Co očekávat od AI a strojového učení v roce 2020?

15. 1. 2020 ǀ 9 minut

ROK 2019 BUDE V SOFTWAROVÉM SVĚTĚ VZPOMÍNÁN JAKO ROK, KDY SE KONTEJNERIZACE, CLOUDOVÉ NATIVNÍ ARCHITEKTURY A STROJOVÉ UČENÍ ROZŠÍŘILY DO HLAVNÍHO PROUDU. S NOVÝM ROKEM 2020 NASTÁVÁ ČAS ZAMYSLET SE, KAM NÁS TYTO PŘEVRATNÉ TECHNOLOGIE MOHOU DOSTAT V PŘÍŠTÍCH 12 MĚSÍCÍCH.

Co očekávat od AI a strojového učení v roce 2020?

15. 1. 2020 ǀ 9 minut

ROK 2019 BUDE V SOFTWAROVÉM SVĚTĚ VZPOMÍNÁN JAKO ROK, KDY SE KONTEJNERIZACE, CLOUDOVÉ NATIVNÍ ARCHITEKTURY A STROJOVÉ UČENÍ ROZŠÍŘILY DO HLAVNÍHO PROUDU. S NOVÝM ROKEM 2020 NASTÁVÁ ČAS ZAMYSLET SE, KAM NÁS TYTO PŘEVRATNÉ TECHNOLOGIE MOHOU DOSTAT V PŘÍŠTÍCH 12 MĚSÍCÍCH.

Posun od přijetí k automatizaci

Marc Andreessen jednou pronesl, že „software požírá svět“ a dnes se skutečně zdá, jako by se každá organizace stávala softwarovou společností. Rok 2020 samozřejmě přinese nové trendy co se týče technologií a neschopnost přizpůsobit se bude znamenat pro podniky větší technologický dluh. Tento dluh bude muset být nakonec splacen složeným úrokem.

Proto můžeme letos spíše než růst v přijímání technologií očekávat posun v technologických výdajích. Rozpočty podniků se budou i nadále přesouvat z IT do obchodní oblasti a mnohem více finančních prostředků půjde do iniciativ, které zvýší příjmy, protože obchodní hodnota nahrazuje rychlost jako nejvýznamnější metriku DevOps.

Vývoj softwaru a výdaje na informační technologie se zaměří na zavádění umělé inteligence. Jedním z hlavních témat roku 2020 bude automatizace stávajících technologií. Produkty založené na AI, jako Tamr, Paxata a Informatica CLAIRE, které automaticky detekují a opravují odlehlé hodnoty, duplicitní záznamy a další nedostatky, budou i nadále přijímány jako jediný způsob, jak se vypořádat s čištěním velkých dat a udržováním kvality.

Rychlejší výpočetní výkon

Výzkum umělé inteligence je teprve na začátku pochopení síly umělých neuronových sítí a jejich konfigurace. To znamená, že i v příštím roce bude pokrok v algoritmech pokračovat s téměř každodenními inovacemi a novými technikami řešení problémů.

AI dokáže řešit celou řadu složitých problémů, které vyžadují vhled a následné rozhodnutí. Bez schopnosti porozumět strojovému doporučení bude pro člověka těžké takovým doporučením uvěřit. Můžeme tedy očekávat pokrok ve zlepšování transparentnosti a pochopitelnosti algoritmů AI.

Posunou se hranice výpočetního výkonu AI. Zavedené korporace jako Intel a Nvidia i startupy jako Hailo pracují na poskytování levného a rychlého zpracování neuronové sítě pomocí vlastních hardwarových čipů. Vzhledem k tomu, že požadavky odvětví na množství a rychlost výpočetního výkonu ke spuštění algoritmů strojového učení v reálném čase rostou, bude stále více společností vyvíjet pro zdroje dat vhodnější hardware.

Strojové učení se v malých a středních podnicích stane mainstreamovou záležitostí

Strojové učení zaznamenalo v roce 2019 ohromný růst a můžeme očekávat, že bude v roce 2020 přetrvávat. Strojové učení se stane široce dostupným pro středně velké společnosti, protože začíná zlatý věk zpracování přirozeného jazyka (NLP, Natural Language Processing).

Stroje jsou nyní v některých úlohách NLP lepší než lidé, např. v odpovídání na otázky založeném na informacích odvozených z příběhu. BERT, jeden z nejvyhledávanějších algoritmů NLP v roce 2019, bude do konce roku 2020 zapomenut, nahrazen algoritmem ERNIE nebo jiným algoritmem.

Strojové učení bude i nadále zaváděno jako součást téměř každé kategorie softwarových produktů, od ERP po CRM až po HR, což z něj činí základní součást každodenního řízení podniku. Navíc Python posílí svoji pozici jazyka zvoleného pro strojové učení, sníží technickou bariéru pro vstup a umožní více lidem vyzkoušet si nejnovější open source algoritmy AI.

I přes dostupnost strojového učení širší uživatelské základně budou stále hrát hlavní roli data. Kdo dokáže využít více informací, vytěží nejvíce ze svých analytických modelů. Protože čínská vláda shromažďuje obrovské množství dat, bude i nadále Čína první na světě v přesnosti učení s učitelem (supervised learning).

Můžeme tedy očekávat, že západní svět bude průkopníkem pokroku v algoritmech vyžadujících méně tréninkových dat, např. aktivního učení, kde algoritmus požaduje další nejlepší tréninková data pro maximalizaci jeho rychlosti učení. Účinnost v oblasti trénování dat se také zlepší díky nástrojům automatizovaného strojového učení, jako jsou SageMaker a Pachyderm od Amazonu, které automatizují proces vytváření a nasazování nových modelů strojového učení.

Řešení zaměřená na spotřebitele v AI a strojovém učení

Poroste i počet zařízení orientovaných na spotřebitele, která využívají AI a strojové učení. Digitální asistenti a chatboty se staly základem našeho každodenního života a zcela proměnily zákaznický servis a domácí připojení k internetu. Produkty, které integrují Alexu od Amazonu nebo Asistenta od Googlu, se rozšíří a inteligentní reproduktory budou i nadále těžit z rozmachu prodeje, protože spotřebitelé zůstanou loajální svým digitálním pomocníkům.

Odvětví maloobchodu se začne proměňovat zaváděním nakupování bez pokladen (tzv. frictionless shopping). Integrovaná umělá inteligence bude schopna trénovat počítače, aby identifikovaly umístění produktu a položek, které si spotřebitel vložil do nákupního košíku.

Použití rozšířené reality možná uvidíme také v prostorech, které provedou zákazníky obchodem. Protože technologie AI a počítačového vidění dokážou bez problémů identifikovat a vyúčtovat nákup zákazníka, zatímco nakupuje, vznikne tak ničím nerušená zkušenost z nakupování bez zdržení, jaké představují pokladny. Technologie pro nakupování bez pokladen nebude v roce 2020 ještě připravena k hromadnému zavedení, ale očekává se, že dojde k pokroku na zkušebních místech.

A konečně, i když každý rok doufáme, že nám nový rok přinese dokonalé auto bez řidiče, ani v roce 2020 nebude plně automatizovaná jízda realitou. Algoritmy strojového učení pro automatizované systémy vozidel mají stále příliš mnoho základních nedostatků, než abychom jim mohli plně důvěřovat.

Například značka STOP může být rozšířena o pixely neviditelné pouhým okem, které ale způsobují, že je algoritmy strojového učení čtou jako „rychlostní limit 40 km/h“. Tyto typy poruch brání plnohodnotnému vývoji automobilů bez řidiče. Plošné přijetí se může uskutečnit až poté, co budou slabiny algoritmů vyřešeny a systémům bude možné důvěřovat, že zaručí bezpečnost řidičů i chodců. Mezitím bude pokračovat zavádění řízení s pomocí AI, kde AI pouze poskytne pomoc a varování řidiči plně odpovědnému za řízení.

Překonávání bariér AI a strojového učení

Ačkoli lze v nadcházejícím roce očekávat pozoruhodný pokrok v oblasti umělé inteligence a strojového učení, vyskytnou se v jejich šíření určité překážky.

Výrazný nedostatek kvalifikovaných inženýrů strojového učení znemožní méně významným společnostem udržet krok s těmi nejlepšími. Prosperovat budou ti, kdo již vlastní obrovské množství použitelných dat a mají zaměstnance, kteří jsou schopni je využívat.

Bariérou pro přijetí strojového učení a AI zůstane i příští rok důvěra. Kromě nedostatků u autonomních vozidel, která ohrožují bezpečnost, zůstávají bez řešení i etické obavy ze zaujatosti algoritmů. Můžeme se spolehnout na poznatky odvozené prostřednictvím tréninkových dat, které mohou vyjadřovat historickou zaujatost vůči ženám, starším lidem nebo menšinám? Než budou lidé moci plně přijmout autonomní rozhodování nástrojů, je třeba tyto problémy vyřešit.

A nakonec trochu perspektivy: všechny zde popsané posuny jsou součástí „úzké“ AI, kde stroj plní specifický úkol lépe než člověk na základě algoritmů a statistik. Svatým grálem AI je „obecná“ inteligence, kdy stroj má jako základ znalosti reálného světa a logické schopnosti, které mu umožňují tyto znalosti a dovednosti aplikovat na nové úkoly. Zatímco úzká AI se vyvíjí mílovými kroky, obecná AI je stále vizí budoucnosti.

Příští rok bude pro technologie jakousi výzvou „nového věku“. Přínosy strojového učení a AI jsou jasné a jejich dostupnost se zvyšuje. Než však bude možné plně realizovat jejich dopad na podniky a spotřebitele, musí být vyřešeny zásadní problémy. Sledujme, kolik z těchto předpovědí se nakonec uskuteční.

Moshe Kranc, CTO Ness Digital Engineering

Posun od přijetí k automatizaci

Marc Andreessen jednou pronesl, že „software požírá svět“ a dnes se skutečně zdá, jako by se každá organizace stávala softwarovou společností. Rok 2020 samozřejmě přinese nové trendy co se týče technologií a neschopnost přizpůsobit se bude znamenat pro podniky větší technologický dluh. Tento dluh bude muset být nakonec splacen složeným úrokem.

Proto můžeme letos spíše než růst v přijímání technologií očekávat posun v technologických výdajích. Rozpočty podniků se budou i nadále přesouvat z IT do obchodní oblasti a mnohem více finančních prostředků půjde do iniciativ, které zvýší příjmy, protože obchodní hodnota nahrazuje rychlost jako nejvýznamnější metriku DevOps.

Vývoj softwaru a výdaje na informační technologie se zaměří na zavádění umělé inteligence. Jedním z hlavních témat roku 2020 bude automatizace stávajících technologií. Produkty založené na AI, jako Tamr, Paxata a Informatica CLAIRE, které automaticky detekují a opravují odlehlé hodnoty, duplicitní záznamy a další nedostatky, budou i nadále přijímány jako jediný způsob, jak se vypořádat s čištěním velkých dat a udržováním kvality.

Rychlejší výpočetní výkon

Výzkum umělé inteligence je teprve na začátku pochopení síly umělých neuronových sítí a jejich konfigurace. To znamená, že i v příštím roce bude pokrok v algoritmech pokračovat s téměř každodenními inovacemi a novými technikami řešení problémů.

AI dokáže řešit celou řadu složitých problémů, které vyžadují vhled a následné rozhodnutí. Bez schopnosti porozumět strojovému doporučení bude pro člověka těžké takovým doporučením uvěřit. Můžeme tedy očekávat pokrok ve zlepšování transparentnosti a pochopitelnosti algoritmů AI.

Posunou se hranice výpočetního výkonu AI. Zavedené korporace jako Intel a Nvidia i startupy jako Hailo pracují na poskytování levného a rychlého zpracování neuronové sítě pomocí vlastních hardwarových čipů. Vzhledem k tomu, že požadavky odvětví na množství a rychlost výpočetního výkonu ke spuštění algoritmů strojového učení v reálném čase rostou, bude stále více společností vyvíjet pro zdroje dat vhodnější hardware.

Strojové učení se v malých a středních podnicích stane mainstreamovou záležitostí

Strojové učení zaznamenalo v roce 2019 ohromný růst a můžeme očekávat, že bude v roce 2020 přetrvávat. Strojové učení se stane široce dostupným pro středně velké společnosti, protože začíná zlatý věk zpracování přirozeného jazyka (NLP, Natural Language Processing).

Stroje jsou nyní v některých úlohách NLP lepší než lidé, např. v odpovídání na otázky založeném na informacích odvozených z příběhu. BERT, jeden z nejvyhledávanějších algoritmů NLP v roce 2019, bude do konce roku 2020 zapomenut, nahrazen algoritmem ERNIE nebo jiným algoritmem.

Strojové učení bude i nadále zaváděno jako součást téměř každé kategorie softwarových produktů, od ERP po CRM až po HR, což z něj činí základní součást každodenního řízení podniku. Navíc Python posílí svoji pozici jazyka zvoleného pro strojové učení, sníží technickou bariéru pro vstup a umožní více lidem vyzkoušet si nejnovější open source algoritmy AI.

I přes dostupnost strojového učení širší uživatelské základně budou stále hrát hlavní roli data. Kdo dokáže využít více informací, vytěží nejvíce ze svých analytických modelů. Protože čínská vláda shromažďuje obrovské množství dat, bude i nadále Čína první na světě v přesnosti učení s učitelem (supervised learning).

Můžeme tedy očekávat, že západní svět bude průkopníkem pokroku v algoritmech vyžadujících méně tréninkových dat, např. aktivního učení, kde algoritmus požaduje další nejlepší tréninková data pro maximalizaci jeho rychlosti učení. Účinnost v oblasti trénování dat se také zlepší díky nástrojům automatizovaného strojového učení, jako jsou SageMaker a Pachyderm od Amazonu, které automatizují proces vytváření a nasazování nových modelů strojového učení.

Řešení zaměřená na spotřebitele v AI a strojovém učení

Poroste i počet zařízení orientovaných na spotřebitele, která využívají AI a strojové učení. Digitální asistenti a chatboty se staly základem našeho každodenního života a zcela proměnily zákaznický servis a domácí připojení k internetu. Produkty, které integrují Alexu od Amazonu nebo Asistenta od Googlu, se rozšíří a inteligentní reproduktory budou i nadále těžit z rozmachu prodeje, protože spotřebitelé zůstanou loajální svým digitálním pomocníkům.

Odvětví maloobchodu se začne proměňovat zaváděním nakupování bez pokladen (tzv. frictionless shopping). Integrovaná umělá inteligence bude schopna trénovat počítače, aby identifikovaly umístění produktu a položek, které si spotřebitel vložil do nákupního košíku.

Použití rozšířené reality možná uvidíme také v prostorech, které provedou zákazníky obchodem. Protože technologie AI a počítačového vidění dokážou bez problémů identifikovat a vyúčtovat nákup zákazníka, zatímco nakupuje, vznikne tak ničím nerušená zkušenost z nakupování bez zdržení, jaké představují pokladny. Technologie pro nakupování bez pokladen nebude v roce 2020 ještě připravena k hromadnému zavedení, ale očekává se, že dojde k pokroku na zkušebních místech.

A konečně, i když každý rok doufáme, že nám nový rok přinese dokonalé auto bez řidiče, ani v roce 2020 nebude plně automatizovaná jízda realitou. Algoritmy strojového učení pro automatizované systémy vozidel mají stále příliš mnoho základních nedostatků, než abychom jim mohli plně důvěřovat.

Například značka STOP může být rozšířena o pixely neviditelné pouhým okem, které ale způsobují, že je algoritmy strojového učení čtou jako „rychlostní limit 40 km/h“. Tyto typy poruch brání plnohodnotnému vývoji automobilů bez řidiče. Plošné přijetí se může uskutečnit až poté, co budou slabiny algoritmů vyřešeny a systémům bude možné důvěřovat, že zaručí bezpečnost řidičů i chodců. Mezitím bude pokračovat zavádění řízení s pomocí AI, kde AI pouze poskytne pomoc a varování řidiči plně odpovědnému za řízení.

Překonávání bariér AI a strojového učení

Ačkoli lze v nadcházejícím roce očekávat pozoruhodný pokrok v oblasti umělé inteligence a strojového učení, vyskytnou se v jejich šíření určité překážky.

Výrazný nedostatek kvalifikovaných inženýrů strojového učení znemožní méně významným společnostem udržet krok s těmi nejlepšími. Prosperovat budou ti, kdo již vlastní obrovské množství použitelných dat a mají zaměstnance, kteří jsou schopni je využívat.

Bariérou pro přijetí strojového učení a AI zůstane i příští rok důvěra. Kromě nedostatků u autonomních vozidel, která ohrožují bezpečnost, zůstávají bez řešení i etické obavy ze zaujatosti algoritmů. Můžeme se spolehnout na poznatky odvozené prostřednictvím tréninkových dat, které mohou vyjadřovat historickou zaujatost vůči ženám, starším lidem nebo menšinám? Než budou lidé moci plně přijmout autonomní rozhodování nástrojů, je třeba tyto problémy vyřešit.

A nakonec trochu perspektivy: všechny zde popsané posuny jsou součástí „úzké“ AI, kde stroj plní specifický úkol lépe než člověk na základě algoritmů a statistik. Svatým grálem AI je „obecná“ inteligence, kdy stroj má jako základ znalosti reálného světa a logické schopnosti, které mu umožňují tyto znalosti a dovednosti aplikovat na nové úkoly. Zatímco úzká AI se vyvíjí mílovými kroky, obecná AI je stále vizí budoucnosti.

Příští rok bude pro technologie jakousi výzvou „nového věku“. Přínosy strojového učení a AI jsou jasné a jejich dostupnost se zvyšuje. Než však bude možné plně realizovat jejich dopad na podniky a spotřebitele, musí být vyřešeny zásadní problémy. Sledujme, kolik z těchto předpovědí se nakonec uskuteční.

Moshe Kranc, CTO Ness Digital Engineering

Přečtěte si také

Inovativní workflow v Heineken Slovensko

Případová studie: hForms v prostředí CRM Heineken Slovensko

Jak využít trendy v oblasti velkých dat?

Tipy a trendy 2020 v oblasti velkých dat a analytiky

Přečtěte si také

Inovativní workflow v Heineken Slovensko

Případová studie: hForms v prostředí CRM Heineken Slovensko

Jak využít trendy v oblasti velkých dat?

Tipy a trendy 2020 v oblasti velkých dat a analytiky