Как технологии 2019 года изменят бизнес‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

Orange Business Services

Здравствуйте!

Бизнесу надо обратить особое внимание на технологии искусственного интеллекта, считают аналитики Gartner. Автономные мобильные роботы, технологии беспилотного управления, виртуальные помощники коренным образом изменяют условия ведения бизнеса. 2019 год будет особенным для ИИ, потому что во многих странах произойдет запуск мобильной связи нового поколения 5G, которая выведет технологии искусственного интеллекта на совершенно новый уровень. Рассказываем, что еще нового случится в мире технологий в 2019 году и почему это важно для вашего бизнеса.

 
Как технологии 2019 года изменят бизнес
 
 

Машинное обучение с использованием глубоких нейронных сетей — так называемое глубокое обучение — в последние годы развивается опережающими темпами. Самые известные примеры, которые демонстрируют успешное применение глубокого обучения, — это распознавание речи и изображений, подборка музыки и фильмов, а также технологии беспилотного управления.

Данные по-настоящему рулят

Полностью автономный автомобиль — мечта всех фанатов новых технологий и кошмар сторонников теорий заговора. Технология беспилотного управления имеет пять уровней, и сейчас можно купить автомобиль с третьим уровнем автономности (например, новая Audi A8 может ехать в пробках без участия водителя).

Автопилот работает благодаря сотням датчиков, которые получают и обрабатывают в реальном времени огромные массивы данных об окружающей среде: препятствия, дорожная разметка, состояние покрытия и погодные условия.

Для перехода на четвертый уровень автономности таких датчиков нужно еще больше. Соответственно, увеличиваются и объемы данных. Эти данные можно отправлять в облако, где производятся вычисления, и затем машина из облака получает сигнал с инструкциями о дальнейших действиях. Это классический подход.

Или данные можно обрабатывать на месте — этот подход называют периферийными, или пограничными, вычислениями (edge computing). Его смысл в том, чтобы как минимум часть данных обрабатывать на подсоединенных к облаку устройствах, то есть на периферии (или на границе) системы.

Во втором случае увеличивается оперативность, которая очень важна в системе управления беспилотным автомобилем. Например, чтобы не сбить пешехода, машине нужно принять решение за доли секунды. Но при этом вырастает и необходимая вычислительная мощность. Есть риск, что для обработки всех данных в самой машине ее придется превратить в большой сервер на колесах.

Источник

Дилемма с беспилотными автомобилями характерна для многих устройств, использующих технологии ИИ. С одной стороны, можно обрабатывать часть данных на периферии, но для этого нужны более совершенные чипы. С другой стороны, можно оставить все данные в облаке, но количество устройств и объемы данных растут так быстро, что существующие сейчас телекоммуникационные сети едва справляются.

Супербыстрый интернет

Компании решают эту дилемму с помощью правила золотой середины: на периферию перемещают те вычисления, которые необходимы для ускорения процессов. Но даже при таком сценарии объемы данных увеличиваются угрожающими темпами.

Бизнес надеется, что ситуацию спасет запуск мобильной связи нового поколения 5G, который ожидается в 2019 году. «Супербыстрый» интернет, как его называют журналисты, позволит увеличить скорость загрузки в 10–20 раз по сравнению с сетями четвертого поколения.

Среди первых стран, которые запустят 5G, окажутся США, Китай, Германия и Япония, считает «Делойт». В России запуск 5G ожидается к концу 2021 года.

5G поможет улучшить работу не только автономных автомобилей, а вообще всех устройств интернета вещей, которые используют технологии искусственного интеллекта. В частности, связь нового поколения позволит машинам понимать контекст и улучшить распознавание речи, считает Боб Роджерс, главный исследователь данных Data Center Group, которая принадлежит Intel.

Еще одним поворотным моментом в 2019 году может стать выход на рынок сразу нескольких новых чипов, которые помогут ускорить вычисления в технологиях искусственного интеллекта.

Чип для нейросетей

Большинство технологий ИИ используют глубокие нейронные сети. Эти сети сначала тренируют выполнять определенную задачу, пропуская через них огромные объемы данных. После тренировки сеть можно использовать для инференса, то есть непосредственно распознавания незнакомой речи, изображений или любой другой деятельности, которой обучали эту сеть.

Для тренировки нейронных сетей используют графические процессоры (graphics processing unit, GPU), и альтернативы им на сегодняшний день нет, признают участники рынка. На этапе тренировки используются большие массивы данных, а для их обработки необходимо выполнять большое количество вычислений. Чтобы натренировать сеть за разумное время, нужны процессоры с высокой пропускной способностью памяти, которые могут выполнять параллельные задачи. Лучше всего справляются GPU.

Но когда дело доходит до второй стадии — инференса  — здесь конкуренцию графическим процессорам составляют программируемые пользователем вентильные матрицы (field programmable gate array, FGPA) или интегральные схемы специального назначения (application-specific integrated circuit, ASIC).

Основное отличие этих чипов друг от друга в том, что FGPA можно перепрограммировать после изготовления, а ASIC сразу изготавливается под конкретную задачу.

В технологическом сообществе разгораются споры о том, что же лучше для ИИ — ASIC или FGPA. У каждого чипа есть свои преимущества и недостатки. FGPA легко перепрограммировать под разные задачи. В случае с ASIC такой опции нет, параметры после дорогостоящей настройки изменить нельзя, но они лучше подходят для конкретной задачи, если их правильно настроить.

Google, например, пошел именно по этому пути. В пользу ASIC в 2018 году высказался и глава NVIDIA Хуан Женьсюнь. NVIDIA — бесспорный лидер на рынке графических процессоров — разработала собственный ASIC и тестирует его в рамках совместного проекта с британской ARM.

Источник

Чем закончится этот спор, пока неясно, но уже сейчас заметно, что технологические гиганты склоняются скорее к выбору ASIC. Консалтинговая компания Tractica считает, что ASIC выйдет на первое место по продаваемости в 2022 году.

В любом случае поиск того самого чипа, который кардинально улучшит работу нейронных сетей, в самом разгаре, и в 2019 году выходит много новинок: свои ASIC выпускают Intel и STMicroelectronics, автомобильная компания Tesla закончит разработку чипа для беспилотного вождения, а стартап Graphcore выпустит свой чип Colossus.

Почему все это должно волновать бизнес, который, казалось бы, не связан с нейронными сетями и ИИ? Потому что не обязательно быть Google или NVIDIA, чтобы извлекать пользу из революции искусственного интеллекта.

Нейросети станут доступны всем

С помощью глубоких нейронных сетей уже создаются и совершенствуются продукты, которыми могут пользоваться даже малые и средние бизнесы.
 

Виртуальные помощники помогут сократить расходы с помощью автоматизации процессов. Сейчас самые популярные виртуальные помощники — это Сири (Apple), Алекса (Amazon) и Гугл-Ассистент. Пользуются ими не только потребители, но и предприниматели — у каждого из этих помощников есть версия для бизнеса. Развиваются также чат-боты для бизнеса, которые в большинстве случаев способны заменить человека, сокращая расходы на пользовательскую поддержку на треть.

 

Умные роботы позволят высвободить человеческие ресурсы, которые тратятся на доставку мелких посылок. Компания Starship Technologies, созданная основателями Skype, заканчивает тестирование доставки еды и почты и в 2019 году планирует увеличить число роботов с полутора сотен до одной тысячи. Во время тестового периода 10-килограммовые роботы на шести колесах доставляли еду, почту и продукты в нескольких городах в 15 странах. В конце октября компания запустила первый коммерческий проект — сервис доставки почты в британском городе Милтон-Кинсе. Такие машины также могут быть полезны в любом другом бизнесе, где требуется перевозить некрупные пакеты на небольшие расстояния, в том числе их можно использовать в крупных офисах для доставки документов.

 

Предикативная и директивная аналитика помогает понять, что случится в будущем и как на это реагировать. В современном мире даже малый бизнес генерирует большие объемы данных, и их нужно использовать. На основе этих данных ИИ может прогнозировать, например, пользовательские предпочтения и изменения в логистической цепочке, которые напрямую влияют на объемы продаж. Прогнозная и директивная аналитика позволит снизить риски, оптимизировать процессы и сократить издержки. Сейчас директивная аналитика широко применяется в финансовой сфере. Например, банки используют ИИ для оценки кредитоспособности потенциальных клиентов на основе данных об этих клиентах.

Orange Business Services

Facebook

Share

Москва, 1-й Красногвардейский пр-д, 15, Меркурий Сити Тауэр

Вы получили это письмо, потому что подписаны на рассылку Orange Business Services

Отписаться

Веб-версия