Globalny rynek sztucznej inteligencji będzie wykazywał roczny wzrost do 2024 rokuo 17,5 % i przekroczyć 500 mld USD przychodów,
Lekarz diagnosta
Zastąp ludzi robotami w służbie zdrowiatrudne, ale diagnosta nadal może przenieść część swoich zadań na maszynę. Stawiając diagnozę, lekarz opiera się na swoim doświadczeniu i wiedzy, ale zawsze istnieje ryzyko, że coś umknie mu z uwagi po prostu z powodu czynnika ludzkiego. Sztucznej inteligencji łatwiej jest manipulować dużymi ilościami danych i pracować ze szczegółami, co zmniejsza procent błędów w analizie.
Na przykład startup Zeba może udzielić pomocy.Medical Vision: usługa dla radiologów i wykorzystuje sztuczną inteligencję do badania obrazów rentgenowskich, opisywania i analizowania nieprawidłowości. Serwis posiada własną bazę danych zawierającą kilka milionów obrazów, dużą szybkość przetwarzania i dokładność. Przede wszystkim pozwala odciążyć lekarza i przyspieszyć proces analizy obrazu.
Im większa baza danych i przykładynauczone przez maszynę, tym mniejsze jest ryzyko przeoczenia sprawy. I chociaż sztuczna inteligencja może nie być całkowicie dokładna, jest mniej prawdopodobne, że się myli niż ludzie. W takim przypadku ostateczna decyzja nadal będzie należeć do żyjącego lekarza.
Maszynista kolejowy
Mało prawdopodobne jest, aby pociągi dalekobieżne bez maszynistypojawi się w najbliższej przyszłości, ale sztuczna inteligencja już zaczyna być wdrażana w metrze. W przeciwieństwie do żywej osoby, która prowadzi transport kolejowy, komputer jest odporny na błędy związane z nieostrożnością i zmęczeniem. Zwiększa to bezpieczeństwo pasażerów i towarów. AI już steruje pociągiem w dubajskim metrze, a pasażerowie mogą przebywać w „kabinie maszynisty”, podziwiając widok na miasto. W New Delhi zrealizowali pomysł na jeden z oddziałów, metro w Kopenhadze od dawna działa dzięki zautomatyzowanemu systemowi sterowania, aw Pradze zamierzają uruchamiać pociągi bez maszynisty w 2027 roku.
Inteligentne systemy są również rozwijane w Rosjizarządzanie pociągami: w szczególności rosyjskie koleje testują 10 lokomotyw ze sztuczną inteligencją, które mają na celu zmniejszenie liczby wypadków kolejowych związanych z czynnikiem ludzkim. Technologia oparta jest na sieciach neuronowych i wizji komputerowej. W moskiewskim metrze spodziewano się pociągów bez maszynistów w 2017 r. (Jaskółki były opracowywane dla MCC), ale wymagało to zmiany przepisów. W 2020 roku zaczęli mówić o testowaniu elementów automatycznego zarządzania pociągiem na linii Niekrasowskaja, ale wyniki są wciąż nieznane.
Analityk bankowy
Kluczowe wymagania wobec takiego specjalisty to:głęboka wiedza z zakresu ekonomii i finansów, kompetencje w podejmowaniu różnego rodzaju decyzji: od udziału w bankowych projektach inwestycyjnych po wybór produktów kredytowych dla osób fizycznych. Praca odbywa się głównie według szablonu, więc można ją powierzyć komputerowi.
Większość dużych rosyjskich banków juższereg zadań jest zrobotyzowanych - w Gazprombank AI zajmuje się wydawaniem kart i kredytami detalicznymi, w Rosbanku przetwarza dokumenty do dokumentacji klienta, aw Home Credit Bank przygotowuje osobiste propozycje produktów. Ale najbardziej aktywne wykorzystanie sztucznej inteligencji przez Sber: wszystkie decyzje kredytowe w handlu detalicznym są podejmowane przez komputer, 95% z nich jest generowanych automatycznie, bez obecności specjalisty na żywo.
Sprzedawca
Praca sprzedawcy jest dość rutynowa:udziela klientom informacji o produktach i usługach firmy, pomaga w wyborze i odpowiada na pojawiające się pytania dotyczące jakości, właściwości produktu, a nawet bardziej subiektywne: „Czy to jest dla mnie odpowiednie, czy nie?” Podobne działania wykonują algorytmy AI, które uwzględniają indywidualne potrzeby i oferują wymianę brakujących towarów.
Pomysł został zrealizowany przez wiele sklepów odzieżowych imarki perfumeryjne i kosmetyczne. Na przykład w sieci Sephora Color IQ pomaga wybrać korektor i podkład, a Lip IQ pomaga wybrać szminkę. W 2015 roku Uniqlo miał stojaki UMood, pokazujące klientowi kilka produktów. Z nich musisz wybrać te, które lubisz, aby sztuczna inteligencja i neuroprzekaźniki zdecydowały, co polecić klientowi. Nawet bezpośredni kontakt z urządzeniem nie jest wymagany - kieruje się nastrojem osoby. Równie ciekawy jest pomysł wdrożony w domu towarowym Neiman Marcus: aplikacja Snap. Odnaleźć. Sklep. (ze startupu Slyce) na podstawie przesłanego przez klienta zdjęcia towaru wyszukuje w katalogu sklepu podobne lub takie same produkty.
Ale AI może wybrać nie tylko ubrania, buty czyszminka - w sklepie internetowym Instamart (obecnie „Sbermarket”), który dostarcza produkty z hipermarketów, konsultanci wymienili również algorytmy maszynowe. Oferują zamienniki brakujących produktów, analizują preferencje klientów dotyczące poprzednich paragonów i pomagają zbieraczowi zamówień przyspieszyć proces napełniania koszyka.
Kasjer w sklepie
Działania kasjera są takie same – uderza on towarz koszyka, anuluje nieodpowiednie pozycje, wystawia paragon, przyjmuje płatność. Algorytmy AI mogą z łatwością zrobić to samo. Po pierwsze, o tym, że maszyna może zastąpić żywego człowieka, pokazały kasy samoobsługowe, które pojawiły się w Rosji w 2012 roku, a za granicą nawet w latach 90-tych. Jednak dziś historia poszła znacznie dalej i sztuczna inteligencja całkowicie zastępuje kasjerów w sklepach bez sprzedawców.
Amazon jako pierwszy promował ten pomysł za pomocą swojego Amazon Go -inteligentne algorytmy widzą, co klient włożył do koszyka (i co wrócił na półkę), z czym ostatecznie opuścił sklep i odlicza kwotę czeku z konta Amazon lub powiązanej karty bankowej. Nie musisz nawet skanować przy kasie. To nie tylko oszczędności na liście płac (payroll), ale także wzrost ruchu w sklepie - 90% Amerykanów z długim oczekiwaniem na swoją kolej wyjdzie z koszyka i wyjdzie. W Rosji pomysł zrealizował Sbierbank z Azbuką Vkusa (choć na razie nie jest to pełnoprawny sklep, a tylko dział), a także X5-Group.
Trener
W pandemii branża fitness wreszcie się przekonałapopyt na technologie internetowe i zadbał o możliwość prowadzenia zajęć zdalnie: przy odpowiednim ustawieniu sprzętu trener może pracować zdalnie, kontrolując działania podopiecznych. Jednocześnie okazało się, że komputer jest w stanie zastąpić instruktora na żywo w wielu kwestiach: wyjaśnianiu techniki ćwiczeń, monitorowaniu ich wykonania i poprawności działań, wydawaniu zaleceń dotyczących tempa, przypominaniu o oddychaniu, liczeniu liczba podejść. Osiąga się to dzięki zastosowaniu technologii widzenia komputerowego, która zbiera informacje z kamery i przekazuje je do maszyny w celu analizy.
Pomysł został już wdrożony przez kilka startupów – m.inW szczególności Aaptiv: firma wypuściła aplikację na smartfony z „inteligentnym” trenerem, który tworzy spersonalizowane treningi i podaje zalecenia dotyczące stylu życia. Im częściej dana osoba korzysta z usługi, tym bardziej indywidualne stają się jej działania. Zenia Yoga stworzyła pierwszą aplikację do jogi z wirtualnym asystentem AI. Monitoruje funkcjonowanie organizmu poprzez analizę ruchu 16 stawów, pomagając trenerowi wyłapać błędy podczas lekcji on-line lub pełniąc rolę trenera podczas samodzielnej nauki.
Rekruter
Specjalista HR wyszukuje i wybieraodpowiednich pracowników na wolne stanowiska (faktycznie sortuje według określonych kryteriów). A w przypadku, gdy podaż przewyższa popyt, rekrutujący może kierować się osobistymi upodobaniami lub niechęciami w procesie selekcji, a czynnik ludzki zaczyna wpływać na jakość selekcji. Maszyna zdolna do wykonywania tych samych operacji co HR pozbawiona jest aspektu emocjonalnego, co oznacza, że jest bezstronna i bardziej obiektywnie ocenia kandydatów.
Testy piórkowe w tym kierunku są przeprowadzane od dawna:W 2016 roku firma FirstJob opracowała bota Miyu, który oferował odpowiednie oferty pracy osobom poszukującym pracy na stronie, podłączając potencjalnych pracowników i pracodawców. Firma HeadHunter zdecydowała się przenieść swoją wyszukiwarkę na uczenie maszynowe, aby usługa rekomendacji komputerów była dokładniejsza. Ale każdego wyprzedza sieć neuronowa Facebook, która potrafi analizować profile specjalistów zarejestrowanych w serwisie społecznościowym, porównywać kandydatów, odfiltrowywać nieodpowiednie opcje. Niewykluczone, że później będzie oferował firmom potencjalnych pracowników.
Technologie rozwijają się również w Rosji:rekrutująca robota Vera (startup Stafory) nauczyła się, jak wybrać CV i wezwać pracowników na wstępną rozmowę kwalifikacyjną. W ciągu 9 godzin może pracować dla 1,5 tys. Kandydatów (w rozmowie kwalifikacyjnej). A w Alfa-Bank niektóre funkcje specjalisty HR zostały zastąpione komputerem: teraz AI odpowiada już ustalonym pracownikom na standardowe pytania - od „jak zamówić przepustkę” po „co zrobić z dokumentami ”. W tym celu platforma AutoFAQ została opracowana w oparciu o wyszkoloną sieć neuronową. Firma zamierza zautomatyzować 30% zgłoszeń od pracowników w celu zwolnienia specjalistów HR.
Operator call center
Ta osoba odbiera telefony od klientów,opowiada o produkcie firmy, udziela wsparcia technicznego lub porad. W zależności od wielkości organizacji call center może mieć 200 operatorów lub ponad 2000 (tyle Tele2). Ale nawet ten stan nie zawsze jest wystarczający. Badania Oracle pokazują, że jeden na dwóch klientów oczekuje obecnie, że firma będzie dostępna 24 godziny na dobę, 7 dni w tygodniu. Dla dużej organizacji jest to bardziej kosztowne, aby zapewnić to z pomocą personelu żyjących pracowników niż z pomocą sztucznej inteligencji. Dlatego rozwiązaniem są roboty, które odpowiadają na wezwanie i pomagają rozwiązać przynajmniej typowe problemy - na przykład dowiedzieć się o statusie zamówienia. W trudnych przypadkach przekierowują już połączenie do operatora na żywo. Ale pomysł wciąż jest na etapie rozwoju: roboty próbują ściągać długi w rosyjskich bankach zamiast żywych kolekcjonerów (o wynikach eksperymentu nic nie wiadomo), aw innych branżach tylko 10% operatorów zostaje zastąpionych sztuczną inteligencją. Chociaż ponad połowa specjalistów call center uważa, że algorytmy maszynowe będą w stanie przynajmniej częściowo je zastąpić.
Chatboty pełnią podobne funkcje, zastępującosoba na żywo na czacie. W Rosji nabierają tempa: w 2017 r. Wdrożyło je tylko 16% firm, co pokazuje badanie Sherlock.im, aw 2019 r. Było to już 60% (badanie Accenture). Założono, że w 2020 roku z chatbotów będzie korzystać już 80% firm. Nie wiadomo na ile prognozy się sprawdziły, ale pod koniec roku eksperci i gracze rynkowi wskazywali, że zapotrzebowanie na takie rozwiązania AI (klasyczne i asystentów głosowych) naprawdę wzrosło w czasie pandemii i oprócz tradycyjnego sektor bankowy i handel detaliczny, instytucje edukacyjne, medyczne, e-commerce, agencje rządowe.
Muzyk i DJ
Trudno sobie wyobrazić, że maszyna mogłaby działaćtwórcze wyzwania, jednak ta przyszłość może nie być odległa. Przynajmniej w branży muzycznej inteligentne algorytmy już zaczynają konkurować lub przychodzą na ratunek żyjącym profesjonalistom. W 2017 roku Yandex stworzył sieć neuronową zdolną do komponowania muzyki (a później pisania sztuki, ale razem z osobą). Aby to zrobić, algorytmy musiały przeanalizować ogromne ilości danych (około 600 godzin muzyki), zidentyfikować wzorce i zasady w dziełach muzycznych znanych kompozytorów i zrozumieć, co wpływa na pozytywne postrzeganie melodii przez daną osobę.
Niektóre startupy już próbują się rozwijaćrozwiązania w tym kierunku: na przykład chiński Jukedeck tworzy melodie generowane przez sztuczną inteligencję. W lipcu 2019 Jukedeck kupił ByteDance - z dużym prawdopodobieństwem rozwoju TikTok. Podobne pomysły promuje firma Amper Music, która została przejęta przez azjatyckiego giganta Tencent. Firma Mubert zebrała obszerną bazę danych próbek i dźwięków oraz nauczyła sztuczną inteligencję zbierania z nich wyjątkowych kompozycji muzycznych.
Maszyna nie wykonała jeszcze całej pracy za kompozytorów.wystarczy, ale jest już w stanie tworzyć ścieżki tła do przestrzeni publicznych, filmów i innych rzeczy, gdzie ze względu na prawa autorskie nie można po prostu korzystać z istniejących - trzeba zapłacić wytwórni. Ponadto sieci neuronowe mogą generować muzykę do gier, co robi startup Melodrive i grupa 65daysofstatic (autorka ścieżki dźwiękowej do gry No Man's Sky).
Programista
W najbardziej cyfrowych branżach przyjęcie sztucznej inteligencji npOczekuje się asystenta osoby w wielu specjalnościach, ale przede wszystkim będzie to istotne dla programistów. Opracowują algorytmy i piszą kod programu realizujący konkretne zadanie: typowe działania, ale wymagające przetwarzania dużej ilości danych. Sama ilość kodu programu może być ogromna. Zadania te może ułatwić sztuczna inteligencja, która będzie zaangażowana na etapie analizy i testowania kodu w celu znalezienia błędów i możliwości ich naprawienia.
W przyszłości przyspieszy to procesy rozwojowe.Możliwe, że komputer w końcu podejmie się zadania pisania kodu, jeśli zgromadzi „w pamięci” wystarczającą ilość odpowiednich przykładów. Zdaniem ekspertów nisko wykwalifikowani programiści mogą zniknąć - ich obowiązki przejmie sztuczna inteligencja.
Kierowca taksówki
Promowana jest idea zautomatyzowanych samochodówdługo. Tesla ze swoim sprytnym „nadzieniem” daje nadzieję, że nadejdzie era taksówkarzy-robotów, ale jak dotąd świat zmierza w jej kierunku bardzo powoli. W 2015 roku w Japonii firma Robot Taxi Inc wraz z kierownictwem prefektury Kanagawa ogłosiła pilotażowy projekt zrobotyzowanych taksówek (zautomatyzowanych pojazdów) na ulicach miast - wcześniej eksperymenty przeprowadzano na autostradach. W 2016 roku Uber zamierzał uruchomić podobny projekt, ale nadal prowadząc samochód z żywą osobą (inżynierem) - tego wymaga prawo Stanów Zjednoczonych. W 2018 roku Yandex zaprezentował również pojazd bezzałogowy (eksperyment potrwa do 2022 roku). Ale do tej pory pomysł nie był nigdzie szeroko stosowany. Zbyt trudne zadanie i zbyt nieprzewidywalne zachowanie SI w trudnych sytuacjach na drodze, aby dać mu kontrolę nad samochodem z żywymi ludźmi w środku. Jak dotąd nie można obejść się bez inżyniera, który przejmie ster w krytycznym momencie. Nie ma teraz mowy o całkowitym zniknięciu taksówkarzy.
Maszyna nie wyprze całkowicie człowieka, bo jest w stanie pracować jedynie według standardowych schematów, ale wzmocni się jej połączenie z żywymi specjalistami różnych zawodów.
Zobacz także:
Powstała pierwsza dokładna mapa świata. Co jest nie tak ze wszystkimi innymi?
Do szyfrowania wykorzystano promieniowanie podczerwone z ludzkich rąk
Bakterie znalezione w Dolinie Śmierci, które od milionów lat znajdują się w ewolucyjnej stagnacji