17 ноября 2020 г.

Искусственный интеллект и машинное обучение были горячей темой в 2020 году — эти технологии находят себе применение везде от квантовых компьютеров и медицинских систем диагностики до бытовой электроники и «умных» персональных помощников.

По прогнозу IDC, мировой доход от ИИ-оборудования, ПО и услуг в текущем году достигнет 156,5 млрд долл., увеличившись на 12,3% с 2019 года.

Однако есть риск за деревьями не видеть леса, когда речь идет о трендах развития и использования ИИ и машинного обучения. CRN/США предлагает свой взгляд на пять ключевых тенденций в этой области — не только в плане новых применений, но и подходов к разработке и использованию.

Растущая роль в гиперавтоматизации

Гиперавтоматизация — мегатренд в ИТ, на который указывает Gartner, — означает, что всё, что можно автоматизировать, будет автоматизировано. Например, унаследованные бизнес-процессы. Пандемия ускорила реализацию этой концепции, называемой также цифровой, или интеллектуальной, автоматизацией процессов.

Ключевыми компонентами и главными драйверами гиперавтоматизации служат ИИ и машинное обучение (ML), наряду с роботизированной автоматизацией процессов (RPA). Чтобы быть успешными, проекты гиперавтоматизации не могут полагаться на негибкие пакеты ПО: автоматизированные бизнес-процессы должны уметь адаптироваться к меняющимся обстоятельствам и реагировать на непредвиденные ситуации.

Именно здесь на помощь приходят ИИ, ML-модели и «глубокое обучение», использующие алгоритмы «тренировки», а также данные, генерируемые автоматизированной системой, чтобы всё успешнее автоматически реагировать на меняющиеся бизнес-процессы и требования. (Глубокое обучение это подмножество ML, использующее алгоритмы нейронной сети для тренировки на больших объемах данных.)

Инженерия ИИ как стратегия разработки

Согласно исследованию Gartner, лишь около 53% проектов ИИ успешно проходят путь от прототипа до реализации. Стремясь внедрить только что разработанные системы ИИ и модели машинного обучения, многие организации сталкиваются с проблемами удобства обслуживания, масштабируемости и управления, и такие проекты часто не приносят ожидаемой отдачи.

Организации приходят к пониманию, что нужна четкая стратегия инженерии ИИ, которая позволит улучшить «рабочие параметры, масштабируемость, интерпретируемость и надежность ИИ-моделей», обеспечив «полную отдачу на инвестиции в ИИ», указывает Gartner в своем перечне главных стратегических трендов в ИТ в 2021 году.

Необходим четко выстроенный процесс инженерии ИИ, который включает в себя элементы DataOps, ModelOps и DevOps, так что разработка ИИ становится частью всего процесса DevOps, а не набором изолированных специализированных проектов, указывает Gartner.

Растущее использование в кибербезопасности

Технологии ИИ и машинного обучения находят всё более широкое применение в системах кибербезопасности, не только корпоративных, но и потребительских.

Разработчики этих систем находятся в вечной гонке, неустанно обновляя и совершенствуя их в стремлении поспеть за постоянно меняющимся ландшафтом киберугроз: вредоносного ПО, вирусов-вымогателей, DDoS-атак и т. д. Технологии ИИ и машинного обучения могут помочь в выявлении угроз, в том числе новых модификаций уже известных.

ИИ-инструменты кибербезопасности могут собирать данные из внутренних систем обработки транзакций, коммуникационных сетей, данные цифровой активности и веб-сайтов, а также из внешних общедоступных источников и использовать алгоритмы ИИ для распознавания паттернов и выявления опасной активности — обнаружения подозрительных IP-адресов и возможной кражи данных.

В потребительском сегменте применение ИИ сводится главным образом к использованию в домашних охранных системах, интегрированных с камерами видеонаблюдения и системами охранной сигнализации с голосовым помощником, указывает IHS Markit. Но использование ИИ будет расширяться с перспективой создания умного дома, где система изучает привычки и предпочтения обитателей, что позволит ей более надежно выявлять злоумышленников, пишет IHS.

Перекрытие ИИ/ML с IoT

В последние годы Интернет вещей представляет собой быстро растущий рынок, и Transforma Insights дает прогноз, что к 2030 году мировой рынок IoT вырастет до 24,1 миллиарда устройств, приносящих 1,5 трлн долл. дохода.

Развитие IoT всё более переплетено с использованием ИИ и машинного обучения. Эти технологии, а также глубокое обучение уже помогают IoT-устройствам и сервисам становиться умнее и защищеннее. Но преимущества здесь обоюдны: ИИ и ML работают тем успешнее, чем больше объемы используемых ими данных — и именно это готовы предоставить сети IoT-датчиков и устройств.

В промышленных условиях сети IoT, охватывающие целый завод, могут собирать технологические и эксплуатационные данные, которые затем анализируются системами ИИ, позволяя повысить производительность и эффективность производственного оборудования и прогнозировать необходимость техобслуживания.

Эта концепция уже получила название «искусственный интеллект вещей» (AIoT) и может кардинально изменить подход к промышленной автоматизации.

Этические аспекты ИИ

Еще в середине года, когда протесты против расовой несправедливости в США достигли пика, Microsoft, IBM и Amazon объявили, что ограничат использование своей ИИ-технологии распознавания лиц полицией, пока не будут приняты федеральные законы, регулирующие использование этой технологии, писала Washington Post.

Это привлекло повышенное внимание к этическим аспектам всё более широкого использования технологий ИИ. Достаточно указать на использование искусственного интеллекта для кибератак и дезинформации с помощью технологии «deepfake». Но есть и не столь однозначные области: например, использование ИИ правоохранительными органами для видеонаблюдения, а также коммерческими организациями для целей маркетинга и взаимодействия с клиентами.

И это не говоря о более глубоких аспектах возможного применения ИИ в системах, которые смогут полностью заменить человека.

В своей статье от декабря 2019 года Forbes пишет, что первый шаг — это задать необходимые вопросы, и он уже делается. Некоторые области применения могут потребовать федерального регулирования и законодательства — например, использование технологии ИИ правоохранительными органами.

В сфере бизнеса Gartner рекомендует создавать независимые советы по этике ИИ, чтобы не допустить ошибки, которые могут поставить под угрозу бренд компании, повлечь меры регулирования со стороны государства, а то и вовсе «привести к бойкоту и краху бизнеса». Такой совет, в который входят представители клиентов, сможет дать рекомендации касательно возможных последствий проектов разработки ИИ, повысив их прозрачность и подотчетность.

По материалам crn.com

© 2020. The Channel Company LLC. Initially published on CRN.com, a The Channel Company website, at https://www.crn.com. Reprinted with permission.

Источник: Рик Уайтинг, CRN/США