23.11.22 13:01

Новости

Автор:

Администратор

Будущее науки о данных заключается в снятии оков с искусственного интеллекта

 Прежде чем принять свою судьбу супергероя, Супермен вырос на семейной ферме Кентов в Смолвилле, штат Канзас, где его сверхспособности дремали и не использовались. И даже в зрелом возрасте, будучи...

Прежде чем принять свою судьбу супергероя, Супермен вырос на семейной ферме Кентов в Смолвилле, штат Канзас, где его сверхспособности дремали и не использовались. И даже в зрелом возрасте, будучи репортером Daily Planet, Кларку Кенту, всеми любимому, но ничем не примечательному парню, все еще требовалось время, чтобы раскрыть свой истинный потенциал спасителя человечества. Почти то же самое можно сказать и об истории происхождения искусственного интеллекта.


Автор: Кьелл Карлссон, руководитель отдела стратегии и евангелизации данных в Domino Data Lab

 

Искусственный интеллект наконец-то оправдывает шумиху, которая окружала его десятилетиями. Хотя он и не стал (пока) спасителем человечества, но превратился из концепции в реальность, а его практическое применение меняет наш мир к лучшему.

 

Однако, как и в случае Кларка Кента, многие удивительные способности искусственного интеллекта скрыты, и его эффекты можно наблюдать, только если заглянуть за маску обыденности. Возьмем BNP Paribas Cardif, крупную страховую компанию, работающую более чем в 30 странах. Компания обрабатывает около 20 миллионов телефонных разговоров с клиентами в год. Используя технологию преобразования речи в текст и обработку естественного языка, сотрудники компании могут анализировать содержание звонков для удовлетворения конкретных потребностей бизнеса: контролировать качество продаж, понимать, что думают клиенты и что им нужно, получать барометр настроений и многое другое.

 

Или посмотрите на AES, крупнейшего производителя возобновляемых источников энергии в Соединенных Штатах и во всем мире. Возобновляемая энергетика требует гораздо большего количества устройств для управления и мониторинга, чем традиционная энергетика. Наука о данных и искусственный интеллект обеспечивают новый уровень операционной эффективности AES благодаря автоматизации и предоставляют аналитические данные, которые дополняют действия и решения инженеров, отвечающих за производительность. Это обеспечивает выполнение требований по времени безотказной работы и доставку чистой энергии клиентам настолько быстро, эффективно и с минимальными затратами, насколько это возможно. Как и Супермен, AES вносит свой вклад в спасение мира.

 

Эти и множество других приложений искусственного интеллекта, которые уже находятся в производстве, являются лишь самыми популярными. Они выделяются, потому что до сих пор у потенциала искусственного интеллекта было три ключевых ограничения:

1. Недостаток обучающих данных;

2. Недостаточная вычислительная мощность;

3. Необходимость привязки данных к конкретным (централизованным) местоположениям.

 

Однако, благодаря нескольким ключевым технологическим инновациям, происходят кардинальные изменения, которые освобождают ИИ от этих ограничений, и предприятия должны подготовиться к использованию этой мощной технологии.

 

Давайте посмотрим на эти ограничения – оковы, сдерживающие искусственный интеллект, – и на то, как они разрушаются.

 

Оковы №1: вычислительная мощность

 

Традиционно предприятиям не хватало вычислительной мощности для подпитки моделей искусственного интеллекта и поддержания их в рабочем состоянии. Предприятия задаются вопросом, следует ли им полагаться исключительно на облачные среды для получения необходимых им ресурсов или лучше разделить свои инвестиции в вычислительные мощности между облачными и локальными ресурсами.

 

Собственные локальные кластеры графических процессоров (GPU) теперь предоставляют предприятиям выбор. Сегодня есть несколько крупных, более продвинутых организаций, рассматривающих варианты использования в производстве и инвестирующих в свои собственные кластеры графических процессоров (например, NVIDIA DGX SuperPod). Кластеры GPU дают компаниям выделенную мощность, необходимую для запуска масштабных обучающих моделей, при условии, что они используют программную платформу распределенных вычислений. Такая структура может абстрагироваться от трудностей ручного анализа обучающих рабочих нагрузок на разных узлах графического процессора.

 

Оковы № 2: централизованные данные

 

Данные, как правило, собираются, обрабатываются и хранятся в централизованном месте, часто известном как хранилище данных, чтобы создать единый источник достоверной информации.

 

Поддержание единого хранилища данных упрощает регулирование, мониторинг и итерацию. Точно так же, как у компаний теперь есть выбор между инвестициями в локальные или облачные вычислительные мощности, в последние годы наблюдается тенденция к созданию гибких хранилищ данных за счет децентрализации данных.

 

Законы о локализации данных могут сделать невозможным объединение данных распределенного предприятия. А быстро развивающаяся коллекция периферийных вариантов использования моделей данных делает концепцию единых хранилищ данных менее чем абсолютной.

 

Сегодня большинство организаций используют гибридные облака, поэтому прошли те времена, когда данные нужно было привязывать к одному определенному местоположению. И мы видим, что предприятия получают все преимущества гибридного облака, включая гибкость развертывания моделей на периферии.

 

Оковы № 3: обучающие данные

 

Отсутствие полезных данных было серьезным препятствием на пути распространения искусственного интеллекта. Хотя технически мы окружены данными, сбор и хранение данных может быть чрезвычайно трудоемким, утомительным и дорогостоящим. Существует также проблема предвзятости. При разработке и внедрении моделей искусственного интеллекта данные должны быть сбалансированными и свободными от предвзятости, чтобы гарантировать, что они генерируют идеи, которые имеют ценность и не причиняют вреда. Но точно так же, как и в реальном мире, у данных есть предвзятость. А для того, чтобы масштабировать использование моделей, вам нужно много-много данных.

 

Для преодоления эти проблемы предприятия обращаются к синтетическим данным. На самом деле, синтетические данные стремительно растут. По оценкам Gartner, к 2024 году 60% данных для приложений искусственного интеллекта будут синтетическими. Для специалистов по обработке данных природа данных (реальные или синтетические) не имеет значения. Важно качество данных. Синтетические данные устраняют возможность предвзятости. Кроме того, их легко масштабировать и дешевле использовать в качестве источника. С помощью синтетических данных предприятия также имеют возможность получать данные с предварительной маркировкой, что значительно сокращает количество времени и ресурсов, необходимых для производства и генерирования исходного материала для обучения ваших моделей.

 

Продвижение искусственного интеллекта

 

По мере того как искусственный интеллект освобождается от оков качества данных, вычислений и определения местоположения, появляется больше вариантов использования и более точные модели, затрагивающие нашу повседневную жизнь. Мы уже видим, как ведущие организации оптимизируют бизнес-процессы с помощью искусственного интеллекта, и те, кто не предпринимает шагов, чтобы не отставать, окажутся в невыгодном положении.

 

Чтобы в полной мере воспользоваться преимуществами искусственного интеллекта, внедрение должно осуществляться сверху вниз. В то время как специалисты по обработке данных выполняют тяжелую работу по разработке и развертыванию моделей, руководители высшего звена также должны быть ознакомлены с концепциями, чтобы наилучшим образом включить ИИ в свою бизнес-стратегию. Лидеры, которые понимают технологию и ее потенциал, могут сделать более стратегические инвестиции в искусственный интеллект и, следовательно, в свой бизнес.

 

И наоборот, когда они не знают, как ИИ может эффективно поддерживать бизнес-цели, они могут просто вкладывать деньги в инновационные центры и надеяться, что новые исследовательские проекты, использующие искусственный интеллект и машинное обучение, принесут плоды. Это подход «снизу вверх», который не является оптимальным. Вместо этого руководителям высшего звена необходимо сотрудничать с практиками в области науки о данных, чтобы узнать, как наилучшим образом включить эти технологии в свои регулярные бизнес-планы.

 

Кларку Кенту потребовалось время, чтобы дорасти до своей роли защитника человечества. Теперь, когда оковы искусственного интеллекта ослаблены, если не сломаны полностью, пришло время предприятиям раскрыть весь потенциал искусственного интеллекта, инвестируя в решения, которые сделают мир лучше для всех нас и, в свою очередь, помогут этим предприятиям оставаться конкурентоспособными в современной цифровой экономике.

 

Ссылка на источник