Смерть машинного обучения как сервиса и распространение «вертикальных» проектов: 5 трендов ИИ на 2017 год Статьи редакции

http://www.bradfordcross.com/blog/2017/3/3/five-ai-startup-predictions-for-2017

Технологический инвестор Брэдфорд Кросс опубликовал в своём блоге заметку о пяти основных трендах среди проектов в области искусственного интеллекта в 2017 году. Редакция vc.ru публикует адаптированный перевод материала.

«Повальное увлечение технологиями искусственного интеллекта в 2017 году наконец захлебнётся — многие поймут, что в основном такие алгоритмы пока ничего не могут предложить. Парадоксально, но 2017 год также станет годом прорывов в этой области», — пишет автор заметки.

Он полагает, что в 2017 году появится много стартапов, работающих в сфере искусственного интеллекта, которые станут развиваться «вертикально» — то есть решать проблемы в одной области, охватывая её полностью. Автор собрал пять трендов в отрасли, которые, по его мнению, раскроются в течение года.

1. Падение ботов

«Весь последний год представители ИТ-индустрии активно обсуждали ботов. Вообще под ботом технические специалисты понимают технологию, которая обладает четырьмя основными свойствами: она реагирует на окружающую среду, она автономна, целеустремленна и настойчива», — пишет автор.

Но в 2016 году ИТ-компании решили узурпировать термин «бот» и стали называть так всё, что автоматизирует какую-то часть их работы.

«Автоматизация бизнес-процессов, конечно, никуда не денется, но ажиотаж вокруг ботов утихнет», — считает Кросс. Он видит несколько причин этого явления:

  • Боты и платформы, которые их используют, часто не предполагают социальной составляющей. В то же время пользователям постоянно приходится выбирать между социализацией и персонализацией — и побеждают, считает Кросс, сервисы вроде Facebook, которые в равной мере предлагают и то, и то. «Боты не обладают социальным интеллектом и не могут распознавать потребности человека — поэтому они не смогут ни привлечь, ни удержать пользователей».
  • Разговорные интерфейсы зачастую не слишком эффективны по сравнению с визуальными. «Визуальные интерфейсы гораздо интереснее, а кроме того, они существуют гораздо дольше и могут решать больше задач. Конечно, разговорные интерфейсы тоже могут полезны в ряде задач. Но в 2017 году мы увидим, как многие приложения пересматривают своё отношение к ним».

При этом Кросс замечает, что он не считает технологии искусственного интеллекта недостаточно хорошими для решения каких-то задач. По его словам, проблема в том, что до сих пор не ясно, хотят ли люди использовать такие системы в обычной жизни.

2. Распространение систем глубокого обучения

«Сейчас все сходят с ума по глубокому обучению. Глубокое обучение (для тех, кто не разбирается в терминах) — это область машинного обучения, а машинное обучение, в свою очередь, — область искусственного интеллекта. И это оно сейчас быстро развивается и помогает решать глобальные задачи — поэтому многие компании внедряют технологии глубокого обучения в свою работу».

Технологии глубокого обучения, например, помогают решать задачи компьютерного зрения. «Google, Facebook, Twitter, Uber, Microsoft, Salesforce — эти алгоритмы сейчас используют все. Из вузов выпускается масса специалистов области. Ещё 4 года назад ситуация была совершенно иной — поэтому я думаю, что глубокое обучение — один из трендов 2017 года».

Кросс замечает, что под распространением глубокого обучения подразумевает рост спроса на профильных специалистов и разработанные ими технологии, а не появление новых компаний, занимающихся созданием подобных алгоритмов и платформ.

3. Искусственный интеллект — новый «клинтех» для инвесторов

Технологии Cleantech всегда интересовали инвесторов — из-за того, что они решают глобальные проблемы и «может показаться, что на этом можно хорошо заработать», пишет Кросс. «Это не прибыльный бизнес. Бизнес можно построить на чём-то, для чего реально найти покупателей».

В качестве работающих примеров «клинтеха» часто приводят Tesla и SolarCity, но нельзя забывать, что в этих компаниях «чистые» технологии — лишь часть продукта. Нельзя построить продукт полностью на «чистой» технологии — это вряд ли сработает. Крупный бизнес ставит на первое место потребности клиентов, а не технологический тренд.

«Солнечная энергия — это не рынок, а технология. Так и искусственный интеллект — это не рынок, а технология. Но венчурные фонды поддаются тренду, и им становится сложнее трезво оценивать компании», — объясняет автор материала.

По мнению Кросса, такая ситуация провоцирует появление незрелых компаний без продукта и лжеэкспертов на рынке. Кроме того, большинство таких проектов вскоре закроются, а инвесторы потеряют на них средства.

4. Машинное обучение как сервис погибнет — снова

Модель MLaaS (Machine Learning as a Service), замечает, Кросс, существует уже не менее 10 лет, но проекты, работающие по ней, чаще всего проваливаются. «Она не работает просто потому, что люди, которые понимают, зачем им машинное обучение и как оно устроено, используют технологии с открытым исходным кодом, а те, кто этого не знает, не смогут работать и с API», — объясняет он.

При этом продавать свои платформы машинного обучения продолжают как небольшие, так и крупные компании — вроде Microsoft, Amazon и Google — в рамках своих «облачных» наборов инструментов.

Но я не встречал компаний, которые действительно используют эти API. У MLaaS-проектов просто нет аудитории.

5. Компании, ориентированные на одну вертикаль бизнеса

По мнению Кросса, один из главных трендов 2017 года — появление и развитие компаний, которые с помощью искусственного интеллекта решают проблемы из одной выбранной сферы, и при этом создают законченный продукт.

«ИИ изменит все отрасли. Такие вертикальные стартапы смогут вобрать в себя и экспертизу, и данные, и производство продукта — и выдать конечный результат. Который окажется востребован среди клиентов. Эти проекты даже смогут найти проблемы, которые невозможно решить без технологий искусственного интеллекта», — объясняет Кросс.

0
6 комментариев
Написать комментарий...
Vladislav Arbatov

4 пункт очень верно описывает текущую ситуацию, но не точен вывод. MLaaS не умрут, они научатся предоставлять нормальный интерфейс, принимать любые датасеты, применяя для пре-процессинга те же алгоритмы ML, в общем – работать конструктором. Произойдет это в горизонте года - двух.

Ответить
Развернуть ветку
topovyj

А я думаю не научатся, и опять же зачем, если ""люди, которые понимают, зачем им машинное обучение и как оно устроено, используют технологии с открытым исходным кодом, а те, кто этого не знает, не смогут работать и с API"".
Для кого делать такой универсальный конструктор (это ещё и непросто будет сделать).

Ответить
Развернуть ветку
Renat

Не могу согласиться. В первую очередь потому что тот же azure ml studio требует куда как меньше знаний чтобы получить результат. К примеру, некоторые задачи уже сейчас можно решить без написания кода вообще. Сейчас там программировать нужно только для подготовки данных, если стандартных блоков не хватает (редко).
Кстати, у того же Яндекса есть какая-то внутренняя ML-система с графическим конфигурирование. Это позволяет использовать данные многим сотрудникам, а не только аналитика.
Тем более, что базовое представление о технике анализа можно получить за несколько недель.

Ответить
Развернуть ветку
Виктор Н. (FractalGPT)

Хотел это же написать: мы как раз делаем такой конструктор для сферы NLP, чтобы решить проблему отсутствия многих нужных для бизнеса датасетов и их разметки

Ответить
Развернуть ветку
noonv

Интересный вывод насчёт сервисов ML. Ещё одним препятствием к подобной модели будет безопасность и контроль над данными.

Ответить
Развернуть ветку
Тимур Чубаков

Бот без big data, как аутист, не слышит никого кроме себя. Почему будут успешны ИИ от соцсетей, так это потому, что они на основе нашего поведения в сети имеют представление о том, кто мы и что нам нужно.

Ответить
Развернуть ветку
3 комментария
Раскрывать всегда