Тренды - Прикладной искусственный интеллект

Тренды развития прикладного ИИ

• ML: Подобласть ИИ, которая использует статистические методы для обучения. Пример - оптимизация расписания.
• Компьютерное зрение: подобласть машинного обучения на базе визуальных данных, таких как изображение, видео и 3-D сигналы, извлечение сложная информации и получение интерпретаций. Пример - распознавание лиц, биометрия.
• NLP: Подобласть ML, которое включает обработку, генерация и понимание языковых данных, такие как письменный текст и устное слово. Пример - распознавание речи в виртуальном голосовом помощнике.
• Глубокое обучение с подкреплением: сочетание глубокого обучени и обучения с подкреплением, в котором агент принимает решения в неопределенной среде, используя сложные алгоритмы, "вдохновленные" нейронными сетями мозга. Пример - планирование движения робота-манипулятора для производственной линии.
• Графы знаний: структурированный набор данных, изображенный в виде сети для демонстрации сложных отношений между объектами. Пример - анализ социальных сетей.

Преимущества технологий.

• Экономия затрат: до 90% респондентов отметили снижение затрат в 2020 году.
• Общее увеличение доходов: до 75% респондентов указали на увеличение доходов в 2020 году.
• Новые варианты использования. Новые варианты использования откроют новые бизнес-возможности.
• Расширенный доступ к ИИ и простота внедрения: новые технологии и методы, такие как операции машинного обучения и автоматизация программного обеспечения, должны сделать ИИ более доступным.

Риски и неопределенности

• Высокие первоначальные инвестиции в таланты и ресурсы: это создает высокий барьер для входа, связанного с разработкой рабочих процессов AI и ML для производства.
• Проблемы кибербезопасности и конфиденциальности: риски и уязвимости данных возникают в рамках технического рабочего процесса ИИ.
• Усиление регулирования и соответствия: новое законодательство повлияет на развитие ИИ.
• Этика ИИ: вопросы включают ответственность, справедливость и объяснимость.

Какие темы для дебатов связаны с темой прикладного ИИ?

Надежность. Что значит надежный и ответственный ИИ?

• Потенциальные риски и опасения возрастают по мере расширения вариантов использования ИИ.
• По данным Экспертной группы Комиссии ЕС по ИИ, ответственный и заслуживающий доверия ИИ может определяться соблюдением законов, соблюдением этики, обеспечением технической и социальной устойчивости, снижением потенциального вреда.
• Комиссия разработала 7 требований к ответственному ИИ и к доверию ИИ: человеческое вмешательство и надзор; социальное и экологическое благополучие; техническая надежность и безопасность; конфиденциальность и управление данными; прозрачность; подотчетность; разнообразие, дискриминация и справедливость.

Объяснимость. Когда нужна объяснимость решений ИИ?

• Объяснимость решений ИИ показывает, насколько хорошо мы можем понять модель ИИ. Интерес к этой области растет по мере того, как модели становятся все более сложными и изучаются случаи использования с высоким риском (например, диагностика заболеваний).
• Согласно исследований Стэнфордского университета, для искусственного интеллекта, ориентированного на человека присущи три вида объснений решений ИИ: объяснение для инженеров (технически объясняет, как работает модель ИИ), причинно-следственное объяснение (объясняет, почему входные данные модели порождают соответствующий результат), доверие - обеспечение объяснимости (информация, которой можно доверять и с помощью которой можно объяснить модель).
• В зависимости от ситуации организации могут использовать один тип объяснимости, комбинацию типов или все три типа (например, оценка риска заболевания рассматривает все три типа).

Приоритет в реализации приложений. Как определить, какое приложение ИИ принесет наибольшую пользу?

• В разных отраслях и организациях каждое применение ИИ по-разному повлияет на доходы; понимание того, как ИИ влияет на каждого заинтересованного лица, организацию и экосистему.
• Понимание последствий применения ИИ будет иметь важное значение для принятия решений о приоритетах развертывания и мониторинга ИИ.

Другие риски. Каковы еще области риска в применениях ИИ?

• Основные области риска включают кибербезопасность, соблюдение нормативных требований, объяснимость, личную конфиденциальность, репутацию организации и справедливость.
• В то время как клиенты, акционеры и регулирующие органы призывают к более тщательному изучению этих тем, субъективные темы (например, конфиденциальность и справедливость) не являются высокими стратегическими приоритетами в организациях, поскольку им не хватает ресурсов и возможностей для полного понимания и решения таких проблем.

Источник. 

McKinsey Technology Trends Outlook 2022. August 2022. McKinsey analysis.