ИИ в 2019 году: что реально сдвинулось, а что осталось обещанием
Итоги года в искусственном интеллекте для тех, кто принимает решения о внедрении. Без хайпа - что стало производственной нормой, что ещё в пути.
Конец года - хороший момент, чтобы оглянуться и отделить реальные изменения от шума. 2019 год в ИИ был насыщенным: большие языковые модели, государственные стратегии, новые инструменты, громкие заявления. Хочу сделать короткий срез - не как журналист технологического издания, а как человек, который смотрит на это с позиции "что из этого применимо в реальном бизнесе".
Что стало нормой
Первое - инструменты машинного обучения стали значительно доступнее. Год назад для запуска типового ML-проекта нужна была либо большая команда, либо дорогой подрядчик. Сейчас облачные платформы предоставляют достаточно готовых инструментов, чтобы небольшая команда могла запустить рабочий пилот за разумное время.
Это не значит, что экспертиза больше не нужна. Но порог входа снизился, и это реальное изменение.
Второе - компьютерное зрение в промышленном контроле качества из темы конференций стало темой тендеров. В 2019 году я вижу реальные проекты внедрения на производстве - не пилоты в лаборатории, а системы, которые стоят на линии и работают. Технология созрела для этого класса задач.
Третье - обработка естественного языка для маршрутизации и классификации. Не "умный ассистент", не чат-бот, который отвечает на любой вопрос. Конкретная задача: взять входящий запрос и направить его в правильный канал. Здесь точность стала достаточной для рабочего применения.
Что движется, но ещё не пришло
Языковые модели нового поколения - GPT-2, BERT и их производные - показали впечатляющие результаты на исследовательских задачах. Применение в реальных продуктах идёт, но медленнее, чем кажется по заголовкам. Основная причина: разрыв между академическим результатом и работой на реальных данных конкретной компании.
Автономные транспортные средства - отдельная история. Технологический прогресс идёт, но регуляторные и страховые вопросы в большинстве юрисдикций не решены. Для большинства операционных контекстов это пока горизонт нескольких лет, не следующий год.
Роботизированные системы в неструктурированных средах. Автономный робот на складе с фиксированной топологией - это одно. Робот, который работает там, где среда меняется непредсказуемо - другое. Второй случай значительно сложнее, и 2019 год здесь не принёс прорыва.
Что осталось хайпом
Блокчейн для всего. ИИ для принятия стратегических решений без участия человека. Полная автоматизация процессов, требующих здравого смысла в нестандартных ситуациях.
Эти нарративы продолжают жить в маркетинговых материалах. В реальных внедрениях - практически нет.
Ориентир на 2020 год
Если вы думаете о проектах с ИИ в следующем году, несколько наблюдений:
Наиболее надёжные инвестиции - в задачи с чёткой формулировкой, измеримым результатом и достаточными данными. Классификация, распознавание паттернов, аномалии. Не "ИИ-трансформация", а конкретная задача.
Инфраструктура данных по-прежнему важнее модели. Компании, которые потратили 2019 год на наведение порядка в данных, в 2020 году запустят реальные проекты. Те, кто начинал с поиска "правильной ИИ-платформы", будут запускать ещё раз.
Компетенция внутри компании имеет значение. Аутсорсинг пилота - нормальное начало. Но если по его результатам в компании никто не понимает, что было сделано и почему работает, масштабирование не получится.
2019 год показал: ИИ - это не волна, которую нужно поймать любой ценой, и не мираж, которого нет. Это набор технологий с конкретными применениями, у каждого из которых своя степень зрелости. Задача руководителя - понимать эту карту и принимать решения на её основе.