Искусственный интеллект (ИИ), машинное обучение (МО) и аналитика данных (data science, DS) беспрецедентным образом изменяют мир. От здравоохранения и образования до бизнеса и развлечений, эти дисциплины открывают новые возможности и предлагают новые решения различных задач и проблем. Но каковы ключевые тенденции, которые будут определять будущее ИИ, машинного обучения и аналитики данных в 2024 году? Вот некоторые из наиболее важных тенденций, на которые стоит обратить внимание:
- Экосистемы облачных данных. Экосистемы данных переходят от самодостаточного программного обеспечения или смешанных вариантов развертывания к полностью изначально-облачным решениям. Это означает, что сбор, хранение, анализ и обмен данными станут более эффективными, масштабируемыми и интегрированными в облако. Консультационная фирма Gartner ожидает, что к 2024 году 50% развертываний новых систем в облаке будут основаны на целостной экосистеме облачных данных, а не на интегрируемых вручную «точечных» решениях.
- Периферийный ИИ (Edge AI): Под периферийным ИИ понимается обработка данных в точке их создания на периферии, например, на устройствах, датчиках или машинах. Он позволяет получать ценные знания в режиме реального времени, выявлять закономерности и обеспечивать защиту персональных данных. Периферийный ИИ также улучшает разработку, оркестрацию, интеграцию и развертывание ИИ-моделей. Gartner прогнозирует, что к 2025 году более 55% всего анализа данных с помощью глубоких нейронных сетей будет происходить в точке захвата в периферийной системе, по сравнению с менее чем 10% в 2021 году.
- Ответственный ИИ. Тема ответственного ИИ включает этические и социальные аспекты создания и использования ИИ. Она охватывает такие вопросы, как деловая и общественная ценность, риск, доверие, прозрачность и подотчётность. Ответственный ИИ направлен на то, чтобы сделать ИИ позитивной силой, а не угрозой для общества и для самого себя. Gartner прогнозирует, что концентрация предварительно обученных ИИ-моделей в руках 1% поставщиков ИИ к 2025 году сделает ответственный ИИ проблемой для общества. Надеюсь, что это показатель вскоре увеличится!
- Демократизация ИИ. Под демократизацией ИИ понимается наличие и доступность ИИ-инструментов и решений для всех и каждого, независимо от их технических знаний, навыков или опыта. Демократизация обеспечивается посредством использования различных приложений, платформ и концептуальных рамок, которые упрощают создание, тестирование и развертывание ИИ-приложений. Компания Forbes сообщает, что постоянно растущее число приложений делает функциональные возможности на основе ИИ доступными каждому, и что становится всё проще создавать собственные ИИ-решения с использованием платформ, не требующих кодирования или требующих его в ограниченном объёме.
- Порождающий (генеративный) ИИ: Порождающий ИИ - это ветвь ИИ-технологий, способных создавать новый контент или данные, которые являются реалистичными и новыми. Примерами могут служить генерация изображений на основе краткого текстового описания, композиция музыки, синтез видео и передача стиля. Движущей силой развития порождающего ИИ являются достижения в области моделей глубокого обучения, таких как генеративно-состязательные сети (generative adversarial networks, GAN) и преобразователи. Forbes утверждает, что порождающий ИИ производит революцию в различных областях, таких как музыка, искусство, игры и здравоохранение.
Эти тенденции указывают на то, что ИИ, машинное обучение и аналитика данных в 2024 году станут более распространёнными, мощными и доступными. По мере их развития возникнут новые проблемы и возможности для предприятий и организаций, желающих использовать их для своих целей и задач. Чтобы опережающим образом реагировать на эти тенденции, важно:
- Оценивать экосистемы данных на основе их способности решать проблемы распределенных данных, а также получать доступ и интегрироваться с источниками данных за пределами их непосредственного окружения.
- Выявлять приложения, ИИ-обучение и механизмы вывода, необходимые для перехода к периферийным средам, расположенным рядом с оконечными точками интернета вещей.
- Внедрить подход пропорциональности риску (risk-proportional approach) для получения отдачи от ИИ и проявления предусмотрительности при применении решений и моделей. Постарайтесь получить от поставщиков заверения и гарантии с целью обеспечить управление теми своими рисками и обязательствами по исполнению законодательно-нормативных требований.
- Развивать навыки и инструменты «грамотности в отношении данных» с целью проведения критического анализа и интерпретации данных, а также для эффективного распространения полученных на основе данных знаний и представлений.
- Устранять пробелы и предвзятости в данных, которые могут повлиять на достоверность, надежность и справедливость анализа данных и его результатов.
- Открыто и ответственно раскрывать данные для соответствующих аудиторий, соблюдая при этом права собственности и суверенитет в отношении данных.
Искусственный интеллект, машинное обучение и аналитика данных - это не только технические, но также социальные и моральные проблемы и вопросы. Они требуют от нас помнить о воздействии нашей деятельности на нас самих и на других лиц, а также стремиться к инновациям и инклюзивности в эпоху больших данных.
Дик Вейсингер (Dick Weisinger)
Источник: блог компании Formtek
https://formtek.com/blog/ai-machine-learning-and-data-science-trends-for-2024-what-to-expect-and-how-to-prepare/
Комментариев нет:
Отправить комментарий