Объем мирового рынка искусственного интеллекта к 2025 году достигнет 190,61 млрд. долларов
Согласно прогнозам, в ближайшие несколько лет мировой рынок ИИ будет расти как снежный ком, достигнув рыночной стоимости в 190,61 миллиарда долларов в 2025 году. К 2030 году ИИ приведет к увеличению мирового ВВП на сумму примерно 15,7 триллиона долларов, или 26%.
Отраслевая аналитическая компания Gartner также прогнозирует, что к 2022 году у компаний будет в среднем 35 проектов ИИ.
Ожидается, что из всех отраслей конечного потребления быстрее всего будет расти рынок обрабатывающей промышленности. Увеличение объема данных, получаемых из производственной цепочки создания стоимости, привело к привлечению аналитики данных с помощью ИИ в производственном секторе. Кроме того, несколько отраслевых инициатив, таких как "Индустрия 4.0", инициатива правительства Германии в области подключенного производства, способствовали росту устройств с поддержкой ИИ в производстве.
Компании также отметили, что автоматизация задач, таких как выставление счетов и проверка контрактов, является важнейшим применением ИИ.
Между тем 80% руководителей розничной торговли ожидают, что к 2027 году их компании перейдут на интеллектуальную автоматизацию на базе ИИ. Наиболее распространенным вариантом использования ИИ в розничной торговле является взаимодействие с клиентами (чат-боты, прогнозный анализ поведения, гиперперсонализация).
С другой стороны, ожидаемым ограничением роста рынка искусственного интеллекта является нехватка обученного и опытного персонала.
На этой неделе прошла выставка AI & Big Data Expo в Лондоне, где остро обсуждались все возможности и проблемы, связанные с искусственным интеллектом и большими данными.
Мероприятие, являющееся частью выставки и конференции TechEx Global, продемонстрировало некоторые технологии и стратегии следующего поколения и дало возможность изучить и открыть практическое и успешное внедрение искусственного интеллекта и больших данных в продвижение бизнеса к более разумному будущему.
Из всех тем для обсуждения в течение двухдневного мероприятия некоторые из наиболее интересных дискуссий были сосредоточены на мифах и неправильном понимании ИИ, а также на этике, алгоритмах и том, как компании справляются с огромными объемами данных.
Развенчание мифов об ИИ
Выступая на мероприятии, Мирна Макгрегор, руководитель отдела машинного обучения и руководитель, ответственный за AI + ML на BBC, сказала: "Важно подумать о проблемах. Очевидно, существуют некоторые препятствия. Во-первых, технический момент. В разговорах об искусственном интеллекте и алгоритмах кодирования часто используется техническая терминология, которая незнакома некоторым заинтересованным сторонам, с которыми вы собираетесь работать. Во-вторых, существует множество теорий о том, как ИИ займет рабочие места. Что большой процент рабочих мест исчезнет в ближайшие 10-20 лет, и это действительно глупо. ИИ следует рассматривать как вспомогательн ую технологи ю - инструмент, помогающий людям выполнять эту работу. Кроме того, многие люди думают, что ИИ - это простая вещь. Бытует мнение, что ИИ - это то, что можно взять с полки и бросить на проблемы, или можно просто добавить немного ИИ к проблеме".
Этика и ответственность
Макгрегор добавила: "Этика и ответственность не являются категориями сами по себе. Вы должны думать о том, чего вы пытаетесь достичь на общественном уровне, но также о своих существующих организационных ценностях, миссии и и об интеграции этого в создаваемую вами технологию. Это начинается не с нуля.
Основные составляющие ответственности - это избегать негативных выводов, создавать то, что работает на благо домашних пользователей. И это соответствует тому, как мы думаем о BBC - в том числе и об аспекте универсальности.
Устойчивость алгоритмов
Илья Файги, директор факультета искусственного интеллекта, прокомментировал: "Есть общий интеллект и суперинтеллект. И там есть целая тема, о которой люди по праву очень беспокоятся. Но прямо сейчас организациям действительно нужны ответы на вопросы справедливости, объяснимости, конфиденциальности и надежности.
Мне кажется, что первые три в некотором роде хорошо поняты, я предполагаю, что все о них говорили или много читали о них. Но, возможно, надежность - это наименее обсуждаемый вопрос, и это своего рода попытка узнать, когда вы можете доверять своему алгоритму, а когда можете быть уверены в нем"
Осмысление данных
Марк Уилсон, глава управления данными Handelsbanken UK, отметил: "Как вы контролируете данные, хранящиеся в хранилищах? Как вы их извлекаете? У вас есть в этом компетентность? Итак, когда дело доходит до управления, я исхожу с точки зрения того, есть ли у вас контроль над управлением? Когда люди смотрят на данные, действительно ли они знают, на что смотрят?
Когда дело касается данных, каждый в компании несет ответственность. Кто использует данные, а это неизменно каждый. Все либо берут данные откуда-то, чтобы собрать презентацию PowerPoint или создать пакет управления, либо берут их для сортиров ки и ли п еремещения куда-либо и т. д. "
Однако для того, чтобы устанавливать стандарты, необходима централизованная функция управления данными. Должны быть владельцы данных. Например, ваши организационные наборы данных. Это также происходит из-за отсутствия клиентов, продуктов и соглашений. Услуги, в основном NHS - банк, услуги национального траста, продукты для клиентов.
Таким образом, кто-то, по сути, должен убедиться, что существует стратегия данных, структура, правила и что все знают стандарты, которые есть в компании. И тогда кто-то должен сделать это реальным. Нужен ответственный специалист по данным. Системы могут помочь в чем-то. Но за данные должен отвечать тот, кто разбирается в бизнесе.
