В конце марта этого года на конференции GTC 2019 в Калифорнии представители американского производителя графических процессоров Nvidia показали проект искусственного интеллекта, который за несколько секунд обрабатывал схематичный набросок на экране, превращая его в реалистичное изображение. Генератор создавал картинку и передавал ее обученному на реальных фотографиях дискриминатору, а тот подсказывал, как доработать исходное изображение. В TechCrunch разработку от Nvidia назвали «Paint эпохи искусственного интеллекта». Проект от Nvidia - только вершина огромного айсберга разработок в этой области. Компании удалось адаптировать технологию под нужды рынка и сделать продукт более массовым и развлекательным, в то время, как в остальных отраслях ИИ распространился куда шире. В нашем материале рассказываем, как будет развиваться искусственный интеллект в этом году.
Дополненная аналитика
Технология дополненной аналитики связана с возможностью преобразования больших данных в небольшие и более удобные объемы, которые потом можно было бы использовать для работы или исследований. Основным фокусом дополненной аналитики является вспомогательная роль, где технология не заменяет людей, а поддерживает их, расширяя возможности интерпретации данных. Программное обеспечение с такой технологией использует машинное обучение для понимания и взаимодействия с данными точно также, как это сделали бы люди, но в более крупных масштабах.
Согласно результатам исследования глобальной коммуникационной сети Fleishman Hillard, дополненная аналитика на базе машинного обучения и искусственного интеллекта полностью изменит принципы подготовки, потребления и распространения аналитической информации. По мнению экспертов, дополненная аналитика станет одним из самых главных направлений развития ИИ.
«Благодаря автоматизации процесса подготовки данных и их визуализации даже компании без технологического опыта могут существенно расширить возможности аналитики больших данных. Брендам надо быть готовым к тому, что потребители захотят понять суть дополненной аналитики и ее место среди других технологических трендов»,- сообщают авторы отчета.
Периферийные вычисления
Компаниям необходимо быстро получать и анализировать информацию, чтобы принимать решения, так что технологии обработки данных в реальном времени становятся все более востребованными. Рост нагрузок, связанных с Big data и вычислениями в реальном времени снижает эффективность облаков, а традиционные архитектуры не всегда способны на решения некоторых задач. По словам аналитиков из Fleishman Hillard, периферийные вычисления позволят анализировать локальные данные с устройств, которые подключены к сети, а также в режиме онлайн. Такие вычисления помогут снизить потребность в пропускной способности коммуникаций между датчиками и главным дата-центром благодаря аналитической обработке и генерации знаний.
В Fleishman Hillard отмечают, что интерес к периферийным вычислениям связан с ИИ и развитием сетей 5G. Дело в том, что ИИ раньше опирался на возможности облачных вычислений, но с развитием новых архитектур у удаленных устройств появились базовые ИИ-возможности, с которыми они станут помощниками в фильтрации и первоначальном анализе данных и смогут немедленно реагировать на установленные нормативы.
«Умные» ткани
Специалисты видят большой потенциал использования ИИ в создании одежды, так как такая технология сможет самостоятельно подбирать фасоны тех или иных предметов гардероба под клиента. По словам аналитиков из Fleishman Hillard, электронный текстиль будет чаще применяться дизайнерами и производителями, тем самым меняя привычное представление об одежде.
Умные ткани должны научиться приспосабливаться к изменениям в окружающей среде и защищать владельца от внешних воздействий, а роль ИИ здесь заключается в системе анализа предпочтений покупателей и предложении комбинации формы, фасона и цвета изделия. Например, ритейлер Zalando, совместно с Google, запустил проект Project Muze - нейронную сеть с потенциалом творческого обучения, способную самостоятельно проектировать модели одежды с учетом трендов.