Олександр Мельник
Штучний інтелект та політика — і передвиборча риторика зокрема
Хоча AI може допомогти створювати робочі місця, це також призведе до того, що деякі люди втратять роботу. Наприклад, Goldman Sachs очікує, що автономні автомобілі змусять 25 тис людей: зайнятих у вантажних перевезеннях, втрачати роботу щомісяця. Про це повідомляє CNBC. Автоматизація великих складів та майданчиків для зберігання товарів теж потребуватиме значно менше персоналу. Відтак з 1 млн збирачів та пакувальників лише у США чимала кількість людей залишаться без роботи. Під час виборчої кампанії 2016 року тоді ще кандидат у президенти Дональд Трамп неодноразово вказував на глобалізацію та імміграцію як причину втрати робочої сили в США. Але під час середньострокових виборів 2018 року серед причин зростання безробіття доведеться зазначати явища автоматизації та штучного інтелекту. Більшості представників робітничих професій доведеться пристосовуватися до нових реалій.
Пошук застосування для логістичних завдань
Ми вступаємо в світ, в якому можна буде запустити центр розподілу товарів площею у 20 тис кв. м із невеличкою бригадою та масою автоматизованих помічників. Такі компанії, як Kiva Systems — тепер вона називається Amazon Robotics — використовують комбінацію штучного інтелекту та розширеної робототехніки. Подібне поєднання дає змогу забезпечити великих продавців торгівельною логістикою та складським менеджментом на рівні ,який не має аналогів.
Склади майбутнього виглядатимуть не так, як сьогодні. Замість того, щоби бути спроектованими для розміщення пакувальників, вони будуть побудовані для високопродуктивних роботів, які можуть працювати цілодобово і не потребують освітлення, щоб ибачити, що саме вони роблять.
Kiva Systems, придбана компанією Amazon за $775 млн у 2012 році, створює роботів, що здатні ефективно знаходити та транспортувати предмети на складах Amazon. Ця технологія вже використовується сьогодні, і, як очікується, вона відіграватиме все помітнішу роль у пошуках швидких та дешевших логістичних рішень.
Довгоочікувані самокеровані автівки
Tesla стала одним із перших виробників автомобілів, котра випустила самокероване авто. Інші виробники на кшталт Audi готуються презентувати власні автоматизовані транспортні засоби вже у 2018 році. Наприклад, в Audi A8 буде технологія самокерування для доставлення пасажирів у задану точку маршруту без втручання людини. Cadillac таVolvo теж працюють над подібними технологіями.
Бойові роботи та армія
Агентство передових дослідницьких проектів (DARPA) започаткувало ряд технологічних досягнень, які вплинули на наше повсякденне життя. Організація, яка відповідає за розробку нових технологій, що будуть використовуватися американськими військовими, була надзвичайно важливою ланкою в розвиткові інтернету та GPS — тож інновації їм добре знайомі. Зараз Агенція співпрацює із Boston Dynamics для створення роботів подвійного призначення — для мирного життя та бойових завдань. Робот Atlas став у 2017-му сенсацією завдяки своїм стрибкам через голову — і він є лише одним із прикладів того, як можна застосувати штучний інтелект у такого роду розробках та конструкторських рішеннях.
Машинне навчання замість вчителів?
Технологія штучного інтелекту також стане одним із помічників для сучасних методів навчання. Сьогодні інструменти, такі як Gong, Chorus та Jog, можуть записувати дзвінки, зроблені представниками відділу продажів та обслуговування клієнтів. Ця технологія може стати масовим інструментом для підготовки та перепідготовки кадрів без потреби задіювати тренерів чи викладачів, вважає Керрі Крістенсен, віце-президентка з операційної діяльності у Mint Solar.
AI спробує замінити копірайтерів, відеомонтажерів та журналістів стрічки новин
Бренди, такі як USA Today, CBS та Hearst вже використовують технологію AI для створення контенту. Наприклад, Wibbitz пропонує платформу програмного забезпечення (SaaS), яка дозволяє видавцям перетворювати письмовий контент у відеоматеріали за допомогою виробництва відеороликів засобами штучного інтелекту. Раніше видавці часто витрачали години, а то й дні, створюючи контент для своїх сайтів чи соціальних мереж. Wibbitz та аналогічні сервіси допомагають видавцям створювати релевантні відеоролики за декілька хвилин.
Тим часом у The Associated Press з’явився інструмент під назвою Wordsmith, створений Automated Insights. Він на основі природнього людського мовлення генерує тексти для новин на основі отриманої інформації щодо прибутків компаній. 2018 рік стане часом, коли читачі та глядачі онлайн-медіа бачитимуть у дії все більше подібних розробок.
Побудова прозорих комунікаційних мереж
Такі компанії, як Facebook, вже використовують статистичне моделювання, щоб допомогти машинам приймати обґрунтовані рішення щодо того, який вміст буде показано вам далі. Для того, щоб моделі працювали належним чином, вони вимагають величезної кількості даних та значної обчислювальної потужності.
Зі зростанням однорангових мереж, подібних до тих, що використовуються криптостартапами, навіть невеликі організації матимуть можливість запускати просунуті програми AI, використовуючи колективну потужність мережевих персональних комп’ютерів.
Presearch уже працює над подібним рішенням. Воно призначатиметься для роботи пошуковиків. Проект планує використати криптовалюту для заохочення учасників проекту, які позичатимуть потужність своїх комп’ютерів для загальної роботи мережі. Стартап вже залучив $5 млн інвестицій.
Застосування у споживчому секторі
Понад 20 млн смарт-колонок Amazon було продано у 2017 році. Якщо ви додаєте сюди продажі інших розумних пристроїв, таких як Google Home
8 найкращих ґаджетів 2017 року за версією WIRED і Apple Airpod, ви розумієте, що десятки мільйонів американців звикають до взаємодії з технологією за допомогою голосових команд. У 2018 році споживачі зможуть робити це ще комфортніше за допомогою голосових інтерфейсів, оскільки інтелектуальні помічники інтегруються в комп’ютери, смартфони та навіть телевізори.
Попит на фахівців із науки даних перевищить попит на інженерів
Згідно із інформацією IBM, попит на науковців в сфері даних зросте до 2,7 млн осіб до 2020 року. Чому? Штучний інтелект використовує ймовірність визначення правильної відповіді або рішення для будь-якої заданої проблеми. З більшою кількістю даних, наданих платформам для машинного навчання, платформи стануть кращими для прогнозування.
Оскільки компанії всіх розмірів прагнуть збирати та ефективно аналізувати дані, то неминуче виникає потреба в талановитих учених даних, здатних обробляти великі набори даних для допомоги платформам AI.
Боротьба із хворобами — теж за допомогою AI
«Ми вступаємо в той час, коли мережа комп’ютерів на основі p2p-зв’язків дасть можливість вирішити деякі з найбільш складних проблем в галузі охорони здоров’я в світі, збираючи та аналізуючи молекулярні дані людини», — пояснює Бен Хортман, генеральний директор Bet Capital LLC. Уявіть, що буде, коли ці комп’ютери будуть оснащені мікросхемами, меншими ніж головка шпильки, із захищеною, вбудованою технологією AI та криптовалютою? Те, що звучить як щось з науково-фантастичного роману, зараз є реальністю завдяки проектові Nano Vision. Він поєднує blockchain та штучний інтелект, а учасники отримують криптовалюту в якості нагороди. Проект на основі машинного навчання аналізує хвороби та допомагає розробляти ліки на основі зафіксованих показань.