Сейчас использование искусственного интеллекта – это модно и уже само по себе тренд. AI оптимизирует расходы, снижает риски, помогает проводить научные исследования, генерирует креативные идеи, следит за безопасностью и развлекает. В статье расскажем о трендах в нейросетях, разработке новых архитектур, возможностях интеграции ИИ с другими технологиями и прогнозах развития искусственного интеллекта в ближайшем будущем.
Новейшие архитектурные решения
В 2024 году разработчики представили альтернативный многослойный перцептрон (MLP), названный Kolmogorov-Arnold Networks (KAN) в честь Андрея Колмогорова и Владимира Арнольда, известных советских математиков.
Принципиальная особенность KAN – перемещение функции активации не в ядро, а на ребра нейрона. Что ускоряет скорость обучения, повышает интерпретируемость. За счет нелинейной обработки данных, в KAN исключено “катастрофическое забывание” при машинном обучении. Когда нейронка, получая новую информацию теряет способность обрабатывать старую. Поскольку при поступлении на вход новых данных происходит перераспределение весов и перезапись значений.
Кроме этого Kolmogorov-Arnold Networks нужно меньше вводных, она проще поддается визуализации для легкого взаимодействия с пользователями. Плюс AI показывает более высокую точность по сравнению с MLP. По прогнозам – архитектура откроет новые возможности для развития AI.
В 2020 разработчиком Liquid AI была представлена жидкая нейронка LNN, способная обучаться в реальном времени, “запоминая” при этом ранее полученную информацию. Но главное преимущество LNN – в минимальном количестве нейронов. Например, алгоритму со стандартной архитектурой для удержания автомобиля на своей полосе нужно минимум 100 тысяч нейронов и до полумиллиона параметров.
Жидкой нейронке достаточно 19 нейронов для удержания автомобиля на дороге, оценки дорожного покрытия и угла поворота. В ходе эксперимента нейронка автоматически снижала скорость на крутых виражах и грунтовой дороге.
Применение в различных отраслях
Системы на основе искусственного интеллекта уже внедрены во многих экономических отраслях.
- В строительстве – технология компьютерного зрения ищет дефекты в бетоне, металле, обрабатывая изображения в режиме реального времени и передавая фотоотчеты рабочим. Следит за выполнением требований охраны труда. В Японии, например, алгоритмы обучили определять риски падения рабочих со строительных лесов. Датчики отслеживают перемещение строителей, а AI выявляет закономерности и предупреждает об опасности.
- В промышленности – прогнозируют возможный выход из строя оборудования, сокращая компаниям расходы на капитальный ремонт, замену. Определяют наличие опасных предметов в металлоломе, заменяют ОТК, выявляя дефекты и самостоятельно формируя электронные паспорта.
- В маркетинге – персонализируют рекламу, проводят анализ конкурентов, актуализируют семантическое ядро для текстового контента. Управляют рассылками, готовят отчеты об эффективности рекламных кампаний.
- В продажах – AI прогнозируют спрос, динамику продаж, оценивают риски, берут на себя рутинные процессы. Например, ответы на телефонные звонки, заполнение карточек клиентов, отслеживание статуса сделки.
- В медицине – алгоритмы с ИИ заполняют документы, анализируют рентгеновские снимки, выявляя общие симптомы. Что позволяет выявлять заболевания на ранних стадиях. В фармакологии – машина создает формулы лекарств, составляет прогнозы, как компоненты в теории будут взаимодействовать друг с другом.
- В образовании – помогает педагогам создавать презентации, генерирует текст и картинки. Студентам нейросеть может рассказать сложную тему (например, по программированию) простым языком, перевести текст. Сжать сложно воспринимаемую научную статью до краткого резюме, содержащего основные факты.
- В трейдинге – формируют инвестиционный портфель, анализируют графики, статистику торгов, котировки для оценки прибыльности вложений. Прогнозируют рост, падении цены активов с учетом экономических, политических факторов.
- В сельском хозяйстве – алгоритмы мониторят здоровье животных, птиц, рассчитывают оптимальное время для посевов. Помогают оценивать уровень спелости фруктов, овощей.
- В добывающей промышленности - создание цифровых прототипов пород для определения соотношения газа и нефти, поиск месторождений.
- В транспорте – разработка логистических решений, в том числе при строительстве предприятий, для исключения экстремальных нагрузок на технику или простоев, пересечения маршрутов.
Камеры с технологией компьютерного зрения следят за порядком в местах массового скопления людей, фиксируют нарушения на автомобильных дорогах. Помогают задерживать преступников.
Интеграция с другими технологиями
Способность AI быстро, точно обрабатывать большие массивы данных, скорость обучения моделей сделали возможным интеграцию нейросетей с:
-
CRM – сочетание машинного обучения, обработки естественного языка кроме автоматизации рутинных бизнес-процессов значительно улучшают коммуникацию с клиентами;
-
системами мониторинга – дорожных сетей, оборудования, персонала повышает безопасность, снижает расходы, позволяет оценивать эффективность работников;
-
приложениями для обработки фото, видео – для улучшения качества, увеличения разрешения, удаления посторонних предметов, устранения шумов;
-
сервисами для веб-дизайна – отбор шрифтов, генерация изображений по описанию, создание 3D-анимации, объектов, текстур в виртуальном пространстве;
-
медицинскими устройствами – на основе истории болезни пациента генерируют протоколы лечения, предлагают варианты дополнительных обследований.
Кстати, последний пункт относится к ПО. По стандартам FDA программное обеспечение, использующее статистические показатели для сравнения общих симптомов не признаются медицинскими устройствами.
В 2024 году Яндекс проводил исследования, по результатам которых 20 % крупнейших российских компаний применяют в работе нейронные сети. Это ритейл, банки, промышленные, добывающие корпорации. Из них 66 % использовали AI в маркетинге, продажах, 54% для улучшения клиентского сервиса и 49 % в исследованиях, разработке. Но бизнес уже оценил перспективность цифровизации, поэтому цифры с каждым годом будут только расти.
Прогнозы
Цифровое развитие в России – это государственный долгосрочный проект. К 2030 году планируется внедрить сервисы с AI во все отрасли, от медицины, образования, до сельского хозяйства и промышленности. Разработать меры по организации безопасности, прозрачности моделей на базе AI.
Программное обеспечение с ИИ уже используют в работе:
- Магнит - предиктивная аналитика;
- Сбер – скоринг клиентов, чат-боты, голосовые помощники, анализ задолженности;
- Т-Банк – создал виртуальных инвестиционных, финансовых, трэвел-, шопинг-ассистентов;
- Альфа-Банк – персональный расчет ипотечного кредита, без оформления заема;
- Вкус-Вилл – генерация дизайна упаковок;
- Epica – рекламная кампания, проведенная нейроинфлюенсером Саммер;
- МегаФон - реклама с образом Брюса Уиллиса;
- СДЭК - общение с клиентами в чатах.
Разработку, которая должна упростить ведение бизнеса селлерам, тестирует Ozon. Продавцы смогут “примерять” одежду и обувь на виртуальных моделей, генерировать картинки, видео и размещать их в карточке товаров. Это сократит расходы, время, затрачиваемое на фотосессии.
Оценить, что умеют AI модели можно бесплатно, без скачивания приложений – прямо на сайте. Доступ откроется сразу после регистрации. Оформление иностранной банковской карты или телефонного номера не нужно. Работать можно в расширении браузера, через ботов в ТГ и ВК или на сайте.
Итоги
Нейронные сети будут развиваться, находить новое применение. Уже сейчас разрабатываются принципиально отличающиеся от стандартных архитектуры, требующие меньшего количества данных и вычислительных мощностей.
