искусственный интеллект

На главную

Три технологии ИИ 2020 года, которые определят будущее отрасли

Технологии искусственного интеллекта активно развиваются во всем мире. Машинное обучение и нейронные сети находят новые сферы применения. Каждый год появляются многообещающие кейсы и решения. Расскажем о трех из них, которые стали явным трендом 2020 г., хотя появились немного раньше.

Генеративный ИИ

Последние достижения в области искусственного интеллекта позволили многим компаниям разработать алгоритмы и инструменты для автоматического создания искусственных 3D и 2D изображений. Такой генеративный («творческий») ИИ позволяет компьютерам создавать тексты, аудиофайлы, изображения и другой контент. В одном из обзоров журнала MIT Technology, который издается Массачусетским технологическим институтом, генеративный ИИ назван одним из самых многообещающих достижений в мире искусственного интеллекта за последнее десятилетие. По мнению специалистов, его уже можно использовать в следующем поколении приложений для автоматического программирования, разработки контента, создания образцов изобразительного искусства и другой творческой, дизайнерской и инженерной деятельности. Например, NVIDIA разработала программное обеспечение, которое может создавать фотореалистичные лица, имея в распоряжении лишь несколько фотографий реальных людей. Генеративный искусственный интеллект также может помочь в здравоохранении, создавая протезы, органические молекулы и другие предметы с нуля при активации с помощью 3D-печати, CRISPR и других технологий.

Федеративное машинное обучение

Данный подход предполагает распределение работы искусственного интеллекта. Вместо централизованного сбора и хранения информации в одном месте, для последующей работы с новыми алгоритмами, процесс обучения происходит непосредственно на удаленных точках (пользовательских устройствах или локальных серверах). Такой подход, в первую очередь избавляет от необходимости перемещать большие объемы данных на центральный сервер для задач машинного обучения и соответственно снимает острый вопрос конфиденциальности данных. Последний фактор важен, например, для медицинских организаций. Компания Intel недавно объединилась с Медицинской школой Университета Пенсильвании для развертывания сети федеративного обучения в 29 международных медицинских и исследовательских учреждениях. Целью проекта является повышение эффективности диагностики при выявлении опухолей головного мозга. Команда исследователей опубликовала свои выводы о федеративном обучении и его использовании в здравоохранении, представив их на конференции Supercomputing 2020. Согласно опубликованным данным, благодаря методу федеративного машинного обучения удалось достичь 99% точности в процессе идентификации опухолей.

«Фактически, федеративное машинное обучение — возможность владельцам данных делиться ими, соблюдая конфиденциальность. Этот механизм будет востребован, например, страховыми компаниями в рамках процессов урегулирования убытков, когда важно досконально выявить все взаимосвязи между участниками ДТП. SAS сталкивался с тем, что один и тот же мошенник получал возмещение ущерба за одно и то же ДТП из разных страховых компаний. И происходило это, потому что у страховых компаний нет возможности корректно и без ущерба обмениваться необходимой информацией о клиентах», — комментирует Александр Тихонов, генеральный директор SAS Россия/СНГ.

Нейросетевое сжатие данных

Ключевым недостатком любой нейронной сети является то, что она требует больших вычислительных ресурсов и памяти, что затрудняет развертывание во встроенных системах с ограниченными аппаратными ресурсами. Решить эту проблему призвана технология нейросетевого сжатия данных, для которого используются такие методы как: сокращение и совместное использование параметров, квантование, факторизация низкого ранга, переносимые или компактные свёрточные фильтры.

Технология нейросетевого сжатия решает проблему необходимости использования большого объема вычислительных ресурсов и памяти

Например, недавно компания NVIDIA разработала новый тип технологии сжатия видео, который заменяет традиционный видеокодек нейронной сетью и позволяет резко сократить полосу пропускания, необходимую для передачи сигнала. Как утверждают разработчики, по сравнению с распространенным сегодня кодеком H.264, технология на основе нейросетевого сжатия данных обеспечивает десятикратный рост эффективности.

«Здесь важно затронуть еще один тренд, получивший широкое распространение в последнее время и во многом продиктованный условиями новой пост-пандемической реальности, — ИИ в облаке. Технологии облачных решений обеспечили вычислительную мощность и возможности масштабирования, необходимые для использования искусственного интеллекта. Если раньше нужно было приобретать дорогостоящую инфраструктуру, то сейчас достаточно выбрать провайдера облачных сервисов и воспользоваться услугами аренды и поддержки», — добавляет Александр Тихонов, генеральный директор SAS Россия/СНГ.

Другие статьи

Испорченные модели: как за один день потерять весь капитал с помощью искусственного интеллекта

Испорченные модели: как за один день потерять весь капитал с помощью искусственного интеллекта

В новый год с новым Ops-ом. Вслед за DevOps и DataOps пришел ModelOps. Если вы ещё не слышали об этой методологии, самое время познакомиться с этим термином. Скоро он прочно осядет среди основных ИТ-трендов.

Читать полностью

Как аналитика и ИИ меняют будущее: 8 трендов на 2021 год

Как аналитика и ИИ меняют будущее: 8 трендов на 2021 год

Пандемия создала новую реальность, к которой все мы должны были адаптироваться. Бизнесу пришлось переосмыслить рабочие процессы и осознать важность и преимущества цифровой трансформации. Причем, на базе технологий перестраивалось не только взаимодействие с клиентами, но и внутренние бизнес-процессы организаций. В этом смысле 2020 г. принес обществу новые возможности, и многие из них связаны с данными, аналитикой и искусственным интеллектом.

Читать полностью

Гений или двоечник? Почему ИИ справляется с закономерностями и теряется в связях

Гений или двоечник? Почему ИИ справляется с закономерностями и теряется в связях

Любой человек, если на него со всех сторон и крайне интенсивно начнет сыпаться информация быстро скажет: «Хватит!» Специально обученный профессионал, привыкший изучать данные, продержится дольше. Но время играет против него: он начнет ошибаться, уставать и тоже сдастся. Быстро разбираться с огромными массивами данных — вот то, с чем ИИ справляется на пятёрку. Однако не всё так гладко. У ИИ есть одна большая проблема — он туповат.

Читать полностью

Новости

Топ-10 стран с самым сильным потенциалом в области ИИ

Сегодня искусственный интеллект способен распознавать лица, управлять автомобилями, улучшать качество работы в Интернете и укреплять бизнес в различных отраслях, неудивительно, что многие страны сосредотачивают свои усилия на внедрении ИИ для реализации программ устойчивого развития. Но и среди них есть 10 государств, которые на общем фоне выделяются своими амбициозными планами.

02/02

Читать полностью

Четыре ключевых тренда ИИ в 2021 году

Технологии искусственного интеллекта проникают все глубже в повседневную жизнь, осваивая новые сферы применения и это, очевидно, лишь начало большого пути. Какие же перспективные направления будут наиболее актуальны уже в нынешнем году, особенно с учетом влияния пандемии?

01/02

Читать полностью

Как большие данные меняют бизнес

За последние несколько лет большие данные стали важным инструментом развития бизнеса. Сегодня практически любая компания хранит огромные массивы информации, которые благодаря технологиям глубокого анализа превращаются в ценный актив, открывающий новые возможности для продвижения товаров и услуг. Вот лишь несколько примеров того, как большие данные способны сегодня изменить бизнес в лучшую сторону.

29/01

Читать полностью

SAS приобрела компанию Boemska

Чтобы ускорить интеграцию ИИ в облачные сервисы и сторонние приложения

20/01

Читать полностью
Все новости
Вернуться на главную