Zpět na blog
·Jan Tyl·2 min čtení·Archiv 2021

HypeCycle pro AI 2021

HypeCycle pro AI 2021 Každý rok se těším na aktualizovaný HypeCycle od společnosti Gartner. Gartneři se dotazují velkého množství společností co používají, a co se chystají používat a dokáží z toho vysledovat určité trendy. Předpovědět bud

HypeCycle pro AI 2021

HypeCycle pro AI 2021

Každý rok se těším na aktualizovaný HypeCycle od společnosti Gartner. Gartneři se dotazují velkého množství společností co používají, a co se chystají používat a dokáží z toho vysledovat určité trendy. Předpovědět budoucnost je mimořádně nesnadné. Když jsem byl na jejich konferenci před pár lety, hrdě předpovídali, že dnes budou lidé více komunikovat s chatoboty než se skutečnými lidmi. To jim naštěstí nevyšlo. Chatboti jsou dnes ve světě v tzv. údolí deziluze a praxe už hodně ukázala slabá místa klasických stromových chatbotů.

Jaké trendy vidí Gartneři v AI dnes?

  1. Operacionalizace AI – dnes trvá průměrné organizaci 8 měsíců než se jí podaří nasadit hotový model na produkční prostředí. To je moc pomalé a tak většina společností přemýšlí jak tento čas díky lepší architektuře zkrátit. Jedním z řešení je ModelOps – které tento čas zkracuje + může obsahovat i systém pro správu a řízení celého životního cyklu AI.

  2. Efektivní využití dat, modelů a výpočtů. Do této skupiny spadají moje oblíbení kompozitní (hybridní) modely. Čili kombinace silných modelů typicky hlubokých neuronových sítí s něčím, co je dobře vysvětlitelné jako je expertní systém. Také sem spadá generativní AI, které vylepšuje datasety vygenerovanými syntetickými daty.

  3. Odpovědná AI – AI stále častěji pomáhá lidem s rozhodováním a spolu s tím roste i důraz na to zmenšit předpojatost. Často se mluví o diskriminaci kvůli rase, pohlaví, věku, čtvrti kde bydlíte a tak podobně. V EU a USA je stále silnější důraz na spravedlivost, transparentnost, bezpečnost, soukromí.

  4. Data – stále více pozorností se obracejí na nové analytické techniky známé jako „malá data“ a „široká data“. Jedná se o to jak efektivněji využívat data co máme k dispozici. Například jak predikovat průběh epidemie, když máme jen krátkou řadu (small data)? Jak vytěžit více informací z různých nestrukturovaných a různorodých dat (wide data)?

Zdroje:

  • https://www.gartner.com/en/articles/the-4-trends-that-prevail-on-the-gartner-hype-cycle-for-ai-2021
  • https://signum.ai/blog/small-and-wide-data-is-important-and--relevant-is-the-era-of-big-data-coming-to-an-end/
  • https://en.wikipedia.org/wiki/ModelOps

Původně publikováno na Facebooku — odkaz na post

Původní zdroj: facebook

Související články