Формируется новый ландшафт искусственного интеллекта, обеспечивающий новую волну инноваций для тех, у кого есть навыки и структура, чтобы воспользоваться этой возможностью, пишет на портале InformationWeek Фернандо Лучини, глобальный руководитель направления Data Science и Machine Learning Engineering компании Accenture.

За последний год наша зависимость от технологий, которые помогают нам поддерживать связь, оставаться в безопасности, работать, делать покупки и многое другое, привела к значительному ускорению использования данных. Мы снова и снова наблюдаем, как организации используют этот жизненно важный ресурс для принятия за считанные секунды обоснованных решений, зачастую имеющих спасительные последствия.

Незадолго до того, как COVID-19 изменил наш мир, существовал реальный потенциал торможения в сфере ИИ, не сказать чтобы «замораживания», но замедления точно. Поскольку большинство компаний застряли на фазе доказательства концепции вместо реализации комплексных, генерирующих ценность сценариев использования, они пытались оправдать сделанные инвестиции, а также столкнулись с осознанием того, что данные являются критически важным компонентом. В крупных компаниях подготовка данных к использованию вместе с ИИ оказалась нетривиальной задачей.

Сейчас, спустя год с начала пандемии, мы наблюдаем появление нового ландшафта бизнес-моделей, основанных на данных и ИИ. События прошлого года значительно ускорили развитие ИИ и подтолкнули компании к новой волне инноваций, чтобы выжить и процветать в этой новой реальности.

Поскольку темпы изменений постоянно растут, сейчас самое время заглянуть в будущее: как будет выглядеть мир науки о данных через три года? Сохранятся ли темпы, обусловленные необходимостью внедрять инновации чтобы не отстать?

Направление движения уже ясно. Мы видим, как компании разных отраслей делают огромные и растущие инвестиции в инициативы в области науки о данных — междисциплинарной области, которая использует научные методы, процессы, алгоритмы и системы извлечения знаний и инсайтов из структурированных и неструктурированных данных.

Распространение экосистем ИИ

Наука и технологии развиваются быстро. Так же как и способы, с помощью которых отрасли используют их преимущества. По мере того как это происходит, мы движемся к новому ландшафту. Он будет включать в себя все более широкую экосистему ИИ, состоящую из множества взаимосвязанных моделей, и все это на основе новых подходов к квалификации, управлению и инжинирингу машинного обучения (сотрудничество между специалистами по данным и инженерами-программистами для управления производительностью и масштабированием машинного обучения). И через три года самой большой проблемой для бизнеса станет освоение сложностей управления такой экосистемой.

Мы считаем, что есть четыре тенденции, о которых следует помнить:

  1. улучшение моделей. Большинство компаний скоро пройдут этап создания своих первых моделей ИИ. И начнут оптимизировать и развивать уже созданные модели, модернизируя их по мере необходимости. Поскольку задачи (и данные) в каждой отрасли различны, мы увидим рост специализации — специалисты по данным, владеющие научными методами и опытом работы в конкретных отраслях, будут пользоваться большим спросом;
  2. трансферное обучение изменит то, как мы используем текст и голос. Мы увидим огромный рост в области обработки естественного языка (NLP) с далеко идущими последствиями (например, полная автоматизация обслуживания клиентов). И благодаря трансферному обучению барьеры для входа в эти технологии будут гораздо ниже, чем сегодня. Знания, полученные при решении одной проблемы, будут храниться и автоматически применяться к другой, но связанной с ней проблеме, что значительно ускорит время выхода на рынок новых приложений. Это изменит ситуацию в области разработки, и для отладки этих новых моделей потребуются развитые научные навыки;
  3. ускоренное совершенствование управления. Путь на рынок для новых прогностических моделей станет проще и быстрее. А поскольку моделей ИИ и сценариев производственного использования будет все больше, нам потребуется усовершенствованное управление, способное справиться с этим увеличением объема и сложности. Необходимо будет принять этот вызов. Нам понадобится умение управлять работой с данными и создавать значимые фреймворки, ограничения и политики, которые обеспечат соответствие этой работы этическим стандартам и установленным принципам безопасности данных и прозрачности моделей. Учитывая это, организациям необходимо уже сейчас задуматься о роли и обязанностях специалистов по данным в развитии процессов управления;
  4. выращивание, а не поиск единорогов. По мере ускорения внедрения ИИ компаниям придется повышать уровень грамотности в области ИИ. Чтобы процветать в мире, управляемом данными, потребуется знание хотя бы медианной статистики на всех уровнях вплоть до высшего руководства. Из всего этого следует неизбежный эффект: спрос на навыки в области науки о данных будет опережать предложение. А поскольку кадры с глубокими знаниями в области данных и машинного обучения останутся ограниченным ресурсом, компаниям придется разрабатывать новые пути повышения квалификации имеющихся у них специалистов, создавая внутренние «питомники», которые будут выращивать и развивать домашние таланты в востребованных областях.

Начинать надо сейчас

Распространение экосистем ИИ в организациях уже идет полным ходом. И по мере роста сложности алгоритмов — и еще большего их взаимодействия — они начнут достигать или превосходить человеческие возможности в узких задачах. Результаты работы этих экосистем будут питать новые модели, которые, в свою очередь, будут питать своих преемников. Управление и оркестровка всего этого потребует особых навыков моделирования, вычислений и инженерии. Время начать развивать их уже пришло. Через три года начинать будет уже поздно.