Как сообщает Национальный портал в сфере искусственного интеллекта, в ближайшие 3 года более трети организаций в РФ планируют внедрить технологии искусственного интеллекта (ИИ) в свой производственный процесс. В финансовой и ИТ-отраслях ИИ-технологии уже внедрены более чем в 50% компаний.
На прошедшей в июне этого года в Коста-Рике конференции о правах человека в цифровую эпоху RightsCon было принято решение, что определение «искусственный интеллект» некорректно и следует использовать более точный термин «машинное обучение». Причиной названо слишком эмоциональное содержание термина, не соответствующее действительности.
Действительно, можно научить попугая произносить слова и целые фразы, что будет умилять окружающих, но это не означает, что попугай понимает, что он произносит. Точно та же ситуация и с «искусственным интеллектом» — понимание у машины отсутствует, несмотря на очень убедительную речь.
Уже сегодня системы на основе машинного обучения уже приносят пользу во многих сферах деятельности, а в будущем смогут ещё в больших. Первыми машинное обучение внедрили поисковые системы — технологические компании на острие прогресса. Так ещё с 2016 года в онлайн-переводчике Google Translate стали использоваться нейросетевые модели для улучшения качества перевода. Созданная в 2018 году нейросеть BERT позволила поисковику Google улучшить релевантность результатов поисковой выдачи благодаря возможности анализировать не ключевые слова, а предложения целиком. Сегодня все поисковые системы активно используют машинное обучение для повышения качества поиска, распознавания голоса и образов.
Искусственный интеллект отлично зарекомендовал себя в сферах, где рутинная, однообразная деятельность ещё требовала внимания человека. Например, в московском регионе в этом году ввели автоматизированный контроль за вывозом мусора на свалки. Это стало возможно благодаря машинному обучению нейросети для распознавания образов автомобилей-мусоровозов.
Не отстают в использовании машинного обучения и страховые компании. Анализ больших данных о стиле вождения позволяет им создавать индивидуальные страховые продукты для разных водителей.
Не случайно скорость внедрения новых технологий обработки данных возрастает с каждым годом. Это вопрос здоровой конкуренции — системы на базе ИИ позволяют выполнять задачи быстрее и дешевле.
Кадры, способные работать с ИИ, вскоре будут востребованы, пожалуй, во всех сферах. Это так же вопрос экономики — сотрудник, способный модернизировать рабочий процесс с применением нейросети, снизить затраты и повысить производительность очевидно очень ценен для компании.
Вузы, внедряющие в свои учебные программы курсы по применению машинного обучения, будут более востребованы у абитуриентов. Такие прикладные компетенции будут несомненно широко востребованы на рынке труда в самых разных профессиях.
Помимо профессий, непосредственно связанных с реализацией внедрения машинного обучения в ИТ, следует ожидать возникновения профессий по настройке и обучению «искусственного интеллекта». Ведь точность и адекватность его функционирования полностью зависит от выборки данных, на которой он был обучен, и заданных человеком настроек. Педагоги-аналитики данных смогут корректировать нейросетевые модели и повышать качество их функционирования.
Как во времена промышленной революции механизмы высвободили человека от тяжёлого физического труда, так и нынешнее внедрение ИИ высвободит от однообразных операций по принятию типовых решений. Модели на основе машинного обучения станут прекрасным инструментом в работе людей множества разнообразных профессий, высвобождая время на творчество и исследования, ведь ни на то, ни на другое ИИ не способен.
Под угрозой исчезновения могут оказаться лишь самые не творческие, алгоритмичные и манипулятивные профессии. Например, водители, кассиры, а с развитием дронов и курьеры. Представители других профессий лишь повысят производительность и возможности для своего труда с внедрением нейросетей.
ИИ нынешнего поколения основаны на нейронных сетях глубокого обучения. Их можно представить как программу с огромным количеством вариантом принятия решений, из которых благодаря обучению на образцах, выбирается верный. Чтобы совершить переход к следующему поколению необходима принципиально новая схема их функционирования, новые математические модели.
