Пять трендов 2020 года в области искусственного интеллекта

  • Дата публикации: 05.08.2020

Несмотря на то что искусственный интеллект (ИИ) становится всё более распространённым, иногда не совсем понятно, нужно ли вкладываться в новомодный тренд. Мы проберёмся через ажиотаж, окутавший ИИ, и сконцентрируемся на технологиях, которые стоят внимания в ближайшие 5—10 лет. В статье мы рассмотрим 5 направлений, которые, возможно, заинтересуют бизнес в 2020 году.

1. Роботизация бизнес-процессов (Robotic Process Automation или RPA)

ИИ

RPA — простая технология на основе ИИ, но в то же время одна из самых прорывных. Представьте, что работа подразумевает выполнение большого количества повторяющихся действий, например, создание счетов-фактур. Для этого нужно открыть письмо с вложением, скопировать данные в CRM систему, затем взять такие же данные из другого ресурса и отправить их в ответном письме. Одна и та же задача повторяется несколько раз на дню и не даёт сотруднику работать над теми проектами, которые действительно интересны.

RPA — это программа-робот, которая может выполнять рутинные, повторяющиеся действия. Используя пример, приведённый выше, предполагается, что робот будет читать письмо, полученное по email, открывать вложение, копировать данные в CRM систему, собирать данные из других источников и даже будет сам отправлять ответы на письма. Программа уведомит работника в случае, если ситуация потребует вмешательства человека. В двух словах задача RPA — освободить время сотрудников для более интересных и творческих задач. Компаниям следует рассмотреть RPA как главный тренд ИИ.

Применение RPA: создание счетов-фактур, выставление счетов на оплату, обработка платёжных ведомостей, извлечение и объединение данных, планирование и отслеживание отгрузок.

Case study: компания Vanguard, работающая в сфере финансовых услуг, владеет международными активами под управлением на сумму 6,2 триллиона долларов. В компании используют RPA для выполнения простых трейдинговых задач, что никак не уменьшает потребность в трейдерах. Даже наоборот, применение технологий позволяет сотрудникам работать над более сложными проектами, отчего компания только выигрывает.

Компания NFP предоставляет полный спектр услуг по роботизированной автоматизации процессов (RPA): от продажи лицензий до внедрения проектов с обучением сотрудников компаний разработке на платформе.

 2. Обработка естественного языка (Natural Language Processing или NLP)

NLP

Для того чтобы компьютеры могли распознавать письменный и разговорный язык, NLP использует модели машинного обучения. Очевидно, что благодаря функциональным и продвинутым приложениям, NLP является одним из топовых направлений ИИ с точки зрения экономии. Технология стала особенно популярной, благодаря голосовым помощникам от Google Home и Alexa от Amazon. Взаимодействовать с устройствами посредством голоса проще, чем текстовым или графическим способом.

NLP можно разделить на две составляющие:

  • Распознавание естественного языка — анализ текста и точное интерпретирование смысла.
  • Генерация естественного языка — система генерирует логический ответ на текст или запрос.

Применение NLP: анализ настроения, чат-боты, машинный перевод, автоматическое резюмирование и автоматическое добавление субтитров в видео.

Сase study: YouTube использует приложения для обработки естественного языка, например, для автоматического вывода субтитров на видео. Программа для распознавания речи  пропускает через себя видео и выдает его с субтитрами. Впервые эта технология появилась на сайте в 2009 году, она была хорошо отлажена, и теперь субтитры доступны на множестве языков, благодаря загружаемым каждый день видео.

3. Обучение с подкреплением (Reinforcement learning или RL)

Робот

Если говорить просто, то RL — это система ввода-вывода, которая самообучается путём проб и ошибок, для достижения определённого результата, и использует при этом сигналы подкрепления. ИИ рассматривает ввод как некую информацию, а возвращает её как действие. Когда система делает всё правильно, она получает вознаграждение. Чем лучше происходит обработка задачи, тем больше вознаграждения она получает и наоборот.

Например, агент ИИ должен распознать объект как морковь или как деревянную палку. Если имеется в виду морковь и система угадает, то она получает +1, и -1, если распознает деревянную палку вместо моркови.

Применение системы RL: персональные рекомендации, оптимизация затрат на рекламу и оптимизация рекламного контента.

Case study: благодаря системе RL известный китайский маркетплейс Alibaba увеличил возврат вложенных инвестиций от онлайн-рекламы на 240% без увеличения рекламного бюджета. В проведённом исследовании команда Alibaba объясняет, как именно использовалась система RL: они оптимизировали спонсируемую поисковую кампанию, создав торги по модели показов рекламы каждый час, осуществляя торги в режиме реального времени. В исследовании можно увидеть, как RL превзошла по показателям другие системы торгов.

4. Граничные вычисления (Edge computing)

Amazon Echo

Смартфоны, умные часы, а также устройства интернета вещей, которые мы используем дома и в машине, аккумулируют большое количество информации. Обработать все эти данные — сложная задача. Для этого нужны специальные вычислительные машины, которые находятся на удалённых серверах. Когда смартфон не ловит Wi-Fi, он становится не более, чем дорогим кирпичом.

При граничном вычислении обработка данных происходит в самом конечном устройстве, а не на сервере или хранилище данных. Обработка происходит в режиме реально времени, что позволяет быстрее получить ответ и избежать задержек сети. Если облачные вычисления — это большие данные, то граничные вычисления — это мгновенные данные.

Другой тип граничного вычисления происходит в узлах сети — это мини-сервер, расположенный рядом с провайдером. С помощью этого узла создается мост между облаком данных и местным вычислительным устройством. В результате получается снизить затраты и уменьшить время на обработку данных, что идеально для потребителей.

Применение граничных вычислений: объединение между собой большого количества устройств, развитие технологии интернета вещей.

Case study: рассмотрим умную колонку Amazon Echo. Технология ассистента Алексы вшита не в саму колонку. Она распознаёт команду «Алекса», но сама колонка должна быть подключена к Wi-Fi, чтобы обработать голосовой запрос через облачный сервер, независимо от того, насколько простым или сложным он был. Но Amazon надеется, что с помощью специально созданного чипа ИИ, в основе которого лежит технология граничного вычисления, колонка сможет сама обрабатывать простые запросы, что улучшит пользовательский опыт.

5. Фреймворки ИИ с открытым исходным кодом

Код

Библиотеки и фреймворки — базовые элементы программирования, которые убирают лишнюю информацию из кода. Например, такие библиотеки Java Script как React и Angular помогают разработчикам создавать сайты быстро и практически без ошибок. Подобным образом фреймворки с открытым исходным кодом способствуют быстрому развитию и распространению ИИ. Инструменты и исследования ИИ стали доступны не только профессионалам из Кремниевой долины или кандидатам наук, но и программистам, дата-сайентистам и техническим командам, независимо от их уровня.

Функциональность ИИ поддерживается специально созданными библиотеками и платформами, а крайне сложные алгоритмы, модели, каналы коммуникации и процессы обучения теперь доступны всем, кто интересуется ИИ. Например, благодаря фреймворкам, понадобится всего лишь пара строчек кода, чтобы создать проект на основе компьютерного зрения.

Применение фреймворков ИИ с открытым исходным кодом: прототипы и ряд комплексных алгоритмов ИИ; каналы, по которым можно определять, оптимизировать и оценивать модель ИИ; автоматизировать обучение модуля RL; строить нейронные сети, с помощью нескольких строчек кода.

Case study: TensorFlow — это фреймворк от Google, который подходит для любого направления ИИ. С помощью него создаются сверточные нейронные сети для классификации изображений, а некоторые модули TensorFlow упрощают создание систем обработки естественного языка. TensorFlow 2.0 — один из самых популярных фреймворков ИИ, который позволяет пользователям создавать еще более продвинутые ИИ системы.

Статься подготовлена по материалам сайта udemy.com.

Наверх