Искусственный интеллект

Сейчас сложно найти сферу, в которой бы не использовались средства искусственного интеллекта. Причем как там, где раньше человек справлялся вручную, так и в принципиально новых областях. Ведь лучше, когда ИИ привносит что-то новое, ранее недоступное, а не заменяет человека, автоматизируя рутинные операции. В таких сценариях обрабатываются большие объемы данных, значительно сокращается время ответа или возникают другие факторы, с которыми человеку самостоятельно справиться не под силу.

Можно отметить такую тенденцию: если раньше с ИИ экспериментировали преимущественно банки, то сейчас технология активно проникает в реальный сектор экономики.

Современные кейсы чаще всего касаются производственных задач. Причем если еще несколько лет назад эти проекты были скорее предметом научной статьи, то сейчас они играют важную роль в корпоративных процессах. Наглядный пример – прогнозирование отказов типового оборудования. В этом случае недостаточно просто спрогнозировать отказ узла или детали. Нужно классифицировать такие отказы и способы их ремонта, научиться предсказывать те из них, которые следует превентивно устранять. Причем важно уметь прогнозировать отказы с запасом времени, чтобы успеть среагировать.

Другой тенденцией можно назвать рост интереса к задачам по оптимизации. Мы видим, что именно оптимизационные кейсы привлекают особое внимание наших заказчиков.

Говоря о технологиях с использованием ИИ, следует понимать, что успешность внедрения ИИ зависит от многих факторов, среди которых необходимое серверное оборудование, программный инструментарий, компетентность сотрудников. А во главе угла – наличие хорошо собранных, классифицированных и непротиворечивых данных. На всех направлениях мы видим колоссальное развитие как со стороны пользователей, так и со стороны вендоров. 

Если говорить о фокусах развития, то, в первую очередь, это обеспечение объяснимости и этичности ИИ, а также сокращение когнитивных искажений. 

Исходя из общения с заказчиками, бизнес-партнерами и академическим сообществом, Россия не отстает от мировых тенденций, а в некоторых областях даже является одним из лидеров во внедрении ИИ. Учитывая структуру экономики, ИИ внедряется в первую очередь в геологоразведке, финансовых организациях и нефтегазовой отрасли. Но мы знаем о вполне успешных пилотных проектах и внедрениях в медицине и образовании. 

Как уже было сказано, сейчас тяжело найти отрасль, которая бы не внедрила ИИ или не рассматривает такую возможность. Например, финансовая отрасль одной из первых начала использовать ИИ, чтобы минимизировать риски утечки информации и взлома путем автоматического выявления аномалий в доступе и использовании корпоративных информационных систем.

Говоря о подготовке инфраструктуры для ИИ, мы подразумеваем основные этапы внедрения ИИ:

• определение задачи и постановка целей;
• сбор, организация и хранение данных;
• обучение машинных моделей;
• пилотирование проекта и анализ результатов;
• масштабирование и ввод в эксплуатацию.

Для каждого этапа нужна соответствующая ИТ-инфраструктура. Для сбора и хранения данных – производительные и емкие системы хранения данных (СХД), для организации, обработки и обучения моделей – специфичное оборудование с использованием GPU, TPU или CPU. Для промышленного внедрения нужны производительные и отказоустойчивые сервера с быстрыми интерфейсами, такие как IBM POWER Systems.