ТЕНДЕНЦІЇ | Штучний інтелект 17 серпня 2023 р.

Топ-6 трендів розвитку штучного інтелекту 2023 року

Як повідомляє eWeek, серед цьогорічних трендів розвитку штучного інтелекту — зростання генеративного ШІ, демократизація ШІ та більша увага до етики і комплаєнсу.

Сфера штучного інтелекту продовжує стрімко розвиватися, незважаючи на те, що сам ШІ існує вже кілька десятиліть. Враховуючи нещодавнє стрімке зростання генеративного ШІ та автоматизації на основі ШІ, ця еволюція, схоже, рухається вже з подвійною швидкістю — або навіть швидше.

У цьому огляді ви дізнаєтеся про деякі з основних трендів у сфері штучного інтелекту, а також про те, як нові технології, можливості та варіанти використання вплинуть на користувачів ШІ — від пересічного споживача до глобальної корпоративної ІТ-команди.

Топ-6 трендів розвитку штучного інтелекту 2023 року

1. Генеративний ШІ збільшує свою вже досить помітну присутність

Генеративний штучний інтелект (GenAI) за останні кілька місяців захопив світ технологій і весь світ, пропонуючи зручні для користувача моделі ШІ для генерації тексту, зображень, аудіо та інших форм даних. OpenAI наразі домінує на сцені GenAI завдяки таким рішенням, як GPT-4 і ChatGPT, а також тісному партнерству з Microsoft, але інші конкуренти швидко наздоганяють його: так, наприклад, Google розвиває можливості Bard і швидко набирає обертів.

Десятки стартапів у сфері генеративного ШІ вже претендують на конкретні нішеві ринки та сфери застосування його на підприємствах — такі як пошук/розробка ліків та управління ризиками — і очевидно, що в найближчі місяці на ринок GenAI вийде ще більше стартапів.

Однак важливо зазначити, що більшість із компаній, які займаються GenAI, допрацьовують або іншим чином покладаються на сторонні базові моделі, а не будують власну інфраструктуру. У найближчому майбутньому очікується, що ринок генеративного ШІ почне консолідуватися, а такі лідери, як Google, Microsoft, OpenAI, можливо, Amazon та інші, змагатимуться за кращі місця постачальників як фундаментальних моделей, так і інструментів ШІ-помічників.

Крім того, слід очікувати більшої активності від постачальників інфраструктури, обладнання та обчислювальної техніки, таких як Nvidia та Intel; чіпи та графічні процесори, які вони надають, є обмеженими та прибутковими ресурсами, необхідними для масштабного використання моделей GenAI.

2. Розширення вбудованого й орієнтованого на UX штучного інтелекту

Ряд компаній і стартапів, що працюють у сфері штучного інтелекту, пропонують ШІ-моделі, які можна тонко налаштувати і вбудувати в сторонні системи. Ці моделі дозволяють компаніям створювати пошукові, допоміжні та інші UX-орієнтовані сервіси — від внутрішніх баз даних співробітників до зовнішніх пошукових панелей на вебсайтах і баз знань.

Провідним лідером у цій галузі є компанія Glean, яка в першу чергу пропонує ШІ-рішення для внутрішнього пошуку в додатках на робочому місці. Використовуючи такі рішення, як Glean, компанії можуть спростити адаптацію та постійне навчання співробітників, полегшуючи користувачам пошук документів, розмов та інших ресурсів, які їм потрібні, за допомогою простої функції пошуку.

Окрім стартапів та внутрішніх корпоративних кейсів, Microsoft і Google наполегливо працюють над впровадженням ефективних ШІ-помічників у свої пошукові системи.

У міру того, як ШІ, керований UX, продовжує зростати, компанії-розробники ШІ, ймовірно, все більше зосереджуватимуться на своїй глобальній присутності та багатомовних можливостях. Деякі інструменти штучного інтелекту наразі не дуже добре працюють за межами англомовних запитів. Однак низка компаній наразі розробляють процеси навчання своїх ШІ-моделей і глобальні набори даних, щоб зробити можливим обробку і розуміння природної мови для десятків мов.

Хорошим прикладом таких зусиль є Cohere, генеративний ШІ-єдиноріг, який випустив такий продукт, як Embed, що може знаходити і перекладати текст більш ніж 100 мовами.

3. Посилення вимог до комплаєнсу та етики

Інструменти штучного інтелекту продовжують розвиватися і охоплювати нові сфери нашого життя, покладаючись на величезні обсяги персональних і конфіденційних даних для ефективної роботи. Але як підприємства, так і приватні особи все більше занепокоєні тим, які дані збираються, як вони використовуються, і чи належним чином вони захищені під час використання та утилізуються після використання.

Тому компанії, що займаються ШІ-розробкою, прагнуть зробити процеси збору даних і навчання моделей більш прозорими, щоб користувачі знали, як їхні дані використовуються. Багато клієнтів також наполягають на пояснюваному ШІ. Йдеться про інструменти та документацію, які чітко пояснюють, як оптимізувати роботу моделі та краще аналізувати чи налаштовувати її поведінку.

У відповідь на занепокоєння користувачів такі компанії, як OpenAI, намагаються чіткіше розмежувати свої методології та внутрішні практики навчання моделей і безпеки даних. Ці очікування лише зростатимуть, особливо з огляду на те, що різні технологічні лідери, країни та окремі споживачі звертаються до цих постачальників і ставлять під сумнів їхні загальні зобов’язання щодо дотримання законодавства, управління даними, безпеки та етичного використання.

Говорячи про етичне використання, технологічні експерти та екологи починають обговорювати вплив новітніх моделей ШІ на навколишнє середовище. Багато з цих інструментів вимагають величезних обсягів обчислень як для початкового навчання, так і для постійного використання. Таке споживання енергії залишає по собі значний вуглецевий слід, який затьмарює вплив на довкілля більшості інших сучасних технологій.

Коли генеративні інструменти ШІ та інші сучасні моделі використовуються в менших масштабах, це не така вже й проблема. Проте, зважаючи на те, як більшість підприємств обирають спосіб використання цих моделей, екологічні наслідки потрібно буде вирішувати якнайшвидше, доки вони не вийшли з-під контролю.

У міру просування пропонованих нормативних актів у сфері ШІ, таких як Закон ЄС про штучний інтелект («AI Act»), компаніям, що займаються розробкою ШІ, необхідно буде обґрунтовувати інструменти, які вони створюють, і те, що вони роблять, а також матеріали, які вони використовують, енергію, яку вони споживають, і гарантії безпеки та відповідності, які вони впроваджують для захисту прав споживачів.

4. Подальша демократизація ШІ та широкий доступ до нього

Компанії зазвичай мають величезні обсяги даних для обробки, але мало ресурсів, необхідних для обробки більш складних даних у різних форматах.

Крім того, через дефіцит технічних кадрів і розрив у навичках багато компаній не мають достатньої кількості кваліфікованого персоналу для збору, інтерпретації, аналізу та застосування бізнес-аналітики і даних у своїх операційних робочих процесах у широких масштабах.

Щоб подолати цей дефіцит навичок, деякі організації створюють або інвестують у технології low-code/no-code, включаючи зручні інструменти штучного інтелекту, які можуть просіювати та інтерпретувати великі обсяги структурованих, неструктурованих і напівструктурованих даних. Ці нові low-code/no-code ШІ-рішення стають все більш важливими для демократизації бізнес-аналітики, підтримки прийняття рішень та аналізу даних.

Такі компанії, як DataRobot, H2O.ai, Sisu Data і Tellius, наразі розробляють рішення для аналітики та прийняття рішень на основі штучного інтелекту, які знижують бар’єр входу для осіб, котрі не є фахівцями з аналізу даних. Ці рішення допомагають компаніям розширити можливості аналізу даних, а новим користувачам — краще розуміти та контекстуалізувати бізнес-дані.

Хоча велика кількість компаній, що спеціалізуються на штучному інтелекті та аналізі даних, вже працюють над покращенням їх доступності для менш технічно підготовлених користувачів, буде цікаво спостерігати за тим, як все більше організацій схилятимуться до використання low-code/no-code задля більшої демократизації ШІ. Крім того, що ці інструменти стають простішими у використанні, вони також починають завойовувати нових клієнтів. Для цього вони інтегрують інтелектуальні рішення на основі штучного інтелекту в уже використовувані інструменти, зокрема, в озера даних, бази даних, BI-дашборди тощо.

5. Нові рішення для кібербезпеки на основі штучного інтелекту

ШІ використовується в деяких рішеннях для кібербезпеки вже щонайменше кілька років, але інструменти для кібербезпеки на основі ШІ швидко стають популярними завдяки розширенню їхніх можливостей.

Постачальники систем виявлення та реагування на мережеві загрози (NDR) і розширеного виявлення та реагування (XDR) продовжують додавати функції виявлення загроз на основі ШІ до своїх портфоліо рішень, допомагаючи командам безпеки виявляти та вирішувати такі проблеми, як атаки без сигнатур, а також автоматизувати різні аспекти робочих процесів виявлення та реагування.

Засоби управління вразливостями, пентестування та імітації зломів і атак (BAS) також починають значною мірою покладатися на штучний інтелект, щоб більш реалістично симулювати сучасні постійні загрози (APT).

А з розвитком генеративного ШІ з’явився абсолютно новий вид безпеки на основі ШІ. Google, Microsoft, CrowdStrike, Cisco, SentinelOne та багато інших компаній використовують GenAI для подальшого розвитку інтелектуального виявлення загроз, поведінкового аналізу, запитів на основі природної мови та аналітики безпеки.

Безумовно, інструменти кібербезпеки на основі ШІ можуть створюватися і використовуватися зловмисниками, але компанії з кібербезпеки, які вирішили впровадити ШІ в свої інструменти і робочі процеси, зараз мають найкращі можливості для протидії цим новим загрозам.

6. Комп’ютерний зір і гіперавтоматизація у виробництві

Комп’ютерний зір — тип ШІ, який дозволяє комп’ютерам краще розуміти дані та сценарії на основі зображень — став ключовою частиною спрощення та автоматизації сучасного виробництва.

Виробничі завдання, які зараз вирішуються за допомогою комп’ютерного зору і пов’язаних із ним ШІ-рішень, включають автоматизоване виявлення дефектів продукції, 3D-моделювання, управління ризиками, підтримку підрахунку і пакування продукції, предиктивне технічне обслуговування і управління запасами. Можливості інструментів комп’ютерного зору з візуального опрацювання даних дають їм змогу впоратися із завданнями контролю якості на рівні людини, а в деяких випадках і перевершувати її.

Новітні мультимодальні ШІ-моделі та робототехніка стали особливо важливими для гіперавтоматизації виробництва, дозволяючи компаніям використовувати вхідні зображення для отримання детальної класифікації, пояснень та рекомендацій. Після цього користувачі можуть або вручну виправити виявлені проблеми, або покластися на роботизовану автоматизацію процесів (RPA), щоб внести виправлення на основі правил.

Наприклад, мультимодальну модель можна навчити обробляти зображення пропелера літака і швидко повідомляти користувачам, що це за пропелер, типи дефектів, які впливають на продуктивність/безпеку пропелера і де вони розташовані, і/або як виправити виявлені проблеми. У деяких випадках ці ШІ-моделі інтегруються з автоматизованими ботами, які можуть вносити ці виправлення автоматично.

Моделей ШІ, які здатні впоратися з таким рівнем автоматизації виробничих завдань, наразі небагато, але, ймовірно, з’явиться більше таких рішень для підтримки та автоматизації процесу контролю якості.

Як ці ШІ-тренди впливають на вас і ваш бізнес

Самі рішення на базі штучного інтелекту швидко змінюються, а разом із ними з’являються нові можливості зробити ШІ актуальним і доступним для нових авдиторій. Разом із цим з’являється глибоке занепокоєння не лише через кібербезпеку та етичні проблеми, а й через те, що багато працівників вважають, що ці нові інструменти заберуть їхні робочі місця.

Хоча ринок праці, ймовірно, зміниться у відповідь на всі ці досягнення в галузі штучного інтелекту, малоймовірно, що можливості для працевлаштування зменшаться, і більш імовірно, що з’являться нові можливості.

Компанії та приватні особи, які інвестують у навчання та сертифікацію у сфері ШІ, опиняться в найбільш стратегічно вигідному становищі, будучи готовими та здатними використовувати ці нові інструменти на мінливому ринку праці та глобальному ринку. Хороша новина полягає в тому, що зростаюча увага до ШІ та демократизації даних вже знижує бар’єр входу — як із точки зору навичок, так і в плані витрат — для людей, які хочуть зміцнити свій кар’єрний шлях за допомогою знань у царині штучного інтелекту.

Ілюстрація: marktechpost.com



ЧИТАЙТЕ ТАКОЖ:
КНИГИ ДЛЯ РОЗВИТКУ:
Засіло в голові. Наука успішного навчанняЗасіло в голові. Наука успішного навчання
Ваш надійний тилВаш надійний тил
Розмови з незнайомцями. Що слід знати про людей, яких ми не знаємоРозмови з незнайомцями. Що слід знати про людей, яких ми не знаємо

МЕТОДОЛОГІЯ: Стратегія, Маркетинг, Зміни, Фінанси, Персонал, Якість, IT
АКТУАЛЬНО: Новини, Події, Тренди, Інсайти, Інтерв'ю, Рецензії, Бізнес-навчання, Консалтинг
СЕРВІСИ: Бізнес-книги, Робота, Форуми, Глосарій, Цитати, Рейтинги, Статті партнерів
ПРОЄКТИ: Блог, Відео, Візія, Візіонери, Бізнес-проза, Бізнес-гумор

Сторінка Management.com.ua у Facebook    Менеджмент.Книги: телеграм-канал для управлінців    Management Digest у LinkedIn    Відслідковувати нас у Twitter    Підписатися на RSS    Поштова розсилка


Copyright © 2001-2024, Management.com.ua

Менеджмент.Книги

телеграм-канал Менеджмент.Книги Менеджмент.Книги — новинки, книжкові огляди, авторські тези і цінні думки з бізнес-книг. Підписуйтесь на телеграм-канал @books_management



➥ Дякую, я вже підписана(-ий)