Подписаться на новости
brand brand
logo logo
Сообщество робототехников

Тренды искусственного интеллекта: исследование CB Insights

Тренды-искусственного-интеллекта-исследование-CB-Insights
Четверг, 14 Марта 2019, в 10:41
Искусственный интеллект

Аналитическая платформа CB Insights выпустила отчет о трендах искусственного интеллекта в 2019 году. Среди довольно большого количества трендов компания выделила «необходимые», то есть те, которые сильно влияют на рынок и уже находят практическое применение. О них читайте далее.

 

Open-source-фреймворки

 

Благодаря открытому ПО барьер для изучения ИИ ниже, чем когда-либо.

Google выложила в общий доступ библиотеку машинного обучения TensorFlow в 2015 году (двумя годами позже то же самое сделал «Яндекс» с библиотекой CatBoost — прим. Robohunter).

Опенсорсные фреймворки для ИИ приносят пользу всем: сфера становится доступной для каждого, а крупным компаниям вроде Google появившееся сообщество разработчиков помогает развить исследования машинного обучения.

 

Тренды-искусственного-интеллекта-исследование-CB-Insights

Количество коммитов в репозитории TensorFlow на GitHub

Facebook в 2017 году представила Caffe2 — фреймворк для глубокого обучения с открытым кодом. Над ним она работала с исследователями из Nvidia, Qualcomm, Intel, Microsoft и других компаний. В 2018-м Caffe2 объединили с PyTorch — открытой библиотекой машинного обучения для языка Python. На GitHub они теперь существуют в рамках одного репозитория, и его популярность в последние месяцы значительно выросла.

Theano — еще одна библиотека с открытым кодом от Монреальского института алгоритмов обучения. Его главный исследователь Йошуа Бенджио (Yoshua Bengio) отмечает:

«Экосистема ПО для машинного обучения развивается очень быстро, и сейчас она достигла здорового уровня: опенсорсный софт стал нормой, доступно множество фреймворков, которые удовлетворяют потребности — от исследования новых идей до запуска в продакшн, а крупные игроки отрасли поддерживают различные программные стеки, конкурируя друг с другом».

В число открытых инструментов для разработчиков входят также Keras, Microsoft Toolkit и Apache MXNet.

 

Граничный ИИ

(Edge AI)

 

Необходимость принятия решений в реальном времени перемещает ИИ ближе к границе — к конечным устройствам.

Запуск ИИ-алгоритмов на конечных устройствах (смартфонах, автомобилях и носимых гаджетах) вместо соединения с центральным облаком или сервером дает возможность устройствам быстрее принимать решения.

Например, автономным автомобилям нужно реагировать на обстановку в реальном времени и работать даже в областях без интернет-соединения. Любое промедление в принятии решений может оказаться фатальным.

Технические компании-гиганты сделали огромные шаги в направлении edge AI за 2017-2018 гг.

Apple представила чип A11 для iPhone 8, iPhone 8 Plus и X, заявляя, что он может выполнять задачи из области машинного обучения со скоростью до 600 млрд операций в секунду. Его использование лежит в основе функции Face ID — разблокировки устройства через распознавание лица владельца.

Qualcomm в конце 2018 года запустила фонд с капитализацией $100 млн для инвестирования в стартапы, которые «поделятся видением того, как сделать ИИ на устройствах более мощным и широко распространенным».

Intel включилась в гонку с чипом Myriad X (изначально разработанным компанией Movidius, которую Intel приобрела в 2016 году). В конце 2018-го Intel представила Neural Compute Stick 2, который работает на этом чипе и позволяет запускать приложения с технологией компьютерного зрения на устройствах системы умного дома и промышленных роботах.

Nvidia недавно представила чип Jetson AGX Xavier для граничных вычислений в робототехнике и промышленном Интернете вещей.

 

 

Распознавание лиц

 

Технология, которая быстро становится мейнстримом.

Когда речь заходит о распознавании лиц, в центре внимания оказывается Китай с его масштабными и неоднозначными проектами наблюдения за гражданами. ИИ-стартапы играют ключевую роль в обеспечении правительства нужными технологиями.

 

Тренды-искусственного-интеллекта-исследование-CB-Insights

В Китае многократно выросло количество сделок, связанных с технологией распознавания лиц

Но огромный интерес к технологии есть и за пределами Китая. Apple популяризовала технологию, представив в iOS 10 разблокировку айфона с помощью распознавания лица владельца. Amazon продает технологию правоохранительным органам. Академические институты вроде Университета Карнеги — Меллона работают над улучшением изображений лиц с камер видеонаблюдения.

Технология пока работает не без ошибок. Про Amazon недавно много писали в связи с тем, что ее алгоритмы определили нескольких конгрессменов как преступников. Журналист WSJ обманул умные камеры на территории школы в Сиэтле, использовав фотографию ее директора. Для большей надежности разработчики начинают добавлять функцию отслеживания мимики в движении (например, разблокировку по улыбке — «smile to unlock»).

Ранние коммерческие решения оказались очень востребованными в безопасности, ритейле и потребительской электронике, поэтому распознавание лица быстро становится главной формой биометрической идентификации.

 

 

Предсказательное техобслуживание

 

Соединение искусственного интеллекта и промышленного Интернета вещей (IIoT) поможет не допустить неожиданных выходов оборудования из строя. Компании смогут сэкономить миллионы долларов.

Неожиданный выход оборудования из строя остается лидирующей причиной простоя на производстве.

Недавнее исследование GE, в котором приняли участие 450 полевых служб и производителей IT-решений, обнаружило, что 70% компаний не знают, когда именно оборудование будет нуждаться в обновлении или техобслуживании. Незапланированное время простоя может стоить компаниям $250 000 в час.

В рамках предсказательного техобслуживания сенсоры и умные камеры собирают постоянный поток данных от машин (например, показатели температуры и давления). Большое количество и разные форматы данных делают машинное обучение необходимым элементом IIoT. Через какое-то время после начала анализа алгоритмы научатся предсказывать время выхода оборудования из строя.

Предсказательное техобслуживание становится все более распространенным благодаря снижению цен на сенсоры, усовершенствованию алгоритмов машинного обучения и начинающемуся переходу к граничным вычислениям.

 

Тренды-искусственного-интеллекта-исследование-CB-Insights

Растет количество сделок с ИИ-компаниями, фокусирующимися на решениях для промышленности и энергетики

В 2016-м GE Ventures активно инвестировала в компании, разрабатывающие решения для предсказательного техобслуживания, включая Foghorn Systems, Sight Machine, Maana и Bit Stew Systems (которую позже приобрела). Сейчас GE — главный игрок в промышленном Интернете вещей со своей аналитической платформой Predix. Его основные конкуренты — Siemens и SAP, которые также представили собственные продукты (MindSphere и Hana) для IIoT.

Индийская компания Tata Consultancy запустила сервис предсказательного техобслуживания для энергетических компаний. Как заявляют представители компании, технология «цифрового двойника» (дублирование реальных операций и физических активов в цифровой формат для мониторинга) позволила электростанции экономить по $1,5 млн на гигаватте в год.

 

 

Поиск для e-commerce

 
Понимание контекста поисковых запросов выходит из «экспериментальной фазы», но до всеобщего применения еще очень далеко.

С 2002 года Amazon подала 35 заявок на патенты, связанные с результатами поиска. В отделении компании, отвечающем за поиск, предусмотрено более 150 должностей. Среди прочего эти люди отвечают за понимание системой естественного языка, хаос-инжиниринг и машинное обучение.

Такое внимание к поиску в e-commerce пока скорее исключение. Немногие ритейлеры говорят о стратегиях с участием ИИ в публичных финансовых отчетах, мало кто решился оптимизировать операции онлайн-торговли. Но вот еще несколько важных примеров.

Одним из первых на этот путь встала eBay. Впервые компания упоминала о машинном обучении в финансовом отчете за третий квартал 2015-го. В то время eBay начала вводить обязательное для продавцов требование давать описание товаров. Машинное обучение использовалось для обработки этих данных и поиска схожих товаров из каталога.

Но работы только с описаниями и индексацией недостаточно. Многие пользователи ищут товары запросами на естественном языке (вроде «бордовая рубашка без пуговиц»), другие вовсе не знают, как именно описать то, что они ищут.

Возможно, поэтому все больше компаний начинает работать с изображениями. Стартап ViSenze, предлагающий поиск по картинке, предоставляет такой сервис Uniqlo, Myntra и японскому e-commerce-гиганту Rakuten. ViSenze позволяет покупателям сфотографировать понравившийся в магазине товар, загрузить картинку и найти точно такой же продукт онлайн. У компании есть офисы в Калифорнии и Сингапуре.

Другая компания, развивающая ИИ для рекомендаций онлайн-поиска, — израильский стартап Twiggle. Одним из его инвесторов стала Alibaba. Компания разрабатывает семантическое API, которое стоит поверх существующих поисковых систем e-commerce и отвечает на самые специфические запросы покупателя.

 

С полной версией отчета можно ознакомиться здесь.

рейтинг

1207

просмотров

0

комментариев

порекомендовать друзьям

ЧИТАТЬ НА ЭТУ ТЕМУ

Loading

комментарии

Нет комментариев

Гость

Дорогие друзья! Помните, что администрация сайта будет удалять:

  • Комментарии с грубой и ненормативной лексикой
  • Прямые или косвенные оскорбления героя поста или читателей
  • Короткие оценочные комментарии ("ужасно", "класс", "отстой")
  • Комментарии, разжигающие национальную и социальную рознь
brand brand