11 11Прогнози на 2021 від спеціалістів зі штучного інтелекту
У 2020 вам точно траплялись новини, інформприводами для яких були нові прориви штучного інтелекту. Фешн-індустрія, логістика, медицина, економіка, безпека уже більшою чи меншою мірою підсіли на його алґоритми. Зрештою, штучний інтелект навіть згенерував нових покемонів, винайшов рецепт пива і навіть постібався з Марка Цукерберґа.
Динаміка, з якою він розвивається дає привід розвинути власну уяву до небачених масштабів. Тому, давайте зануримось і подивимося, що, на думку професіоналів, відбудеться із штучним інтелектом після 2020 року.
Макс Версаче, СЕО та співзасновник компанії Neurala:
Ми побачимо, що ШІ буде розгорнуто у формі недорогого та легкого обладнання. Не секрет, що 2020 рік був бурхливим, а економічні перспективи такі, що капіталомісткі, складні рішення поступляться місцем для легших, часто лише програмних і менш дорогих рішень. Це дозволить виробникам реалізувати рентабельність інвестицій у короткостроковій перспективі без значних попередніх інвестицій.
Це також дасть їм гнучкість, необхідну для реагування на коливання ланцюга постачання та вимог споживачів — те, що, як ми бачили, розгортається в більших масштабах протягом пандемії.
Люди звернуть свою увагу на те, чому ШІ ухвалює саме такі рішення, які ухвалює. Коли ми думаємо про пояснюваність ШІ, про це часто говорять у контексті упередженості та інших етичних викликів. Але коли ШІ стає зрілим, повноцінним, стає більш точним, надійним і знаходить більше застосувань у реальних сценаріях, ми побачимо, як люди починають сумніватися в цього. Причина? Довіра.
Люди неохоче довіряють автоматичним системам, яких не до кінця розуміють. Наприклад, у виробничих налаштуваннях ШІ потрібно буде не лише бути точним, але й «пояснити», чому продукт класифікували як «нормальний» або «дефектний», щоб люди-оператори могли розвинути довіру до системи та «дозволити їй робити свою справу».
Джо Петро, Технічний директор компанії Nuance Communications:
У 2021 році ми надалі спостерігатимемо, як ШІ виходить за свої горизонти, тому рішення ШІ все частіше повинні бути підкріплені очевидним прогресом та вимірюваними результатами. Ми побачимо, як організації переходять до більшої зосередженості на вирішенні конкретних проблем та створенні рішень, які забезпечують реальні результати, що перетворюються на відчутну рентабельність інвестицій, а не на хитрощі чи будівельні технології заради технологій.
Ті компанії, які глибоко розуміють складність та проблеми, які прагнуть вирішити їхні клієнти, збережуть перевагу на місцях, і це вплине не тільки на те, як технологічні компанії інвестують у свої науково-дослідні роботи, але і на те, як технології підходять до своїх кар’єрних шляхів та занять.
Оскільки ШІ пронизує майже всі аспекти технології, буде посилений акцент на етиці та глибокому розумінні наслідків ШІ у виробленні “ненавмисних упереджень”. Споживачі стануть більш обізнаними про свій цифровий слід, а також про те, як їхні персональні дані використовуються в системах, галузях та брендах, з якими вони взаємодіють, а це означає, що компанії, що співпрацюють з постачальниками AI, збільшать строгість і контроль за тим, як використовуються дані їхніх клієнтів, незалежно від того, монетизуються воно третіми сторонами чи ні.
Араш Рахнама, керівник прикладних досліджень штучного інтелекту в компанії Modzy:
Подібно до того, як швидко розвивається штучний інтелект, так само збільшуються можливості його противників, щоб обдурити алґоритми ШІ, аби ті зробили неправильні прогнози.
Ці атаки становлять великий ризик для успішного розгортання моделей ШІ в критично важливих середовищах. Із стрімким розвитком ШІ у 2021 році відбудеться серйозний інцидент із безпекою ШІ — якщо тільки організації не почнуть застосовувати активні заходи захисту від атак у своїй позиції безпеки ШІ.
2021 рік стане роком пояснень та своєрідного лікнепу. Оскільки наша організація інтеґрує ШІ, пояснення стануть основною частиною Машинного Навчання (МН), аби встановити довіру користувачів. Розуміння того, як алґоритми вивчають причини процесів на противагу “реальному” аналізу, допоможе побудувати довіру між людьми та моделями.
Без розуміння результатів та процесів ухвалення рішень ніколи не буде справжньої впевненості у втіленні ШІ. Пояснюваність буде критично важливою для переходу до наступного етапу прийняття ШІ.
Поєднання пояснюваності та нових підходів до навчання, спочатку розроблених для боротьби із суперницькими атаками, призведе до революції у цій галузі. Пояснюваність може допомогти зрозуміти, які дані вплинули на прогнозування моделі та як зрозуміти упередженість — це та інформація, яка потім може бути використана для підготовки безпечних моделей, які є більш надійними та загартованими проти атак. Тактичне знання того, як модель працює, допоможе створити кращу якість алґоритмів та збільшити рівень безпеки.
Кім Даффі, продукт-менеджер компанії Vicon:
Формування прогнозів щодо штучного інтелекту та машинного навчання особливо важко зробити, дивлячись у майбутнє лише на рік. Наприклад, у клінічному аналізі ходи, який розглядає рух нижніх кінцівок пацієнта, щоб визначити основні проблеми, які спричиняють труднощі при ходьбі та бігу, такі методики, як ШІ та МН, є на початковій стадії досліджень.
Щоб використати ці методології та побачити їхні переваги та досягнення, знадобиться кілька років. Ефективний ШІ та MН вимагає великої кількості даних для ефективної підготовки тенденцій та ідентифікації шаблонів за допомогою відповідних алґоритмів.
Однак у 2021 році ми можемо побачити більше клініцистів, біомеханіків та дослідників, які застосовують ці підходи під час аналізу даних. Протягом останніх кількох років збільшилась кількість статей, що представляють роботу зі штучним інтелектом та MН.
Я вірю, що це продовжиться і в 2021 року, при цьому поглибиться співпраця між клінічними та дослідницькими групами для розробки алґоритмів машинного навчання, які полегшують автоматичну інтерпретацію даних. Зрештою, ці алґоритми можуть допомогти швидше втілити зміни в медичних підходах. Навряд чи ми побачимо справжні переваги та наслідки машинного навчання в 2021 році. Натомість ми побачимо більше прийняття та врахування цього підходу при обробці даних.
Популярне
Популярне
