Руководитель центра углубленной аналитики компании Fujitsu Альберт Меркадал (Albert Mercadal) опубликовал список основных трендов в сфере работы систем на базе Искусственного интеллекта.
Достоверность работы алгоритмов и этичность Искусственного интеллекта: возможность наглядно показать, насколько достоверны автоматические решения систем на базе Искусственного интеллекта (ИИ), станет ещё важнее в 2019 и последующих годах. Общий регламент ЕС по защите персональных данных и другие нормативные требования по сбору, хранению и обработке информации повысят важность проверки достоверности работы алгоритмов — способности понимать, почему тот или иной алгоритм принял определенные решения — особенно в жестко регулируемых секторах экономики, включая банки и медицинские учреждения. Алгоритмы, конечно, «учатся» у данных, а данные иногда основываются на решениях человека, которые не всегда верны. Если Искусственный интеллект будет рассматриваться как этически допустимая технология, то необходимость устранить недостоверность автоматических решений, принимаемых системами на базе ИИ, а также возможность проверки этого, будет более актуальным в ближайшем будущем.
Традиционные системы машинного обучения постепенно заменят глубинное обучение и графы знаний: это репрезентативный метод для демонстрации того, что источники информации с нейронными сетями приходят на смену алгоритмам машинного обучения (так называемая, линейная регрессия). Графы знаний показывают, как системы на базе Искусственного интеллекта ведут себя и принимают решения, предоставляя бизнесу инструменты и понимание, как реагировать на новые нормативные нагрузки.
Встроенная аналитика: в 2019 г. в существующих бизнес-процессах будет наблюдаться более широкое распространение встроенных алгоритмов и инструментов для аналитики. При совместном использовании с роботизированной автоматизацией процессов, аналитика и Искусственный интеллект будут оказывать большое влияние на эффективность повседневной операционной деятельности компаний за счет более простой работы, более высокой автоматизации, скорости и качества сервисов при более низкой стоимости.
Периферийная аналитика: хотя в настоящий момент аналитические системы размещаются в облачных или в высокопроизводительных локальных средах, или в гибридных решениях, мы наблюдаем все более высокую потребность со стороны пользователей в более высокой скорости работы периферийных систем, что вызвано сценариями использования, для которых требуется меньшая задержка. В 2019 г. аналитические системы будут работать на основе периферийных устройств и устройств, основанных на базе концепции Интернета вещей. Это будет особенно актуально для сферы производства и инженерных сетей.
Архитектуры, которыми управляют событиями: в 2019 году мы сможем наблюдать распространение архитектур на базе Искусственного интеллекта, которые будут управляться событиями и станет нормой создание каналов для ввода и обработки данных, оценки прогнозов, принятия решений и инициирования процессов.
Восполнить пробелы в профессиональных знаниях: недостаток профессиональных знаний является основной проблемой при реализации проектов углубленной аналитики. Компании увеличат инвестиции в инструменты, которые позволят их бизнес-аналитикам и специалистам по обработке и анализу данных использовать передовые методики, не будучи настоящими техническими экспертами.
Диалоговая аналитика: компании увеличат инвестиции в инструменты, которые позволят их бизнес-аналитикам и специалистам по обработке и анализу данных использовать передовые методики, не являясь при этом настоящими техническими экспертами. Так, например, отделы Business intelligence (сокращённо BI), станут использовать чатботы для того, чтобы открыть двери к аналитике неподготовленным пользователям. Взаимодействие и получение ответов от систем бизнес-аналитики будет осуществляться в виде диалога, а не в виде установленных форм отчетов, которые постепенно останутся в прошлом.
Комплексные сервисы: предоставление сервисов углубленной аналитики заказчикам подразумевает принятие во внимание множества различных факторов, в том числе и противоречащих друг другу, включая политики управления данными, масштабируемость, разнородность различных сред и многие другие факторы. Для этого необходимо наличие поставщиков сервисов анализа данных, которые могут предложить своим заказчикам комплексные решения.
Экономика совместного использования: совместная работа предоставляет еще одну возможность для решения проблемы с нехваткой профессиональных знаний, т.к. применение соответствующих знаний в определенной предметной области является ключевой отличительной особенностью в работе специалистов по обработке и анализу данных. Любой специалист может создать рекомендательный сервис, вопрос в том, кто может создать самый оптимальный сервис для какого-либо определенного сценария использования? Благодаря экономике совместного использования поиск необходимых профессиональных навыков для решения какой-либо определенной проблемы станет гораздо проще.
