Среди тенденций развития искусственного интеллекта — рост генеративного ИИ, демократизация ИИ и повышенное внимание к этике и соблюдению нормативных требований, сообщает портал eWeek.

Далеко не новая сфера ИИ — ей уже несколько десятилетий — демонстрирует быстрое развитие. С учетом недавнего стремительного роста генеративного ИИ и автоматизации на базе ИИ эволюция здесь, похоже, идет с удвоенной скоростью — или даже быстрее.

Ниже представлен обзор некоторых современных тенденций в области ИИ и рассмотрено, как новые технологии, возможности и сценарии использования ИИ повлияют на пользователей — от рядового потребителя до ИТ-команды глобального предприятия.

1. Генеративный ИИ увеличивает свою и без того высокую популярность

За последние несколько месяцев генеративный ИИ захватил мир технологий и весь земной шар, предлагая удобные ИИ-модели для генерации текста, изображений, аудио и другого контента. В настоящее время на арене генеративного ИИ доминирует OpenAI благодаря таким решениям, как GPT-4 и ChatGPT, а также тесному партнерству с Microsoft, но другие конкуренты быстро догоняют ее: например, Google развивает возможности Google Bard и быстро набирает обороты.

Десятки стартапов уже претендуют на конкретные нишевые рынки и корпоративные сценарии использования генеративного ИИ, такие как поиск/разработка лекарств и управление рисками, и очевидно, что в ближайшие месяцы на этот рынок выйдут еще многие.

Однако важно отметить, что большинство из компаний, работающих в области генеративного ИИ, занимаются доработкой или иным образом полагаются на базовые модели сторонних производителей, а не создают собственную инфраструктуру. В ближайшем будущем можно ожидать, что рынок генеративного ИИ начнет консолидироваться, и такие лидеры, как Google, Microsoft, OpenAI, возможно, Amazon и др., будут бороться за место предпочтительного поставщика как базовых моделей, так и инструментов ИИ-ассистентов.

Кроме того, следует ожидать более активного участия поставщиков инфраструктуры, аппаратного обеспечения и средств вычислений, таких как Nvidia и Intel; предоставляемые ими чипы и графические процессоры являются ограничено доступными прибыльными ресурсами, необходимыми для обеспечения работы моделей генеративного ИИ в масштабе.

2. Встраиваемый и UX-ориентированный ИИ

Ряд компаний и стартапов в области ИИ предлагают модели, которые могут быть доработаны и встроены в сторонние системы. Такие модели позволяют компаниям создавать на основе ИИ поисковые, вспомогательные и другие ориентированные на пользовательский опыт (UX) сервисы — от внутренних баз данных для сотрудников до поисковых панелей и баз знаний на сайтах для внешних пользователей. Над внедрением эффективных ИИ-помощников в свои поисковые системы активно работают и лидеры в области поиска, такие как Microsoft и Google.

По мере развития ИИ, ориентированного на UX, ИИ-компании скорее всего будут уделять больше внимания своему глобальному присутствию и многоязычным возможностям. Некоторые инструменты ИИ в настоящее время не работают за пределами англоязычных запросов. Однако ряд компаний в настоящее время развивает процессы обучения моделей ИИ и глобальные наборы данных, чтобы сделать возможной обработку и понимание естественного языка на десятках языков. Примером таких усилий является компания Cohere — «единорог» генеративного ИИ, создатель такого продукта, как Embed, который может извлекать и переводить тексты на более чем 100 языках.

3. Ужесточение требований к соблюдению нормативно-правовых актов и этических норм

Инструменты ИИ продолжают развиваться и проникать во все новые сферы нашей жизни, опираясь для эффективной работы на огромное количество персональных и конфиденциальных данных. Однако и компании, и частные лица все чаще задумываются о том, какие данные собираются, как они используются и обеспечивается ли их надлежащая защита в процессе использования и утилизация после завершения работы.

В связи с этим в настоящее время ИИ-компании стремятся сделать процессы сбора данных и обучения моделей более прозрачными, чтобы пользователи знали, как используются их данные. Многие заказчики также настаивают на внедрении объяснимого ИИ. Речь идет об инструментах и документации, которые наглядно объясняют, как оптимизировать работу модели и лучше анализировать или настраивать ее поведение.

В ответ на обеспокоенность пользователей такие компании, как OpenAI, пытаются более четко разграничить свои методологии и внутренние практики обучения моделей и обеспечения безопасности данных. Эти ожидания будут только расти, особенно по мере того, как различные технологические лидеры, страны и отдельные потребители будут обращаться к этим поставщикам и ставить под сомнение их общие обязательства по обеспечению комплаенса, управлению данными, безопасности и этичности использования.

Говоря об этичности использования, следует отметить, что технологические эксперты и экологи начинают обсуждать влияние новейших моделей ИИ на окружающую среду. Многие из этих инструментов требуют огромного количества вычислений как для первоначального обучения, так и для дальнейшего использования. Высокое потребление энергии оставляет значительный углеродный след, который превосходит воздействие на окружающую среду большинства других современных технологий.

Когда инструменты генеративного ИИ и другие современные модели используются в небольших масштабах, это не является проблемой, но при том, как большинство предприятий предпочитают использовать эти модели, экологические последствия должны быть устранены в ближайшее время, пока они не вышли из-под контроля.

По мере продвижения предлагаемых нормативных актов в области ИИ, таких как европейский «AI Act», компаниям, работающим в сфере ИИ, необходимо будет обосновывать создаваемые ими инструменты и то, что они делают, а также используемые ими материалы, потребляемую энергию и гарантии безопасности и соответствия, которые они устанавливают для защиты потребителей.

4. Продолжающаяся демократизация ИИ и повсеместный доступ к нему

Предприятия, как правило, располагают огромными объемами данных, которые необходимо обрабатывать, но не имеют достаточных ресурсов для обработки сложных данных в различных форматах.

Кроме того, в условиях повсеместного дефицита кадров и нехватки навыков многие компании не располагают достаточным количеством квалифицированного персонала для сбора, интерпретации, анализа и применения бизнес-аналитики и данных в операционных процессах в масштабах организации.

Для борьбы с этой проблемой многие компании создают или инвестируют в технологии low-code/no-code, включая удобные ИИ-инструменты, которые позволяют просеивать и интерпретировать большие объемы структурированных, неструктурированных и полуструктурированных данных. Эти новые средства становятся все более важными для демократизации бизнес-аналитики, принятия решений и анализа данных.

В настоящее время компании, такие как DataRobot, H2O.ai, Sisu Data, Tellius и др., разрабатывают решения для аналитики и принятия решений на основе ИИ, которые снижают барьер входа для людей, не являющихся специалистами в области науки о данных. Эти решения помогают организациям расширять возможности анализа данных, а новым пользователям — лучше понимать и контекстуализировать бизнес-данные.

Хотя многие компании, работающие в области ИИ и аналитики данных, уже занимаются повышением доступности своих решений для менее технически подкованных пользователей, будет интересно понаблюдать за тем, как все большее число организаций будет склоняться к использованию low-code/no-code для повышения уровня демократизации ИИ. Не ограничиваясь упрощением использования этих инструментов, компании также начинают привлекать новых клиентов. Для этого они интегрируют интеллектуальные средства на основе ИИ в уже используемые инструменты, включая озера данных и базы данных, BI-панели и т. д.

5. Новые решения в области кибербезопасности на базе ИИ

ИИ используется в некоторых решениях по кибербезопасности уже несколько лет, и по мере расширения возможностей эти средства быстро становятся все более популярными.

Поставщики средств обнаружения и реагирования на сетевые атаки (NDR) и расширенных средств обнаружения и реагирования (XDR) продолжают добавлять в свои портфели решений средства обнаружения угроз на основе ИИ, помогающие службам безопасности выявлять и решать такие проблемы, как атаки без идентифицирующих их сигнатур, и автоматизировать различные аспекты рабочих процессов обнаружения и реагирования.

Средства управления уязвимостями, пентестирования, имитации взломов и атак (BAS) также начинают в значительной степени опираться на ИИ для более реалистичного моделирования целевых продолжительных атак повышенной сложности (APT).

А с развитием генеративного ИИ появился совершенно новый вид средств безопасности, основанных на ИИ. Google, Microsoft, CrowdStrike, Cisco, SentinelOne и многие другие компании используют генеративный ИИ для дальнейшего развития интеллектуального обнаружения угроз, поведенческого анализа, запросов на естественном языке и аналитики безопасности.

Безусловно, инструменты кибербезопасности на базе ИИ могут быть созданы и использованы злоумышленниками, но ИБ-компании, которые решили внедрить ИИ в свои инструменты и рабочие процессы уже сейчас, имеют наилучшие возможности для борьбы с этими новыми угрозами.

6. Компьютерное зрение и гиперавтоматизация в промышленности

Компьютерное зрение — разновидность ИИ, позволяющая компьютерам лучше понимать данные и сценарии, основанные на изображениях, — стало ключевым фактором упрощения и автоматизации современного производства.

Среди производственных задач, которые в настоящее время решаются с помощью компьютерного зрения и соответствующих ИИ-решений, — автоматическое обнаружение дефектов продукции, 3D-моделирование, управление рисками, подсчет и упаковка продукции, предиктивное обслуживание и управление запасами. Возможности инструментов компьютерного зрения по визуальной обработке данных позволяют им справляться с задачами контроля качества на уровне человека, а в некоторых случаях и превосходить его.

Новейшие мультимодальные ИИ-модели и робототехника, позволяющие компаниям использовать входные изображения для получения подробной классификации, объяснений и рекомендаций, приобрели особое значение для гиперавтоматизации производства. По результатам их работы пользователи могут либо вручную устранять обнаруженные проблемы, либо прибегать к роботизации процессов (RPA) для исправления ошибок на основе правил.

Например, мультимодальная модель может быть обучена обрабатывать изображение воздушного винта самолета и быстро сообщать пользователю, что это за винт, какие дефекты влияют на его работу/безопасность и где они расположены и/или как устранить обнаруженные проблемы. В некоторых сценариях эти ИИ-модели интегрируются с автоматическими ботами, которые могут выполнять эти исправления автоматически.

В настоящее время модели ИИ, способные справиться с таким уровнем автоматизации производственных задач, немногочисленны, но, скорее всего, таких решений будет появляться все больше, чтобы поддерживать и автоматизировать процесс контроля качества.

Как тенденции в области ИИ влияют на вас и ваш бизнес

ИИ-решения быстро меняются, и с этими изменениями появляются новые возможности сделать ИИ актуальным и доступным для новых аудиторий. Одновременно усиливается тревога, связанная не только с проблемами кибербезопасности и этики, но и с тем, что многие работники считают, что эти новые инструменты отнимут у них работу.

Хотя рынок труда, скорее всего, изменится в связи с развитием ИИ, менее вероятно, что возможности для трудоустройства сократятся, и более вероятно, что появятся новые возможности.

Те компании и люди, которые инвестируют в обучение и сертификацию в области ИИ, окажутся в наиболее стратегически выгодном положении, будучи готовыми и способными использовать эти новые инструменты в условиях меняющегося рынка труда. Хорошей новостью является то, что растущий акцент на ИИ и демократизации данных уже снижает барьер входа — как в плане навыков, так и в плане затрат — для тех, кто хочет усилить свои карьеру знаниями в области ИИ.