Главная » Блоги Экспертов И ИТ-Компаний » Тенденции и прогнозы развития искусственного интеллекта и машинного обучения в России и за рубежом

Тенденции и прогнозы развития искусственного интеллекта и машинного обучения в России и за рубежом

По прогнозам аналитического агентства Gartner, к 2020 году в 85% компаний будут реализованы пилотные проекты с использованием искусственного интеллекта (AI, Artificial Intelligence). Агентство IDC предсказывает, что в 2021 году компании потратят на технологии когнитивных вычислений и искусственного интеллекта свыше 52 млрд долларов США. Среди отраслей, где влияние AI и связанных с ним технологий машинного обучения (ML, Machine Learning) будет особенно велико, ведущие аналитические компании Forrester, Gartner и McKinsey выделяют финансовый сектор, электроэнергетику, ретейл, машиностроение и тяжелую промышленность, здравоохранение, сферу высоких технологий и телекоммуникаций.

 

Решения на основе искусственного интеллекта постепенно начинают входить в нашу повседневную жизнь, кардинально меняя привычные действия и вещи. Уже сегодня миллионы людей используют возможности цифровых ассистентов — Siri, Google Now и Alexa. Беспилотный автомобиль теперь разрабатывает не только корпорация Google, но и такие автогиганты как General Motors, Daimler, BMW, Ford. Развиваются технологии распознавания естественной речи, применяемые в сфере обслуживания клиентов.

 

При этом совершенно очевидно, что на горизонте ближайших пяти лет разработки с использованием AI и ML выведут на принципиально новый уровень автоматизацию бизнес-процессов в крупных и средних компаниях.

 

 

Что такое AI и ML?

 

По определению IT-глоссария Gartner, искусственный интеллект — это технология, воспроизводящая поведение человека в плане обучения, умения делать выводы, воспринимать сложный контекст, поддерживать естественный диалог с людьми и пр. Находит применение в автономном транспорте, системах распознавания и генерации речи, оценки речи и т. п.

 

В свою очередь, машинное обучение — это класс методов искусственного интеллекта, для которых характерна возможность контролируемого или неконтролируемого обучения в процессе применения решений большого количества однотипных задач.

 

 

Как AI и ML повлияют на бизнес и бизнес-процессы

 

На текущий момент во многих прогнозах выделяют шесть крупных областей, где трансформационное воздействие технологий AI и ML будет наиболее заметным и приведет к качественному скачку эффективности и преобразованию привычных процессов.

 

 

Аналитика, управление проектами и принятие решений

 

В первую очередь эксперты Gartner, Forrester и McKinsey выделяют сферу корпоративной аналитики, принятия решений и управления проектами. Так, дополненная аналитика (augmented analytics) позволит автоматизировать подготовку данных, обнаружение скрытых взаимосвязей и составление наглядных аналитических отчетов с понятной визуализацией. Предсказательная аналитика, построенная на обработке огромного количества корпоративных данных с помощью AI, позволит руководителям принимать более взвешенные и качественные решения и снизить бизнес-риски предприятий. В управлении проектами возникнут новые возможности по автоматической оптимизации распределения ресурсов, контролю графиков работы смежных подразделений, корректировке процесса исполнения задач.

 

 

Обработка естественной речи

 

Как уже говорилось, здесь и сейчас мы пользуемся возможностями виртуальных голосовых ассистентов — Siri, Alexa, Google Now, Cortana и других. Они научились с достаточно высокой степенью точности распознавать естественную человеческую речь, а не набор фиксированных команд с жестко заданной логикой и синтаксисом.

 

В сфере распознавания естественной речи (NLP, Natural Language Processing) машинное обучение позволит в короткие сроки значительно улучшить качество обработки не только любых голосовых, но и текстовых сообщений. Ведутся разработки по отслеживанию интонаций клиентов, взаимодействующих с автоматизированной платформой, и распознаванию их намерений. Это позволит значительно улучшить обслуживание клиентов, повысить качество клиентского самообслуживания с помощью IVR и других автоматизированных приложений

 

 

Персонализация маркетинга и обслуживания

 

В маркетинге алгоритмы машинного обучения помогут обеспечить персонализацию взаимодействия бренда и клиента. На смену ставшему традиционным контент-маркетингу придет так называемый диалоговый маркетинг, где на основе статистических данных и глубокого анализа истории взаимодействия с клиентом искусственный интеллект будет решать, каким должно быть содержание диалога с каждым отдельным человеком в тот или иной момент времени.

 

В плане обслуживания искусственный интеллект возьмет на себя управление маршрутами клиентов в различных каналах коммуникаций. Базируясь на сведениях о человеке, данных о предыдущих запросах, обращениях в компанию и статистических прогнозах, системы смогут заранее предвидеть сценарий маршрута клиента и с опережением предлагать ему необходимую помощь и персонализированный контент в каждой точке взаимодействия.

 

Одновременно с этим виртуальные ассистенты на основе AI существенно повысят продуктивность и эффективность сотрудников корпоративных контакт-центров. Помимо автоматизации рутинных задач, искусственный интеллект сможет в режиме реального времени отслеживать диалог оператора с клиентом и своевременно предоставлять необходимые подсказки по скрипту, данные из базы знаний и полезную аналитику. 

 

Интернет вещей и цифровые двойники

 

В производственном секторе будут активно развиваться промышленный Интернет вещей (Industrial Internet of Things, IIoT) и потенциально крайне мощная смежная технология так называемых цифровых двойников.

 

Промышленный Интернет вещей, по определению TAdviser, представляет собой систему объединенных компьютерных сетей и подключенных производственных объектов со встроенными датчиками и ПО для сбора и обмена данными, с возможностью удаленного контроля и управления в автоматизированном режиме, без участия человека.

 

Фактически речь идет о совокупности датчиков, исполнительных механизмов, контроллеров и человеко-машинных интерфейсов, установленных на ключевых частях оборудования. Датчики собирают информацию с используемых в производстве машин и формируют общую информационную картину техпроцессов. Эту информацию можно обрабатывать с помощью алгоритмов AI и ML и использовать на разных уровнях деятельности предприятия — от принятия обоснованных решений до автоматического управления и корректировки исполнения технических процессов и снижения износа оборудования.

 

Совмещение возможностей IIoT и машинного интеллекта позволяет предотвращать простои, поломку оборудования, сокращать периоды внепланового техобслуживания и количество сбоев в управлении цепочками поставок.

 

Цифровой двойник — это цифровая модель, которая воспроизводит объект, процесс или систему в реальном мире. В промышленности речь идет о создании цифровых двойников предприятий — заводов, электростанций, нефтедобывающих комплексов.

 

С помощью собранной с различных датчиков информации создается виртуальная модель промышленного объекта, в которой отображаются данные о бизнес- и технологических процессах, связях между ними, о работе и состоянии промышленного оборудования.

 

Цифровые двойники не только позволяют отслеживать состояние производства в динамике, Они способны моделировать любые сценарии анализа «what if» — показывать, как будут меняться бизнес-результаты при изменении тех или иных параметров производства.

 

Например, в нефтедобывающей отрасли цифровой двойник позволяет симулировать бурение новых скважин, заранее оценивать потенциальные риски и бизнес-ценность проектов.

 

 

Автономные устройства

 

Под автономными устройствами в данном контексте подразумеваются машины и механизмы, способные самостоятельно в течение определенного отрезка времени выполнять определенные действия без участия человека.

 

В качестве примеров автономных устройств можно привести целый ряд механизмов — от робота-пылесоса до автономных машин для сбора урожая. Сейчас технологии AI и ML активно внедряются в этой области, появляется «умное» медицинское и сельскохозяйственное оборудование.

 

Одновременно с развитием функционала сложных одиночных устройств разрабатывается концепция «роя» небольших механизмов под управлением AI — например, квадрокоптеров.

 

Внедрение AI позволяет автономным устройствам повысить эффективность работы за счет улучшенного восприятия факторов и параметров окружающей среды, а также своевременной реакции на них путем принятия оптимальных решений. Большая часть автономных устройств — это роботы, транспортные средства и беспилотные летательные аппараты.

 

Применение автономных устройств открывает новые перспективы в автоматизации производственных линий, цепочек поставок и логистики, позволяет освободить человека от выполнения рутинных, повторяющихся задач.

 

 

AI-разработка

 

Разработчики всегда стремились к использованию абстракций более высокого уровня. Максимальный теоретический уровень абстракции — система, которая будет самостоятельно писать программный код.

 

Пока что этот уровень недостижим, но уже сегодня существуют инструменты на базе AI, которые существенно упрощают и ускоряют разработку. В частности, Google разработала систему прогнозирования багов на основе ML-алгоритмов и предсказательной аналитики. Существуют разработанные системы, которые анализируют содержимое репозиториев GitHub, выявляют проблемы и предлагают потенциальные варианты их решения.

 

AI-разработка развивается по трем основным направлениям. Первое — это инструменты для внедрения AI-алгоритмов в бизнес-приложения без участия специалиста по Data Science. Второе — инструменты дополненной аналитики, автоматизированного тестирования и создания программного кода для разработки решений с использование AI. Третье — AI‑инструменты для разработки решений с использованием бизнес-логики без привлечения консультантов из бизнес-подразделений.

 

 

AI и ML: отрасли на грани трансформации

 

Агентство McKinsey в своем докладе «Artificial Intelligence. The Next Digital Frontier?» предлагает рассматривать влияние прикладных решений на базе AI и ML на четырех уровнях бизнеса: проектирование, производство, продвижение и предоставление обслуживания.

 

Предполагается, что технологии искусственного интеллекта на уровне проектирования ускорят процесс разработки, позволят формировать прогнозы в режиме реального времени и эффективнее распределять ресурсы. На уровне производства — повысить производительность, снизить затраты и увеличить эффективность производственных процессов. На уровне продвижения — улучшить качество ценообразования, доставлять персонализированные сообщения точно по адресу. На уровне предоставления обслуживания речь идет об индивидуальном подходе к каждому клиенту и взаимодействии наиболее удобным для клиента способом.

 

 

Ретейл

 

На уровне проектирования: предсказание изменений спроса, оптимизация и автоматизация взаимодействия с поставщиками и заключения контрактов.

 

На уровне производства: автоматизация управления складом и магазинами, оптимизация мерчандайзинга, управления ассортиментом.

 

На уровне продвижения: оптимизация ценообразования, персонализированные предложения для клиентов, актуализация отображения товаров в интернет-магазинах в режиме реального времени.

 

На уровне предоставления обслуживания: персональные советы, оперативное решение проблем с помощью виртуальных ассистентов, автоматическое обслуживание в магазинах, доставка товара с помощью квадрокоптеров.

 

 

 

Электроэнергетика

 

На уровне проектирования: улучшенное прогнозирование генерации и спроса на энергоресурсы, оценка надежности энергогенерирующего оборудования, автоматизация повышения генерации при скачке спроса.

 

На уровне производства: оптимизация профилактического обслуживания оборудования, повышение эффективности генерации, снижение потерь, предотвращение краж энергоресурсов.

 

На уровне продвижения: оптимизация ценообразования в зависимости от времени дня и динамическая тарификация.

 

На уровне предоставления обслуживания: автоматический выбор наиболее выгодного поставщика, подробная статистика потребления, автоматизированное обслуживание клиентов, оптимизация энергопотребления с учетом привычек и поведения клиента.

 

 

Производственная сфера

 

На уровне проектирования: повышение эффективности разработки новых продуктов, автоматизированная оценка поставщиков и анализ требований к запчастям и деталям.

 

На уровне производства: совершенствование процесса исполнения задач, автоматизация сборочных линий, снижение количества ошибок, уменьшение сроков доставки сырья.

 

На уровне продвижения: прогнозирование объемов предоставления услуг поддержки и обслуживания, управление ценообразованием.

 

На уровне предоставления обслуживания: улучшение планирования маршрутов парка транспортных средств, спроса на ресурсы автопарка, повышение качества подготовки сервисных инженеров.

 

 

Здравоохранение

 

На уровне проектирования: прогнозирование заболеваний, выявление групп пациентов с высоким риском заболеваний, организация профилактических мер.

 

На уровне производства: автоматизация и оптимизация процессов в больницах, автоматизация и повышение точности диагностики.

 

На уровне продвижения: управление ценообразованием, снижение рисков для пациентов.

 

На уровне предоставления обслуживания: адаптация терапии и состава лекарств для каждого отдельного пациента, использование виртуальных ассистентов для построения маршрута пациента в поликлинике или больнице.

 

 

 

Финансовая отрасль

 

На уровне проектирования: прогнозирование востребованности банковских продуктов, предсказание изменений спроса, автоматизированная оценка рисков.

 

На уровне производства: автоматизация и оптимизация взаимодействия с существующими и потенциальными клиентами. Автоматизация обработки документов и одобрения кредитов.

 

На уровне продвижения: предоставление персонализированных предложений в нужный момент времени. Автоматическое регулирование процентных ставок в зависимости от истории клиента.

 

На уровне предоставления обслуживания: развитие автоматизированных систем и интерфейсов самообслуживания во всех каналах коммуникации.

 

AI-платформы для бизнеса

 

Множество разработчиков программных решений предлагают различные варианты AI-платформ для бизнеса, ориентированных на автоматизацию бизнес-процессов. У большинства платформ есть определенная специализация, хотя некоторые из них предлагают все возможности для комплексного внедрения AI.

 

 

Amazon

Amazon предлагает несколько решений в области искусственного интеллекта.

Amazon Comprehend — сервис для распознавания естественной речи. Анализирует документы, посты в соцсетях и другие текстовые источники. Умеет понимать их смысл и взаимосвязь.

Amazon Translate — сервис машинного перевода на основе нейронной сети.

Amazon Lex — инструмент для встраивания в бизнес-приложения диалоговых интерфейсов уровня ассистента Alexa.

Google

Diagflow, ранее известный как API.AI, — универсальный сервис для встраивания текстовых и голосовых диалоговых интерфейсов в бизнес-приложения. Поддерживает интеграцию с Facebook, Twitter, Skype, Telegram, Kik, Cisco Spark, Google Assistant, Slack и другими сервисами.

Позволяет выстраивать обработку конкретных запросов, вычленять важную информацию в диалоге и способы извлечения и доставки клиенту важной информации с учетом контекста разговора и понимания естественной речи.

Microsoft

Microsoft Azure's Machine Learning Studio — сервисы, которые поддерживают создание AI-приложений корпоративного уровня. Предлагают инструменты для сбора, обработки и обучения на основе Big Data с возможностью выявления скрытых зависимостей, которые ускользают от внимания человека.

Спектр возможного применения: от выявления фальшивых кредитных карт до прогноза оттока клиентов и оптимизации ценообразования.

IBM

IBM Watson — комплексная AI-платформа для разработки широкого набора интеллектуальных бизнес-инструментов.

Платформа включает в себя модули для обработки любых видов данных и понимания их значения, для анализа и классификации информации, поиска ответов и обнаружения скрытых взаимосвязей. Обладает возможностями по оценке личностных характеристик клиентов на базе анализа речи и текста, умеет понимать тон и эмоциональную окраску диалога.

Применяется для комплексной автоматизации бизнес-процессов.

Infor

Платформа Infor Coleman AI — это комплексное решение с использованием машинного обучения, которое функционирует на уровне, предшествующем уровню бизнес-приложений. Coleman AI осуществляет сбор и анализ данных внутри предприятия и с помощью ML-алгоритмов повышает эффективность различных бизнес-процессов — таких как управление задачами, прогнозирование эффективности рекламных предложений, управление складом и складскими остатками, оптимизация маршрутов автопарка, прогнозы по профилактическому обслуживанию производственного оборудования, корректировка производственных планов.

 

Искусственный интеллект платформы обучается на данных из сети предприятия, корпоративных графах и наборах данных, характерных для конкретной отрасли. Решение поддерживает различные диалоговые интерфейсы, умеет анализировать текст, голос и изображения.

 

Платформа Infor Coleman AI умеет взаимодействовать с BI и аналитическими системами компании и предлагает все необходимые инструменты для поддержки принятия управленческих решений. Функции по автоматизации рутинных задач оптимизации рабочих процессов позволяют высвободить ресурсы сотрудников и направить их на решение творческих задач.

 

Сейчас компании используют потенциал AI и ML в основном точечно. Совершенствуют только отдельные бизнес- или производственные процессы, обкатывая новые технологии. По данным последнего исследования Gartner, только 4% компаний внедрили AI-системы, у 21% есть пилотный проект или планы на краткосрочную перспективу, у 25% — на средне- или долгосрочную. По оценкам Gartner, в 2022 году AI-технологии в мировом масштабе принесут бизнесу порядка 3,9 трлн долларов США. В основном за счет снижения прямых затрат, формирования новых источников прибыли и уменьшения непрямых расходов на обслуживание клиентов. Чтобы не упустить возможности по развитию бизнеса, компаниям стоит подумать о внедрении AI и ML уже сегодня.


Данный материал является частной записью члена сообщества Club.CNews.
Редакция CNews не несет ответственности за его содержание.
1 год назад
Комментарии
Другие публикации
RU,
Информационные технологии

Компания Infor создает совершенные бизнес-приложения для конечных пользователей с использованием новейших научных разработок и облачных технологий. В компании работает свыше 14 тысяч сотрудников, а решения Infor пользуются успехом у клиентов более чем в 200 странах мира. Продукты Infor автоматизируют критически важные бизнес-процессы в здравоохранении, промышленности, индустрии моды, оптовых закупках, гостиничном бизнесе, ретейле и организациях государственного сектора. Благодаря глубокому понимаю потребностей различных отраслей, Infor создает программное обеспечение, которое не требует дорогостоящей доработки и кастомизации под нужды клиента. Штаб-квартира Infor расположена в Нью-Йорке. Здесь же, на Манхэттене, находится внутреннее креативное агентство компании Hook&Loop, отвечающее за разработку интуитивно понятных и привлекательных интерфейсов для продуктов Infor. Приложения Infor размещаются преимущественно в облаке Amazon Web Services на открытых платформах.

www.infor.com

В числе клиентов Infor:

18 из 20 ведущих аэрокосмических компаний;

10 из 10 ведущих высокотехнологичных компаний;

10 из 10 ведущих фармацевтических компаний;

21 из 25 крупнейших систем предоставления медицинских услуг в США;

18 из 20 крупнейших городов США;

20 из 20 ведущих поставщиков автомобильной техники и комплектующих;

17 из 20 ведущих промышленных дистрибьюторов;

4 из 5 ведущих пивоваренных компаний;

21 из 30 ведущих международных банков;

6 из 10 крупнейших международных отельных брендов;

6 из 10 ведущих мировых премиум-брендов.




Забыли пароль?
Зарегистрируйся сейчас!
Присоединяйся к нашему обществу для того чтобы познакомиться с новыми людьми, создать собственный блог, публиковать анонсы событий и объявления, а также участвовать в обсуждении публикаций CNews. Мы создали единое пространство для общения специалистов рынка информационных технологий и всех, кто интересуется современными технологиями. Регистрация =>