Machine Learning

Обзор за 2020 г.: машинное обучение в прогнозах и цифрах

Автор: Луи Колумбус, ведущий автор

Смотреть оригинал

75% пользователей Netflix выбирают фильмы, рекомендованные алгоритмами машинного обучения.

В 2017 г. мировой рынок решений машинного обучения оценивался в 1,58 млрд. долларов. Ожидается, что к 2024 г. эта цифра увеличится до 20,83 млрд. долларов, то есть среднегодовой темп роста в период с 2017 по 2024 гг. составит 44,06 %.

По другим прогнозам, с 2018 по 2024 год мировой рынок машинного обучения будет расти с ежегодной скоростью примерно 42,8%, то есть через четыре года объем рынка составит 30,6 млрд. долларов.

По оценкам Tractica, годовой доход от программного обеспечения на базе искусственного интеллекта вырастет с 10,1 млрд. долларов в 2018 году до 126,0 млрд. долларов к 2025 году, показав прирост на уровне 43,41% в год.

Повсеместное распространение машинного обучения в бизнесе и промышленности лишний раз подтверждает эффективность его алгоритмов, структур и методов для оперативного решениях сложных задач. Удобный способ количественной оценки востребованности решений на базе машинного обучения в современном бизнесе – это подсчет вакансий, для которых требуется опыт работы с TensorFlow. На сегодняшний день на LinkedIn можно насчитать 4 134 такие вакансии в США и 12 172 – по всему миру. Опубликованные на LinkedIn вакансии в США, для которых требуется опыт работы и знания в области машинного обучения – еще одно доказательство доминирующего положения этих технологий во всех сферах бизнеса. На сегодняшний день на LinkedIn опубликовано 44 864 предложения о работе в США, для которых машинное обучение является обязательным навыком, а количество вакансий по всему миру достигает 98 371.

 

В прошлом году клиенты Gartner, преимущественно из банковского и финансового сектора, а также гос.учреждения, компании сферы услуг и предприятия инициировали более 18 000 исследований в области машинного обучения. Одним из наиболее показательных в этом отношении стал стал отчет за прошлый год, опубликованный Институтом искусственного интеллекта Стэнфордского университета «Индекс искусственного интеллекта за 2019 год» (файл PDF,291 стр., доступен без регистрации).

 

Вот какие выводы можно сделать из серии оценок и прогнозов о развитии рынка машинного обучения за последний год:

 

По прогнозам, мировой рынок решений машинного обучения вырастет с 7,3 млрд. долларов в 2020 г. до 30,6 млрд. долларов в 2024 г. (Среднегодовые темпы роста – 43%). По имеющимся оценкам, значительная доля этого роста придется на процессоры, встроенную память и сетевые системы на основе искусственного интеллекта. Источник: Market Research Future, «Отчет о прогнозах развития рынка решений машинного обучения – глобальные прогнозы на период до 2024 г.».

 

Сегодня каждое десятое предприятие использует не менее десяти приложений на базе ИИ; к «лидерам хит-парада» относятся чат-боты, оптимизация процессов и анализ на предмет мошенничества. Основные сферы применения решений на базе ИИ охватывают сегментацию потребителей / рынка (15%), компьютерную диагностику (14%), виртуальных ассистентов колл-центров (12%), анализ настроений / выяснение мнений (12%), обнаружение / распознавание лиц (11%) и приложения для управления персоналом (например, анализ резюме) (10%). Источник: MMC Ventures, «Разнообразные направления применения ИИ», 2019 г. (файл PDF, 151 стр., доступен без регистрации).

В первом календарном квартале 2019 г. в приложения для машинного обучения было инвестировано 28,5 млрд. долларов, – больше чем в иные направления ИИ. В общей сложности инвестиции во все направления развития ИИ превысили 82 млрд. долларов (см. диаграмму ниже); при этом на платформы и приложения для машинного обучения приходится в совокупности более половины всех инвестиций (42,9 млрд. долларов). Источник: Statista, «Инвестиции в машинное обучение обогнали другие направления развития ИИ», 10 мая, 2019 г.

По утверждению 83% лидеров ИТ-индустрии, искусственный интеллект и машинное обучение способны произвести трансформацию в сфере привлечения клиентов, а 69% заявляют, что и трансформацию их бизнеса. 79% полагают, что искусственный интеллект поможет их организации в выявлении внешних и внутренних угроз безопасности. На следующем графике представлены основные результаты недавнего исследования Salesforce Research. Источник: «Тенденции развития технологий для предприятий» (Salesforce Research) (файл доступен после регистрации).

Снижение затрат компании (38%), формирование аналитических данных о клиентах (37%) и повышение качества обслуживания клиентов – три наиболее популярных направления использования машинного обучения. По данным недавнего исследования, проведенного компанией Algorithmia, пять самых популярных направлений использования машинного обучения в компаниях с численностью сотрудников не менее 10 000 человек это снижение затрат компании, автоматизация внутрикорпоративных процессов, повышение качества обслуживания клиентов, формирование аналитических данных о клиентах, а также выявление случаев мошенничества. Источник: Algorithmia, «Машинное обучение для предприятий: состояние дел на 2020 г.», ноябрь 2019 г. (файл PDF, 29 стр., доступен без регистрации).

Теперь ценовая оптимизация из расчета на клиента достигается с использованием машинного обучения, на основании учета предпочтений того или иного бренда или канала сбыта, истории покупок и ценовой чувствительности. Владельцы брендов, розничные компании и производители утверждают, что приложения для оптимизации цен и управления на основе облачных технологий отличаются простотой в использовании и исключительной мощностью, ведь до этого в таких решениях никогда не применялись достижения в области ИИ и алгоритмов машинного обучения. Динамичность создания инноваций в этой области подпитывает, с одной стороны, простота и мощность приложений, а с другой стороны, необходимость оптимизировать управление и ценообразование дл сбыта по всем каналам продаж. Следующий пример мы заимствовали из Готового интерактивного решения для анализа ценообразования (PCS) на базе Microsoft Azure. Источник: Azure Cortana Interactive Pricing Analytics Pre-Configured Solution.

Согласно данным CB Insights, по состоянию на 2 квартал 2019 г. стартапы по созданию решений на базе ИИ привлекли финансирование в размере 7,4 млрд. долларов – рекордная сумма из расчета за квартал. Заключено 488 сделок по созданию таких решений – еще один рекорд за тот же квартал. Несмотря на это, впервые в США финансирование получили менее половины всех стартапов, работающих в этом направлении. Источник: Statistica, «Финансирование ИИ-стартапов бьет рекорды», 31 июля 2019 г.

Корпорация IBM была крупнейшим в мире владельцем семейства патентов на решения с использованием активного машинного обучения и искусственного интеллекта – 5570 патентных семейств на июль 2019 года. В 2018 году компанию потеснила с этого Олимпа Microsoft, которая теперь занимает второе место как обладатель 5330 активных патентных семейств. Корпорация Samsung занимает третье место – в ее арсенале чуть более пяти тысяч патентных семейств. Источник: Statistica «Мировые лидеры по количеству патентов на решения машинного обучения и искусственного интеллекта, 2010 – 2019 г».

По прогнозам IDC, в 2023 году расходы на системы искусственного интеллекта достигнут 97,9 млрд. долларов, то есть более чем в 2,5 раза превысят показатель 2019 года (37,5 млрд. долларов). Совокупные годовые темпы роста за прогнозный горизонт с 2018 по 2023 гг. составляют 28,4%. Первое место по инвестициям в системы искусственного интеллекта делят между собой розничный и банковский сектор: в 2019 году они вложат в ИИ более 5 млрд. долларов. Почти половину этой суммы розничный сектор потратит на создание автоматизированных агентов по обслуживанию клиентов, консультантов и систем рекомендации товаров. Источник: IDC «Затраты на создание систем искусственного интеллекта во всем мире достигнут 98 млрд. долларов».

По данным IDC, Microsoft и SAS – две самые динамично развивающиеся программные платформы на базе ИИ. Дальнейшее развитие этого рынка все так же будет обусловлено созданием многофункциональных и диалоговых программных платформ на базе ИИ, предназначенных для разработки прогностических и директивных приложений по выдаче советов и рекомендаций, а также цифровых ассистентов и диалоговых пользовательских интерфейсов. Источник: IDC Worldwide Artificial Intelligence Software Platforms Market Shares, 2018: Steady Growth — Moving Toward Production, (с разрешения корпорации IBM).

По прогнозам PwC, к 2022 году рынок полупроводников для решений с использованием ИИ превысит 30 млрд. долларов, при том что сейчас размер рынка составляет 6 млрд. долларов. Хотя со временем ИИ, очевидно, проникнет во все отрасли промышленности, степень внедрения будет зависеть от размера инвестиций в технологии, темпов развития отрасли и темпов реализации преимуществ новых решений. Источник: PwC, «Возможности мирового рынка полупроводников; рост доли рынка решений на базе ИИ» (файл PDF, 18 стр., доступен без регистрации).

Алгоритмы машинного обучения – это основа логистических технологий следующего поколения, причем максимум преимуществ принесут современные системы планирования ресурсов. Уже сегодня разрабатываются методы, основанные на искусственном интеллекте и машинном обучении, которые станут фундаментом для целого спектра технологий следующего поколения в области логистики и управления цепочкой поставок. Наиболее заметные успехи ожидаются там, где машинное обучение может поспособствовать решению сложных проблем, сопряженных с затратами и поставками, и имеющимися ограничениями, с которыми сегодня сталкиваются компании. По прогнозам компании McKinsey, благодаря технологиям машинного обучения операторы цепочек поставок смогут с недосягаемой сегодня эффективностью анализировать, как оптимизировать работу цепочки поставок: решения на базе машинного обучения смогут предвидеть отклонения в затратах на логистику и производительности еще до того, как они возникнут. Машинное обучение также углубляет представление о том, где автоматизация может принести максимальные выгоды от увеличения масштабов производства. Источник: McKinsey & Company, «Автоматизация логистики: широкие возможности в контексте неопределенности», апрель 2019 г. Авторы: Ashutosh Dekhne, Greg Hastings, John Murnane, and Florian Neuhaus

71% современных организаций сообщают, что сегодня их затраты на машинное обучение в области кибербезопасности выросли по сравнению с данными двухлетней давности. 26% и 28% американских и японских ИТ-специалистов считают, что это не предел. Кроме того, 84% респондентов считают, что киберпреступники также используют ИИ и машинное обучение для своих атак. Если рассматривать все эти цифры в совокупности, они подтверждают устоявшееся мнение, что информационная безопасность на базе искусственного интеллекта и машинного обучения уже перешли из приятного дополнения в критически важные компоненты системы безопасности.  Источник: Webroot «Пробелы в знаниях: искусственный интеллект и машинное обучение с точки зрения развития информационной безопасности – взгляд ИТ-специалистов из США и Японии» (файл PDF, 9 стр., доступен без регистрации)

В 2020 году кредитные союзы начинают внедрять решения на базе машинного обучения для автоматизации рутинных задач, чтобы высвободить страховщиков. Это, в свою очередь, позволит им перейти на более индивидуальный подход при взаимодействии с клиентами, в том числе, усовершенствовать процесс разрешения запросов, конфликтов и выявления случаев мошенничества. Работа кредитных союзов строится на бизнес-модели, подразумевающей уплату ежегодных взносов; соответственно, чем дольше длится членство в организации, тем выше становится получаемая прибыль. Кредитные союзы будут использовать решения на базе машинного обучения, увеличивая количество одобренных кредитов без повышения уровня риска и автоматизируя сам процесс одобрения кредитов. Согласно проведенному Fannie Mae опросу банков ипотечного кредитования, к концу 2020 года 71% кредитных союзов планируют исследовать, тестировать или полностью внедрить решения на базе ИИ или машинного обучения. Для сравнения, в 2018 году аналогичная цифра составляла всего 40%. Кредитные союзы также начнут использовать решения на базе ИИ и машинного обучения, чтобы усовершенствовать ответы на запросы, разрешение конфликтов и выявление случаев мошенничества и при этом повысить качество обслуживания клиентов, использующих разные каналы взаимодействия. В 2020 году ответы на вопросы клиентов в режиме реального времени, позволяющие сократить время обработки запросов и разрешения споров с использованием решений на базе ИИ и машинного обучения, станут привычным делом. По прогнозам, искусственный интеллект и машинное обучение смогут в значительной мере автоматизировать выявление отклонений и оценку рисков невозврата кредита заемщиками (см. на графике ниже в «обзоре настроений» банков ипотечного кредитования, подготовленном Fannie Mae® «How will Artificial Intelligence Shape Mortgage Lending?» (тематический анализ за 3 квартал 2018 года).

Искусственный интеллект и машинное обучение также будут использоваться для предотвращения проникновения оборудования злоумышленников в цепочку поставок компаний. Возрастающий спрос на электронные компоненты сопровождается ростом рынка поддельных компонентов и клонированных продуктов, увеличивая угрозу попадания неблагонадёжного оборудования в цепочки поставок тех или иных компаний. Атаки на цепочки поставок оборудования становятся все масштабнее, по мере того как на рынке расширяется спрос на дешевые чипы, способствуя процветанию производителей поддельного и клонированного оборудования. По-видимому, подобный рост откроет широкие возможности для создания угроз в адрес систем безопасности, как со стороны государства, так и со стороны киберпреступников. Источник: «Угрозы информационной безопасности: обзор тенденций 2020 года» (Booz, Allen, Hamilton), 2019 года.

Leave A Comment

Your email address will not be published. Required fields are marked *