Smernice za umetno inteligenco
Algoritmi umetne inteligence in strojnega učenja so v zadnjih letih doživljali neverjetno hiter razvoj, zdaj pa mnenju strokovnjakov prihaja obdobje, ko je treba rezultate tega napredka pretvorit v otipljive koristi, tako za podjetja, kot končne uporabnike storitev.
Hitrost razvoja je bil tako hiter, da je resnično razumevanje delovanja in rezultatov tovrstnih algoritmov zgolj v domeni peščice posameznikov. To pa so dobri pogoji za manipulacije rezultatov, ki jih ni preprosto ugotoviti. Odmevni primeri so povzročili precej nezaupanja v algoritme umetne inteligence, zlasti zato, ker se je pogosto pri kasnejši analizi ugotovilo, da so v njih prisotne pristranskosti.
Zato se pojavljajo nekatere nove rešitve, ki vsaj delno zagotavljajo večjo transparentnost. Explainable AI (XAI) je nova iniciativa, pri kateri je mogoče rezultate delovanja algoritmov umetne inteligence lažje razumeti širšemu občinstvu, ne zgolj posvečenim strokovnjakom. Strokovnjaki menijo, da bo v nekaj letih XAI predpogoj za javno rabo algoritmov, predvsem tam, kjer je opravka z osebnimi in drugimi občutljivimi tipi podatkov. Pričakujemo lahko, da se bo na tem področju dogajalo kar precej prevzemov startupov z rešitvami za večjo transparentnost algoritmov storjenega učenja.
Raziskave kažejo, da ima danes okoli 30% podjetij v svojih načrtih vpeljavo algoritmov s področja umetne inteligence. A hkrati kar 91% podjetij pričakuje, da bodo pri implementaciji naleteli na resne ovire. Veliko podjetij ne ve niti, kje začeti, zato je nujno, da se rešitve s tega področja prilagodijo ciljnim skupinam kupcev.
Največ naporov se vlaga v področje preprostejšega učenja algoritmov, kar je za njihovo delovanje sila pomembno, a hkrati tudi najtežje zagotoviti. V naslednjih letih bodo uspevali predvsem tehnologije AutoML, kjer se algoritmi samodejno učijo ali pa vsaj bistveno poenostavijo “trening” fazo uporabe rešitev na temelju umetne inteligence.
Če smo algoritme s strojnim učenjem doslej povezovali zlasti s storitvami v oblaku in obsežnimi zmogljivostmi v podatkovnih centrih, pa bomo v letu 2022 videli zelo hitro selitev algoritmov umetne inteligence na naprava na računalniškem robu, kot so različne naprave IoT. Zlasti tam, kje mora biti reakcija na rezultate algoritmov takojšnja, brez pribitka potovanja podatkov do podatkovnih centrov.
Za področje umetne inteligence velja velika bojazen, da bodo tehnologijo lahko najbolje uporabili le največja podjetja z velikanskimi tehnološkimi in finančnimi sredstvi. Toda strokovnjaki mirijo, da za dobre algoritme ni vselej treba imeti na voljo velikanskih količin podatkov in izjemne procesne moči. Dokaz so številni manjši startupi, ki dosegajo izjemne uspehe v algoritmih, predvsem z uporabo edinstvenih in skrbno izbranih podatkovnih naborov, ki ne zahtevajo velike količine učnih podatkov. Tudi sicer bo velik poudarek na kvalitete, ne pa na kvantiteti podatkov.