Black Friday
Смотреть

Прогноз касаемо генеративного ИИ на ближайшие годы

Очевидно, что в ближайшие годы генеративные технологии ИИ будут развиваться. Аналитик Gartner — Арун Чандрасекаран делает прогнозы на ближайшие 4 года
Прогноз касаемо генеративного ИИ на ближайшие годыПрогноз касаемо генеративного ИИ на ближайшие годы

Технологии, на которых основан генеративный ИИ, быстро развиваются за счет достойных инвестиций и качественных исследований. Gartner (исследовательская и консалтинговая компания) в лице вице-президента и аналитика Аруна Чандрасекарана прогнозирует информацию, полезную для IT-руководителей и сотрудников, которая помогает им быть в теме и успевать за стремительным совершенствованием искусственного интеллекта. 

В ближайшие 4 года генеративные технологии ИИ будут развиваться 

GenAI быстрыми шагами идет вперед, несмотря на замедление венчурных инвестиций. Gartner сделал примерно 5 прогнозов по поводу развития ИИ, рассматривая разные уровни технологий ИИ (инфраструктуру, модели, инженерные инструменты и приложения). Ниже будут приведены основные 3 из них.

1. Разделение на функции и отрасли

К 2027 году более 50% моделей GenAI будут разделены для использования в определенной отрасли либо для бизнес-функций. В 2023 году этот показатель был равен 1%

Спрос на генеративный ИИ растет. Модели общего назначения способны работать в огромном спектре услуг и разных сферах, однако возникает потребность на сервисы, относящиеся к определенной области. Такие модели, скорее всего, станут меньше, не будут требовать глобальных вычислительных затрат; также будут снижены риски недоработок и сбоев, какие есть в моделях общего пользования. Лучше всего: найти готовые модели для одной сферы и обучить их под требования вашего предприятия. И только тогда, если это вообще актуально для вас, можно создавать свою. 

2. Создание синтетических данных

75% предприятий к 2026 году перейдут к использованию ИИ в создании искусственных данных о клиентах в сравнении с 2023 годом, когда показатель был равен 5%

Создание искусственных данных необходимо, когда в системах невозможно использование реальных. Даже в специальных отраслях, которые поддаются особому контролю, можно выявить возможности и пути разработки нового товара — введение искусственных данных и позволяет запустить эти процессы. Также это помогает быстро создавать аналоги программного обеспечения, цифровых решений. 

Gartner рекомендует сосредоточить использование подобных данных в сферах, связанных с бизнесом, развитием клиентского сегмента, путешествий, машинного обучения. 

3. Минимизация ресурсов для обучения

К 2028 году 30% внедрений GenAI будут оптимизированы с использованием энергосберегающих вычислительных методов, что обусловлено инициативами устойчивого развития

GenAI слишком быстро стал внедряться во все процессы, и многие начали паниковать из-за негативного воздействия на окружающую среду. Поэтому стало важно минимизировать ресурсы для обучения ИИ и адаптировать под него возобновляемые источники энергии и инфраструктуру для разных сервисов.

Контролируйте затраты на энергооптимизированные вычислительные ресурсы, диверсифицируя поставщиков, внедряя архитектуру и периферийные операции для GenAI в каждой юрисдикции деятельности, а также используя высококачественную возобновляемую энергию во время обучения, чтобы смягчить ее влияние на ваши цели устойчивого развития.

Еще нет аккаунта в Gerwin AI?

Пора исправлять ситуацию

Арун Чандрасекаран консультировал тысячи IT-директоров, руководителей и провел не одну сотню семинаров, он является выдающимся исследователем и доверенным советником и талантливым аналитиком.

GenAI встраивается в широкий спектр бизнес-приложений, и поскольку базовые модели становятся мультимодальными, это может обеспечить более богатые и интеллектуальные рабочие процессы автоматизации. Это также позволит моделям GenAI стать более автономными и лучше отражать среду, в которой они обучаются

Арун Чандрасекаран
Вице-президент и аналитик Gartner

Прогнозы, которые дает аналитик Gartner, помогут всем айти-гуру и руководителям быть на волне прогресса. Они касаются моделей ИИ, которые используются в определенной области, а также синтетических данных и невосприимчивости GenAI к факторам регресса.