Четыре тенденции, определяющие инновации в области ИИ

Новостная Редакция

По данным Gartner, четыре тренда буду продвигать инновации в области искусственного интеллекта в ближайшем будущем: ответственный искусственный интеллект, использование «малых» и «широких» данных, операционализация ИИ-платформ, эффективность использования данных, а также моделей и вычислительных ресурсов.

«Инновации в области ИИ идут быстрыми темпами, и заметное количество технологий на Кривой цикла зрелости достигнет широкого применения в течение двух-пяти лет. Периферийный ИИ, компьютерное зрение, интеллектуальная поддержка принятия решений и машинное обучение окажут трансформирующее влияние на рынок в ближайшие годы», — прокомментировал старший аналитик исследования Gartner Шубханги Вашист.

Рынок ИИ находится в состоянии развития, и значительная часть новых технологий в этой области находится на восходящей ветви зарождения инноваций. Это указывает на рыночный тренд, где конечные пользователи ищут определенные возможности, выходящие за рамки существующих инструментов ИИ.

Ответственный ИИ

По словам вице-президента исследований Gartner, ответственный ИИ помогает добиться объективности, достичь доверия, хотя методы обеспечения прозрачности и объяснительная способность только еще развиваются.

К 2023 году, по мнению Gartner, весь персонал нанятый для разработки и тренировки ИИ, должен будет продемонстрировать опыт в области ответственного ИИ.

«Малые» и «широкие» данные

Данные составляют основу успешности инициатив в области ИИ. Использование «малых» и «широких» обеспечивают более надежную аналитику и ИИ, а также уменьшают зависимость организаций от больших данных и обеспечивает более всестороннее и полное понимание текущей ситуации.

Уже к 2025 году 70% организаций будут вынуждены сместить акцент с больших данных на малые и широкие, обеспечивая тем самым больше контекста для аналитики и уменьшая потребность ИИ в данных.

«Малые данные — это применение аналитических методов, которые требуют меньше данных, но всё же дают полезные инсайты, а широкие данные дают возможность анализировать и комбинировать различные источники данных.Применяемые вместе, эти подходы обеспечивают более надежную аналитику и помогают получить более всеохватывающую картину бизнес-проблем».

Операционализация ИИ-платформ

Неотложность и важность использования ИИ для трансформации бизнеса создают потребность в операционализации ИИ-платформ. Это означает переход от концепции к осуществлению проектов ИИ, чтобы можно было полагаться на внедрения искусственного интеллекта для решения проблем в масштабах всей организации.

«Исследование Gartner показало, что лишь половина проектов ИИ проходят путь от пилотной стадии до реализации, и это занимает в среднем девять месяцев. Такие инновации, как платформы оркестровки и автоматизации ИИ (AIOAP) и внедрение моделей (ModelOps), обеспечивают возможность повторного использования, масштабируемости и управления, ускоряя внедрение и рост ИИ».

Эффективное использование ресурсов

Учитывая сложность и масштаб данных, моделей и вычислительных ресурсов, задействованных при внедрении ИИ, инновации в этой области требуют, чтобы такие ресурсы использовались максимально эффективно. Мультимодальное взаимодействие, «составной» ИИ, генеративный ИИ и «преобразователи» (transformers) привлекают всё больше внимания на рынке ИИ, так как позволяют решать широкий спектр бизнес-проблем более эффективным образом.

Подписывайтесь на наш Telegram-канал и читайте новости первыми!

Рекомендуем

Пиксель для количества просмотров