Четыре тренда по мнению Gartner, которые будут двигать инновации в ИИ в ближайшей перспективе

Ответственный ИИ, «малые» и «широкие» данные, операционализация и эффективность использования ресурсов будут ключом к масштабированию инициатив в ИИ.

Четыре тренда на Кривой цикла зрелости технологий искусственного интеллекта будут двигать инновации в области ИИ в ближайшей перспективе. Это ответственный ИИ, использование «малых» и «широких» данных, операционализация ИИ-платформ и эффективность использования данных, 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, — пишет в пресс-релизе Шубханги Вашист (Shubhangi Vashisth), старший главный аналитик исследования Gartner. — Периферийный ИИ, компьютерное зрение, интеллектуальная поддержка принятия решений и машинное обучение окажут трансформирующее влияние на рынок в ближайшие годы». Рынок ИИ пребывает в состоянии развития, и значительная часть новых технологий в этой области находится на восходящей ветви Зарождения инноваций (см. рис.). Это указывает на рыночный тренд, где конечные пользователи ищут определенные возможности, выходящие за рамки существующих инструментов ИИ.

Четыре тренда по мнению Gartner, которые будут двигать инновации в ИИ в ближайшей перспективе
Кривая цикла зрелости технологий искусственного интеллекта (по состоянию на июль 2021)

X = Время

Y = Ожидания

Плато широкого применения будет достигнуто: менее 2 лет / от 2 до 5 лет / от 5 до 10 лет / более 10 лет / Устареет раньше

Ниже охарактеризованы четыре тренда, которые будут двигать инновации в сфере ИИ.

Ответственный ИИ

«Повышение уровня доверия, прозрачности, объективности и контролируемости технологий ИИ продолжает иметь всё большее значение для широкого круга заинтересованных сторон, — пишет Светлана Сикуляр, вице-президент исследования Gartner. — Ответственный ИИ помогает добиться объективности, даже если в данных заложена необъективность; достичь доверия, хотя методы обеспечения прозрачности и объяснительная способность только еще развиваются; и обеспечить соблюдение нормативных требований несмотря на вероятностный характер ИИ».

Вообще говоря, Gartner ожидает, что к 2023 году 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» данных дает возможность более надежной аналитики и ИИ, уменьшает зависимость организаций от больших данных и обеспечивает более всестороннее и полное понимание текущей ситуации.

По прогнозу Gartner, к 2025 году 70% организаций будут вынуждены сместить прицел с больших на «малые» и «широкие» данные, предоставив тем самым больше контекста для аналитики и уменьшив «голод» от нехватки данных для ИИ.

«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, — пишет Сикуляр. — 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 ИИ 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, — пишет Сикуляр. — Инновации, такие как платформы оркестрации и автоматизации ИИ (AIOAP) и операционализация моделей (ModelOps), обеспечивают возможность многократного использования, масштабируемости и управления, ускоряя принятие и рост применения 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.