Почему 95% внедрений искусственного интеллекта неудачные

О технологиях искусственного интеллекта сегодня говорится на всех конференция. Вопросы его использования обсуждаются на уровне Президента России. Не станет ли ИИ очередным хайпом, волна интереса к которому спадет после тщательного анализа реальных кейсов? Об этом говорили участники организованной CNews Conferences конференции «Искусственный интеллект 2020: опыт, технологии, прогнозы».

страницы:

Татьяна Воронова: Современные технологии умеют обрабатывать все виды данных с помощью искусственного интеллекта на основе сверхточных нейросетей

О перспективах развития интеллектуальных систем видеонаблюдения рассказала Татьяна Воронова, руководитель направления data-аналитики «Центр 2М».

CNews: Как в последние годы меняется рынок видеоаналитики? Какие сложности возникают в процессе внедрения этой технологии?

Татьяна Воронова: Видеоаналитика пока не используется повсеместно. Но тренд на массовое использование есть. Его усиливают и двигают вперед три фактора: рост доверия к решениям на основе искусственного интеллекта, расширение инфраструктуры и экономика совместного потребления. Именно они подталкивают рынок к взрывному росту, который повлечет за собой серьезные перемены в привычных областях жизни.

Формирующийся рынок всегда ориентируется на успешные пилотные проекты. Чем их больше, тем больше новых игроков готовы включиться в реализацию новых решений. Одновременно меняется инфраструктура – вокруг появляется все больше камер и датчиков, подходящих для внедрения видеоаналитики. Жители мегаполисов уже окружены сетью камер и датчиков. Но большинство устройств не подходят для интеграции с системами видеоаналитики. По мере того, как техническая база будет обновляться, будет расти и количество доступных сценариев.

Принцип совместного использования ресурсов работает не только в отношении материальных активов. Шеринг данных может стать эффективным инструментом для различных сфер: от безопасности до городского управления. Взаимный обмен информацией может быть полезным для предотвращения и оперативного реагирования на чрезвычайные ситуации, развития кастомизированного маркетинга на основе видеобиометрии, оптимизации работы сервисных центров в муниципальных образованиях. Обмениваясь друг с другом потоками данных, владельцы камер и датчиков смогут улучшить бизнес-процессы, повысить качество и эффективность работы в самых различных направлениях деятельности.

CNews: Как вы видите перспективы развития видеоаналитики на ближайшие годы?

Татьяна Воронова: Согласно отчету Gartner, видеоаналитика занимает лидирующие позиции на рынке ИТ – решений. 4 из 10 топ-технологий 2019 года опираются на разработки в сфере видео: дополненная аналитика (augmented analytics), многоканальное взаимодействие (immersive experience), умные пространства (smart spaces), цифровая этика и безопасность персональных данных (digital ethics and privacy).

Каждая из этих разработок призвана решать одну задачу: эффективно использовать огромный массив данных, окружающий современного человека. Еще 5-10 лет назад такие решения были слишком сложными и трудоемкими, а в промышленных масштабах еще и баснословно дорогими. Современные технологии решили эту проблему, научившись обрабатывать все виды данных с помощью искусственного интеллекта на основе сверхточных нейросетей.

Видеоаналитика эффективна не только в производственной и управленческой сфере. Это отличный инструмент для оперативного управления бизнесом. Корпоративная конкуренция растет, компании вынуждены искать новые пути достижения лидерства на рынке. Привычная система менеджмента должна дополняться модулями оперативного ситуационного анализа. С помощью таких модулей компания может следить за состоянием базовой инфраструктуры, работать над производственной безопасностью и повышать качество диагностических решений.

Об использовании видеоаналитики для решения маркетинговых задач говорят давно и много. А вот создание уникальных сценариев для сельского хозяйства – относительно новое направление. Машинное зрение и искусственный интеллект постепенно проникают и в аграрную сферу: с их помощью можно анализировать поведение животных, отслеживать состояние почвы, предотвращать негативные факторы и снижать их воздействие на внешнюю среду.

Применение методов машинного обучения для детектирования аномалий в показателях приборов, в прогнозировании выхода оборудования из строя – перспектива ближайших лет. Человеческое поведение при покупках, заказах, взятии кредитов достаточно много изучалось, а вот в задачах анализа работы оборудования, где собираются не десятки, а сотни различных параметров, есть очень много новых перспективных задач. Мы можем накапливать историю показаний с большого количества приборов, например, счетчиков, и быстро реагировать на появление новых нестандартных для истории прибора данных. Конечно, такие задачи должны решаться при плотном сотрудничестве с инженерами – нужна помощь специалистов в предметной области при подготовке данных и интерпретации результатов, полученных после применения сверточных нейронных сетей, xgboost, svm и т.д.

страницы: