Согласно глобальному исследованию искусственного интеллекта (ИИ) McKinsey 2020 года, в 2020 году более 50% компаний уже внедрили ИИ по крайней мере в одном бизнес-подразделении или функции, поэтому мы наблюдаем появление новых тенденций в области ИИ. Технологические компании инвестируют не менее 20% своей прибыли (EBIT) в исследования и разработки и применение технологий искусственного интеллекта. Это число, вероятно, увеличится, поскольку COVID-19 ускоряет внедрение цифровых технологий. Карантин привел к всплеску онлайн-активности, и индустрия приняла искусственный интеллект в бизнесе, образовании, администрации, социальной и других сферах, чтобы вести нормальную жизнь.
Цель этой статьи — описать новые тенденции в области ИИ, которые появились в 2020 году и продолжают расти в 2021 году.
Тенденции внедрения ИИ
Уровень внедрения ИИ зависит от отрасли. Используя данные, упомянутые в Глобальном обзоре искусственного интеллекта McKinsey, мы можем выделить четыре ведущие отрасли: высокие технологии, телекоммуникации, автомобилестроение и сборка.
Все больше и больше компаний применяют ИИ для обслуживания, дизайна продуктов, рекламы и продаж. С точки зрения инвестиций больше всего инвестиций было вложено в разработку лекарств и НИОКР — в 2020 году общие активы превысили 13,8 млрд долларов, что в 4,5 раза больше, чем в предыдущем году.
ИИ будет способствовать максимальному росту доходов, если его применять для оптимизации запасов и запасных частей, ценообразования и рекламных акций, аналитики обслуживания клиентов, прогнозирования продаж и спроса.
тренды технологий искусственного интеллекта
В 2022 году и в ближайшие несколько лет ИИ будет использоваться для упрощения операций и повышения эффективности. Предприятия должны попытаться извлечь выгоду из коммерческого применения ИИ, улучшив свою ИТ-инфраструктуру и управление данными. В этой статье мы сосредоточимся на тенденциях ИИ в 2021–2022 годах, которые, вероятно, станут мейнстримом.
Тенденция 1: ИИ для безопасности и наблюдения
Технология искусственного интеллекта применялась для распознавания лиц, распознавания речи и анализа видео. Эти методы представляют собой наилучшую комбинацию наблюдения. Поэтому к 2022 году можно прогнозировать массовое использование искусственного интеллекта в видеонаблюдении.
Искусственный интеллект позволяет гибко настраивать системы безопасности. Раньше инженеры тратили много времени на настройку систем, но было слишком много ложных срабатываний. Благодаря искусственному интеллекту система безопасности может распознавать объекты, что способствует более гибкой настройке.
Искусственный интеллект в видеонаблюдении может обнаруживать подозрительную активность, фокусируясь на аномальных моделях поведения, а не на лицах. Эта возможность может создать более безопасные общественные и частные пространства за счет выявления потенциальных опасностей. Это видеорешение на основе ИИ также может помочь в логистике, розничной торговле и производстве.
Пример расширения: Благодаря многолетнему опыту работы с технологиями обработки видео TSINGSEE Qingxi video глубоко интегрирована с технологией искусственного интеллекта AI, обеспечивая доступ к массивным видео, интеллектуальным возможностям анализа и обработки. В настоящее время EasyCVR реализует исследования и разработки технологий интеллектуального распознавания ИИ, таких как распознавание лиц, статистика потока людей, обнаружение транспортных средств, распознавание номерных знаков и т. д., и широко используется в дорожном движении, логистике, безопасности, противопожарной защите и других сценариях. .
Еще одна перспективная ниша для приложений ИИ — распознавание речи. Технологии, связанные с распознаванием речи, могут определять личность. Идентичность относится к возрасту, полу и эмоциональному состоянию человека. Распознавание голоса для мониторинга может быть основано на тех же принципах, что и в случае с Alexa или Google Assistant. Функция, подходящая для безопасности и наблюдения, — это встроенная модель защиты от мошенничества, которая обнаруживает синтезированную и записанную речь.
Биометрическое распознавание лиц является одной из наиболее важных технологий для обеспечения безопасности. Различные вредоносные приложения пытаются обмануть системы безопасности, предоставляя поддельные фотографии вместо реальных изображений. Чтобы защититься от этого, в настоящее время разрабатываются и широко используются несколько методов борьбы с мошенничеством.
Тенденция 2: Искусственный интеллект в обработке видео в реальном времени
Проблема работы с видеопотоками в реальном времени связана с конвейером данных. Задача инженера — обеспечить точность и минимизировать задержки при обработке видео. И решения ИИ могут помочь в этом.
Для реализации подхода на основе ИИ в обработке видео в реальном времени нам потребуется предварительно обученная модель нейронной сети, облачная инфраструктура и программный слой для применения пользовательских сценариев. Скорость обработки имеет решающее значение для прямой трансляции, поэтому все эти компоненты должны быть тесно интегрированы. Для более быстрой обработки мы можем распараллелить процесс или улучшить алгоритм. Распараллеливание процессов достигается за счет разделения файлов или использования конвейерных методов. Эта конвейерная архитектура — лучший выбор, поскольку она не снижает точность модели и позволяет использовать алгоритмы ИИ для обработки видео в реальном времени без каких-либо сложностей.
Современная потоковая передача в реальном времени неотделима от применения удаления и размытия фона. Спрос на эти инструменты увеличился, поскольку COVID-19 способствовал появлению и популярности новых тенденций в видеоконференцсвязи. По данным GlobeNewswire, эти тенденции получат положительное развитие, поскольку ожидается, что мировой рынок видеоконференцсвязи вырастет с 9,2 млрд долларов в 2021 году до 22,5 млрд долларов в 2026 году.
Существуют различные способы разработки инструментов для удаления фона и размытия в живом видео. Задача состоит в том, чтобы разработать модель, которая отделяет человека в кадре от фона. Нейронные сети, которые могут выполнять такие задачи, могут быть основаны на существующих моделях, таких как BodyPix, MediaPipe или PixelLib. После выбора модели остается проблема ее интеграции с соответствующей структурой и организации наилучшего процесса выполнения посредством применения WebAssembly, WebGL или WebGPU.
Тенденция 3: Генеративный ИИ для создания контента и чат-ботов
Современные модели ИИ могут генерировать текст, аудио и изображения очень высокого качества, которые почти неотличимы от несинтезированных точных данных.
В основе текста лежит обработка естественного языка (NLP). Быстрое развитие НЛП привело к появлению языковых моделей. Например, Google и Microsoft успешно используют модели BERT для дополнения своих поисковых систем.
**Как еще развитие технологий, связанных с НЛП, может способствовать развитию компаний? **Во-первых, чат-боты можно создавать, комбинируя инструменты НЛП и ИИ. По данным Business Insider, ожидается, что рынок чат-ботов достигнет 9,4 млрд долларов в 2024 году, поэтому давайте подчеркнем, что предприятия получают выгоду от размещения чат-ботов на основе ИИ.
Чат-боты пытаются понять намерения людей, а не просто выполнять стандартные команды. Компании, работающие в разных областях, используют чат-ботов на основе ИИ для обеспечения общения на уровне человека со своими клиентами или пользователями. Приложения для чат-ботов широко используются в следующих сферах бизнеса: здравоохранение, банковское дело, реклама, путешествия и гостиничный бизнес.
Чат-боты на базе ИИ помогают автоматизировать административные задачи. Например, в медицинской сфере они снижают нагрузку на медперсонал. Здесь чат-боты помогают назначать встречи, отправлять напоминания о приеме лекарств и отвечать на вопросы пациентов. В других областях внедряются чат-боты для доставки целевых сообщений, повышения вовлеченности клиентов и поддержки, а также предоставления пользователям персонализированного обслуживания.
Помимо чат-ботов, НЛП лежит в основе других передовых технологических решений. Одним из примеров является генерация текста NLP, которую можно использовать в бизнес-приложениях.
Недавно представленная модель GPT-3 позволяет инженерам ИИ генерировать в среднем 4,5 миллиарда слов в день. Это позволит использовать многочисленные последующие приложения ИИ для социально полезных и менее ценных целей. Это также побудило исследователей инвестировать в методы обнаружения генеративных моделей. Отметим, что в 2021-2022 годах мы станем свидетелями появления GPT-4 — «ИИ для общего искусственного интеллекта».
Возвращаясь к генеративному ИИ, мы хотим сосредоточиться на GAN или генеративно-состязательных сетях, которые способны создавать изображения, неотличимые от изображений, созданных человеком. Это могут быть изображения несуществующих людей, животных, предметов и другие виды медиа, такие как аудио и текст. Сейчас самое подходящее время, чтобы полностью реализовать потенциал GAN. Они могут моделировать распределение данных в реальном мире и изучать полезные представления для улучшения конвейеров ИИ, защиты данных, выявления аномалий и адаптации к конкретным реальным случаям.
Тенденция 4. Контроль качества и интеллектуальная проверка с помощью ИИ
Самая интересная ветвь компьютерного зрения — обнаружение ИИ. Это направление переживает бум в последние годы благодаря повышению точности и производительности применения моделей глубокого обучения. Все больше и больше компаний разрабатывают системы компьютерного зрения более быстрыми темпами.
Автоматизированные проверки в обрабатывающей промышленности подразумевают анализ продукции на соответствие стандартам качества. Этот метод также подходит для мониторинга устройств. Вот несколько вариантов использования обнаружения ИИ:
- Выявление дефектов продукции на конвейере
- Выявление дефектов механических и кузовных деталей
- Досмотр багажа и техническое обслуживание самолетов
- Атомная электростанция/энергетическая инспекция
Пример: платформа слияния видео TSINGSEE Qingxi Video EasyCVR основана на технологии компьютерного зрения с искусственным интеллектом для реализации интеллектуального обнаружения и распознавания видео в режиме реального времени с помощью искусственного интеллекта, такого как распознавание номерных знаков, обнаружение лиц, обнаружение шлема, обнаружение ношения маски, обнаружение опасного поведения и т. д. , Широко используется в безопасности, туризме, противопожарной защите и других проектах.
Тенденция 5: Революционные прорывы в области искусственного интеллекта в здравоохранении
Тенденции, связанные с внедрением искусственного интеллекта в отрасль здравоохранения, широко обсуждаются в последние годы. Ученые используют модели искусственного интеллекта и алгоритмы компьютерного зрения для борьбы с COVID-19, в том числе в таких областях, как обнаружение вспышек, разработка вакцин, поиск лекарств, тепловизионный скрининг, распознавание лиц с помощью масок и анализ компьютерных томограмм.
Чтобы противодействовать распространению COVID-19, модели ИИ могут обнаруживать и анализировать потенциальные опасности и делать точные прогнозы. Кроме того, ИИ помогает разрабатывать вакцины, определяя ключевые компоненты, которые делают их эффективными.
Решения на основе ИИ можно использовать в качестве эффективных инструментов медицинского Интернета вещей и решать проблемы конфиденциальности, характерные для отрасли здравоохранения. Если систематизировать случаи использования ИИ в здравоохранении, то видно, что их цели совпадают — обеспечить быструю и точную диагностику пациентов.
Эволюция и будущее искусственного интеллекта
Тенденции указывают на многообещающее будущее для ИИ, поскольку решения ИИ становятся обычным явлением. Беспилотные автомобили, роботы и датчики для прогнозной аналитики на производстве, виртуальные медицинские помощники, НЛП для освещения в СМИ, виртуальные образовательные наставники, помощники ИИ и чат-боты, которые могут заменить людей в обслуживании клиентов — все эти решения на основе ИИ набирают все большую популярность. шаг вперед.