Մենք դասավորեցինք 2019 թվականի AI տեխնոլոգիաները և անամոթաբար համեմատեցինք դրանք 2017 թվականի կանխատեսումների հետ։
Նախ, ինչ է Gartner Hype ցիկլը: Սա տեխնոլոգիայի հասունության մի տեսակ ցիկլ է, ավելի ճիշտ՝ հիփի փուլից անցում դեպի դրա արդյունավետ օգտագործման։ Այժմ կլինի թարգմանությամբ գրաֆիկ՝ ավելի պարզ դարձնելու համար . Իսկ ստորև՝ բացատրությունները.
Առաջին փուլ. զայրույթը. Վազում. Տեխնոլոգիան ի հայտ է գալիս, այն քննարկում են նախ լուսավորյալները, իսկ հետո՝ մոլեռանդ հասարակությունը. Հուզմունքն աստիճանաբար մեծանում է։
Երկրորդ փուլ. գործարք. Ուռճացված սպասումների գագաթնակետը. Ինչ-որ պահի արդեն բոլորը խոսում են տեխնոլոգիայի մասին, փորձում են ներդնել այն, իսկ ամենախելամիտներն այն վաճառում են չափազանց գներով։
Երրորդ փուլ. դեպրեսիա Հետաքրքրության անկում. Տեխնոլոգիան ակտիվորեն ներդրվում է և հաճախ ձախողվում է թերությունների և սահմանափակումների պատճառով: «Այդ ամենը հիմարություն է»: - գալիս է այս ու այն կողմ: Հուզմունքը կտրուկ ընկնում է (գինը, հաճախ նույնպես):
Չորրորդ փուլ. ժխտում Աշխատեք վրիպակների վրա: Տեխնոլոգիան բարելավվում է, խնդիրները լուծվում են։ Աստիճանաբար ընկերությունները զգուշորեն փորձում են ներդնել տեխնոլոգիան և, շտապեք, ամեն ինչ հիանալի է ստացվում:
Հինգերորդ փուլ. Որդեգրում Արդյունավետ աշխատանք. Տեխնոլոգիան գրավում է իր արժանի տեղը շուկայում և հանգիստ աշխատում է, զարգանում և դուր է գալիս:
Ինչն է միտում:
Վերադառնալով 2019 թվականի հիփերի ցիկլին: Gartner սեպտեմբերին զեկույց, թե արհեստական ինտելեկտի որ տեխնոլոգիաները ինչ փուլում են, և երբ կսկսեն արդյունավետ աշխատել։ Գրաֆիկը ներքևում, մեկնաբանությունները՝ գրաֆիկի տակ:
«Խոսքի ճանաչում» և «Գործընթացների արագացում՝ օգտագործելով GPU» տեխնոլոգիաները մեծ տարբերությամբ առաջ են անցել և արդեն «Արտադրողական աշխատանք» փուլում են։ Սա նշանակում է, որ դրանք պետք է արագ կիրառվեն, քանի որ դրանք արդեն իսկ մրցակցային առավելություն են տալիս իրենց սեփականատերերին։
Ավտոմատ մեքենայական ուսուցումը (AutoML) և չաթ-բոտերը ներկայումս գտնվում են գովազդի գագաթնակետին: Այսինքն՝ բոլորը խոսում են դրանց մասին, շատերն են դրանք իրականացնում, բայց տեխնոլոգիաները պահանջվող ստանդարտին հասցնելու համար պայմանականորեն 2-ից 5-ը կպահանջվի։
Այն մեքենաները, որոնց մենք սովոր ենք, այժմ նույնպես ավելի քան թրենդային են։ Ինքնավար տրանսպորտային միջոցների տեխնոլոգիան գրեթե փորձարկում է հատակը: Այս դեպքում սա լավ է, քանի որ առջեւում արդյունավետ աշխատանք է սպասվում։ Այնուամենայնիվ, Gartner-ը գնահատում է, որ մշակման և հարմարվելու համար կպահանջվի առնվազն 10 տարի:
Որտե՞ղ են այսօր երբեմնի հիպ դրոնները և վիրտուալ իրականությունը: Ամեն ինչ տեղում է. Gartner-ը դրոններ է ներառել Edge AI-ի ոլորտում (կատեգորիաներ, որոնք սահմանակից են AI-ին), իսկ վիրտուալ իրականությունը դարձել է Augmented ինտելեկտի մի մասը: Երկու թեմաներն էլ, ի դեպ, այժմ մեկնարկային փուլում են և դրական կանխատեսում ունեն՝ 2-5 տարի առաջ արդյունավետ աշխատանք շուկայում։
Հեռանկարները
Խոստումնալից առանձնահատկությունների թվում. Ռոբոտիկ գործընթացների ավտոմատացման ծրագրակազմը սարսափելի է հնչում, բայց իրականում դա այն է, երբ ռոբոտը փոխարինում է սովորական գործողությունները: Մղձավանջ ցածր որակավորում ունեցող անձնակազմի համար; սակայն Harvard Business Review-ն ասում է, որ աշխատողների կրճատումներ չեն լինի, բայց արտադրողականությունը կաճի: Ուտել հավատալ. Տեխնոլոգիան 2 տարի հետո կանցնի անպարկեշտության և ընդհանուր արհամարհանքի գագաթնակետը, իսկ հետո կտարածվի ամենուր։
Տեխնոլոգիաներից, որոնց մասին բոլոր շերտերի ավետարանիչները և ինֆոգիպսները զանգվածաբար կխոսեն միայն ապագայում, հատկապես հետաքրքիր էր «նեյրոմորֆիկ սարքավորումը»։ Սրանք էլեկտրական սարքեր են (չիպեր), որոնք մեր նյարդային համակարգի բնական կենսաբանական կառուցվածքները էներգիայի արդյունավետության առումով: Շատ պարզ ասած, խոսքը գնում է աշխատանքի բաժանման (նեյրոնների ասինխրոն թարմացում) շնորհիվ գերգործողության մասին: Հսկաները, ինչպիսիք են IBM-ը և Intel-ը, արդեն քրտնաջան աշխատում են նեյրոմորֆիկ չիպեր ստեղծելով: Սակայն Ջոն Քոնորի բանակը ժամանակ ունի պատրաստվելու կործանման օրվան. Gartner-ը տեխնոլոգիային հասունանալու համար տվել է 10 տարի:
Որպես կանոն, նրանք շատ են խոսում թվային էթիկայի մասին, բայց չեն շտապում դրանք իրականացնել։ Ուղղությունը հատկացված է արհեստական ինտելեկտի ոլորտների առանձին կատեգորիայի. ենթադրվում է, որ անհրաժեշտ կլինի համախմբել որոշ էթիկական սկզբունքներ, նորմեր և չափորոշիչներ տվյալների հավաքագրման, արհեստական ինտելեկտի ներդրման համար, ընդհանրապես, այնպես, որ դա լինի . Վերջում մի հայացք գցեք Ասիմովին։
2017-ը ընդդեմ 2019-ի
Ծիծաղելի է, բայց 2017-ին ամեն ինչ եղել է , AI-ի համար նույնիսկ առանձին հիփ ցիկլ չկար. AI տեխնոլոգիաները բլոկչեյնի և հավելյալ իրականության հետ մեկտեղ գտնվում էին զարգացող տեխնոլոգիաների (Emerging Technologies) լոկոմոտիվում։
Մեքենայական ուսուցումը և խորը ուսուցումը 2017-ին Օլիմպոսի հիպում էին, իսկ 2019-ին նրանք շարունակեցին իրենց ուղին դեպի անկում, այսինքն. .
Ի դեպ, անօդաչու թռչող սարքերը ամբողջ տարվա ընթացքում շարժվել են գագաթնակետից դեպի անկում, իսկ 2019 թվականին նրանք հետ են գնացել դեպի գագաթնակետին մոտենալը։ Եվ սա տեղի է ունենում, այո:
2019 թվականին ցիկլը ներառում էր 8 նոր տեխնոլոգիա։ Դրանց թվում են ամպային ծառայությունները AI (Cloud Services), AI Marketplaces (Marketplaces), Quantum Computing with AI (Quantum Computing): Ընդհանրապես, հայտնի (նեղ շրջանակներում) գործիքներ, որոնք սկսում են AI-ն ուղու վրա դնել:
Source: www.habr.com