные возможности к границе сети (например, Microsoft Office 365 и AWS Greengrass). Gartner ожидает, что этот подход будет использоваться чаще, поскольку поставщики облачных технологий продвигаются дальше на рынок IoT, а поставщики IoT систем используют построение «облаков» для более эффективного управления своими решениями. Несмотря на то, что IoT является сильным драйвером для подхода «от облака к границе», эта тенденция также принесет пользу для мобильных устройств или стационарных PC. Вероятнее всего, появятся другие решения, подобные «Office 365».

Тренд 6. Диалоговые системы

Диалоговые системы приведут к новому большому сдвигу парадигмы в том, как люди взаимодействуют с цифровым миром. Сложность перевода намерения (определения задачи) пользователя будет перемещаться от человека к компьютеру. Система получит вопрос или команду от человека обычным языком. Система ответит человеку, выполнив функцию, предоставив контент или запрашивая дополнительные данные.

Диалоговая система обеспечивает высокоуровневую модель проектирования и механизм выполнения, в котором происходит взаимодействие человека и машины. Как предполагает термин «диалоговая», интерфейсы взаимодействия реализуются в основном на устном или письменном языке пользователя. Со временем будут добавлены и другие механизмы взаимодействия – зрение, вкус, запах, прикосновения. Использование расширенных сенсорных каналов будет поддерживать расширенные возможности, такие как обнаружение эмоций посредством анализа выражения лица или состояния здоровья человека посредством анализа запахов.

В течение следующих нескольких лет диалоговые системы, основанные на естественном (вербальном или письменном) языке, станут основной целью для взаимодействия с пользователем. Gartner прогнозирует, что к 2020 году 20% взаимодействия пользователей со смартфонами будут проходить через VPA (виртуальный личный помощник, virtual personal assistant). Исследование Gartner показало, что уже сейчас четверть пользователей смартфонов используют VPA ежедневно или еженедельно.

Диалоговые платформы наиболее узнаваемы в следующих форматах:

  • VPA, такие как Amazon Alexa, Apple Siri, Google Assistant и Microsoft Cortana;
  • VCA ( виртуальное вычислительное устройство , virtual compute appliance), такие как IPsoft’s Amelia, Watson Virtual Agent, Artificial Solutions, Interactions, Next IT и Nuance;
  • Структуры Chatbot, такие как Amazon Lex, API.AI от Google, IBM Watson Conversation и Microsoft Bot Framework.

Взаимодействие в диалоговых системах обычно неформально и двунаправленно. Взаимодействие может быть простым запросом или вопросом (например, «какая погода на улице?» или «сколько времени?») с простым ответом. В ином случае, это может быть структурированное взаимодействие, например, необходимое для бронирования столика в ресторане или номера в гостинице. По мере развития технологии возможно будет реализовывать чрезвычайно сложные запросы, что приведет к получению достаточно сложных результатов. Например, диалоговая система сможет собрать устные показания свидетелей преступления, и на основании их составит образ подозреваемого.

Рисунок 7. Conversational Platforms Include New User Experience Design Elements

Тренд 7. Технологии погружения (Immersive Experience)

В то время как диалоговые платформы меняют способ взаимодействия людей с цифровым миром, виртуальная реальность (virtual reality, VR), дополненная реальность (augmented reality, AR) и смешанная реальность (mixed reality, MR) меняют то, как люди воспринимают цифровой мир. Этот комбинированный сдвиг в моделях восприятия и взаимодействия приведет к реализации впечатляющего пользовательского интерфейса.

VR и AR — это отдельные, но связанные технологии. MR расширяет оба подхода, чтобы более надежно подключить физический мир. Визуальный аспект взаимодействия важен, но существуют также и другие модели взаимодействия, такие как сенсорная (тактильная обратная связь) и звуковая (пространственный звук). В большей степени это касается MR, в которой пользователь сможет взаимодействовать с цифровыми и реальными объектами, сохраняя при этом присутствие в физическом мире.

VR обеспечивает компьютерную 3D-среду, которая окружает пользователя и естественным образом реагирует на действия человека. Обычно это происходит с помощью шлема виртуальной реальности (head-mounted display, HMD), который занимает все поле зрения пользователя. Контроллеры распознавание жестов или миниатюрные контроллеры отслеживают положения рук и тела, позволяя использовать сенсорную обратную связь. Стационарные контроллеры обеспечивают более глубокое чувство погружения в виртуальную реальность, с возможностью организации трехмерного изображение сразу для нескольких участников.

AR — это использование в режиме реального времени информации в виде текстовых, графических, видео и других виртуальных дополнений, интегрированных с объектами реального мира. Дополненная реальность реализуется посредством использования шлема виртуальной реальности или мобильного устройства. Наложение элементов виртуального мира на фон реального мира отличает дополненную реальность (AR) от виртуальной (VR). AR стремится улучшить взаимодействие пользователей с реальной физической средой, а не отделять их от нее. Это определение также относится и к смешенной реальности (МР), которая дополнительно объединяет элементы многих видов технологий погружения.

Рынок VR и AR является молодым и разрозненным. Однако инвестиции в эту область не уменьшаются. В 2020 году было выделено 2.09 млрд. долларов США, в 2020 году планировалось увеличение на 3% до 2,16 млрд. долларов. Большая часть инвестиций предназначена для разработки базовых технологий, или для технологий, позволяющих совершить технологический скачок в данной области. В 2020 году Apple представила ARKit 15, а Google – ARCore. Эти технологические платформы виртуальной реальности предназначены для мобильных вычислительных устройств компаний, и они указывают на значительный долгосрочный интерес со стороны лидеров рынка. ARCore и ARKit, Google Cardboard и Daydream, Samsung Gear VR используют смартфон в качестве вычислительной платформы для VR и AR.

VR и AR могут повысить производительность

Интерес к технологиям высок, что приводит к многочисленным новым приложениям для виртуальной реальности. Многие из них не представляют никакой реальной ценности для бизнеса, помимо организации дополнительных развлечений, таких как видеоигры и 360-градусные сферические видеоролики. Для компаний это означает, что рынок хаотичен. AR и VR часто используются как новинка для взаимодействия с клиентами. Обычно дополненная реальность реализуется через смартфон (как у Pokémon Go). Иногда это вариант использования шлема виртуальной реальности (например, Everest VR на HTC Vive, который позволяет зрителям наслаждаться просмотром, когда они практически поднимаются на Эверест). Однако 40% организаций, использующих или использующих AR, считают, что технология превосходит их ожидания.


До 2021 года потребительский и деловой контент, а также и приложения для виртуальной реальности будут быстро развиваться. В 2020 году рынок виртуальной реальности достигнет 67,2 млн. устройств. До 2021 год технология head-mounted display (HMD) будет значительно улучшаться, но наиболее широко будет распространена технология AR на мобильных устройствах.

Дальнейшим развитием является смешанная реальность — Рис. 8. Она реализует технологию, которая оптимизирует интерфейс, более соответствующий тому, как люди взаимодействуют со своим миром. MR использует шлемы виртуальной реальности, смарфоны и планшеты, умные зеркала, системы отображения информации на лобовом стекле автомобиля и проекторы. Смешанная реальность выходит за рамки использования только визуальной информации, в ней также используются звуковые, тактильные и другие сенсорные каналы ввода/вывода. MR также включает в себя маяки и датчики, встроенные в среду вокруг пользователя.

Рисунок 8. The Future of the User Experience (UX)

Интеграция VR и AR с различными системами (мобильными, носимыми, IoT, множеством датчиков, диалоговыми платформами) расширит возможности приложений. Помещения и окружающее пространство станут взаимодействовать с вещами, и работать вместе с виртуальными мирами. Представьте себе склад, который может не только определять присутствие рабочих, но также помогать им понять состояние обслуживаемого оборудования и визуально показывать детали, требующие замены. При этом, хотя потенциал VR и AR впечатляет, для широкого внедрения и использования предстоит еще решить много сложных задач.

Тренд 8. Блокчейн

Блокчейн развился из цифровой валютной инфраструктуры в платформу для цифровой трансформации. Блокчейн и другие технологии с распределенной базой данных обеспечивают доверие к ненадежным средам, устраняя необходимость в едином центре аутентификации. В этом исследовании Gartner используется термин «блокчейн» как общий термин для всех технологий с распределенной базой данных. Технологии блокчейн предлагают радикальный отход от текущих централизованных транзакций и механизмов учета.

По своей сути, блокчейн является общей, распределенной, децентрализованной и токенизированной базой данных. Блокчейн — мощный инструмент для цифрового бизнеса и обеспечивает:

  • Устранение сложностей взаимодействия в бизнесе и технике;
  • Возможность создания собственного актива и его распространение;
  • Создание управляемую доверительную модель .
Мастер Йода рекомендует:  JavaScript vs TypeScript что в каких случаях лучше использовать

Рисунок 9. Key Elements of Blockchain

Блокчейн набирает популярность, поскольку он предлагает возможности преобразования операционной модели отрасли. Финансирование проектов блокчейн продолжает расти, и одной из интересных разработок является использование первичного размещения (initial coin offerings, ICO) в качестве источника финансирования. Повышенный интерес к блокчейну первоначально находился в финансовой отрасли. Но блокчейн имеет много потенциальных реализаций помимо финансовых услуг, включая государственные приложения, здравоохранение, производство, логистику, распространение контента, проверку подлинности и патентное право.

Критическим аспектом технологии блокчейн является нерегулируемое государством создание и перевод денежных средств, примером которых является биткоин. Эта возможность финансирует большую часть развития блокчейна, но в связи с этим беспокоит государственных регуляторов и правительство. Дискуссии о разрешенных, не разрешенных, гибридных и частных экосистемах и управлении этими системами приведут к более надежному анализу распределенных баз данных. Рабочие решения появятся в 2021 году по мере завершения этого анализа.

Блокчейн потенциально предлагает значительные долгосрочные преимущества, несмотря на имеющиеся проблемы

К основным потенциальным преимуществам блокчейна относятся:

  • Улучшенный денежный поток
  • Снижение транзакционных издержек
  • Сокращение расчетного времени
  • Происхождение активов
  • Создание собственного актива
  • Новые модели доверия

Использование открытого блокчейна может устранить необходимость использования доверенных центров аутентификации в записях транзакций и арбитражных спорах. Это связано с тем, что доверие встроено в модель через неизменные записи в распределенной базе данных. Потенциал этой технологии для радикального преобразования экономических взаимодействий должен поднять ряд важных вопросов для общества, правительств и компаний. Пока нет четких ответов на эти вопросы.

Блокчейн сталкивается с другими важными вопросами, которые не позволят реализовать надежные масштабируемые решения в срок до 2022 года. Технологии и концепции блокчейн являются незрелыми, плохо понятными и недоказанными в критически важных бизнес-операциях.

Тренд 9. Событийно-управляемая модель (Event-Driven Model)

Бизнес всегда ощущает и готов использовать новые аспекты цифровых технологий. Это центральное место в цифровизации бизнеса. Бизнес-события отражают начало определенных состояний или изменения состояний. Некоторые бизнес-события или комбинации событий представляют собой бизнес-моменты — выявленные ситуации, которые требуют определенных бизнес-действий. Наиболее важные бизнес-моменты имеют последствия для нескольких сторон (например, отдельные приложения, бизнес-направления или партнеры).

Более крупные бизнес-события можно обнаружить быстрее и проанализировать более подробно, используя брокеры событий, IoT, облачные вычисления, блокчейн, управление данными в памяти и ИИ. Но технология сама по себе не может обеспечить полную ценность событийно-управляемой модели. Для этого требуется внесение изменений в культуру и лидерство: ИТ-руководители, планировщики и архитекторы должны использовать «событийное мышление». К 2020 году для 80% цифровых бизнес-решений потребуется ситуационная осведомленность о событиях в реальном времени. И 80% новых бизнес-экосистем потребуется поддержка для обработки событий.

Событийно-управляемая архитектура оптимизирована для гибкости, отказоустойчивости, расширяемости, более низкой стоимости изменений, открытого дизайна. Для достижения целей пользователями в диалоговых платформах необходимо обеспечить динамический подход, основанный на событиях. Пользовательский интерфейс с диалоговыми платформами становится более интеллектуальным, реагируя на динамический и изменяющийся контекст пользователя и интегрируя различные системные элементы. Потоки данных из систем IoT представляют собой потоки событий. Принятие решений в режиме реального времени и ситуационная осведомленность требуют постоянного мониторинга и оценки событий.

События станут более важными в интеллектуальной цифровой mesh-сети

Модели проектирования приложений, управляемые запросами и событиями, являются взаимодополняющими – Рис. 10. Обе модели являются полезными, в зависимости от выполняемого бизнес-процесса. Модель, управляемая запросами, с ее командным и структурированным подходом обеспечивает большую уверенность и контроль взаимодействия между службами. Эта модель относительно жесткая, с ограниченным параллелизмом и созданием зависимостей. Подход, основанный на событиях, более гибкий, поддерживающий потоки событий и масштабирование в реальном времени. Но для этого требуется введение промежуточного уровня, брокера событий (event broker). Разработчики процессов, архитекторы и программисты должны рассматривать оба подхода как равные. Событийно-управляемая модель постепенно станет предпочтительным подходом из-за её гибкости.

Рисунок 10. Event-Driven and Request-Driven Application Design Models Are Complementary

Тренд 10. Непрерывная оценка риска и степени доверия (Continuous Adaptive Risk and Trust, CARTA)

Интеллектуальная цифровая mesh-сеть и связанные с ней цифровые технологические платформы и архитектура приложений создают все более сложный мир для построения систем обеспечения безопасности. Продолжающаяся эволюция «индустрии взлома» и использование в ней всё более сложных инструментов, включая те же самые передовые технологии, которые доступны для «добросовестных» компаний, значительно повышают потенциал угрозы. Надеяться на защиту периметра на основе статических правил уже некорректно и несовременно. Это особенно важно, поскольку организации всё чаще используют мобильные устройства, облачные сервисы и открытые API в процессе создания бизнес-экосистем для клиентов и партнеров. ИТ-руководители должны сосредоточиться на обнаружении угроз и реагировании на них, а также использовать традиционные меры, такие как блокировка, для предотвращения атак и других злоупотреблений. В то же время для цифрового бизнеса потребуется более совершенная защита доступа, когда системы и информация находятся в цифровой mesh-сети. Руководители по вопросам безопасности и управления рисками должны применять стратегический подход, основанный на непрерывной оценке риска и степени доверия (continuous adaptive risk and trust assessment, CARTA). Это жизненно важно для безопасного доступа к цифровым бизнес-инициативам в мире продвинутых таргетированных атак и позволит принимать решения в режиме реального времени, основанного на оценке риска и использовании доверительной модели.

Необходимо устранять барьеры между командами безопасности и разработчиков приложений

В рамках подхода CARTA организации должны устранять барьеры между командами разработчиков и безопасности. Аналогией данной ситуации является то, как инструменты и процессы DevOps преодолевают разрыв между разработкой и эксплуатацией. Команды безопасности не могут позволить себе дожидаться окончания процесса сборки и выпуска приложения для проведения подробного сканирования на наличие уязвимостей. Требования безопасности должны быть четко обозначены и легко интегрированы в процессы разработчиков, а не наоборот. Архитекторы информационной безопасности совместно с DevOps должны интегрировать процедуру тестирования в необходимые точки рабочих процессов. Организация работ должна быть прозрачной для разработчиков, обеспечивать совместную работу и гибкость среды разработки. Это приведет к созданию DevSecOps модели, показанной на Рис. 11.

Рисунок 11. The DevSecOps Model

Все платформы информационной безопасности должны предоставлять полную функциональность через API. Таким образом, процессы могут быть интегрированы в процесс DevOps и автоматизированы в предпочтительную инструментальную цепочку разработчика.

Выводы

Искусственный интеллект (ИИ) обеспечивает ценность для каждой отрасли, позволяя создавать новые бизнес-модели, поддерживая основные направления, такие как взаимодействие с клиентами, цифровое производство, умные города, беспилотные автомобили, управление рисками, компьютерное зрение и распознавание речи.

Поскольку люди, места, процессы и «вещи» становятся все более цифровыми, они будут представлены цифровыми моделями. Это обеспечит благодатную почву для новых событийно-управляемых бизнес-процессов, а также бизнес-моделей и цифровых экосистем.

Способ взаимодействия с цифровыми технологиями будет претерпевать радикальные преобразования в течение следующих пяти – десяти лет. Диалоговые платформы, дополненная реальность, виртуальная реальность и смешанная реальность обеспечат более естественное и захватывающее взаимодействие с цифровым миром.

Цифровой бизнес событийно-ориентирован, что означает, что он должен постоянно адаптироваться к новым вызовам. То же самое относится и к инфраструктуре безопасности и оценке рисков, которые ее поддерживают.

ТОП-5 трендов цифровых технологий в 2020 году

Цифровизация – главный тренд современного экономического и социального развития во всем мире. Инновационные разработки в таких областях, как облачные вычисления, Интернет вещей (IoT), Edge computing (периферийные вычисления) и дополненная реальность (AR) кардинально меняют сферу бизнеса и жизнь обычных людей. Какие же технологии станут мейнстримом в 2020 году?

Согласно исследованию консалтинговой компании Accenture, в течение следующего десятилетия цифровая трансформация откроет рынок объемом $100 трлн. И разделить это пирог смогут только те компании, которые быстро адаптируются к реальности и перейдут к новым бизнес-моделям с активным использованием прорывных технологий.

С другой стороны, современные потребители динамичны, активны и очень требовательны. Большинство пользуется онлайн-сервисами, новыми устройствами, благами социальных сетей и электронной коммерции. Статистика показывает, что 72% аудитории Instagram и почти 5000 пользователей Pinterest приобретают товары в интернет-магазинах.

Поэтому цифровая трансформация – это даже больше о людях, а не технологиях. Сегодня недостаточно создать собственный сайт и приложения, подключиться к соцсетям и вкладывать средства в инновационные разработки. Успех компаниям может принести только полное преобразование организационной структуры, стратегии развития, товаров и услуг, направленных на вовлечение потребителей и удовлетворение их потребностей.

Не существует универсального пути к цифровой трансформации. Однако такие направления, как 5G, искусственный интеллект (AI), расширенная аналитика данных, RPA и блокчейн, могут стать отправной точкой в 2020 году.

Следующий год, похоже, станет годом 5G. Над реализацией проектов с использованием усовершенствованной мобильной технологии работают ведущие компании в сфере телекоммуникаций, включая Verizon, Nokia, Ericsson, Samsung, Qualcomm и AT & T.

5G – это не только более быстрый и качественный доступ к интернету и мобильным сетям. Технология активно выходит широкий потребительский рынок, ускоряя развитие умных городов, автономного транспорта, интеллектуальных производств, IoT и других отраслей, затрагивающих нашу повседневную жизнь.

Робототехника и искусственный интеллект

Это, пожалуй, самая спорная тема на сегодняшний день. С одной стороны, интеллектуальные машины незаменимы для решения сложных задач, без них невозможно развитие медицины, промышленности, ИТ-сектора и других важных отраслей. С другой стороны, широкое внедрение умных технологий может привести к безработице и другим серьезным проблемам. Некоторые ученые даже считают, что ИИ может «угрожать существованию человеческой расы». Несмотря на это, искусственный интеллект выходит из области фантастики и становится движущей силой в развитии мировой экономики.

Инвестиции в ИИ и машинное обучение

Вероятней всего, компаниям, которые в следующем году не будут вкладывать средства в аналитические инструменты, будет сложно заниматься любым видом бизнеса. Для принятия эффективных решений необходимо ежедневно обрабатывать большие объемы данных, что невозможно без использования искусственного интеллекта и машинного обучения.

Инвестиции в эти технологии позволят легко ориентироваться в огромном, постоянно меняющемся информационном пространстве и использовать его с пользой для своего бизнеса. Основными преимуществами ИИ и машинного обучения являются скорость, удобство и масштабируемость. Продвинутые алгоритмы, которые легко масштабируются в облаке, дают возможность анализировать сложные массивы данных за считанные секунды без участия людей.

Блокчейн вне криптовалют

Хотя блокчейн был изобретен Сатоши Накамото как основа для цифровых валют, уже сегодня мы видим массу успешных примеров его использования в самых разных областях. С большой вероятностью в 2020 году начнется стремительный подъем блокчейна, а решения на основе технологии докажут свою эффективность в здравоохранении и финансовой системе, управлении активами и недвижимости, в сфере интеллектуальной собственности, отслеживания поставок пищевых продуктов и товаров.

RPA – новое увлечение

Robotic process automation – технология, позволяющая создавать программное обеспечение для эмуляции человеческих действий. «Роботы» RPA, подключенные к графическому пользовательскому интерфейсу приложения (GUI), способны собирать данные, самостоятельно разрабатывать и выполнять список действий, обеспечивая автоматизацию бизнес-процессов.

Хотя технология не нова, многие компании, такие как Cisco, начинают использовать программных роботов для управления оборудованием и документооборотом, обработки данных и других операций, требующих больших трудозатрат. Ожидается, 2020 год станет крупнейшим инвестиционным ралли для RPA.

Технологии

Технологии

Тотальная слежка и фейки: каким будет ИИ будущего

Тренды и прогнозы в сфере искусственного интеллекта на 2020 год

Роботы и искусственный интеллект постепенно перестают быть атрибутами далекого будущего и все глубже проникают во все сферы современной жизни, уже сейчас влияя на многие, кажущиеся естественными, процессы. «Газета.Ru» собрала мнения экспертов отрасли, чтобы выяснить, что ждет нейросети и ИИ в ближайший год.

Больше требований, больше ответственности

Если 2020 год был годом пробуждения, то 2020 год станет годом действий, считает Кэти Бакстер, архитектор этического ИИ компании Salesforce. Речь идет о том, что многие пользователи уже озабочены тем, как используется их личная информация в социальных сетях, например, Facebook, а правозащитники требуют от техкомпаний большей прозрачности в сфере сбора и анализа данных.

Кроме того, нейросети часто выступают в качестве модераторов контента, порой удаляя даже безобидные публикации, что приводит к нарушению прав человека.

В прошлом году в Кремниевой долине произошло несколько громких историй, связанных с нежеланием сотрудников крупных IT-компаний создавать искусственный интеллект, который впоследствии будет использоваться полицией или армией, а значит может косвенно стать причиной ареста или даже смерти. Бакстер полагает, что в этом году работники, создающие ИИ, будут все чаще требовать от руководства объяснений касательно сферы применения своего изобретения и отказываться от разработок, если они будут влиять на мир в негативном ключе.

«Компаниям придется идти на сделку с совестью — вне зависимости от того, покупают они ИИ или его создают — и уверять себя, что все системы работают по справедливости, чтобы избежать заголовков о том, как искусственный интеллект вышел из-под контроля», — считает эксперт.

Расцвет фейков

В 2020 году слово «фейк» фигурировало на страницах прессы практически постоянно — речь шла то о пропагандистских публикациях, предназначенных для введения людей в заблуждение, то о недостоверных новостях, то «отфотошопленных» фотографиях. В этом же году мир всерьез озаботился развитием deep fakes — технологии, которая с помощью искусственного интеллекта может создавать фейковые ролики, практически неотличимые от настоящих, что выводит дезинформацию в интернете на новый качественный уровень.

Deep fakes не зря назвали «фотошопом для видео, только на стероидах». Если сейчас люди в основном развлекаются, используя эту технологию для того, чтобы создавать порноролики «с участием» любимых голливудских звезд, то в будущем эти ролики будут монтироваться для влияния на международную ситуацию.

Фейковое видео, на котором один глава государства нелестно отзывается о другом, запущенное в интернет, мгновенно превратится в информационное оружие, способное даже развязать войну.

В 2020 году сложнее будет отличить реальность от вымысла: нас ждет наплыв не только фальшивых текстов, но и изображения, видео со сценами и аудиозаписи разговоров, которые на самом деле никогда не происходили, подтверждает генеральный директор ABBYY Россия Дмитрий Шушкин. При этом выявить подделку самостоятельно будет уже невозможно, так как для этого потребуются интеллектуальные алгоритмы.

Правда вскроется

Тенденция отслеживать передвижения пользователя, его предпочтения в социальных сетях, а также запросы в поисковых системах, чтобы эффективнее продавать ему рекламу, явно сохранится на ближайшие годы.

«Еще Джордж Оруэлл поселил в нас страх при перед мыслью о тотальной слежке, когда каждый наш шаг фиксируется и анализируется. Однако, изучив последние тенденции в применении искусственного интеллекта, можно с уверенностью заявить: Большой Брат существует — и он работает на Уолл-стрит. В оруэлловской антиутопии система слежения использовалась тоталитарным государством для насаждения идеологии, а в реальности следить за нами хотят корпорации — чтобы успешнее продавать товары и рекламу», — рассказал аналитик компании Zichain Арсений Бессмертных.

Речь идет о так называемых «альтернативных данных» — массивах самой разнообразной информации, обработать которые под силу лишь ИИ. Вопрос о том, нарушает ли это права граждан на неприкосновенность частной жизни, остается открытым.

Индустрия «альтернативных данных» стремительно развивается — по оценкам Greenwich Associates, на приобретение такой информации компании потратят в этом году 300 млн долларов.

Не получится избежать всевидящего ока искусственного интеллекта и компаниям-эмитентам. Так, в Apple этой осенью объявили о том,что больше не будут раскрывать ежеквартальные результаты продаж iPhone. Но удастся ли сохранить эту информацию в тайне, если данные о продажах можно получить, проанализировав массив данных об активациях новых смартфонов? Или, например, отследив количество посетителей в каждом Apple Store на планете? С развитием искусственного интеллекта и ростом популярности «альтернативных данных», все тайное вскоре станет явным.

Всевидящее око


Технологии машинного зрения переживают бум своего развития. Они уже могут контролировать качество готовых деталей двигателя, считать количество леденцов в пачке на кондитерской фабрике или людей на стадионе, находить на медицинском снимке опухоли, рассказывает Дмитрий Шушкин.

Благодаря развитию 3D, машинное зрение уже начали успешно тестировать и в беспилотном транспорте: квадрокоптерах, грузовиках и комбайнах. В то же время, полностью полагаться на визуальный канал машины не могут.

«Например, в снегопад на дорожном полотне не видно разметки, а пока никто не придумал двойную сплошную, которая автоматически растапливает снег. По этой причине в 2020 не стоит ждать массового распространения беспилотных автомобилей – хотя, безусловно, такие машины научатся лучше определять скорость, угол и траекторию движения животных, людей и других автомобилей», — считает эксперт.

Машинное зрение скоро станет привычным и для рядового потребителя. Вы уже используете эти технологии в банке, когда наводите камеру смартфона на документ и оплачиваете счет за квартиру, покупаете билет на поезд или регистрируетесь в каршеринге, показав в приложении свой паспорт или водительское удостоверение. А совсем скоро любой сможет с помощью телефона распознавать здания по их внешнему виду, определять автора картины или бренд рубашки, а затем находить похожие вещи в магазине – вплоть до конкретного фасона и материалов.

ИИ на страже безопасности

Искусственный интеллект уже стал «мейнстримом», присутствуя в «умных» колонках, системе распознавания лиц и других массовых продуктах. Куда менее присутствие ИИ заметно в таких сферах, как логистика, здравоохранения и, что наиболее важно, в информационной безопасности.

Тем не менее, в современной ситуации, если в стратегии по кибербезопасности никак не участвует ИИ, то вероятность хакерского взлома повышается в несколько раз, считает главный технический директор Sophos Джо Леви.

«Если ваша система защищена при помощи искусственного интеллекта, то хакерам останется либо искать более легкую цель, либо разрабатывать более сложные и дорогостоящие инструменты взлома, так что гонка кибервооружений продолжится», — отмечает эксперт.

Вопрос доверия

Искусственный интеллект стал частью нашей повседневности, и с этим уже ничего не поделать. Мы с удовольствием путешествуем самолетами, которые уже давно управляются автопилотом, общаемся с голосовыми помощниками или обновляем плейлист с помощью рекомендательных алгоритмов музыкальных сервисов.

Однако, масштабных проектов в этой сфере по-прежнему мало. Нет правовых стандартов, которые бы регулировали отрасль.

Но самое главное — нет доверия со стороны человека, рассказывает глава представительства Riverbed Technology в России и СНГ Александр Стулов.

«Нам психологически тяжело согласиться передать машинам контроль над сферами жизни, которые всегда зависели только от нашей воли. Еще больше нас пугает перспектива оказаться слабее собственного изобретения — в перспективе ближайших лет аналитики, начиная с Gartner и заканчивая Всемирным банком, пророчат человечеству массовую безработицу по вине повсеместной автоматизации», — заявил эксперт.

Например, среди профессий из «зоны риска» есть водители такси, общественного и грузового транспорта. Однако, несмотря на шумиху вокруг беспилотного транспорта и старания компаний-визионеров, в ближайшие годы мы не увидим массового внедрения этой технологии — PwC прогнозирует появление беспилотного общественного транспорта в крупных городах только к 2040 г.

13 трендов использования ИИ в 2020 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 2020 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 2020 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 2020 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 2020 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 2020 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 2020 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?

2020 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 2020 году.

В прошлом году инвесторы по всему миру закачали в ИИ более 15.2 миллиарда долларов в различных отраслях. По сравнению с 2020 годом это был рост в 141%.

С 2020 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.

Добавить комментарий