2020 год под сенью пандемии повлиял на то, что нам нужно и чего мы ожидаем от технологий. Для многих COVID-19 ускорил темпы цифровой трансформации: поскольку сотрудники работали из дома, компании нуждались в системах искусственного интеллекта, облегчающих удаленную работу, и вычислительных мощностях для их поддержки.
Вопрос в том, как компании должны распределить свои ресурсы в 2021 году, чтобы подготовиться к этой изменившейся реальности и новым технологиям на горизонте? «Вот три тенденции, которые, как я прогнозирую, вызовут массовое внимание в 2021 году и далее», — сообщает Усман Шуджа (Usman Shuja), генеральный директор компании Honeywell.
- ИИ должен стать практичным
Прогресс в области искусственного интеллекта уже достиг той точки, когда он может принести значительную пользу практически любому бизнесу. COVID-19 вызвал массовый ажиотаж вокруг цифровых преобразований с потребностью в дистанционных решениях. Согласно отчету Boston Consulting Group, более 80% компаний планируют ускорить свою цифровую трансформацию, но только 30% цифровых преобразований достигли или превысили свое целевое значение.
Многие проекты ИИ являются маломасштабными — менее четверти компаний из списка McKinsey 2020 State of AI сообщили о значительном влиянии на конечный результат. Это особенно верно в отраслях, где есть физико-цифровой элемент. Например: существует большая потребность в дистанционно управляемых, автономных производственных объектах, нефтеперерабатывающих заводах или даже, во времена COVID-19, офисных зданиях. В то время как основная технология существует, достижение масштабируемости остается проблемой, и цифровым лидерам придется преодолеть этот барьер в 2021 году. Барьеры масштабируемости включают отсутствие дисциплинированного подхода, общеорганизационного мышления, надежных партнеров, ликвидности данных и управления изменениями.
Выход здесь в создании решений, которые будут управляться не обязательно специалистом по данным, так что больше людей, которые являются экспертами предметной области, смогут управлять программами, которые им нужны. Если Тесла изобрел автономный автомобиль, который могут водить только специалисты по обработке данных, какой в этом смысл?
Технология должна расширить возможности конечного пользователя, чтобы он мог взаимодействовать с моделями и манипулировать ими без необходимости контролировать более тонкие точки наборов данных или кода — другими словами, ИИ будет выполнять тяжелую работу на заднем плане, но удобное объяснение и пользовательский интерфейс расширяют возможности конечного пользователя. Например, менеджер по управлению объектами может управлять своим глобальным портфелем зданий с планшета, сидя в Starbucks, иметь полную видимость операций, опыта жильцов и расходов, с возможностью вмешиваться в то, что в противном случае было бы автономной операцией.
- Решения становятся более автономными с помощью глубокого обучения
Пионер глубокого обучения доктор Джеффри Хинтон (Geoffrey Hinton) недавно сказал MIT Technology Review, что глубокое обучение сможет делать “все” — то есть воспроизводить весь человеческий интеллект. Глубокие нейронные сети продемонстрировали экстраординарные возможности для аппроксимации наиболее релевантного подмножества математических функций и обещают преодолеть проблемы с рассуждением.
Однако я считаю, что есть шаг к полной автономии, который мы должны сначала преодолеть: то, что доктор Мануэла Велозо (Manuela Veloso) из Карнеги-Меллона называет симбиотической автономией. При симбиотической автономии механизмы обратной связи и коррекции встроены в ИИ таким образом, что люди и машины передают информацию друг другу плавно.
Скажем, вместо жесткой обратной связи (например, больших пальцев вверх и вниз, формирующих ваш плей-лист Netflix), симбиотическая автономия может выглядеть как обсуждение с виртуальным помощником вашего телефона, чтобы определить лучший маршрут к месту назначения. Взаимодействие с этими формами ИИ было бы более естественным и разговорным, если бы программа могла объяснить, почему она рекомендует или выполняет определенные действия.
При глубоком обучении нейронные сети аппроксимируют сложные математические функции более простыми, а способность учитывать все большее число факторов и принимать более разумные решения с меньшими вычислительными ресурсами дает им возможность стать автономными. Я ожидаю больших инвестиций в исследование этих способностей глубоких нейронных сетей по всем направлениям, от стартапов до ведущих технологических компаний и университетов.
Этот шаг к полностью автономным решениям станет критическим шагом на пути к масштабному внедрению искусственного интеллекта. Представьте себе корпоративную систему управления производительностью, которая может предоставить вам единую область видимости и контроля над глобальным предприятием, которое управляет несколькими объектами, рабочими и цепочками поставок автономно. Она учится сама по себе, но вы можете вмешаться и научить, если она сделает ошибку.
(Вопрос этики в автономных системах вступит здесь в игру, но это тема для другой статьи.)
- Борьба с будущими пандемиями ускорит исследования в области квантовых вычислений
Квантовые компьютеры обладают вычислительной мощностью для обработки сложных алгоритмов благодаря своей способности обрабатывать решения параллельно, а не последовательно. Давайте подумаем, как это может повлиять на разработку и доставку вакцин.
Во-первых, во время открытия лекарства исследователи должны смоделировать новую молекулу. Это чрезвычайно сложно сделать с современными высокопроизводительными компьютерами, но это проблема, которая поддается чему-то, в чем квантовые компьютеры в конечном итоге преуспеют. Квантовый компьютер в конечном счете можно было бы сопоставить с “квантовой системой”, то есть молекулой, и смоделировать энергию связи и силу химических переходов еще до того, как кому-либо пришлось бы делать лекарство.
Однако ИИ и квантовые вычисления могут предложить еще больше, чем создание вакцины. Логистика производства и доставки вакцины — это огромные вычислительные проблемы, что, конечно же, делает их подходящими для решения, сочетающего квантовые вычисления и искусственный интеллект.
Квантовое машинное обучение — это чрезвычайно новая область с такими большими перспективами, но необходимы прорывы, чтобы она привлекла внимание инвесторов. Технические визионеры уже могут начать видеть, как это повлияет на наше будущее, особенно в том , что касается понимания наночастиц, cоздания новых материалов с помощью молекулярных и атомных карт и изучения микросостава человеческого тела.
Область роста, которая обещает подлинные чудеса, — это пересечение исследований в этих системах, которые, как я полагаю, начнут объединяться и давать результаты больше, чем сумма их частей. Хотя существуют некоторые связи между ИИ и квантовыми вычислениями, или 5G и ИИ, все эти технологии, работающие вместе, могут дать экспоненциальные результаты.
Я особенно взволнован тем, как искусственный интеллект, квантовые и другие технологии повлияют на биотехнологии, поскольку это может быть секретом сверхчеловеческих способностей — и что может быть более захватывающим, чем это?
Источник: https://venturebeat.com/2021/01/23/3-tech-trends-that-covid-19-will-accelerate-in-2021/