Будущее уже здесь, старик. Как машинное обучение в России становится всё более популярным

Машинное обучение, в последнее время именно это сочетание слов доносится практически отовсюду вместе с другим, не менее популярным — «Искусственный Интеллект». Мы уже более 21 года занимаемся разработкой программного обеспечения для представителей самых разных областей бизнеса, и в последнее время к нам всё чаще обращаются заказчики с просьбой создать решение на основе алгоритмов машинного обучения.

Чем вызван такой взлёт популярности именно в данной области? В этой статье мы бы хотели ответить на данный вопрос, рассмотрев с нескольких сторон.

Никого уже не удивить словами о том, что машинное обучение является одним из ключевых направлений развития ИТ и оказывает высокое влияние на экономику как на микро, так и на макроуровне. Алгоритмы, способные к обучению и принятию решений, стали одним из самых популярных элементов развития во всех областях бизнеса — от финтеха до здравоохранения.

Суть машинного обучения заключается в анализе больших объемов данных для выявления закономерностей и прогнозирования будущих событий. Это даёт компаниям возможность оптимизировать процессы, минимизировать риски и, в конце концов, значительно повышать эффективность бизнеса.

Применение данной технологии позволяет не только автоматизировать рутинные задачи, но и решать сложные проблемы, что ранее было недоступно для традиционных алгоритмических подходов.

В контексте современной экономики машинное обучение стимулирует появление новых продуктов и услуг, создавая тем самым новые рынки и возможности для бизнеса. Благодаря своей способности к самообучению и адаптации системы машинного обучения постоянно совершенствуются, что делает их незаменимыми в нашем динамично меняющемся мире. Стоит отметить, что машинное обучение — не просто технология ради технологии, это мощный инструмент, который трансформирует бизнес-действительность, создавая новые условия для развития и конкуренции.

Важность этих процессов для нашей страны сложно переоценить, а интерес к данной технологии со стороны представителей бизнеса только набирает обороты.

1) Хочу узнать, но где? Если ещё в относительно недавнем прошлом для освоения новых технологий приходилось преодолеть череду препятствий и наконец открыть для себя что-то новое, то сейчас сделать это не составляет каких-либо усилий. Разве что запастись усидчивостью и терпением, но это уже немного другой разговор.

Страницы обучающих платформ ломятся от всевозможных обучающих курсов (как платных, так и бесплатных), а от нескончаемых видео на YouTube создаётся впечатление, что только ленивый не может открыть для себя что-то новое. Всё это невероятно снижает порог вхождения и повышает возможность освоить, а также наработать скиллы (хотя бы начального уровня) в обращении с новыми технологиями.

Среди российских и международных образовательных платформ несложно найти и курсы, связанные с машинным обучением. Coursera, Udemy, edX, Stepik, Яндекс Практикум и огромное количество вебинаров помогают любому человеку получить не только теоретическую ML-основу, но и обзавестись практическими навыками программирования на Python, а также работы с TensorFlow и PyTorch.

Однако, если мы говорим про машинное обучение, без доступа к статистическим или визуальным данным для обучения и тестирования моделей сделать это практически невозможно. Но и тут на помощь приходят специальные ресурсы, такие как Kaggle, Google Dataset Search, Портал открытых данных Российской Федерации, ROSSTAT и т. д.

2) Современные задачи, требуют современного оборудования. Усовершенствование оборудования и программного обеспечения играет ключевую роль в снижении порога входа.

Всем известные видеокарты, или, точнее сказать, GPU, изначально разработанные для обработки визуальных артефактов и видеоигр, оказались идеально подходящими для ML-задач. Это стало возможным благодаря тому, что графические процессоры способны обрабатывать множество операций параллельно, что критически важно для тренировки моделей, где одновременно обрабатываются огромные объёмы данных.

В добавление к «железу», производители GPU, например NVIDIA, позволяют пользователям использовать обширные образовательные ресурсы и библиотеки, которые также упрощают изучение и использование технологий.

Однако, если физической мощности не хватает, на помощь могут прийти облачные платформы (AWS, Google Cloud и Microsoft Azure), которые за последнее время получили большое распространение. Они предлагают услуги GPU и специализированные инструменты для машинного обучения, доступные по модели pay-as-you-go. Это значит, что пользователи могут получить доступ к высокопроизводительным вычислительным ресурсам по мере необходимости без значительных начальных вложений.

3) А что там с ПО? TensorFlow, PyTorch и другие подобные фреймворки предлагают гибкие и мощные инструменты для создания, тестирования и развертывания моделей машинного обучения.

Эти фреймворки поддерживаются обширными и активными сообществами разработчиков, предлагающими документацию, обучающие руководства и открытый код, что делает их особенно полезными для новичков.

Они предоставляют абстракции высокого уровня для сложных процессов, таких как автоматическое дифференцирование и распределенные вычисления, позволяя разработчикам сосредоточиться на проектировании модели, а не на низкоуровневой реализации.

Как мы и упоминали ранее, в последнее время к нам всё чаще обращаются представители различных сфер бизнеса с просьбой создать решение на основе алгоритмов машинного обучения, и практически все из них связаны с автоматизацией тех или иных процессов.

Наш случай – лишь небольшое отражение современных реалий. По данным исследования Академии Technored, которое они провели в июле 2023 года, 52,6% опрошенных представителей промышленности сообщили, что на данный момент активно инвестируют в автоматизацию производства и внедрение робототехники. Главной же мотивацией они назвали снижение издержек и повышение производительности. Однако наравне с ними стоит и другая проблема – дефицит кадров.

Наиболее примечательным в данном исследовании для нас видится следующие цифры:

Невооружённым взглядом виден огромный потенциал для внедрения автоматизированных систем, и это только говоря про производственный сектор. Ещё одним подтверждением могут являться данные ФТС РФ и ФСГС РФ, из которых видна явная тенденция к росту объёма и темпа прироста рынка автоматизированных систем управления технологическими процессами в России. Если в 2015 году он составлял 91 529,1 млн рублей, то в 2022 году эта цифра достигла рекордных 6 734 442,2 млн.

Согласно отчету по тенденциям автоматизации за 2023 год от Smartbridge, компании всё чаще рассматривают автоматизацию как ключевую стратегию для достижения новых бизнес-целей и повышения конкурентоспособности на рынке.

Кроме того, данные по европейскому рынку процессной автоматизации показывают стабильный рост и интеграцию автоматизационных технологий в различные отрасли.

Несмотря на то, что эти данные отчёты отражают общемировые тренды, данные тенденции характерны и для России, что подтверждают цифры, озвученные ранее.

Почему же для оптимизации бизнес-процессов машинное обучение становится так привлекательно? Ответ уже был ранее дан: для экономии времени и ресурсов, что, в свою очередь, позволяет ощутимо сократить издержки для предпринимателей из разных областей.

В качестве примеров можно привести следующие:

Улучшение процессов принятия решений. ML улучшает принятие решений за счет анализа больших объемов данных для выявления тенденций, прогнозирования и предоставления практических рекомендаций. Такая способность активно начинает применяться не только в производственном ключе, но и в инвестиционной деятельности. Например, для прогнозирования успешности стартапов.

С ростом спроса на услуги в области машинного обучения увеличивается и потребность в тех, кто будет творить «магию». Но перед тем, как они начнут воплощать смелые идеи заказчиков в жизнь, они должны пройти необходимую подготовку.

В России существует множество университетов, предлагающих специализированные программы по машинному обучению, как очные, так и онлайн. К примеру, Новосибирский государственный технический университет, Томский политехнический университет, Сибирский федеральный университет и Московский энергетический институт предлагают курсы и специализации в данной области. Эти учебные заведения хорошо известны своими исследованиями и образовательными программами в сфере машинного обучения.

Мы также ранее упоминали и об онлайн-платформах, таких как Coursera и EdX, где представлен широкий спектр курсов по ML от ведущих университетов и институтов. Например, курсы от DeepLearning.AI на Coursera предлагают обучение по нейронным сетям и глубокому обучению, которые являются ключевыми компонентами современного машинного обучения. Также на Coursera доступны программы по машинному обучению от Государственного университета высшей школы экономики, которые охватывают широкий спектр тем от глубокого обучения до обработки естественного языка и компьютерного зрения.

Эти программы доступны как для начинающих, так и для продвинутых пользователей, позволяя углубиться в различные аспекты машинного обучения и приобрести навыки, необходимые для работы в этой быстроразвивающейся отрасли.

Ещё один фактор, прямо «кричащий» об огромной популярности машинного обучения в России, — количество вакансий, связанных с данной областью.

По данным рекрутингового сервиса hh.ru, в октябре 2023 года число вакансий по поиску специалистов в области искусственного интеллекта выросло на 80% по отношению к 2022 году, до 2,67 тыс., машинного обучения — на 21%, до 392.

Чаще всего таких специалистов ищут:

Наиболее актуальными профессиями стали ML-инженеры, архитекторы цифровых проектов и специалисты по разметке данных.

Рост интереса к машинному обучению набирает обороты от года к году. Причём, что немаловажно, он проявляется как со стороны заказчиков, так и со стороны людей, которые хотят получить данные навыки.

Однако важно понимать тот факт, что ML при всей его привлекательности является лишь одним из инструментов, помогающих бизнесу решить ряд вопросов с организацией и совершенствованием процессов, будь то предиктивная аналитика, автоматический сбор и анализ данных или обработка входящей информации.

Машинное обучение не только изменяет способы ведения бизнеса, но и требует значительных инвестиций в образование и инфраструктуру для полного раскрытия своего потенциала.

В следующих материалах от команды ИСС Арт мы постараемся более детально рассмотреть эти и другие вопросы, связанные не только с машинным обучением, но и разработкой индивидуального программного обеспечения. До скорой встречи!