Искусственный интеллект — одна из самых быстроразвивающихся и наименее предсказуемых отраслей. Только подумайте обо всем, что еще несколько лет назад было немыслимо: дипфейки, машинный перевод с помощью ИИ, боты, которые могут освоить самые сложные игры и т. д.

Но никогда не помешает попробовать свои силы в предсказании будущего ИИ. Мы спросили ученых и лидеров мнений в области искусственного интеллекта о том, что, по их мнению, произойдет в области искусственного интеллекта в следующем году. Вот что вам нужно знать.

ИИ сделает здравоохранение более точным и менее затратным

Как заявил TNW директор Philips по инновациям и стратегии Йерун Тас: Основное влияние ИИ в 2020 году будет заключаться в преобразовании рабочих процессов в сфере здравоохранения «в интересах как пациентов, так и медицинских работников при одновременном снижении затрат. Его способность получать данные в режиме реального времени из нескольких информационных потоков больницы — электронных медицинских карт, госпитализаций в отделения неотложной помощи, использования оборудования, уровней укомплектования персоналом и т. д. — а также осмысленно интерпретировать и анализировать их позволит повысить эффективность и уход в широком диапазоне. возможности».

Это будет происходить в форме оптимизированного планирования, автоматизированной отчетности и автоматической инициализации настроек оборудования, пояснил Тас, которые будут адаптированы «в соответствии с образом работы отдельного врача и состоянием отдельного пациента — функции, которые улучшают работу пациента и персонала. привести к лучшим результатам и способствовать снижению затрат».

«Во многих системах здравоохранения существуют огромные потери, связанные со сложными административными процессами, отсутствием профилактической помощи, избыточной и недостаточной диагностикой и лечением. Это области, в которых ИИ действительно может изменить ситуацию», — сказал Тас TNW. «В дальнейшем одним из наиболее многообещающих применений ИИ будет область «командных центров», которая оптимизирует поток пациентов и распределение ресурсов».

Philips является ключевым игроком в разработке необходимых приложений с поддержкой ИИ, которые легко интегрируются в существующие рабочие процессы в сфере здравоохранения. В настоящее время каждый второй исследователь Philips во всем мире работает с наукой о данных и искусственным интеллектом, разрабатывая новые способы применения этой технологии для революции в здравоохранении.

Например, Тас объяснил, как сочетание ИИ с экспертными клиническими и предметными знаниями ускорит рутинную и простую диагностику «да/нет», не заменив врачей, но освободив им больше времени, чтобы они могли сосредоточиться на сложных, часто сложных решениях, связанных с лечением. индивидуальный уход за пациентом: «Системы с поддержкой ИИ будут отслеживать, прогнозировать и поддерживать распределение остроты состояния пациента и наличие медицинского персонала, коек интенсивной терапии, операционных, диагностического и терапевтического оборудования».

Объяснимости и доверию будет уделяться больше внимания

2020 год станет годом доверия к ИИ, — сказал TNW Картик Рамакришнан, руководитель отдела консультирования и поддержки ИИ в Element AI. В 2019 году появились ранние принципы этики ИИ и управления рисками, и были предприняты первые попытки реализовать эти принципы в наборах инструментов и других исследовательских подходах. «Концепция объяснимости (способность объяснить силы, лежащие в основе решений, основанных на ИИ) также становится все более известной».

В 2019 году, безусловно, стало уделяться все больше внимания этике ИИ. В начале года Европейская комиссия опубликовала набор семи рекомендаций по разработке этического ИИ. В октябре компания Element AI, соучредителем которой является Йошуа Бенжио, один из пионеров глубокого обучения, сотрудничала с Mozilla Foundation, чтобы создать доверительные отношения с данными и продвигать этичное использование ИИ. Крупные технологические компании, такие как Microsoft и Google, также предприняли шаги, чтобы привести свою разработку ИИ в соответствие с этическими нормами.

Рамакришнан напомнил нам, что растущий интерес к этичному ИИ возникает после некоторых видимых провалов, связанных с доверием и ИИ на рынке, таких как развертывание Apple Pay или недавний всплеск интереса к скандалу с Cambridge Analytica.

«В 2020 году предприятия будут уделять больше внимания доверию к ИИ, готовы они к этому или нет. Ожидайте, что венчурные капиталисты тоже обратят внимание на появление новых стартапов, которые помогут с решениями», — сказал Рамакришнан.

ИИ станет менее требовательным к данным

Мы увидим рост методологий синтеза данных для решения проблем с данными в ИИ, — сказала TNW Рана эль Калиуби, генеральный директор и соучредитель Affectiva. Методы глубокого обучения нуждаются в данных, что означает, что алгоритмы ИИ, основанные на глубоком обучении, могут работать точно только тогда, когда они обучены и проверены на огромных объемах данных. Но компаниям, разрабатывающим ИИ, часто сложно получить доступ к нужным видам данных и необходимым объемам данных.

«Многие исследователи в области ИИ начинают тестировать и использовать новые методологии синтеза данных, чтобы преодолеть ограничения доступных им реальных данных. С помощью этих методологий компании могут брать уже собранные данные и синтезировать их для создания новых данных», — сказал Эль Калиуби.

Возьмем, к примеру, автомобильную промышленность. Существует большой интерес к пониманию того, что происходит с людьми внутри транспортного средства, поскольку отрасль работает над разработкой «расширенных функций безопасности водителя и персонализацией транспорта. Однако собирать данные о реальных водителях сложно, дорого и требует много времени. Синтез данных помогает решить эту проблему — например, если у вас есть видео, на котором я еду в своей машине, вы можете использовать эти данные для создания новых сценариев, т. е. для имитации того, как я поворачиваю голову или ношу шляпу или солнцезащитные очки». — добавил Калиуби.

Благодаря достижениям в таких областях, как генеративно-состязательные сети (GAN), многие области исследований ИИ теперь могут синтезировать свои собственные обучающие данные. Синтез данных, однако, не устраняет необходимость сбора реальных данных, напоминает Эль Калиуби: [Реальные данные] всегда будут иметь решающее значение для разработки точных алгоритмов ИИ. Однако [синтез данных] может дополнить эти наборы данных.

Повышенная точность и эффективность нейронных сетей

Архитектуры нейронных сетей будут продолжать расти в размерах и глубине, давать более точные результаты и лучше имитировать работу человека в задачах, связанных с анализом данных, — сказала Кейт Саенко, доцент кафедры компьютерных наук Бостонского университета. ТЯО. В то же время методы повышения эффективности нейронных сетей также будут улучшаться, и мы увидим больше работающих в реальном времени и энергоэффективных сетей, работающих на небольших устройствах.

Саенко предсказывает, что методы нейронной генерации, такие как дипфейки, также будут продолжать совершенствоваться и создавать все более реалистичные манипуляции с текстом, фотографиями, видео, аудио и другими мультимедиа, которые люди не смогут обнаружить. Создание и обнаружение дипфейков уже превратилось в погоню в кошки-мышки.

По мере того, как ИИ проникает во все новые и новые области, будут возникать новые проблемы и опасения. Надежность и предвзятость этих методов искусственного интеллекта будут подвергаться более тщательному изучению по мере того, как они станут более широко применяться в обществе, например, все больше местных органов власти рассматривают возможность «запрета наблюдения с использованием искусственного интеллекта из соображений конфиденциальности и справедливости». — сказал Саенко.

Саенко, который также является директором группы компьютерного зрения и обучения BU, имеет долгую историю исследования алгоритмов визуального ИИ. В 2018 году она помогла разработать RISE, метод анализа решений, принимаемых алгоритмами компьютерного зрения.

Автоматизированная разработка ИИ

«В 2020 году ожидается появление важных инноваций в области того, что IBM называет «ИИ для ИИ»: использование ИИ для автоматизации шагов и процессов, связанных с жизненным циклом создания, развертывания, управления и эксплуатации моделей ИИ, чтобы помочь масштабировать ИИ на предприятии», — сказал Шрирам Рагхаван, вице-президент IBM Research AI.

В последние несколько лет автоматизация ИИ стала растущей областью исследований и разработок. Одним из примеров является AutoML от Google, инструмент, который упрощает процесс создания моделей машинного обучения и делает технологию доступной для более широкой аудитории. Ранее в этом году IBM запустила AutoAI, платформу для автоматизации подготовки данных, разработки моделей, разработки функций и оптимизации гиперпараметров.

«Кроме того, мы увидим больше примеров использования нейросимволического ИИ, который сочетает в себе подходы, основанные на статистических данных, с мощным представлением знаний и методами рассуждений, чтобы получить более объяснимый и надежный ИИ, который может учиться на меньшем количестве данных», — сказал Рагхаван TNW.

Примером может служить Neurosymbolic Concept Learner, гибридная модель ИИ, разработанная исследователями из IBM и Массачусетского технологического института. NSCL сочетает в себе классический ИИ, основанный на правилах, и нейронные сети, и обещает решить некоторые эндемичные проблемы современных моделей ИИ, в том числе большие требования к данным и отсутствие объяснимости.

ИИ в производстве

«2020 год станет годом, когда обрабатывающая промышленность применит ИИ для модернизации производственной линии», — сказал Массимилиано Версаче, генеральный директор и соучредитель Neurala. «Для обрабатывающей промышленности одной из самых больших проблем является контроль качества. Менеджеры по продуктам изо всех сил пытаются проверить каждый отдельный продукт и компонент, а также уложиться в сроки для крупных заказов».

Версаче считает, что, интегрируя решения ИИ в рабочие процессы, ИИ сможет дополнить и решить эту проблему: «Точно так же, как электродрель изменила то, как мы используем отвертки, ИИ дополнит существующие процессы в обрабатывающей промышленности, уменьшая бремя рутинных и потенциально опасных задач, высвобождая время работников, чтобы сосредоточиться на разработке инновационных продуктов, которые будут способствовать развитию отрасли».

Производители будут двигаться к краю, — добавляет Версаче. Поскольку искусственный интеллект и данные становятся централизованными, производители вынуждены платить огромные сборы ведущим облачным провайдерам за доступ к данным, которые поддерживают работоспособность систем. Проблемы облачного ИИ стимулировали ряд инноваций, направленных на создание пограничного ИИ, программного и аппаратного обеспечения, которое может запускать алгоритмы ИИ без необходимости иметь связь с облаком.

«Более распространенными станут новые способы обучения ИИ, которые можно развернуть и усовершенствовать на периферии. По мере того, как мы приближаемся к новому году, все больше и больше производителей начнут обращаться к периферии для генерации данных, минимизации проблем с задержкой и снижения огромных сборов за облако. Запуская ИИ там, где это необходимо (на периферии), производители могут сохранять право собственности на свои данные», — сказал Версаче TNW.

Геополитические последствия ИИ

«Искусственный интеллект останется главной проблемой национальной военной и экономической безопасности в 2020 году и далее», — сказал Ишан Манактала, генеральный директор Symphony AyasdiAI. «Правительства уже вкладывают значительные средства в ИИ как в возможное следующее конкурентное преимущество. Китай инвестировал более 140 миллиардов долларов, в то время как Великобритания, Франция и остальная Европа вложили более 25 миллиардов долларов в программы искусственного интеллекта. США, начав с опозданием, потратили примерно 2 миллиарда долларов на ИИ в 2019 году и потратят более 4 миллиардов долларов в 2020 году.

Манактала добавил: «Но эксперты призывают к увеличению инвестиций, предупреждая, что США все еще отстают. Недавняя Комиссия национальной безопасности по искусственному интеллекту отметила, что Китай, вероятно, обгонит США по расходам на исследования и разработки в следующем десятилетии. В своем предварительном отчете NSCAI обозначил пять пунктов: инвестировать в исследования и разработки ИИ, применять ИИ в миссиях национальной безопасности, обучать и нанимать таланты ИИ, защищать технологические преимущества США и обеспечивать глобальную координацию».

ИИ в поиске лекарств

Мы прогнозируем, что «открытие лекарств будет значительно улучшено в 2020 году, поскольку ручные визуальные процессы будут автоматизированы, потому что визуальный ИИ сможет отслеживать и обнаруживать клеточные взаимодействия лекарств в массовом масштабе», — сказал TNW Эмра Галтекин, генеральный директор Chooch. В настоящее время на клинические испытания тратятся годы, потому что исследователи лекарств делают записи, затем вносят эти записи в электронные таблицы и представляют их в FDA для утверждения. Вместо этого высокоточный анализ с помощью ИИ может привести к значительно более быстрому открытию лекарств.

Разработка лекарств — утомительный процесс, который может занять до 12 лет и включать в себя коллективные усилия тысяч исследователей. Затраты на разработку новых лекарств могут легко превысить 1 миллиард долларов. Но есть надежда, что алгоритмы ИИ могут ускорить процесс экспериментов и сбора данных при открытии лекарств.

«Кроме того, подсчет клеток является серьезной проблемой в биологических исследованиях, а не только в разработке лекарств. Люди сгорбились над микроскопами или сидят перед экранами с кликерами в руках и считают клетки. Есть дорогие машины, которые пытаются считать неточно. Но платформы визуального ИИ могут выполнить эту задачу за считанные секунды с точностью 99 % за считанные секунды», — добавил Гюльтекин.

Первоначально опубликовано на The Next Web: https://thenextweb.com/artificial-intelligence/2019/12/17/8-biggest-ai-trends-of-2020-according-to-experts/