Искусственный интеллект (ИИ) и интеллектуальная автоматизация (ИА) набирают обороты. Основным фактором, способствующим все большему внедрению этих технологий, является их вклад в повышение ценности бизнеса по многим направлениям — таким как конкурентное преимущество, рост производительности, повышение эффективности и улучшение прогнозирования.
Принятие ИИ на рынке достигло критической массы, и в ближайшие два-три года количество внедрений, вероятно, удвоится. Однако для успешного развертывания и масштабирования ИИ первопроходцам все еще необходимо преодолеть множество внутренних проблем в таких областях, как бюджет, грамотность, организационная структура, KPI, устойчивость, управление рисками и жизненным циклом и т. д.
Поставщики технологий создают решения для обеспечения ответственности (конфиденциальность, прозрачность, непредвзятость и т. д.), повторяемости, доставки и управления ИИ. Лучшие практики также появляются и у первопроходцев. Кроме того, новые модели потребления, такие как ИИ как услуга, предварительно настроенный ИИ и встроенный ИИ, помогут не только обеспечить операционализацию И, но и сделать это быстро и в масштабах всего бизнеса.
Высокий спрос предприятий на ИИ и передовую аналитику выявил значительный технологический разрыв в навыках, который, возможно, никогда не будет заполнен только за счет человеческих ресурсов. Тем не менее, компании начинают видеть решения для преодоления этой пропасти с помощью быстро развивающегося набора технологий и практик, ориентированных на демократизацию ИИ.
Новые автоматизированные рабочие процессы, основанные на ИИ, и инструменты разработки low/no-code, а также крупномасштабные предварительно обученные модели ИИ, встроенные бизнес-приложения ИИ и даже комплексные (от ПО до чипов) решения ИИ — все это обещает превратить ИИ в более легко потребляемый корпоративный ресурс с гораздо меньшими требованиями к квалификации специалистов.
Тем не менее, остается много вопросов. Можно ли доверить ИИ получение ответственных результатов? Исчезнет ли специализация в области ИИ под влиянием нескольких огромных вертикально интегрированных платформ?
По мере увеличения объема и разнообразия данных и их свободного перемещения между локальными, облачными и мультиоблачными системами появляются новые способы управления и обмена данными.
Все чаще методология «ИИ, ориентированного на данные» означает, что наборы данных, ПО, системы и полупроводники разрабатываются вместе в ответ на проблемы устойчивости и управления гигантскими массивами данных.
Репозитории метаданных (каталоги данных), ткань данных (данные как API-сервис) и биржи/маркетплейсы данных выйдут на первый план, помогая компаниям избавиться от разрозненности данных, хрупких конвейеров данных и неоднородной политики безопасности/приватности — и все это без ущерба для существующих инвестиций в инфраструктуру.
Вычислительные требования современного ИИ трансформируют рынок полупроводников. Перейдя от вычислений на CPU к вычислениям на GPU, индустрия теперь переходит к специализированным ИИ-ускорителям и от коммерческого к заказному кремнию.
Начиная с 2023-2024 гг., экосистема x86, вероятно, догонит Apple, поскольку ускорение ИИ становится стандартной функцией процессора, в то время как кастомизация лишает ценности саму экосистему.
Современные макросоциальные и экономические тенденции влияют на развитие рынков всех видов таким образом, какого не наблюдалось за последние 40 лет. Такие вопросы, как цепочки поставок, глобальная инфляция, войны, растущие глобальные энергетические трения, изменение климата и влияние пандемии на рабочую силу, будут определять каждый аспект рынков технологий ИИ в обозримой перспективе. Как экосистема ИИ будет преодолевать эти риски и помогать компаниям, использующим его, делать то же самое?
По мере того, как ИИ становится мейнстримом, его темная сторона становится все более очевидной и тревожной: от предвзятости и дискриминации до дипфейков и наджинга. Лидеры бизнеса и правительства признали, что единственный способ получить устойчивые и справедливые преимущества ИИ — это обеспечить его ответственное использование.
В глобальном масштабе это означает наличие нормативных актов, стандартов, аудитов и сертификации. А на предприятиях, внедряющих ИИ, — активное управление. Появляются лучшие практики и инструменты для поддержки этичного использования ИИ, объяснимости ИИ, уверенности в ИИ и проактивного раскрытия информации.
По материалам itweek https://www.itweek.ru/ai/article/detail.php?ID=224324