Когда я присоединился к IBM Watson чуть более трех лет назад, я наткнулся на эту презентацию, демонстрирующую ландшафт машинного интеллекта от Шивона Зилиса с Bloomberg Beta. Это, безусловно, помогло пополнить мой словарный запас и познакомило меня с несколькими компаниями и областями, которые в то время не были в моем поле зрения. И просто здорово посмотреть и подумать:

Еще две заслуживающие внимания компании - это AlchemyAPI компании Predictive Analytics, которая была приобретена Watson в 2015 году. Их услуги по-прежнему доступны на Bluemix. И Softbank под управлением Robotics - это до смешного крупный конгломерат телекоммуникаций и межсетевого взаимодействия в Японии. Watson сотрудничал с ними для реализации с использованием Nao и Pepper, которые были созданы Альдебараном в Париже. Знаешь. Эти ребята:

Оглядываясь назад, довольно забавно думать, что IBM Watson и другие компании жили в ведре ИИ. Это было вполне уместно. Имело смысл. Тем не менее, всего за два года, похоже, наш лексикон того, как мы описываем ИИ, и степень детализации того, как мы думаем об ИИ, определенно улучшились.

Перенесемся на один год вперед. Машинный интеллект 2.0. Черт возьми, многое изменилось!

Сначала мы видим слово Agents. Мы больше не «переосмысливаем» вещи. У нас есть стабильность. Мы даже забираем вещи по воздуху, по земле и по морю! Вокруг Ист-Бэй гудят дроны, народ! Корпоративные и отраслевые вертикали по-прежнему составляют большую часть рынка недвижимости, но технические инструменты пользователей начинают работать там, и платформы теперь думают о функциях и средах - обогащении данных, машинном обучении, аудио, видеонаблюдении и т. Д. технологии теперь передаются в руки разработчиков и компаний для создания новых продуктов.

На этот раз Watson и Alchemy находятся в одной коробке под техническими инструментами пользователя. Полностью согласен. Акцент сместился с разовых сделок корпоративного уровня на инструменты для разработчиков.

Что подводит нас к следующему:

Теперь предприятие разбито на интеллект и функции. Здравоохранение тоже распалось. Агенты по-прежнему личные или профессиональные. Есть также средства поддержки агентов. Отрасли сведены к нескольким ведрам. И главное изменение в этом году - технологические стеки занимают больше всего недвижимого имущества.

Watson сейчас зависает во внутренних данных. Что уместно. У нас по-прежнему есть одноразовые гигантские предложения, основанные на ценности информационной безопасности и работы с внутренними данными. Конфиденциальность данных и локальные решения, созданные специально для больших групп, определенно являются частью ценности Watson. Но на самом деле это только часть истории. Также существуют API-интерфейсы, на основе которых создаются эти крупномасштабные решения, которые называются Watson Developer Cloud. Большинство наших API-интерфейсов нацелены на упрощение работы с НЛП, речью или изображениями. У нас даже есть служба разговоров, которая помогает создавать ботов, которые затем могут интегрироваться с другими платформами. Не стесняйтесь проверить нас на Github.

Так что же нас ждет в 2017 году? Несомненно, технологии и технические возможности будут развиваться. Некоторые из них будут эволюционными достижениями, некоторые революционные прорывы. На мой взгляд, мы можем рассчитывать на:

  • Боты и чат-боты в качестве нового диалогового интерфейса будут продолжать развиваться, будут получать информацию и строиться на основе технологического стека машинного интеллекта. Голосовой и звуковой машинный интеллект будет средством участия в диалоговом уровне.
  • Мы даже не начали понимать, как IoT и VR / AR могут в полной мере использовать машинный интеллект.

Хотя я не думаю, что на реальном рынке мы наблюдаем такое широкое распространение, как могло бы быть. Несомненно, компании все еще пытаются понять, как работать с большинством этих инструментов. В большинстве C-Suite все еще существуют предполагаемые затраты и риски, связанные с машинным интеллектом. В настоящее время ИИ в продуктах - это в первую очередь низкий барьер для таких функций, как транзакционные задачи («каков баланс моего банковского счета?» «Какая погода в Нью-Йорке?») , рекомендации («вам могут понравиться эти книги») и автоматизация небольших задач («напомнить мне через 30 минут, чтобы выключить духовку »,« поставить будильник »,« выключить свет »).

Лишь несколько компаний и предложений машинного интеллекта инвестируют в действительно вывести ИИ на новый уровень. Тем не менее компании, использующие технологические стеки, будут впереди всех, потому что они смогут извлечь больше пользы из своих данных. Если за последние три года в Watson я узнал что-то новое, так это то, что компании, у которых есть надежные данные или тратят время на их очистку, а затем используют технологии глубокого обучения или машинного обучения, имеют преимущество перед своими коллегами. Те, кто сосредоточен на отличных базовых технологиях и добавляет отличные данные, также получат еще большее долгосрочное преимущество. Вот почему в следующем году будет интересно наблюдать за этими категориями сбора данных и библиотек с открытым исходным кодом. Потому что больше данных означает больше возможностей для машинного интеллекта.