Čo je možné očakávať od AI a strojového učenia v roku 2020?

15. 1. 2019 ǀ 9 minút

ROK 2019 BUDE V SOFTVÉROVOM SVETE SPOMÍNANÝ AKO ROK, KEDY SA KONTAJNERIZÁCIA, CLOUDOVÉ NATÍVNE ARCHITEKTÚRY A STROJOVÉ UČENIE ROZŠÍRILI DO HLAVNÉHO PRÚDU. S NOVÝM ROKOM 2020 NASTÁVA ČAS ZAMYSLIEŤ SA, KAM NÁS TIETO PREVRATNÉ TECHNOLÓGIE MÔŽU DOSTAŤ V NAJBLIŽŠÍCH 12 MESIACOCH. ČO MÔŽEME OČAKÁVAŤ OD UMELEJ INTELIGENCIE (AI) A STROJOVÉHO UČENIA, ČO SA TÝKA ICH RASTU, INOVÁCIE A PRIJATIA NA ZAČIATKU NOVÉHO DESAŤROČIA?

Čo je možné očakávať od AI a strojového učenia v roku 2020?

15. 1. 2019 ǀ 9 minút

ROK 2019 BUDE V SOFTVÉROVOM SVETE SPOMÍNANÝ AKO ROK, KEDY SA KONTAJNERIZÁCIA, CLOUDOVÉ NATÍVNE ARCHITEKTÚRY A STROJOVÉ UČENIE ROZŠÍRILI DO HLAVNÉHO PRÚDU. S NOVÝM ROKOM 2020 NASTÁVA ČAS ZAMYSLIEŤ SA, KAM NÁS TIETO PREVRATNÉ TECHNOLÓGIE MÔŽU DOSTAŤ V NAJBLIŽŠÍCH 12 MESIACOCH. ČO MÔŽEME OČAKÁVAŤ OD UMELEJ INTELIGENCIE (AI) A STROJOVÉHO UČENIA, ČO SA TÝKA ICH RASTU, INOVÁCIE A PRIJATIA NA ZAČIATKU NOVÉHO DESAŤROČIA?

Posun od prijatia k automatizácii

Marc Andreessen raz povedal, že „softvér požiera svet“ a dnes sa skutočne zdá, ako by sa každá organizácia stávala softvérovou spoločnosťou. Rok 2020 samozrejme prinesie nové trendy, čo sa týka technológií, a neschopnosť prispôsobiť sa bude znamenať pre podniky väčší technologický dlh. Tento dlh bude musieť byť nakoniec splatený zloženým úrokom.

Preto môžeme tento rok skôr ako rast v prijímaní technológií očakávať posun v technologických výdavkoch. Rozpočty podnikov sa budú aj naďalej presúvať z IT do obchodnej oblasti a oveľa viac finančných prostriedkov pôjde do iniciatív, ktoré zvýšia príjmy, pretože obchodná hodnota nahrádza rýchlosť ako najvýznamnejšiu metriku DevOps.

Vývoj softvéru a výdavky na informačné technológie sa zamerajú na zavádzanie umelej inteligencie. Jednou z hlavných tém roku 2020 bude automatizácia existujúcich technológií. Produkty založené na AI, ako Tamr, Paxata a Informatica CLAIRE, ktoré automaticky detekujú a opravujú scestné hodnoty, duplicitné záznamy a ďalšie nedostatky, budú aj naďalej prijímané ako jediný spôsob, ako sa vysporiadať s čistením veľkých dát a udržiavaním kvality.

Rýchlejší výpočtový výkon

Výskum umelej inteligencie je ešte len na začiatku pochopenia sily umelých neurónových sietí a ich konfigurácie. To znamená, že aj v budúcom roku bude pokrok v algoritmoch pokračovať s takmer každodennými inováciami a novými technikami riešenia problémov. AI dokáže riešiť celý rad zložitých problémov, ktoré vyžadujú pohľad a následné rozhodnutie. Bez schopnosti porozumieť strojovému odporúčaniu bude pre človeka ťažké takým odporúčaniam uveriť. Môžeme teda očakávať pokrok v zlepšovaní transparentnosti a pochopiteľnosti algoritmov AI.

Posunú  sa hranice výpočtového výkonu AI. Zabehnuté korporácie ako Intel a Nvidia aj startupy ako Hailo pracujú na poskytovaní lacného a rýchleho spracovania neurónovej siete pomocou vlastných hardvérových čipov. Vzhľadom na to, že požiadavky odvetví na množstvo a rýchlosť výpočtového výkonu na spustenie algoritmov strojového učenia v reálnom čase rastú, bude stále viac spoločností vyvíjať pre zdroje dát vhodnejší hardvér.

Strojové učenie sa v malých a stredných podnikoch stane mainstreamovou záležitosťou

Strojové učenie zaznamenalo v roku 2019 ohromný rast a môžeme očakávať, že bude v roku 2020 pretrvávať. Strojové učenie sa stane široko dostupným pre stredne veľké spoločnosti, pretože začína zlatý vek spracovania prirodzeného jazyka (NLP, Natural Language Processing). Stroje sú teraz v niektorých úlohách NLP lepšie než ľudia, napr. v odpovedaní na otázky založenom na informáciách odvodených z príbehu. BERT, jeden z najvyhľadávanejších algoritmov NLP v roku 2019, bude do konca roka 2020 zabudnutý, nahradený algoritmom ERNIE alebo iným algoritmom.

Strojové učenie bude aj naďalej zavádzané ako súčasť takmer každej kategórie softvérových produktov, od ERP po CRM až po HR, čo z neho robí základnú súčasť každodenného riadenia podniku. Navyše Python posilní svoju pozíciu jazyka zvoleného pre strojové učenie, zníži technickú bariéru pre vstup a umožní väčšiemu počtu ľudí vyskúšať si najnovšie open source algoritmy AI.

Aj napriek dostupnosti strojového učenia širšej užívateľskej základni budú stále hrať hlavnú úlohu dáta. Kto dokáže využiť viac informácií, vyťaží najviac zo svojich analytických modelov. Pretože čínska vláda zhromažďuje obrovské množstvo dát, bude aj naďalej Čína prvá na svete v presnosti učenia s učiteľom (supervised learning). Môžeme teda očakávať, že západný svet bude priekopníkom pokroku v algoritmoch vyžadujúcich menej testovacích dát, napr. aktívneho učenia, kde algoritmus požaduje ďalšie najlepšie testovacie dáta pre maximalizáciu jeho rýchlosti učenia. Účinnosť v oblasti testovania dát sa tiež zlepší vďaka nástrojom automatizovaného strojového učenia, ako sú SageMaker a Pachyderm od Amazonu, ktoré automatizujú proces vytvárania a nasadzovania nových modelov strojového učenia.

Riešenia zamerané na spotrebiteľov v AI a strojovom učení

Porastie aj počet zariadení orientovaných na spotrebiteľov, ktoré využívajú AI a strojové učenie. Digitálni asistenti a chatboty sa stali základom nášho každodenného života a úplne premenili zákaznícky servis a domáce pripojenie k internetu. Produkty, ktoré integrujú Alexu od Amazonu alebo Asistenta od Googlu, sa rozšíria a inteligentné reproduktory budú aj naďalej ťažiť z rozmachu predaja, pretože spotrebitelia zostanú lojálni svojim digitálnym pomocníkom.

Odvetvie maloobchodu sa začne premieňať zavádzaním nakupovania bez pokladní (tzv. frictionless shopping). Integrovaná umelá inteligencia bude schopná trénovať počítače, aby identifikovali umiestnenie produktu a položiek, ktoré si spotrebiteľ vložil do nákupného košíka. Použitie rozšírenej reality možno tiež uvidíme v priestoroch, ktoré prevedú zákazníkov obchodom. Pretože technológie AI a počítačového videnia dokážu bez problémov identifikovať a vyúčtovať nákup zákazníka, zatiaľ čo nakupuje, vznikne tak ničím nerušená skúsenosť z nakupovania bez zdržania, aké predstavujú  pokladne. Technológia pre nakupovanie bez pokladní nebude v roku 2020 ešte pripravená k hromadnému zavedeniu, ale očakáva sa, že dôjde k pokroku na skúšobných miestach.

A napokon, aj keď každý rok dúfame, že nám nový rok prinesie dokonalé auto bez vodiča, ani v roku 2020 nebude plne automatizovaná jazda realitou. Algoritmy strojového učenia pre automatizované systémy vozidiel majú stále príliš mnoho základných nedostatkov, než aby sme im mohli úplne dôverovať. Napríklad značka STOP môže byť rozšírená o pixely neviditeľné voľným okom, ktoré ale spôsobujú, že ich algoritmy strojového učenia čítajú ako „rýchlostný limit 40 km/h“. Tieto typy porúch bránia plnohodnotnému vývoju automobilov bez vodiča. Plošné prijatie sa môže uskutočniť až po tom, čo budú slabiny algoritmov vyriešené a systémom bude možné dôverovať, že zaručia bezpečnosť vodičov aj chodcov. Medzitým bude pokračovať zavádzanie riadenia s pomocou AI, kde AI iba poskytne pomoc a varovanie vodičovi plne zodpovednému za riadenie.

Prekonávanie bariér AI a strojového učenia

Hoci je možné v nadchádzajúcom roku očakávať pozoruhodný pokrok v oblasti umelej inteligencie a strojového učenia, vyskytnú sa v ich šírení určité prekážky.

Výrazný nedostatok kvalifikovaných inžinierov strojového učenia znemožní menej významným spoločnostiam udržať krok s tými najlepšími. Prosperovať budú tí, ktorí už vlastnia obrovské množstvo použiteľných dát a majú zamestnancov, ktorí sú schopní ich využívať.

Bariérou pre prijatie strojového učenia a AI zostane aj budúci rok dôvera. Okrem nedostatkov pri autonómnych vozidlách, ktoré ohrozujú bezpečnosť, zostávajú bez riešenia aj etické obavy zo zaujatosti algoritmov. Môžeme sa spoľahnúť na poznatky odvodené prostredníctvom testovacích dát, ktoré môžu vyjadrovať historickú zaujatosť voči ženám, starším ľuďom alebo menšinám? Než budú ľudia môcť plne prijať autonómne rozhodovanie nástrojov, je potrebné tieto problémy vyriešiť.

A nakoniec trochu perspektívy: všetky tu popísané posuny sú súčasťou „úzkej“ AI, kde stroj plní špecifickú úlohu lepšie než človek na základe algoritmov a štatistík. Svätým grálom AI je „všeobecná“ inteligencia, kedy stroj má ako základ znalosti reálneho sveta a logické schopnosti, ktoré mu umožňujú tieto znalosti a zručnosti aplikovať na nové úlohy. Zatiaľ čo úzka AI sa vyvíja míľovými krokmi, všeobecná AI je stále víziou budúcnosti.

Budúci rok bude pre technológie akousi výzvou „nového veku“. Prínosy strojového učenia a AI sú jasné a ich dostupnosť sa zvyšuje. Než však bude možné plne realizovať ich dopad na podniky a spotrebiteľov, musia byť vyriešené zásadné problémy. Sledujme, koľko z týchto predpovedí sa nakoniec uskutoční.

Moshe Kranc, CTO Ness Digital Engineering

Posun od prijatia k automatizácii

Marc Andreessen raz povedal, že „softvér požiera svet“ a dnes sa skutočne zdá, ako by sa každá organizácia stávala softvérovou spoločnosťou. Rok 2020 samozrejme prinesie nové trendy, čo sa týka technológií, a neschopnosť prispôsobiť sa bude znamenať pre podniky väčší technologický dlh. Tento dlh bude musieť byť nakoniec splatený zloženým úrokom.

Preto môžeme tento rok skôr ako rast v prijímaní technológií očakávať posun v technologických výdavkoch. Rozpočty podnikov sa budú aj naďalej presúvať z IT do obchodnej oblasti a oveľa viac finančných prostriedkov pôjde do iniciatív, ktoré zvýšia príjmy, pretože obchodná hodnota nahrádza rýchlosť ako najvýznamnejšiu metriku DevOps.

Vývoj softvéru a výdavky na informačné technológie sa zamerajú na zavádzanie umelej inteligencie. Jednou z hlavných tém roku 2020 bude automatizácia existujúcich technológií. Produkty založené na AI, ako Tamr, Paxata a Informatica CLAIRE, ktoré automaticky detekujú a opravujú scestné hodnoty, duplicitné záznamy a ďalšie nedostatky, budú aj naďalej prijímané ako jediný spôsob, ako sa vysporiadať s čistením veľkých dát a udržiavaním kvality.

Rýchlejší výpočtový výkon

Výskum umelej inteligencie je ešte len na začiatku pochopenia sily umelých neurónových sietí a ich konfigurácie. To znamená, že aj v budúcom roku bude pokrok v algoritmoch pokračovať s takmer každodennými inováciami a novými technikami riešenia problémov. AI dokáže riešiť celý rad zložitých problémov, ktoré vyžadujú pohľad a následné rozhodnutie. Bez schopnosti porozumieť strojovému odporúčaniu bude pre človeka ťažké takým odporúčaniam uveriť. Môžeme teda očakávať pokrok v zlepšovaní transparentnosti a pochopiteľnosti algoritmov AI.

Posunú  sa hranice výpočtového výkonu AI. Zabehnuté korporácie ako Intel a Nvidia aj startupy ako Hailo pracujú na poskytovaní lacného a rýchleho spracovania neurónovej siete pomocou vlastných hardvérových čipov. Vzhľadom na to, že požiadavky odvetví na množstvo a rýchlosť výpočtového výkonu na spustenie algoritmov strojového učenia v reálnom čase rastú, bude stále viac spoločností vyvíjať pre zdroje dát vhodnejší hardvér.

Strojové učenie sa v malých a stredných podnikoch stane mainstreamovou záležitosťou

Strojové učenie zaznamenalo v roku 2019 ohromný rast a môžeme očakávať, že bude v roku 2020 pretrvávať. Strojové učenie sa stane široko dostupným pre stredne veľké spoločnosti, pretože začína zlatý vek spracovania prirodzeného jazyka (NLP, Natural Language Processing). Stroje sú teraz v niektorých úlohách NLP lepšie než ľudia, napr. v odpovedaní na otázky založenom na informáciách odvodených z príbehu. BERT, jeden z najvyhľadávanejších algoritmov NLP v roku 2019, bude do konca roka 2020 zabudnutý, nahradený algoritmom ERNIE alebo iným algoritmom.

Strojové učenie bude aj naďalej zavádzané ako súčasť takmer každej kategórie softvérových produktov, od ERP po CRM až po HR, čo z neho robí základnú súčasť každodenného riadenia podniku. Navyše Python posilní svoju pozíciu jazyka zvoleného pre strojové učenie, zníži technickú bariéru pre vstup a umožní väčšiemu počtu ľudí vyskúšať si najnovšie open source algoritmy AI.

Aj napriek dostupnosti strojového učenia širšej užívateľskej základni budú stále hrať hlavnú úlohu dáta. Kto dokáže využiť viac informácií, vyťaží najviac zo svojich analytických modelov. Pretože čínska vláda zhromažďuje obrovské množstvo dát, bude aj naďalej Čína prvá na svete v presnosti učenia s učiteľom (supervised learning). Môžeme teda očakávať, že západný svet bude priekopníkom pokroku v algoritmoch vyžadujúcich menej testovacích dát, napr. aktívneho učenia, kde algoritmus požaduje ďalšie najlepšie testovacie dáta pre maximalizáciu jeho rýchlosti učenia. Účinnosť v oblasti testovania dát sa tiež zlepší vďaka nástrojom automatizovaného strojového učenia, ako sú SageMaker a Pachyderm od Amazonu, ktoré automatizujú proces vytvárania a nasadzovania nových modelov strojového učenia.

Riešenia zamerané na spotrebiteľov v AI a strojovom učení

Porastie aj počet zariadení orientovaných na spotrebiteľov, ktoré využívajú AI a strojové učenie. Digitálni asistenti a chatboty sa stali základom nášho každodenného života a úplne premenili zákaznícky servis a domáce pripojenie k internetu. Produkty, ktoré integrujú Alexu od Amazonu alebo Asistenta od Googlu, sa rozšíria a inteligentné reproduktory budú aj naďalej ťažiť z rozmachu predaja, pretože spotrebitelia zostanú lojálni svojim digitálnym pomocníkom.

Odvetvie maloobchodu sa začne premieňať zavádzaním nakupovania bez pokladní (tzv. frictionless shopping). Integrovaná umelá inteligencia bude schopná trénovať počítače, aby identifikovali umiestnenie produktu a položiek, ktoré si spotrebiteľ vložil do nákupného košíka. Použitie rozšírenej reality možno tiež uvidíme v priestoroch, ktoré prevedú zákazníkov obchodom. Pretože technológie AI a počítačového videnia dokážu bez problémov identifikovať a vyúčtovať nákup zákazníka, zatiaľ čo nakupuje, vznikne tak ničím nerušená skúsenosť z nakupovania bez zdržania, aké predstavujú  pokladne. Technológia pre nakupovanie bez pokladní nebude v roku 2020 ešte pripravená k hromadnému zavedeniu, ale očakáva sa, že dôjde k pokroku na skúšobných miestach.

A napokon, aj keď každý rok dúfame, že nám nový rok prinesie dokonalé auto bez vodiča, ani v roku 2020 nebude plne automatizovaná jazda realitou. Algoritmy strojového učenia pre automatizované systémy vozidiel majú stále príliš mnoho základných nedostatkov, než aby sme im mohli úplne dôverovať. Napríklad značka STOP môže byť rozšírená o pixely neviditeľné voľným okom, ktoré ale spôsobujú, že ich algoritmy strojového učenia čítajú ako „rýchlostný limit 40 km/h“. Tieto typy porúch bránia plnohodnotnému vývoju automobilov bez vodiča. Plošné prijatie sa môže uskutočniť až po tom, čo budú slabiny algoritmov vyriešené a systémom bude možné dôverovať, že zaručia bezpečnosť vodičov aj chodcov. Medzitým bude pokračovať zavádzanie riadenia s pomocou AI, kde AI iba poskytne pomoc a varovanie vodičovi plne zodpovednému za riadenie.

Prekonávanie bariér AI a strojového učenia

Hoci je možné v nadchádzajúcom roku očakávať pozoruhodný pokrok v oblasti umelej inteligencie a strojového učenia, vyskytnú sa v ich šírení určité prekážky.

Výrazný nedostatok kvalifikovaných inžinierov strojového učenia znemožní menej významným spoločnostiam udržať krok s tými najlepšími. Prosperovať budú tí, ktorí už vlastnia obrovské množstvo použiteľných dát a majú zamestnancov, ktorí sú schopní ich využívať.

Bariérou pre prijatie strojového učenia a AI zostane aj budúci rok dôvera. Okrem nedostatkov pri autonómnych vozidlách, ktoré ohrozujú bezpečnosť, zostávajú bez riešenia aj etické obavy zo zaujatosti algoritmov. Môžeme sa spoľahnúť na poznatky odvodené prostredníctvom testovacích dát, ktoré môžu vyjadrovať historickú zaujatosť voči ženám, starším ľuďom alebo menšinám? Než budú ľudia môcť plne prijať autonómne rozhodovanie nástrojov, je potrebné tieto problémy vyriešiť.

A nakoniec trochu perspektívy: všetky tu popísané posuny sú súčasťou „úzkej“ AI, kde stroj plní špecifickú úlohu lepšie než človek na základe algoritmov a štatistík. Svätým grálom AI je „všeobecná“ inteligencia, kedy stroj má ako základ znalosti reálneho sveta a logické schopnosti, ktoré mu umožňujú tieto znalosti a zručnosti aplikovať na nové úlohy. Zatiaľ čo úzka AI sa vyvíja míľovými krokmi, všeobecná AI je stále víziou budúcnosti.

Budúci rok bude pre technológie akousi výzvou „nového veku“. Prínosy strojového učenia a AI sú jasné a ich dostupnosť sa zvyšuje. Než však bude možné plne realizovať ich dopad na podniky a spotrebiteľov, musia byť vyriešené zásadné problémy. Sledujme, koľko z týchto predpovedí sa nakoniec uskutoční.

Moshe Kranc, CTO Ness Digital Engineering

Prečítajte si tiež

Inovatívny workflow pre Heineken Slovensko

Prípadová štúdia: hForms v prostredí CRM Heineken Slovensko

Ako využiť trendy v oblasti veľkých dát?

Tipy a trendy 2020 v oblasti veľkých dát

Čo je možné očakávať od AI a strojového učenia v roku 2020?

Moshe Kranc predikuje vývoj na poli umelej inteligencie v roku 2020

Prečítajte si tiež

Inovatívny workflow pre Heineken Slovensko

Prípadová štúdia: hForms v prostredí CRM Heineken Slovensko

Ako využiť trendy v oblasti veľkých dát?

Tipy a trendy 2020 v oblasti veľkých dát

Čo je možné očakávať od AI a strojového učenia v roku 2020?

Moshe Kranc predikuje vývoj na poli umelej inteligencie v roku 2020