Облачные ИИ-сервисы для разработчиков (Cloud AI developer services) – это размещенные в облаке модели и сервисы, позволяющие разработчикам использовать их через API, не требуя необходимых для запуска моделей локальных аппаратных ресурсов. Данную технологию мы обсудили во второй лекции и привели перечень компаний, которые достигли наибольших успехов в данной области. Судя по данным рис. 5.2, обсуждаемая технология уже выходит на плато продуктивности.
Комплекты для разработки и обучения искусственного интеллекта
Комплекты для разработки и обучения искусственного интеллекта (AI Developer and Teaching Kits) – это инструменты, инструкции и примеры для разработки программного обеспечения, которые добавляют слой абстракции поверх платформ, фреймворков и аналитических библиотек для работы с данными и упрощают встраивание ИИ в приложения, тем самым позволяя заметно упростить и ускорить внедрение ИИ. Согласно данным рис. 5.2, эта технология уже также выходит на плато продуктивности.
Интеллектуальные приложения
Под интеллектуальными приложениями (Intelligent applications) Gartner прежде всего подразумевает корпоративные бизнес-приложения со встроенными технологиями искусственного интеллекта. То есть речь идет о добавлении ИИ-функциональности в одну из категорий корпоративного ПО, включая такие типы ПО как планирование ресурсов предприятия (ERP), автоматизация продаж (SFA), управление взаимоотношениями с клиентами (CRM). Данные виды программного обеспечения являются важными инструментами для большинства корпораций, поскольку от уровня автоматизации и продуктивности существенно зависит эффективность предприятий. Добавление ИИ-функциональности в подобного рода приложения становится для вендоров ключевым конкурентным преимуществом. Как видно из рис. 5.2, в 2022 г. данная технология вступила в стадию “подъема осведомленности”.
Интеллектуальные системы поддержки принятия решений
Интеллектуальные системы поддержки принятия решений (Decision Intelligence) объединяют ряд методов, связанных с мониторингом процессов, происходящих с анализируемыми объектами и системами, их моделированием, с использованием диагностической и предиктивной аналитики.
Компания Gartner включила данную технологию в перечень стратегических технологических тенденций на 2022 год и определяет ее как комплексный инструментарий, опирающийся на аналитику, бизнес-аналитику, машинное обучение и другие средства искусственного интеллекта для получения “единого источника правды”, необходимого для принятия верного решения. Обсуждаемая технология позволяет ускорить процесс принятия решения путем обработки огромных объемов данных, помогает организациям сделать выбор из множества вариантов, который оптимально соответствует целям и задачам бизнеса.
Технология находит применение не только на производстве, но в самых разных отраслях. Например, в сервисных организациях востребованы рекомендательные системы, необходимыедлятого, чтобы грамотно предсказывать, какие услуги потребители сочтут наиболее подходящими, какие фильмы они захотят посмотреть, какие рестораны посетить. В финансовых организациях это, например, средства для оценки заявок на ипотечные кредиты, автокредиты, в розничной торговле – выбор оптимальных цен на товары, в промышленности – выбор оптимальных схем ремонта оборудования и т. п. В 2021 г. данная технология была на вершине пика завышенных ожиданий.
Платформы оркестрации и автоматизации
Данные платформы (AI Orchestration and Automation Platform AIOAP) обеспечивают оркестрацию, автоматизацию и масштабирование ИИ-пайплайнов, помогают стандартизировать DataOps, ModelOps, MLOps и конвейеры развертывания, а также обеспечивают управление корпоративного уровня, включая возможность повторного использования моделей и данных, воспроизводимость экспериментов, управление релизами и историей работы с кодом, управление рисками и соблюдением нормативных требований, а также обеспечение безопасности ИИ-систем. На кривой ажиотажа Gartner за 2021 г. данная технология была отмечена на этапе запуска с прогнозом выхода на плато в 2-5 лет.
ИИ, ориентированный на человека
ИИ, ориентированный на человека (HCAI), – это относительно новое направление и концепция создания систем ИИ, которые усиливают и дополняют, а не заменяют человеческие способности. Системы ИИ данного типа призваны сохранить человеческий контроль таким образом, чтобы искусственный интеллект удовлетворял потребности людей, работая прозрачно, обеспечивая надежные результаты и соблюдение конфиденциальности.
На момент публикации диаграммы, показанной в верхней части рис. 5.2 (2021 г.), Gartner определяла технологию как находящуюся на стадии запуска и с перспективой выхода на плато продуктивности в 2-5 лет.
Компания IBM определяет концепцию HCAI лозунгом “Человек + ИИ лучше, чем каждый из них по отдельности”. Gartner позиционирует HCAI как общий принцип проектирования ИИ, предполагающий модель партнерства людей и ИИ, работающих вместе для улучшения качества принятия решений, предполагая сотрудничество человека и машины. Методология направлена на изучение и разработку новых форм взаимодействия человека и искусственного интеллекта, которые улучшают и расширяют человеческие возможности. HCAI иногда называют “дополненным интеллектом”, “интеллектом кентавра” или “человеком в контуре”. Согласно концепции, даже полностью автоматизированная система HCAI должна иметь в качестве цели пользу для человека, управлять рисками, соблюдением норм этики, дополняя решение здравым смыслом.
Мультиопыт
Мультиопыт (Multiexperience) – это технология или совокупность технологий, обеспечивающих возможность взаимодействия пользователя с приложениями в разных точках доступа (веб-сайтах, мобильных, носимых устройствах, чат-ботах, дополненной и виртуальной реальности и т. п.) с использованием разных видов взаимодействия (прикосновение, голос, зрение, жесты) с возможностью их бесшовной интеграции на растущем многообразии устройств. Для реализации всех этих форм взаимодействия с приложениями на разных платформах требуются технологии ИИ для работы c многомодальными данными, включая такие как распознавание образов, голоса, жестов, движения и т. п. Для реализации описанных технологий появились платформы разработки мультиопыта (MXDP), которые централизуют проектирование, разработку, тестирование, распространение, управление и анализ, помогая масштабировать приложения на различных устройствах и платформах.
“Композитный ИИ”
Согласно Gartner, композитный (составной, гибридный) ИИ (CompositeAI) означает сочетание различных методов ИИ для достижения наилучшего результата в реализации ИИ-проекта.
Наиболее заметные успехи в области искусственного интеллекта в последнее время были реализованы в области глубокого обучения, которое достигло больших успехов в сфере компьютерного зрения, генерации текстов и т. п., что отчасти привело к заблуждению, что передовой ИИ в значительной степени равен машинному обучению. Организации сталкиваются с тем, что обучение массивной нейронной сети отнюдь не всегда подходит для решения стоящих на предприятиях задач. Помимо глубокого обучения, существует множество других типов ИИ.
Как концепция “композитный ИИ” говорит о том, что ни одна методика ИИ не является универсальным решением на все случаи жизни, в этом смысле композитный ИИ – это платформа, которая обеспечивает эффективное решение максимально широкого круга бизнес-задач.
“Композитный ИИ” может представлять собой объединение коннекционистских подходов ИИ, таких как глубокое обучение, с символьными подходами ИИ, такими как рассуждения на основе правил, анализ графов, позволяя решать широкий спектр бизнес-задач.
ИИ, ориентированный на данные
ИИ-решение может быть усовершенствовано не только путем улучшения модели, но и путем более качественной подготовки и обогащения данных, используемых для обучения. “ИИ ориентированный на данные” – это концепция и совокупность инструментов, которые делают акцент на работе с данными для обучения, а не на алгоритмы.
За последнее десятилетие была разработана масса подходов к применению ИИ-алгоритмов, многие алгоритмы машинного обучения доступны для коммерческого использования и имеют имплементации в библиотеках с открытым исходным кодом. Аналитики полагают, что последнее время фокус разработчиков в большей степени был устремлен на разработку алгоритмов и приложений на их основе, при том, что часто в проектах процесс обработки данных выполнялся с недостаточной степенью автоматизации и зависел от навыков отдельных специалистов.
Ряд аналитиков, включая специалистов Gartner, полагают, что пришло время сделать акцент на подготовке данных, которые являются источником для обучения и выделяют это направление в отдельную категорию.
Таким образом, ИИ, ориентированный на данные (Data centric AI), – это процесс сбора дополнительных данных для обучения, их генерации, обогащения, который оказывает значительное влияние на итоговое качество решения прикладной задачи. Инновации в области ИИ, ориентированного на данные, включают синтетические данные, графы знаний, разметку и аннотирование данных.
Умные роботы
Умный робот (smart robot) – это машина (как правило мобильная), управляемая ИИ и предназначенная для автономного выполнения одной или нескольких задач.
Наличие в системе искусственного интеллекта позволяет роботу учиться на основе окружающей среды и своего опыта взаимодействия с внешним миром, наращивать свои возможности на основе этих знаний 5. Умные роботы могут работать рядом с людьми и учиться на их поведении.
Умные роботы могут быть разделены на различные типы в зависимости от решаемых задач (персональные, логистические, промышленные). Повышение интеллектуальности устройств позволяет наращивать степень их автономности. Например, поисковый дрон, умеющий определять тропинки в лесу, может искать заблудившихся туристов.
Облачные ИИ-сервисы для разработчиков (Cloud AI developer services) – это размещенные в облаке модели и сервисы, позволяющие разработчикам использовать их через API, не требуя необходимых для запуска моделей локальных аппаратных ресурсов. Данную технологию мы обсудили во второй лекции и привели перечень компаний, которые достигли наибольших успехов в данной области. Судя по данным рис. 5.2, обсуждаемая технология уже выходит на плато продуктивности.
Комплекты для разработки и обучения искусственного интеллекта
Комплекты для разработки и обучения искусственного интеллекта (AI Developer and Teaching Kits) – это инструменты, инструкции и примеры для разработки программного обеспечения, которые добавляют слой абстракции поверх платформ, фреймворков и аналитических библиотек для работы с данными и упрощают встраивание ИИ в приложения, тем самым позволяя заметно упростить и ускорить внедрение ИИ. Согласно данным рис. 5.2, эта технология уже также выходит на плато продуктивности.
Интеллектуальные приложения
Под интеллектуальными приложениями (Intelligent applications) Gartner прежде всего подразумевает корпоративные бизнес-приложения со встроенными технологиями искусственного интеллекта. То есть речь идет о добавлении ИИ-функциональности в одну из категорий корпоративного ПО, включая такие типы ПО как планирование ресурсов предприятия (ERP), автоматизация продаж (SFA), управление взаимоотношениями с клиентами (CRM). Данные виды программного обеспечения являются важными инструментами для большинства корпораций, поскольку от уровня автоматизации и продуктивности существенно зависит эффективность предприятий. Добавление ИИ-функциональности в подобного рода приложения становится для вендоров ключевым конкурентным преимуществом. Как видно из рис. 5.2, в 2022 г. данная технология вступила в стадию “подъема осведомленности”.
Интеллектуальные системы поддержки принятия решений
Интеллектуальные системы поддержки принятия решений (Decision Intelligence) объединяют ряд методов, связанных с мониторингом процессов, происходящих с анализируемыми объектами и системами, их моделированием, с использованием диагностической и предиктивной аналитики.
Компания Gartner включила данную технологию в перечень стратегических технологических тенденций на 2022 год и определяет ее как комплексный инструментарий, опирающийся на аналитику, бизнес-аналитику, машинное обучение и другие средства искусственного интеллекта для получения “единого источника правды”, необходимого для принятия верного решения. Обсуждаемая технология позволяет ускорить процесс принятия решения путем обработки огромных объемов данных, помогает организациям сделать выбор из множества вариантов, который оптимально соответствует целям и задачам бизнеса.
Технология находит применение не только на производстве, но в самых разных отраслях. Например, в сервисных организациях востребованы рекомендательные системы, необходимыедлятого, чтобы грамотно предсказывать, какие услуги потребители сочтут наиболее подходящими, какие фильмы они захотят посмотреть, какие рестораны посетить. В финансовых организациях это, например, средства для оценки заявок на ипотечные кредиты, автокредиты, в розничной торговле – выбор оптимальных цен на товары, в промышленности – выбор оптимальных схем ремонта оборудования и т. п. В 2021 г. данная технология была на вершине пика завышенных ожиданий.
Платформы оркестрации и автоматизации
Данные платформы (AI Orchestration and Automation Platform AIOAP) обеспечивают оркестрацию, автоматизацию и масштабирование ИИ-пайплайнов, помогают стандартизировать DataOps, ModelOps, MLOps и конвейеры развертывания, а также обеспечивают управление корпоративного уровня, включая возможность повторного использования моделей и данных, воспроизводимость экспериментов, управление релизами и историей работы с кодом, управление рисками и соблюдением нормативных требований, а также обеспечение безопасности ИИ-систем. На кривой ажиотажа Gartner за 2021 г. данная технология была отмечена на этапе запуска с прогнозом выхода на плато в 2-5 лет.
ИИ, ориентированный на человека
ИИ, ориентированный на человека (HCAI), – это относительно новое направление и концепция создания систем ИИ, которые усиливают и дополняют, а не заменяют человеческие способности. Системы ИИ данного типа призваны сохранить человеческий контроль таким образом, чтобы искусственный интеллект удовлетворял потребности людей, работая прозрачно, обеспечивая надежные результаты и соблюдение конфиденциальности.
На момент публикации диаграммы, показанной в верхней части рис. 5.2 (2021 г.), Gartner определяла технологию как находящуюся на стадии запуска и с перспективой выхода на плато продуктивности в 2-5 лет.
Компания IBM определяет концепцию HCAI лозунгом “Человек + ИИ лучше, чем каждый из них по отдельности”. Gartner позиционирует HCAI как общий принцип проектирования ИИ, предполагающий модель партнерства людей и ИИ, работающих вместе для улучшения качества принятия решений, предполагая сотрудничество человека и машины. Методология направлена на изучение и разработку новых форм взаимодействия человека и искусственного интеллекта, которые улучшают и расширяют человеческие возможности. HCAI иногда называют “дополненным интеллектом”, “интеллектом кентавра” или “человеком в контуре”. Согласно концепции, даже полностью автоматизированная система HCAI должна иметь в качестве цели пользу для человека, управлять рисками, соблюдением норм этики, дополняя решение здравым смыслом.
Мультиопыт
Мультиопыт (Multiexperience) – это технология или совокупность технологий, обеспечивающих возможность взаимодействия пользователя с приложениями в разных точках доступа (веб-сайтах, мобильных, носимых устройствах, чат-ботах, дополненной и виртуальной реальности и т. п.) с использованием разных видов взаимодействия (прикосновение, голос, зрение, жесты) с возможностью их бесшовной интеграции на растущем многообразии устройств. Для реализации всех этих форм взаимодействия с приложениями на разных платформах требуются технологии ИИ для работы c многомодальными данными, включая такие как распознавание образов, голоса, жестов, движения и т. п. Для реализации описанных технологий появились платформы разработки мультиопыта (MXDP), которые централизуют проектирование, разработку, тестирование, распространение, управление и анализ, помогая масштабировать приложения на различных устройствах и платформах.
“Композитный ИИ”
Согласно Gartner, композитный (составной, гибридный) ИИ (CompositeAI) означает сочетание различных методов ИИ для достижения наилучшего результата в реализации ИИ-проекта.
Наиболее заметные успехи в области искусственного интеллекта в последнее время были реализованы в области глубокого обучения, которое достигло больших успехов в сфере компьютерного зрения, генерации текстов и т. п., что отчасти привело к заблуждению, что передовой ИИ в значительной степени равен машинному обучению. Организации сталкиваются с тем, что обучение массивной нейронной сети отнюдь не всегда подходит для решения стоящих на предприятиях задач. Помимо глубокого обучения, существует множество других типов ИИ.
Как концепция “композитный ИИ” говорит о том, что ни одна методика ИИ не является универсальным решением на все случаи жизни, в этом смысле композитный ИИ – это платформа, которая обеспечивает эффективное решение максимально широкого круга бизнес-задач.
“Композитный ИИ” может представлять собой объединение коннекционистских подходов ИИ, таких как глубокое обучение, с символьными подходами ИИ, такими как рассуждения на основе правил, анализ графов, позволяя решать широкий спектр бизнес-задач.
ИИ, ориентированный на данные
ИИ-решение может быть усовершенствовано не только путем улучшения модели, но и путем более качественной подготовки и обогащения данных, используемых для обучения. “ИИ ориентированный на данные” – это концепция и совокупность инструментов, которые делают акцент на работе с данными для обучения, а не на алгоритмы.
За последнее десятилетие была разработана масса подходов к применению ИИ-алгоритмов, многие алгоритмы машинного обучения доступны для коммерческого использования и имеют имплементации в библиотеках с открытым исходным кодом. Аналитики полагают, что последнее время фокус разработчиков в большей степени был устремлен на разработку алгоритмов и приложений на их основе, при том, что часто в проектах процесс обработки данных выполнялся с недостаточной степенью автоматизации и зависел от навыков отдельных специалистов.
Ряд аналитиков, включая специалистов Gartner, полагают, что пришло время сделать акцент на подготовке данных, которые являются источником для обучения и выделяют это направление в отдельную категорию.
Таким образом, ИИ, ориентированный на данные (Data centric AI), – это процесс сбора дополнительных данных для обучения, их генерации, обогащения, который оказывает значительное влияние на итоговое качество решения прикладной задачи. Инновации в области ИИ, ориентированного на данные, включают синтетические данные, графы знаний, разметку и аннотирование данных.
Умные роботы
Умный робот (smart robot) – это машина (как правило мобильная), управляемая ИИ и предназначенная для автономного выполнения одной или нескольких задач.
Наличие в системе искусственного интеллекта позволяет роботу учиться на основе окружающей среды и своего опыта взаимодействия с внешним миром, наращивать свои возможности на основе этих знаний 5. Умные роботы могут работать рядом с людьми и учиться на их поведении.
Умные роботы могут быть разделены на различные типы в зависимости от решаемых задач (персональные, логистические, промышленные). Повышение интеллектуальности устройств позволяет наращивать степень их автономности. Например, поисковый дрон, умеющий определять тропинки в лесу, может искать заблудившихся туристов.