Data science

ความรู้อัตโนมัติในปี 2020: สิ่งที่คาดหวังจาก AI และการเรียนรู้ของเครื่อง

ปี 2019 จะถูกจดจำในโลกของซอฟต์แวร์เป็นปีที่คอนเทนเนอร์, สถาปัตยกรรมแบบคลาวด์เนทีฟ และการเรียนรู้ของเครื่องจักรได้แพร่ขยายสู่กระแสหลัก เมื่อเราเข้าใกล้จุดสิ้นสุดของทศวรรษ ถึงเวลาแล้วที่จะตั้งตารอปี 40 และคาดการณ์ว่าเทคโนโลยีที่ก่อกวนเหล่านี้จะนำเราไปสู่จุดใดในภายภาคหน้า 12 เดือน. อ่านต่อไปเพื่อดูว่าเราสามารถคาดหวังอะไรจากปัญญาประดิษฐ์ (AI) และการเรียนรู้ของเครื่องในแง่ของการเติบโต นวัตกรรม และการยอมรับเมื่อทศวรรษใหม่เริ่มต้นขึ้น การเปลี่ยนจากการนำไปใช้เป็นระบบอัตโนมัติ Marc Andreessen กล่าวว่า “ซอฟต์แวร์กำลังกินโลก” และทุกวันนี้ดูเหมือนว่าทุกองค์กรจะกลายเป็น บริษัท ซอฟต์แวร์ที่เป็นแกนหลัก แน่นอนว่าปี 2020 จะนำมาซึ่งแนวโน้มใหม่ๆ ในด้านเทคโนโลยี และความล้มเหลวในการปรับตัวหมายถึงหนี้ทางเทคโนโลยีที่เพิ่มขึ้นสำหรับองค์กร ในที่สุดหนี้นี้จะต้องชำระคืนพร้อมดอกเบี้ยทบต้น ดังนั้น แทนที่จะเติบโตในการยอมรับเทคโนโลยีในปีนี้ เราอาจคาดว่าจะเห็นการเปลี่ยนแปลงในการใช้จ่ายด้านเทคโนโลยี งบประมาณองค์กรจะยังคงย้ายจากไอทีมาที่ฝั่งธุรกิจของบ้าน โดยมีเงินทุนเพิ่มเติมสำหรับความคิดริเริ่มที่เพิ่มรายได้เนื่องจากมูลค่าทางธุรกิจเข้ามาแทนที่ความเร็วเป็นตัวชี้วัด DevOps ที่มีความหมายมากที่สุด จุดเน้นของการพัฒนาซอฟต์แวร์และการใช้จ่ายด้านเทคโนโลยีสารสนเทศจะอยู่ที่การนำปัญญาประดิษฐ์มาใช้ หนึ่งในธีมหลักของ 40 จะเป็นระบบอัตโนมัติของเทคโนโลยีที่มีอยู่ ผลิตภัณฑ์ที่ใช้ AI เช่น Tamr, Paxata และ Informatica CLAIRE ที่ตรวจจับและแก้ไขค่าผิดปกติ บันทึกที่ซ้ำกัน และข้อบกพร่องอื่นๆ โดยอัตโนมัติ จะยังคงได้รับการยอมรับว่าเป็นวิธีเดียวในการรับมือกับการล้างข้อมูลขนาดใหญ่และรักษาคุณภาพตามขนาด นักวิจัย AI ที่มีพลังการประมวลผลที่เร็วขึ้นเป็นเพียงจุดเริ่มต้นของการทำความเข้าใจพลังของเครือข่ายประสาทเทียมและวิธีการกำหนดค่าเหล่านี้ ซึ่งหมายความว่าในปีหน้า การพัฒนาอัลกอริธึมจะดำเนินต่อไปอย่างรวดเร็วอย่างไม่น่าเชื่อด้วยนวัตกรรมเกือบทุกวันและเทคนิคการแก้ปัญหาใหม่ๆ AI สามารถจัดการกับปัญหายากๆ ได้หลากหลาย ซึ่งต้องอาศัยการค้นหาข้อมูลเชิงลึกและการตัดสินใจ แต่หากไม่มีความสามารถในการเข้าใจคำแนะนำของเครื่อง มนุษย์จะพบว่าเป็นการยากที่จะเชื่อคำแนะนำนั้น ดังนั้น คาดว่าจะมีความคืบหน้าอย่างต่อเนื่องในการปรับปรุงความโปร่งใสและความสามารถในการอธิบายของอัลกอริธึม AI พลังการประมวลผล AI ที่ขอบจะดีขึ้นอย่างแน่นอนในปีหน้า บริษัทที่ก่อตั้งขึ้นอย่าง Intel และ Nvidia รวมถึงบริษัทสตาร์ทอัพอย่าง Hailo กำลังทำงานเพื่อจัดหาการประมวลผลเครือข่ายประสาทเทียมราคาถูกและรวดเร็วผ่านชิปฮาร์ดแวร์แบบกำหนดเอง เนื่องจากอุตสาหกรรมกำหนดว่าต้องการพลังการประมวลผลที่มากขึ้นและเร็วขึ้นเพื่อเรียกใช้อัลกอริธึม Machine Learning แบบเรียลไทม์ สถาบันต่างๆ จำนวนมากขึ้นจะพัฒนาฮาร์ดแวร์ที่เหมาะสมกับแหล่งข้อมูลตามขอบ แมชชีนเลิร์นนิงจะกลายเป็นกระแสหลักในแมชชีนเลิร์นนิงของ SME ที่มีการเติบโตอย่างมากใน 2019 และเราทำได้เพียงคาดหวังว่ามันจะคงอยู่และเข้าถึงได้มากขึ้นใน . แมชชีนเลิร์นนิงจะพร้อมใช้งานอย่างกว้างขวางสำหรับบริษัทขนาดกลาง เนื่องจากการประมวลผลภาษาธรรมชาติ (NLP) เข้าสู่ยุคทอง ตอนนี้เครื่องจักรทำงานได้ดีกว่ามนุษย์ในงาน NLP บางอย่าง เช่น การตอบคำถามโดยอิงจากข้อมูลที่อนุมานจากเรื่องราว BERT ซึ่งเป็นอัลกอริธึม NLP ที่ร้อนแรงที่สุดใน 2019 จะถูกลืมในตอนท้ายของ 40 แทนที่ด้วย ERNIE หรือชื่อที่แปลกใหม่ อัลกอริทึม การเรียนรู้ของเครื่องจะยังคงถูกนำมาใช้เป็นส่วนประกอบของผลิตภัณฑ์ซอฟต์แวร์เกือบทุกประเภท ตั้งแต่ ERP ไปจนถึง CRM ไปจนถึง HR ทำให้เป็นส่วนประกอบหลักในการจัดการธุรกิจรายวัน นอกจากนี้ Python จะเสริมความแข็งแกร่งให้ภาษา Machine Learning เป็นตัวเลือก ลดอุปสรรคทางเทคนิคในการเข้าใช้งาน และเปิดโอกาสให้บุคคลจำนวนมากขึ้นได้ทดลองใช้อัลกอริธึม AI แบบโอเพนซอร์สล่าสุด แม้ว่าแมชชีนเลิร์นนิงจะพร้อมใช้งานสำหรับฐานผู้ใช้ที่กว้างขึ้น แต่ชื่อของเกมจะยังคงเป็นข้อมูล ผู้ที่สามารถใช้ประโยชน์จากข้อมูลเพิ่มเติมจะได้รับประโยชน์สูงสุดจากแบบจำลองการวิเคราะห์ของพวกเขา เนื่องจากรัฐบาลรวบรวมข้อมูลจำนวนมหาศาล จีนจึงยังคงเป็นผู้นำของโลกในด้านความแม่นยำในการเรียนรู้ภายใต้การดูแล เพื่อแก้ปัญหานี้ คาดว่าโลกตะวันตกจะเป็นผู้บุกเบิกความก้าวหน้าในอัลกอริธึมที่ต้องใช้ข้อมูลการฝึกอบรมน้อยกว่า เช่น การเรียนรู้เชิงรุก โดยที่อัลกอริทึมจะขอข้อมูลการฝึกอบรมที่ดีที่สุดชิ้นถัดไปเพื่อเพิ่มความเร็วในการเรียนรู้ให้สูงสุด ประสิทธิภาพในการฝึกอบรมข้อมูลจะดีขึ้นด้วยเครื่องมือ AutoML เช่น SageMaker และ Pachyderm ของ Amazon ซึ่งทำให้กระบวนการสร้างและปรับใช้โมเดลการเรียนรู้ของเครื่องใหม่โดยอัตโนมัติ โซลูชันที่เน้นผู้บริโภคเป็นศูนย์กลางใน AI และ ML เมื่อความสามารถในการเข้าถึงเพิ่มขึ้น จำนวนอุปกรณ์ที่ใช้กับผู้บริโภคที่ใช้ AI และการเรียนรู้ของเครื่องจะตามมา ผู้ช่วยดิจิทัลและแชทบอทได้กลายเป็นส่วนสำคัญในชีวิตประจำวันของเรา โดยนิยามใหม่ของการบริการลูกค้าและการเชื่อมต่ออินเทอร์เน็ตในบ้าน ผลิตภัณฑ์ที่ผสานรวม Alexa ของ Amazon หรือผู้ช่วยของ Google จะเพิ่มมากขึ้น และลำโพงอัจฉริยะจะยังคงมียอดขายเพิ่มขึ้นอย่างต่อเนื่อง เนื่องจากผู้บริโภคยังคงภักดีต่อผู้ช่วยดิจิทัลของตน ในพื้นที่ค้าปลีก การเปิดตัวครั้งแรกของการช็อปปิ้งแบบไม่มีสะดุดในร้านค้าจะเริ่มกำหนดนิยามใหม่ของอุตสาหกรรม AI แบบบูรณาการจะสามารถฝึกคอมพิวเตอร์เพื่อระบุตำแหน่งของผลิตภัณฑ์และสินค้าที่ผู้บริโภคใส่ลงในตะกร้าสินค้า เราอาจเห็นการใช้ความเป็นจริงเสริมในพื้นที่จริงที่จะแนะนำลูกค้าผ่านร้านค้า เนื่องจากเทคโนโลยี AI และคอมพิวเตอร์วิทัศน์สามารถระบุและเรียกเก็บเงินสำหรับการซื้อของลูกค้าได้อย่างราบรื่นในขณะที่เขาหรือเธอซื้อสินค้า การค้าปลีกจะเปลี่ยนไปสู่ประสบการณ์ของลูกค้าที่ปราศจากจุดเสียเปรียบ เช่น เคาน์เตอร์ชำระเงิน และสร้างความเป็นจริงของการค้าปลีกที่ไม่ถูกรบกวน เทคโนโลยีสำหรับการช็อปปิ้งที่ราบรื่นจะไม่พร้อมสำหรับการเปิดตัวจำนวนมากใน 2020 แต่คาดว่าจะเห็นความคืบหน้าในสถานที่ทดลอง สุดท้ายนี้ ด้วยความหวังอย่างที่เราเป็นอยู่ว่าทุกๆ ปีใหม่จะนำรถยนต์ไร้คนขับที่สมบูรณ์แบบมาให้เรา การขับขี่อัตโนมัติจะไม่เป็นความจริงของเรา 40 อัลกอริธึมการเรียนรู้ของเครื่องที่ขับเคลื่อนระบบยานยนต์อัตโนมัติยังคงมีข้อบกพร่องพื้นฐานมากเกินไปที่จะเชื่อถือได้อย่างเต็มที่ ตัวอย่างเช่น ป้ายหยุดสามารถเพิ่มด้วยพิกเซลที่มองไม่เห็นด้วยตาเปล่า แต่ทำให้อัลกอริธึมการเรียนรู้ของเครื่องอ่านเป็น “จำกัดความเร็ว 40 ไมล์ต่อชั่วโมง” ความล้มเหลวประเภทนี้เป็นสิ่งที่ขัดขวางการพัฒนารถยนต์ไร้คนขับอย่างเต็มรูปแบบ การยอมรับอย่างกว้างขวางจะเกิดขึ้นได้ก็ต่อเมื่อมีการระบุจุดอ่อนของอัลกอริทึมและระบบสามารถเชื่อถือได้เพื่อให้ผู้ขับขี่และคนเดินเท้าปลอดภัย ในระหว่างนี้ เราจะเห็นการเปิดตัวอย่างต่อเนื่องของการขับขี่โดยใช้ AI ซึ่ง AI จะให้คำแนะนำและคำเตือนแก่ผู้ขับขี่ที่เคลื่อนไหวอย่างเต็มที่ การเอาชนะอุปสรรคด้าน AI และ ML แม้ว่าเราจะสามารถคาดหวังความก้าวหน้าที่โดดเด่นใน AI และการเรียนรู้ของเครื่องในปีหน้า แต่ก็จะมีอุปสรรคบางประการต่อการขยายพันธุ์ การขาดแคลนแรงงานอย่างรุนแรงของวิศวกรแมชชีนเลิร์นนิ่งที่มีทักษะจะทำให้บริษัทระดับสองไม่สามารถตามให้ทันได้ ในขณะที่ความสามารถในการเข้าถึงอาจเติบโตและเป็นเกตเวย์สำหรับองค์กรขนาดกลาง ผู้ที่มีข้อมูลที่ใช้งานได้จำนวนมหาศาลอยู่แล้วและพนักงานที่สามารถใช้ประโยชน์จากข้อมูลดังกล่าวได้จะเป็นผู้ที่จะเติบโต และในที่สุดจะมีข้อได้เปรียบที่ใหญ่ที่สุดในแง่ของ AI และการเรียนรู้ของเครื่องที่ประสบความสำเร็จ บูรณาการ ความไว้วางใจจะยังคงเป็นอุปสรรคในการนำการเรียนรู้ของเครื่องและ AI มาใช้ในปีหน้า นอกจากข้อบกพร่องในรถยนต์ขับเคลื่อนอัตโนมัติที่เสี่ยงต่อความปลอดภัยแล้ว ความกังวลด้านจริยธรรมเกี่ยวกับอคติในอัลกอริธึมยังคงอยู่โดยไม่มีวิธีแก้ไข เราสามารถพึ่งพาข้อมูลเชิงลึกที่ได้รับจากข้อมูลการฝึกอบรมที่อาจแสดงความลำเอียงในอดีตต่อผู้หญิง ผู้สูงอายุ หรือชนกลุ่มน้อยได้หรือไม่ สิ่งนี้ต้องได้รับการแก้ไขก่อนที่มนุษย์จะสามารถยอมรับการตัดสินใจด้วยตนเองของเครื่องมือ AI ได้อย่างเต็มที่ สุดท้าย มุมมองเล็กน้อย: ความก้าวหน้าทั้งหมดที่อธิบายไว้ในที่นี้เป็นส่วนหนึ่งของ AI ที่ “แคบ” ซึ่งเครื่องทำงานเฉพาะเจาะจงได้ดีกว่ามนุษย์ โดยอิงตามอัลกอริทึมและสถิติ Holy Grail ของ AI เป็นหน่วยสืบราชการลับ “ทั่วไป” ซึ่งเครื่องมีฐานความรู้ในโลกแห่งความเป็นจริงและความสามารถเชิงตรรกะที่ช่วยให้สามารถใช้ความรู้และทักษะกับงานใหม่ ๆ AI ที่แคบกำลังก้าวหน้าอย่างก้าวกระโดด แต่ AI ทั่วไปยังอยู่ห่างออกไปหลายทศวรรษ ปีหน้าจะเป็นยุคใหม่ที่ท้าทายสำหรับเทคโนโลยีด้วยนวัตกรรมและการหยุดชะงักมากมาย ประโยชน์ของ ML และ AI นั้นชัดเจน และการช่วยสำหรับการเข้าถึงก็เพิ่มมากขึ้น แต่ยังต้องแก้ไขปัญหาที่สำคัญก่อนที่จะส่งผลกระทบในวงกว้างต่อธุรกิจและผู้บริโภคอย่างเต็มที่ เมื่อทศวรรษใหม่เริ่มต้นขึ้น เป็นเรื่องที่น่าสนใจที่จะเห็นว่าการคาดคะเนเหล่านี้มีผลสำเร็จมากน้อยเพียงใด

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button