Прежде чем перейти к статье, хочу вам представить, экономическую онлайн игру Brave Knights, в которой вы можете играть и зарабатывать. Регистируйтесь, играйте и зарабатывайте!
Еще в сентябре 2019 года консалтинговое агентство IDC прогнозировало, что к 2023 году расходы предприятий на внедрение технологий искусственного интеллекта вырастут более чем в два с половиной раза и составят $97,9 млрд. Пандемия COVID-19 только увеличила потенциальную ценность AI для бизнеса. Согласно исследованию McKinsey State of AI, опубликованному в ноябре 2020 года, половина респондентов заявили, что их организации уже внедрили, как минимум, одну AI-функцию в свои бизнес-процессы.
Эксперты утверждают, что 77% устройств, которые мы используем в настоящее время, имеют встроенный искусственный интеллект. AI-технологии сопровождают людей в медицине, экономике, образовании, науке, розничной торговле, автомобилестроении, производстве и даже в творчестве. Какие же операции мы можем смело доверить искусственному интеллекту, освободив человеческие ресурсы для более важных задач?
RPA 2.0. Оптимизация процесса принятия решений
По данным Grand View Research, рынок RPA — решений для роботизированной автоматизации процессов — в настоящее время оценивается в $1,1 млрд, и ожидается, что в период с 2021 по 2027 год среднегодовой темп роста составит 33,6%.
RPA направлена на автоматизацию бизнес-процессов, управляемых бизнес-логикой. Решения RPA могут варьироваться от простых операций (создание автоматического ответа по электронной почте) до развертывания тысяч ботов, которые автоматизируют выполнение задач на основе различных правил. RPA уже активно внедряется в отраслевых вертикалях, таких как производство, HR и финансы.
Преимущества от внедрения RPA:
- повышение эффективности основных бизнес-процессов;
- повышение удовлетворенности клиентов и сотрудников;
- снижение затрат на выполнение процессов.
По сравнению с RPA первой версии, RPA 2.0 не только выполняет рутинные задачи, но и выводит автоматизацию на новый уровень за счет активного принятия сложных решений, требующих проверки человеком только в случае крайней необходимости.
Гиперавтоматизация и AIOps
Основная цель автоматизации — это обработка повторяющихся задач. Но в ходе этого процесса обнаруживаются различные бизнес-процессы, которые, в свою очередь, сами нуждаются в автоматизации. Это и есть гиперавтоматизация.
AIOps — это AI-приложения, которые используют машинное обучение и анализ больших данных для оптимизации управления ИТ-процессами. AIOps ускоряет и автоматизирует решение различных задач в сложных средах.
Автоматизация бизнес-процессов с помощью AIOps позволяет снизить затраты, повысить скорость работы и уменьшить число ошибок, в то же время высвободив человеческие ресурсы для приоритетных задач более высокого уровня. В 2021 году компании стали активно искать подобные решения для ускорения, оптимизации и перепроектирования процессов.
Расширенные возможности компьютерного зрения
Благодаря внедрению AI, глубокого обучения (Deep Learning) и нейронных сетей компьютер может идентифицировать и находить объекты на изображениях и видео, а затем реагировать на то, что он видит, с относительно высокой степенью точности (иногда даже точнее, чем человек).
Обнаружение изображений и лиц уже используется во многих инновационных сценариях, например:
- при разработке беспилотных автомобилей;
- для автоматической сортировки отходов;
- при классификации документов (например, сортировка бумажных счетов-фактур);
- в приложениях для перевода (Google Translate использует оптическое распознавание символов для поиска точного перевода);
- в системах распознавания лиц (iPhone использует FaceID, а в Китае полиция использует компьютерное зрение на контрольно-пропускных пунктах);
- в здравоохранении (компьютерное зрение помогает врачам анализировать маммограммы, рентгеновские снимки и другие изображения, чтобы поставить более точный диагноз).
Разговорный AI и NLP
Чат-боты на базе AI, также известные как разговорный искусственный интеллект, расширяют охват клиентов, повышают скорость реагирования и делают процесс общения с клиентами более персонализированным.
Чтобы лучше понять, что человек говорит и что ему нужно, чат-бот на базе AI использует обработку естественного языка (NLP), автоматическое распознавание речи (ASR) и машинное обучение, обеспечивая взаимодействие на уровне, близком к человеческому.
Растущая популярность NLP может быть объяснена его широким использованием в проектах Amazon Alexa и Google Home. NLP устраняет необходимость писать или взаимодействовать с экраном устройства, так как теперь люди могут общаться с роботами, понимающими их язык.
Ожидается, что в 2021 году значительно вырастет частота использования NLP для анализа настроений, машинного перевода, описания процессов, для создания чат-ботов и автоматической генерации субтитров для видео.
AI в кибербезопасности
В ближайшие годы знания станут более доступными, а цифровые данные будут подвергаться большему риску компрометации и уязвимости для хакерских и фишинговых атак. Искусственный интеллект обеспечит службам безопасности поддержку во всех областях, например, при обнаружении подозрительной цифровой активности или криминальных транзакций.
Ручной поиск угроз — это дорогой, утомительный и трудоемкий процесс. Благодаря внедрению AI в кибербезопасность некоторые атаки, которые ранее могли остаться незамеченными, теперь с легкостью предотвращаются.
Кроме того, традиционная кибербезопасность носит реактивный характер: действия предпринимаются только после того, как произошло нарушение. Благодаря внедрению AI эксперты по кибербезопасности могут прогнозировать атаки до их возникновения и принимать необходимые меры предосторожности.
Разработанные с помощью AI и машинного обучения алгоритмы могут использовать данные, чтобы научиться реагировать на различные ситуации, анализировать угрозы, распознавать закономерности и извлекать уроки из прошлого опыта. Однако существующие алгоритмы необходимо дорабатывать, чтобы избежать создания ложных закономерностей и возникновения ложных тревог.
AIoT
Границы между AI и IoT становятся все более условными. Хотя обе технологии обладают индивидуальными характеристиками, при совместном использовании набор их возможностей существенно расширяется. Одним из ярких примеров слияния AI и IoT являются интеллектуальные голосовые помощники (Alexa, Siri, Алиса и другие). Gartner прогнозирует, что к 2022 году более 80% корпоративных IoT-проектов будут каким-либо образом внедрять AI.
Например, AI и IoT могут пересекаться при реализации таких концепций, как «умное» здание. Интеллектуальные датчики окружающей среды собирают данные о количестве сотрудников, затем система может соответствующим образом регулировать освещение и обогрев, тем самым повышая энергоэффективность.
AI и облачные вычисления
Одна из основных проблем бизнеса при внедрении AI — это высокие начальные затраты на покупку серверов и обеспечение доступа к наборам данных. Облачные вычисления «демократизируют» доступ к AI, т. к. компании получают возможность использовать искусственный интеллект без необходимости делать большие предварительные вложения.
Основные тенденции AI в отношении облачных вычислений будут связаны с такими моделями, как инфраструктура как услуга (IaaS), платформа как услуга (PaaS) и программное обеспечение как услуга (SaaS).
Автопромышленность и автономный транспорт
Помимо развития беспилотного транспорта, эксперты прогнозируют и рост рынка программ, которые предсказывают ситуацию на дорогах — это стало возможным благодаря модернизации камер видеонаблюдения, которые способны производить аналитические операции и распределенные вычисления непосредственно на самом устройстве.
Второй интересный тренд в этой отрасли — так называемые «умные» рельсы. На данный момент эта концепция активно тестируется в Китае, где она называется ART (Autonomous Rail Rapid Transit — автономные скоростные железнодорожные перевозки). Перемещение поезда не требует дополнительного контроля, поскольку он следует по виртуальной траектории.
Цифровые номерные знаки, созданные с использованием AI, помогут транспортным службам разного уровня как для оповещения в случае аварии, так и для определения местоположения машины по GPS.
Искусственный интеллект поможет производителям лучше прогнозировать возможные поломки машин — специальные алгоритмы будут следить за работой устройств и сообщать о возможных неполадках еще до их возникновения. Компьютерное зрение позволит контролировать производственные процессы и обнаруживать даже самые незначительные дефекты, сложные для отслеживания человеком.
Генерация синтетического контента
Еще один интересный тренд — формирующий искусственный интеллект. Этот вид AI поглощает информацию из разных источников и на ее основе создает новый контент — даже программный код. К этой области относится и генерация такого контента, как музыка, изображения или видео. Формирующий AI уже сейчас, на начальной стадии развития, приносит заметную пользу: он анализирует факторы, которые человек может упустить из виду, и способен к самостоятельному обучению. Например, существуют решения для проектирования 3D-моделей протезов и молекул ДНК (для задач генной инженерии).
MarTech
MarTech — это сочетание маркетинга и технологий для достижения маркетинговых целей и задач. Сегодня рекомендательные системы, цифровой маркетинг, разговорный искусственный интеллект и чат-боты стали привычным инструментом интернет-продаж. Носимые устройства, IoT, сенсорные технологии, cookie и многое другое помогают компаниям собирать огромные объемы данных от обычных потребителей. Затем они используются для лучшего понимания поведения потребителей и создания новых продуктов и услуг. Но поскольку вопросы конфиденциальности продолжают набирать обороты, компании будут искать новые возможности для достижения своих маркетинговых целей, продолжая максимально легально отслеживать поведение потребителей.
Самостоятельная разработка программного обеспечения
Нельзя сказать, что на данный момент роботы получили способность программировать себя сами. Тем не менее, AI помогает разработчикам обнаруживать и исправлять распространенные ИТ-ошибки при создании программного кода, что повышает скорость разработки.
Этичный AI
В некоторых кругах идет обширная дискуссия о том, что мы передаем слишком много полномочий по принятию решений машинам. С одной стороны, AI очень помогает людям в оптимизации логистических операций, в борьбе с мошенничеством, в проведении исследований, выполнении переводов, создании произведений искусства — все это изменило нашу жизнь к лучшему.
Тем не менее, «машинная мораль» — это концепция, изучаемая с тех самых пор, как существует сам AI, и она остается весьма актуальной благодаря таким инцидентам, как аварии беспилотных автомобилей или расистские высказывания чат-ботов.
Несмотря на скорость и возможности AI, нельзя рассчитывать, что робот всегда будет справедливым и нейтральным, так как, в конечном итоге, эти приложения созданы людьми. Если человек, создающий приложение, предвзят, кто виноват в происходящем: машина или человек?
Спрос на этичный AI растет, и по мнению Forrester, в следующем десятилетии ИТ-директора должны будут реагировать на требования цифрового рынка и обеспечивать работу бизнеса с учетом этичности использования AI.
Заключение
Несмотря на определенные минусы концепции, ее плюсы имеют гораздо больший вес, и рынок AI быстро и неуклонно растет. Прогнозируется, что к 2025 году рыночная стоимость AI-решений может достичь $190,61 млрд.
Потребность в быстро развивающихся AI-технологиях стимулирует сочетание самых разных факторов: динамичность жизни, возможности для удаленной работы, повышенное внимание к здоровью в долгосрочной перспективе и обилие доступных данных и информации.
AI будет наращивать проникновение как на уровне инфраструктуры, так и на уровне отдельных компонентов. Производство AI-чипов позволит создавать различные линейки AI-продуктов для разных сфер бизнеса и повседневной жизни.
AI-чипы могут быть использованы в видеокамерах, «умных» ассистентах, биометрических замках и пр., позволяя реализовывать алгоритмы AI непосредственно на устройствах. Увеличение скорости обработки будет особенно актуально при создании беспилотных автомобилей, БПЛА, интеллектуальных систем видеонаблюдения, IoT-систем, промышленных роботов и т. д.
Поскольку компании будут продолжать внедрять AI, будет расти потребность в опытных инженерах по искусственному интеллекту и машинному обучению для разработки и сопровождения этих решений.
