Коротко


Подробно

Фото: AFP

Много шума, мало интеллекта

Компании в РФ и во всем мире активно интересуются технологиями машинного обучения, но на практике их применяют единицы. В России заметные проекты в этой области можно сосчитать на пальцах одной руки. При этом аналитики ожидают бурного роста этого рынка.


Gartner предсказывает, что к 2020 году технологии искусственного интеллекта (ИИ) и машинного обучения будут присутствовать практически во всех новых программных продуктах и сервисах. Ожидается, что к этому моменту ИИ станет частью стратегий цифровой трансформации и окажется приоритетом для инвестиций почти трети компаний в мире.

По поводу термина "искусственный интеллект" идет много дискуссий, так как он очень широк. В отрасли сложилась практика причислять к ИИ различные технологии машинного обучения, включая алгоритмы deep learning (на базе так называемых сверточных нейронных сетей). IDC прогнозирует, что расходы на этот класс продуктов (оборудование, ПО, услуги) в мире увеличатся с $8 млрд в 2016-м до $46 млрд в 2020-м.

IDC и Salesforce предсказывают, что к 2021 году ИИ позволит бизнесу заработать дополнительные $1,1 трлн за счет внедрения этих технологий в CRM, а также развития решений, повышающих производительность.

По данным глобального исследования Teradata, которое было проведено в этом году, наибольшая отдача от инвестиций в ИИ ожидается в следующих сферах: ИТ и телеком (это отметили 59% опрошенных), коммерческие и профессиональные сервисы (43%), финансовые услуги (32%), обслуживание потребителей (32%).

При этом 80% крупных компаний уже инвестируют в такие технологии, а 30% уверены, что их организация все еще делает это в недостаточном объеме. По данным MIT, наиболее распространенные сферы применения машинного обучения — распознавание изображений, классификация и разметка (47%), анализ эмоций и поведения (47%), классификация текстов и добыча данных (47%), обработка данных на естественном языке (45%).

Аналитики Tractica наибольшиий потенциал видят в применении ИИ для распознавания образов, алгоритмической биржевой торговли и управление данными пациентов в здравоохранении.

Компания "Инфосистемы Джет" на основе информации из открытых источников и опираясь на собственный опыт сообщает, что количество проектов ИИ и машинного обучения в мире за последние годы выросло. "Если говорить об индивидуальных решениях, применяемых крупными компаниями, то в 2015 году глобально анонсировалось 17 проектов, в 2016 году — 71, а за половину 2017 года — 74 проекта. Всего в 2015-2017 годах было 162 таких проекта по 28 странам и 20 отраслям. В 85% случаев это завершенные проекты, в 15% — планы и тестовые внедрения по всем отраслям, за исключением госструктур, где доля тестовых внедрений оценивается в 60%. Основная доля заказчиков таких инициатив — крупный бизнес (85%)",— говорится в исследовании компании.

Один из показательных примеров в этой сфере — американская Target благодаря применению ML--технологий увеличила выручку c $44 млрд до $67 млрд. На конференции Teradata Partners в Анахайме был представлен также проект с Danske Bank, который начался всего несколько месяцев назад. У банка большие планы по использованию ИИ для более глубокого понимания клиентов.

В SAS считают, что, несмотря на впечатляющие цифры роста, практическое применение технологий ИИ пока находится на раннем этапе. Компания анонсировала исследование на конференции Analytics Experience 2017, которая прошла в октябре в Амстердаме, согласно которому внедрению этого класса продуктов мешает несколько препятствий. Так, 55% опрошенных заявили, что это в первую очередь мнение общественности и этические вопросы (41%). Другой фактор — неготовность компаний с точки зрения наличия нужных кадров. Только 20% отметили, что сотрудники готовы к работе с ИИ. Для внедрения таких технологий также требуется привести в соответствие инфраструктуру. И здесь компании разделились: 24% сообщили, что эта задача уже выполнена, 24% заявили, что им требуется провести модернизацию, 29% отметили, что у них нет подходящей платформы для работы с ИИ.

В России этот класс решений также пока нельзя назвать распространенным. Антон Заяц, директор по развитию бизнеса "SAS Россия/СНГ", комментирует: "Вокруг этих технологий в России много разговоров, но мало конкретики, реальных планов по внедрению. Бизнес решает другие задачи, нацелен на практическое применение уже работающих аналитических решений. И несмотря на то что в последних версиях продуктов SAS уже есть инструменты, которые, например, позволяют распознавать и классифицировать изображения, мы не спешим внедрять эти технологии в России, так как не видим реальных задач, которые дали бы значимый эффект для бизнеса".

Александр Смирнов, руководитель отдела Data Science компании Teradata в России, считает, что и в следующем году всех будут существенно больше интересовать такие традиционные вещи, как tome-to-market, маржинальность по отношению к математическим моделям.

"Интерес к "точечным внедрениям" будет падать,— добавляет он.— В свете этого мы планируем активно применять методологию Analytical Ops, которая сложилась на основе множества наших международных проектов в области ИИ (например, с Danske Bank)".

Светлана Рагимова


"Информационные технологии". Приложение от 07.12.2017, стр. 22
Комментировать

Наглядно

актуальные темы

обсуждение