Генеративный ИИ и фундаментальные модели сталкиваются с завышенными ожиданиями
1 сентября 2023 г.Генеративный ИИ и базовые модели достигли пика завышенных ожиданий в отчете Gartner AI Hype Cycle 2023 года, который представляет собой глобальный отчет о зрелости технологий на протяжении их жизненного цикла. Пик завышенных ожиданий – это место инноваций, у которых есть как немало историй успеха, так и немало неудач. Некоторые компании применяют инновации во время пика завышенных ожиданий, но большинство этого не делает.
Перейти к:
- Завышенные ожидания — нормальная часть цикла хайпа.
Некоторые технологии искусственного интеллекта имеют практические преимущества для бизнеса
Другие технологии искусственного интеллекта все еще ищут варианты использования.
Многообещающие инновации в области искусственного интеллекта
Что спросить, прежде чем инвестировать в генеративный ИИ
Завышенные ожидания — нормальная часть цикла хайпа.
Генеративный ИИ и фундаментальные модели могут быть переоценены; По словам Gartner, вокруг них больше ажиотажа, чем вариантов использования. Однако пик завышенных ожиданий — это нормальная часть жизненного цикла внедрения инноваций в мейнстрим (рис. А).
Рисунок А
Другие известные приложения ИИ также находятся на пике популярности. Умные роботы, ответственный искусственный интеллект и нейроморфные вычисления, которые используют импульсные нейронные сети вместо глубоких нейронных сетей, чтобы попытаться воспроизвести функции биологического мозга, достигают пика ажиотажа. Это означает, что они готовы войти в период разочарования, когда ожидания и инвестиции остывают, прежде чем некоторые компании остановятся на действительно практичном и стандартизированном использовании инноваций.
Компьютерное зрение, маркировка и аннотирование данных, облачные сервисы искусственного интеллекта и интеллектуальные приложения — наиболее зрелые технологии в группе искусственного интеллекта. Компания Gartner поместила эти технологии искусственного интеллекта на склон просвещения, а это означает, что второе и третье поколения продуктов появились с устраненными некоторыми ошибками, и только более консервативные компании остаются осторожными.
Ни одна технология искусственного интеллекта еще не достигла плато продуктивности цикла хайпа, то есть точки, в которой инновации стали мейнстримом, а инвестиции постоянно окупались. Цикл ажиотажа призван продемонстрировать, следует ли покупателям технологий придерживаться рискованного, умеренного или осторожного подхода к появляющимся инновациям.
SEE: Gartner представила углубленный анализ генеративного искусственного интеллекта в своем недавнем цикле хайпа по развивающимся технологиям. (Техреспублик)
Некоторые технологии искусственного интеллекта имеют практические преимущества для бизнеса
Gartner обнаружила, что ИИ, вероятно, принесет некоторую пользу бизнесу. В большинстве циклов хайпа есть несколько новых технологий, которые в конечном итоге получают низкую или умеренно выгодную пользу; все технологии в цикле AI Hype были оценены как высокие или революционные. Рейтинг выгод показывает, какое положительное влияние инновации могут оказать в разных отраслях.
Gartner отметил, что многие из генеративных технологий на основе искусственного интеллекта, упомянутых в отчете, необходимо объединить для создания практических услуг. Лидерам данных и аналитики было бы полезно рассмотреть возможность инвестирования в первую очередь в инновации, которые были объединены в виде бизнес-решений, таких как компьютерное зрение, графики знаний, умные роботы, интеллектуальные приложения и облачные сервисы искусственного интеллекта. Gartner рекомендовала руководителям данных и аналитики сосредоточиться на продуктах, которые не требуют от членов команды обширных специализированных инженерных навыков или навыков в области анализа данных.
«Акцент на генеративный ИИ в настоящий момент означает, что некоторым методам, которые будут способствовать развитию генеративного ИИ, сейчас уделяется больше внимания, чем в предыдущие годы», — сказал автор отчета Афраз Джаффри, директор-аналитик Gartner.
SEE: Salesforce предлагает компаниям предпринять практические шаги для уменьшения предвзятости, вызванной генеративным искусственным интеллектом. (Техреспублик)
Gartner прогнозирует, что генеративный ИИ и интеллект для принятия решений, которые включают в себя обучение прогнозирующему ИИ тому, как влиять на прогнозируемые результаты, станут массовым внедрением через два-пять лет.
«Раннее внедрение этих инноваций (генеративный ИИ и интеллект для принятия решений) приведет к значительному конкурентному преимуществу и облегчит проблемы, связанные с использованием моделей ИИ в бизнес-процессах», — написали в компании.
Другие технологии искусственного интеллекта все еще ищут варианты использования.
Опрос Gartner показывает, что компании разочаровываются в ModelOps, периферийном искусственном интеллекте, графах знаний, средствах искусственного интеллекта и обучающих комплектах, а также беспилотных транспортных средствах. Графы знаний, являющиеся машиночитаемыми представлениями материальных активов и того, как они связаны друг с другом, исключительно быстро движутся по циклу хайпа.
Если это быстрое движение и разочарование кажутся противоречивыми, то это потому, что цикл хайпа не является восхождением от малоизвестного к мейнстриму. Напротив, «низ разочарования» — это нижняя точка перед тем, как технологии выйдут на восходящий склон Просвещения.
Графы знаний могут дополнять многие другие инновации в области искусственного интеллекта, такие как машинное обучение, генеративный искусственный интеллект, алгоритмы поиска, умные помощники и системы рекомендаций.
СМОТРИТЕ: Набор для найма: Инженер-подсказчик (TechRepublic Premium)
Многообещающие инновации в области искусственного интеллекта
Инновации ИИ, которые находятся на самом низком уровне в разделе «Инновационный триггер» цикла хайпа, то есть они являются наименее зрелыми, — это автономные или самоуправляемые системы, первопринципы или ИИ, основанный на физике, мультиагентные системы и нейросимволический ИИ.
Gartner определяет нейросимволический ИИ как комбинацию машинного обучения и символических систем, таких как графы знаний, чтобы дать системе ИИ более контекстуальное понимание концепций и уменьшить галлюцинации. По оценкам, нейросимволическому ИИ потребуется более 10 лет, прежде чем он достигнет массового внедрения.
Что спросить, прежде чем инвестировать в генеративный ИИ
По словам Джаффри, лидеры в области обработки данных и аналитики должны задать себе следующие вопросы, прежде чем инвестировать в генеративный ИИ:
- Как будут измеряться производительность, точность и связанная с этим бизнес-ценность приложений?
Каков приемлемый порог точности, с которым можно мириться?
Каков наилучший подход к развертыванию? Рассмотрите возможность выбора между API, тонкой настройкой или генерацией с расширенным поиском.
Существует ли готовое решение, которое можно использовать для проверки преимуществ инновации в области искусственного интеллекта без необходимости создания собственного решения?
Как можно использовать другие методы искусственного интеллекта, помимо генеративного искусственного интеллекта, для получения преимуществ для бизнеса?
Какую систему оценки вы будете использовать для определения рисков безопасности и защиты данных?
Оригинал