Открыть список
Как стать автором
Обновить
343,12
Рейтинг
Инфосистемы Джет
Системный интегратор

Прогнозы на 2020-й в сфере ИИ, машинного обучения и роботизированной автоматизации

Блог компании Инфосистемы ДжетМашинное обучениеDevOpsОблачные сервисы
Перевод
Автор оригинала: Chris Preimesberger

В конце каждого года сетевое издание eWEEK публикует мнения лидеров идей в IT относительно их ожиданий от наступающего года: о новых продуктах, инновационных сервисах, тенденциях и т.д. Предлагаем вашему вниманию перевод материала, посвящённого уже наступившему 2020-му. И да, мы помним, что уже март, но эти прогнозы ещё актуальны.

Dongyan Wang, вице-президент по ИИ-трансформации в Landing AI


Внедрение ИИ в непотребительском секторе интернет-индустрии ещё находится на ранней стадии. Многие проекты застряли на уровне пилотов из-за трудностей, варьирующихся от нехватки данных до отсутствия знаний по управлению сложными процессами машинного обучения. В 2020-м мы станем свидетелями развития сквозных, вертикализированных ИИ-платформ, которые позволят клиентам вывести свои ИИ-проекты из стадии пилотов и довести их до финиша.

Bruce Milne, Pivot 3


ИТ-рынок начнёт осознавать возможности, связанные с обработкой видео. В 2020-м по мере улучшения видеоаналитики перед ИТ начнут открываться безграничные возможности. Сегодня доля видеоданных достигает 60 % от всей накопленной информации. В предыдущие годы компании расценивали хранение этих данных лишь как обязанность и дополнительные расходы. А в этом году мы станем свидетелями сдвига: компании начнут анализировать видеоданные ради оптимизации своих продуктов или подкрепления стратегических инициатив. Например, с помощью видео города смогут не только повышать безопасность своих транспортных систем, но и внедрять методики анализа видеоданных для формирования важных выводов, скажем, о потребностях в пропускной способности.

Matt Kunkel, CEO LogicGate


Роботизированная автоматизация процессов (RPA) превзойдет ИИ с точки зрения управления рисками и соблюдения нормативов. Причина в том, что когда нужно анализировать большие объёмы данных для компаний из списка Fortune 500, имеющейся информации просто недостаточно для того, чтобы обеспечить релевантность прогнозирования с помощью ИИ. RPA будет давать результат, поскольку многие функции, связанные с управлением рисками и соблюдением нормативов, соответствуют формальным процессам. И чем больше информации компании будут пропускать через конкретные процессы, тем яснее будут становиться способы их автоматизации. Остается вопрос, как оптимизировать и итерировать такие системы.

Роботизированная автоматизация процессов начнёт применяться в таких областях, как управление рисками, связанными с третьими сторонами; IT; формирование политик и процедур; внутренний аудит.

David Jones, вице-президент по маркетингу в AODocs


ИИ не является универсальным решением по управлению информацией. Мы склонны считать ИИ неким универсальным инструментом, который способен решить все проблемы бизнеса с помощью реализации единственного алгоритма. Это заблуждение. Пора отбросить идею, что это под силу одному мощному ИИ-алгоритму. Нужно перейти к концепции многочисленных ИИ-ботов, которые вместе оптимизируют ранее накопленные данные. В 2020-м ИИ будут применять к старым базам данных чтобы выяснить, какие данные нужно оставить, а какие можно удалить за ненадобностью, и использовать обогащённые метаданные для создания более качественного поиска и упрощённого хранения записей. С этим справится не один большой алгоритм, а набор взаимосвязанных алгоритмов.

Cheryl Wiebe, Practice Lead, консультант по вопросам промышленного интеллекта в Teradata


То, что сегодня в мире называют ИИ, в 2020-м разделится на несколько сфер, которым маркетологи наверняка придумают более содержательные названия. Сюда входит и роботизированная автоматизация процессов; автоматизированный выбор и разработка функциональности; ИИ восприятия (perception AI), который автоматизирует и улучшает физическое восприятие; а также ИИ для распределения ресурсов, сочетающий в себе технологии оптимизации с целью восприятия и реагирования на запросы в реальном времени.

ИИ начнёт улучшать сам процесс управления данными. Например, с точки зрения распределения ресурсов системы, автоматизированного проектирования функциональности, сбора операционных метаданных и более качественного управления знаниями (вроде разметки (tagging)).

Jeff Catlin, Lexalytics CEO


Обработка естественного языка и текстовая аналитика станут играть более важную роль в RPA-решениях.Согласно отчёту Forrester и Gartner, многие RPA-разработчики отстают с точки зрения поддержки тенденций в применения текстовой аналитики. Их решениям не хватает возможностей по «использованию неструктурированных документов», в том числе PDF. А при встраивании компонентов текстовой аналитики и обработки естественных языков в различные среды возникают проблемы. По мере того, как компании будут автоматизировать всё более крупные процессы, разработчики средств обработки естественных языков будут предлагать перспективные решения, удовлетворяющие требованиям RPA: локальное или гибридно-облачное развёртывание, простые в интеграции API, настраиваемость и быстрый возврат инвестиций.

Chad Meley, вице-президент по маркетингу в Teradata


— После появления в последние пару лет нескольких успешных ИИ-пилотов компании снова сосредоточатся на управлении корпоративными данными и их интеграции, что создаст основу для разработки сотен и тысяч специфических способов применения ИИ. Все разновидности машинного интеллекта, которые окружают нас сегодня, представляют собой ограниченный искусственный интеллект. В 2020-м успешные корпоративные инициативы в сфере ИИ позволят разработать сотни, если не тысячи способов применения, и под каждый из них будет создан узкоспециализированный алгоритм.

Огромное внимание будет уделяться созданию и внедрению «no code-аналитики». Мы наблюдаем устойчивый процесс демократизации продвинутой аналитики за счет автоматизации некоторых трудоемких аспектов, таких как проектирование функциональности и выбор моделей. Но настоящему распространению продвинутой аналитики будет способствовать такое развитие машинного обучения и других продвинутых методик процедурной аналитики, когда они не будут требовать абсолютно никаких навыков программирования или работы с SQL. Аналитика без программирования будет встраиваться в рабочие процессы или вызываться с помощью простых выпадающих меню. Это не приведёт к устареванию программирования в мире аналитики, но в сотни раз расширит способы её применения в крупных компаниях.

Jeff Catlin, Lexalytics CEO


Главные достижения в исследовании ИИ будут носить теоретический характер. За последние пять лет применение ИИ далеко обогнало наше понимание принципов его работы. Учитывая большие практические сдвиги во второй половине 2019-го, я прогнозирую, что в этом году будет меньше прорывных разработок алгоритмов, но мы дальше продвинемся в теории, которая объясняет работу машинного обучения. Эта сфера быстро развивается, и к концу 2020-го баланс снова сместится в сторону теории, которая проложит дорогу новому поколению алгоритмов.

Jeff Catlin, Lexalytics CEO


Меньше волшебства и больше решений. Это будет хороший год для ИИ, он укрепит свои позиции определяющей технологии на следующее десятилетие. Поставщики поумнели и больше не продвигают ИИ как некое волшебное средство. Вместо этого они корректно говорят о том, что ИИ может помочь людям выполнять работу быстрее и качественнее.

Muddu Sudhakar, CEO Aisera.com


AIOps разрушит традиционные IT/облака/DevOps. В основе DevOps лежит улучшение реагирования и гибкости: AIOps способна помочь автоматизировать основные шаги от разработки до эксплуатации, прогнозировать результаты эксплуатации и автоматизировать реагирование на изменения в эксплуатационной среде. Несмотря на то, что микросервисы, гибридные облака, периферийные вычисления и IoT повышают сложность приложений и увеличивают объём логов, в которых приходится искать причины различных событий, AIOps упрощает агрегирование данных из разных систем, в то время как DevOps улучшает эффективность за счёт интеграции ранее разрозненных систем. Как и DevOps, AIOps стимулирует изменения в культуре, поскольку требует оценивать систему целиком, а не сосредотачиваться на конкретных технологиях или уровнях инфраструктуры. Это также требует комфортного уровня с высокой степенью автоматизации.

Jeff Catlin, Lexalytics CEO


Самоуправляемость… нам ещё долго её ждать. В целом ИИ покажет себя с лучшей стороны, но будет ряд примечательных неудач, например, в сфере самоуправляемых автомобилей. Smart Summon, новая модель компании Tesla, весьма впечатляет, но ей пока предстоит длительное развитие. Широкое распространение этой модели в сообществе Tesla приведёт к появлению многочисленных видео с ДТП на небольшой скорости. В этих роликах автомобили будут врезаться в другие машины, фонарные столбы и людей.
Теги:прогнозы 2020машинное обучениеИИискусственный интеллектоблакаDevOps
Хабы: Блог компании Инфосистемы Джет Машинное обучение DevOps Облачные сервисы
Всего голосов 8: ↑7 и ↓1 +6
Просмотры2.7K

Комментарии 1

Только полноправные пользователи могут оставлять комментарии. Войдите, пожалуйста.

Похожие публикации

Лучшие публикации за сутки

Информация

Дата основания
1991
Местоположение
Россия
Сайт
jet.su
Численность
1 001–5 000 человек
Дата регистрации

Блог на Хабре