Про Искусственный Интеллект

«Что искусственный интеллект сделал за 2018 год…» – часть 2 (+бонус)

Как и обещали вот вторая часть статьи Хайтека «Что искусственный интеллект сделал за 2018 год…» (часть первая здесь). Сегодня 5 предположений о том, что ждет нас всех в этом году в связи с развитием ИИ.

1. Усилится борьба за данные для обучения алгоритмов специфическим отраслевым задачам — банковским, юридическим, кадровым, в медицине, космосе, сельском хозяйстве, коммуникациях.

Растущий дефицит данных объясняется, прежде всего, коммерческой тайной и приватностью личной жизни. Банки не очень охотно предоставляют договоры со своими контрагентами, чтобы научить нейросеть находить в них риски, HR-специалисты не всегда готовы отдать стороннему разработчику даже обезличенные данные о сотрудниках, чтобы построить аналитику их вовлеченности. Информация о поведении пользователей в сети для проведения маркетинговых кампаний тоже становится менее доступна в связи с новыми законами о защите персональных данных — GDPR. Не исключено, что их будут покупать у других компаний или у людей напрямую — например, через специальные биржи.

Второй способ — в условиях ограниченного количества данных обучать технологии с помощью перспективных алгоритмов, таких как transfer learning, knowledge transfer, one-shot learning и generative adversarial networks (GAN). Метод transfer learning заключается в том, что если обучить глубокую нейронную сеть выполнять одну задачу, то можно будет использовать ту же архитектуру для обучения на другом наборе данных. Благодаря transfer learning виртуальный ассистент научился понимать не только английский, но также французский и испанский и значительно расширил свой «кругозор».

В методе GAN две нейросети тренируют на одном и том же наборе данных — изображений, видео-, аудиозаписей. А затем они выполняют разные задачи. Первая пытается воссоздать данные, похожие на учебные образцы. Вторая определяет качество работы первой, сравнивая полученный результат с оригинальной выборкой.

2. Увеличится спрос на разработчиков ИИ. 

Еще по итогам 2018-го они получали сотни тысяч долларов в год, но зарплаты дата-сайентистов продолжат расти.

Это связано с тем, что они должны обладать уникальным набором знаний, в числе которых — машинное обучение, программирование, статистика, математика, визуализация данных, глубокое обучение и коммуникация. В среднем на одного специалиста охотятся сразу три-четыре компании. Поэтому HR следует подумать, чем еще они могут привлечь специалистов высокого класса, помимо денег.

3. В связи с ростом конкуренции за готовых специалистов корпорации будут активнее инвестировать в школьное и университетское образование.

Многие крупные компании открыли школы или курсы по машинному обучению: Google, Samsung, Яндекс, Сбербанк, «Тинькофф Банк». Лекции для школьников читают в рамках курса МФТИ и ABBYY. Уже сейчас понятно: совсем скоро компания, которая не будет учить студентов тому, что такое нейросети, как проводить эксперименты, как получать данные, потеряет конкурентное преимущество на рынке.

4. Виртуальные помощники станут более умными и от простейших действий перейдут к более сложным — смогут поддерживать телефонный разговор с человеком, записывать нас в парикмахерскую на нужное время без напоминаний или предупреждать о необходимости посетить врача.

Уже сейчас у виртуальных помощников довольно «высокий IQ»: самый умный из них, Google Assistant, правильно отвечает на 87,9% из 800 популярных вопросов. Но пока такие технологии еще не умеют выстраивать причинно-следственные связи, у них короткая память: через пару фраз они могут и не вспомнить что-то, о чем вы говорили ранее. В 2019 году это изменится, во многом благодаря развитию технологий обработки естественного языка. Они позволят таким системам лучше извлекать факты из потока неструктурированных данных, оценивать тональность произнесенной фразы (например, лучше определять иронию и сарказм), строить более осмысленный диалог с собеседником. Знания виртуальных помощников будут постепенно расширять за счет добавления информации из различных сфер деятельности, как бытовых вопросов, так и профессиональных задач.

5. Разработчики будут уделять больше внимания интерпретации результатов работы нейросетей.

Сейчас в 99% случаев технологии ИИ напоминают черный ящик: система получает данные, обрабатывает их и выдает результат. Например, определяет, какой кредит и с какими процентами можно дать клиенту, вычисляет задержку авиарейса, выбирает готовый ответ на обращение пользователя. Но мы не всегда понимаем, почему она приходит к этому выводу, на основании чего выбираются те или иные гипотезы, какие признаки и вводные считает значимыми, какие оценки учитываются. Это затрудняет работу бизнеса и людей с системой, так как не всегда можно доверять выводам без аргументов.


P.S.
А вот и обещанный бонус
– наши статьи за 2018 год,

посвященные искусственному интеллекту:

1. Скоро искусственный интеллект будет знать нас лучше, чем мы сами

2. Искусственный интеллект снял фильм!

3. Искусственный интеллект научился видеть сквозь стены и самостоятельно переводить на иностранные языки

4. Берегитесь, сотрудники колл-центров!

5. Языковая пара: Соловьиный ↔ Человеческий

6. Модель «Посмотри-и-скажи»




Источник: https://hightech.fm/2019/01/06/ai-2018

комментарии

Ваш e-mail не будет опубликован. Обязательные поля помечены *