ตลาด AI ทั่วโลกจนถึงปี 2024 จะแสดงการเติบโตต่อปีที่ 17.5% และมีรายได้เกิน 500 พันล้านดอลลาร์ เนื่องจาก
แพทย์วินิจฉัย
แทนที่มนุษย์ด้วยหุ่นยนต์ในการดูแลสุขภาพยาก แต่ผู้วินิจฉัยยังคงสามารถถ่ายโอนงานบางส่วนไปยังเครื่องได้ เมื่อทำการวินิจฉัยแพทย์ต้องอาศัยประสบการณ์และความรู้ของเขา แต่ก็มีความเสี่ยงที่เขาจะมองข้ามบางสิ่งไปเพียงเพราะปัจจัยของมนุษย์ ง่ายกว่าสำหรับ AI ในการจัดการข้อมูลจำนวนมากและทำงานกับรายละเอียดซึ่งจะช่วยลดเปอร์เซ็นต์ของข้อผิดพลาดในการวิเคราะห์
ตัวอย่างเช่น Zeba เริ่มต้นสามารถให้ความช่วยเหลือได้Medical Vision: บริการสำหรับนักรังสีวิทยาและใช้ AI เพื่อศึกษาภาพเอ็กซ์เรย์อธิบายและวิเคราะห์ความผิดปกติ บริการนี้มีฐานข้อมูลของตัวเองจำนวนหลายล้านภาพความเร็วในการประมวลผลและความแม่นยำสูง ประการแรกช่วยให้คุณลดภาระของแพทย์และเร่งกระบวนการวิเคราะห์ภาพ
ฐานข้อมูลขนาดใหญ่และตัวอย่างที่เรียนรู้จากเครื่องจักรความเสี่ยงที่จะพลาดเคสก็ยิ่งลดลง และในขณะที่ AI อาจไม่ถูกต้องสมบูรณ์ แต่ก็มีโอกาสที่จะผิดพลาดน้อยกว่ามนุษย์ ในกรณีนี้การตัดสินใจขั้นสุดท้ายจะยังคงอยู่กับแพทย์ที่มีชีวิตอยู่
คนขับรถไฟ
รถไฟทางไกลที่ไม่มีคนขับไม่น่าเป็นไปได้จะปรากฏในอนาคตอันใกล้นี้ แต่ AI ได้เริ่มนำมาใช้ในรถไฟใต้ดินแล้ว คอมพิวเตอร์มีภูมิคุ้มกันต่อข้อผิดพลาดที่เกี่ยวข้องกับความประมาทและความเหนื่อยล้าต่างจากคนมีชีวิต เป็นการเพิ่มความปลอดภัยของผู้โดยสารและความปลอดภัยของสินค้า AI ควบคุมรถไฟใน Dubai Metro อยู่แล้วและผู้โดยสารสามารถอยู่ใน "ห้องโดยสารคนขับ" เพื่อชมวิวเมืองได้ ในนิวเดลีพวกเขาใช้แนวคิดนี้สำหรับสาขาใดสาขาหนึ่งรถไฟใต้ดินโคเปนเฮเกนใช้งานได้นานเนื่องจากระบบควบคุมอัตโนมัติและในปรากพวกเขาตั้งใจที่จะเปิดตัวรถไฟที่ไม่มีคนขับในปี 2570
ระบบอัจฉริยะกำลังได้รับการพัฒนาในรัสเซียการจัดการรถไฟ: โดยเฉพาะอย่างยิ่งการรถไฟของรัสเซียกำลังทดสอบตู้รถไฟ 10 ตู้ด้วย AI ซึ่งออกแบบมาเพื่อลดจำนวนอุบัติเหตุทางรถไฟที่เกี่ยวข้องกับปัจจัยมนุษย์ เทคโนโลยีนี้ขึ้นอยู่กับเครือข่ายประสาทเทียมและการมองเห็นของคอมพิวเตอร์ ในรถไฟใต้ดินมอสโกคาดว่าจะมีรถไฟที่ไม่มีคนขับย้อนกลับไปในปี 2560 (นกนางแอ่นกำลังได้รับการพัฒนาสำหรับ MCC) แต่สิ่งนี้จำเป็นต้องมีการแก้ไขกฎหมาย ในปี 2020 พวกเขาเริ่มพูดคุยเกี่ยวกับองค์ประกอบการทดสอบของการจัดการรถไฟอัตโนมัติบนสาย Nekrasovskaya แต่ยังไม่ทราบผลลัพธ์
นักวิเคราะห์การธนาคาร
ข้อกำหนดที่สำคัญสำหรับผู้เชี่ยวชาญดังกล่าวคือ:ความรู้เชิงลึกในด้านเศรษฐศาสตร์และการเงิน ความสามารถในการตัดสินใจประเภทต่างๆ ตั้งแต่การมีส่วนร่วมในโครงการลงทุนของธนาคารไปจนถึงการเลือกผลิตภัณฑ์สินเชื่อสำหรับบุคคล งานจะดำเนินการตามเทมเพลตเป็นหลักจึงสามารถเชื่อถือได้กับคอมพิวเตอร์
ธนาคารขนาดใหญ่ของรัสเซียส่วนใหญ่แล้วงานหลายอย่างเป็นหุ่นยนต์ - ที่ Gazprombank AI มีส่วนร่วมในการออกบัตรและการปล่อยสินเชื่อรายย่อยที่ Rosbank จะประมวลผลเอกสารสำหรับเอกสารของลูกค้าและที่ Home Credit Bank จะจัดเตรียมข้อเสนอส่วนบุคคลสำหรับผลิตภัณฑ์ แต่การใช้ AI ที่มีการใช้งานมากที่สุดอยู่ที่ Sber: การตัดสินใจเกี่ยวกับสินเชื่อรายย่อยทั้งหมดทำโดยคอมพิวเตอร์ 95% ของพวกเขาถูกสร้างขึ้นโดยอัตโนมัติโดยไม่ต้องอาศัยผู้เชี่ยวชาญ
ผู้ช่วยดูแลร้าน
งานของผู้ช่วยฝ่ายขายค่อนข้างเป็นกิจวัตร:เขาให้ข้อมูลเกี่ยวกับผลิตภัณฑ์และบริการของ บริษัท แก่ลูกค้าช่วยในการเลือกและตอบคำถามที่เกิดขึ้นใหม่เกี่ยวกับคุณภาพลักษณะของผลิตภัณฑ์ การดำเนินการที่คล้ายกันนี้ดำเนินการโดยอัลกอริทึม AI ที่คำนึงถึงความต้องการส่วนบุคคลและเสนอการเปลี่ยนสินค้าที่หมด
แนวคิดนี้ถูกนำไปใช้โดยร้านขายเสื้อผ้าหลายแห่งและแบรนด์น้ำหอมและเครื่องสำอาง ตัวอย่างเช่นในเครือข่าย Sephora Color IQ จะช่วยคุณเลือกคอนซีลเลอร์และรองพื้นและ Lip IQ ช่วยให้คุณเลือกลิปสติกได้ ย้อนกลับไปในปี 2015 Uniqlo มีชั้นวางของ UMood ที่แสดงผลิตภัณฑ์บางอย่างให้กับลูกค้า ในจำนวนนี้คุณต้องเลือกสิ่งที่คุณชอบเพื่อให้ AI และสารสื่อประสาทกำหนดสิ่งที่จะแนะนำให้กับลูกค้า แม้แต่การสัมผัสโดยตรงกับอุปกรณ์ก็ไม่จำเป็น - มันถูกชี้นำโดยอารมณ์ของบุคคลนั้น ที่น่าสนใจไม่แพ้กันคือแนวคิดที่นำมาใช้ที่ห้างสรรพสินค้า Neiman Marcus นั่นคือแอป Snap หา. ร้านค้า. (จากการเริ่มต้น Slyce) ตามรูปถ่ายของสินค้าที่ลูกค้าอัปโหลดค้นหาผลิตภัณฑ์ที่คล้ายกันหรือเหมือนกันในแคตตาล็อกของร้านค้า
แต่ AI สามารถเลือกเสื้อผ้ารองเท้าหรือลิปสติก - ในร้านค้าออนไลน์ Instamart (วันนี้ - "Sbermarket") ซึ่งส่งมอบผลิตภัณฑ์จากไฮเปอร์มาร์เก็ตที่ปรึกษาได้เปลี่ยนอัลกอริทึมของเครื่องจักรด้วย พวกเขาเสนอการเปลี่ยนสินค้าที่ขาดวิเคราะห์การตั้งค่าของลูกค้าสำหรับใบเสร็จรับเงินก่อนหน้านี้และช่วยให้พนักงานรวบรวมคำสั่งซื้อเร่งกระบวนการเติมสินค้าในรถเข็น
แคชเชียร์ในร้านค้า
การกระทำของแคชเชียร์ก็เหมือนกัน - เขาเจาะสินค้าจากตะกร้าสินค้า, ยกเลิกสินค้าที่ไม่เหมาะสม, ออกใบเสร็จรับเงิน, รับชำระเงิน อัลกอริธึม AI สามารถทำสิ่งเดียวกันได้อย่างง่ายดาย ประการแรกความจริงที่ว่าเครื่องจักรสามารถทดแทนคนที่มีชีวิตได้นั้นแสดงให้เห็นโดยเครื่องบันทึกเงินสดแบบบริการตนเองซึ่งปรากฏในรัสเซียในปี 2555 และในต่างประเทศแม้แต่ในยุค 90 แต่ทุกวันนี้ เรื่องราวได้ไปไกลกว่านั้นมาก และ AI กำลังเข้ามาแทนที่พนักงานแคชเชียร์ทั้งหมดในร้านค้าที่ไม่มีพนักงานขาย
Amazon เป็นคนแรกที่ส่งเสริมแนวคิดนี้ด้วย Amazon Go -อัลกอริทึมอัจฉริยะจะดูว่าลูกค้าใส่อะไรลงในตะกร้า (และสิ่งที่พวกเขาส่งคืนไปที่ชั้นวาง) ซึ่งในที่สุดพวกเขาก็ออกจากร้านและหักจำนวนเช็คจากบัญชี Amazon หรือบัตรธนาคารที่เชื่อมโยง คุณไม่จำเป็นต้องสแกนที่จุดชำระเงิน นี่ไม่ใช่แค่การประหยัดค่าจ้าง (บัญชีเงินเดือน) เท่านั้น แต่ยังช่วยเพิ่มการเข้าชมในร้านค้าด้วย - 90% ของชาวอเมริกันที่รอการเลี้ยวเป็นเวลานานก็จะออกจากตะกร้าและจากไป ในรัสเซีย Sberbank ได้นำแนวคิดดังกล่าวไปใช้กับ Azbuka Vkusa (แม้ว่าตอนนี้จะไม่ใช่ร้านค้าเต็มรูปแบบ แต่เป็นเพียงแผนก) เช่นเดียวกับ X5-Group
เทรนเนอร์
ในการแพร่ระบาดในที่สุดอุตสาหกรรมการออกกำลังกายก็ได้เห็นความต้องการใช้เทคโนโลยีออนไลน์และตรวจสอบให้แน่ใจว่าสามารถดำเนินการเรียนจากระยะไกลได้: ด้วยการตั้งค่าอุปกรณ์ที่ถูกต้องโค้ชสามารถทำงานจากระยะไกลควบคุมการทำงานของวอร์ดได้ ในขณะเดียวกันปรากฎว่าคอมพิวเตอร์สามารถแทนที่ผู้สอนสดได้ในหลาย ๆ ประเด็น: อธิบายเทคนิคการออกกำลังกายการตรวจสอบการนำไปใช้และความถูกต้องของการดำเนินการให้คำแนะนำเกี่ยวกับจังหวะการเตือนการหายใจการนับ จำนวนแนวทาง สิ่งนี้ทำได้โดยใช้เทคโนโลยีการมองเห็นด้วยคอมพิวเตอร์ซึ่งรวบรวมข้อมูลจากกล้องและถ่ายโอนไปยังเครื่องเพื่อทำการวิเคราะห์
แนวคิดนี้ได้ถูกนำไปใช้โดยสตาร์ทอัพหลายรายแล้วโดยเฉพาะอย่างยิ่ง Aaptiv: บริษัท ได้เปิดตัวแอปพลิเคชันสมาร์ทโฟนพร้อมเทรนเนอร์ "อัจฉริยะ" ที่สร้างการออกกำลังกายส่วนบุคคลและให้คำแนะนำไลฟ์สไตล์ ยิ่งมีคนใช้บริการบ่อยเท่าไร กิจกรรมของเขาก็จะยิ่งมีความเฉพาะตัวมากขึ้นเท่านั้น และ Zenia Yoga ได้สร้างแอปโยคะตัวแรกที่มีผู้ช่วย AI เสมือน โดยจะตรวจสอบการทำงานของร่างกายผ่านการวิเคราะห์การเคลื่อนไหวของข้อต่อทั้ง 16 ข้อ ช่วยให้ผู้ฝึกมองเห็นข้อผิดพลาดระหว่างบทเรียนออนไลน์ หรือทำหน้าที่เป็นโค้ชในระหว่างการศึกษาด้วยตนเอง
นายหน้า
ผู้เชี่ยวชาญด้านทรัพยากรบุคคลค้นหาและเลือกพนักงานที่เหมาะสมสำหรับตำแหน่งงานว่าง (จัดเรียงตามเกณฑ์ที่กำหนด) และในกรณีที่อุปทานมีมากเกินความต้องการนายหน้าสามารถได้รับคำแนะนำจากความชอบหรือไม่ชอบส่วนตัวในกระบวนการคัดเลือกและปัจจัยด้านมนุษย์เริ่มมีอิทธิพลต่อคุณภาพการคัดเลือก เครื่องจักรที่สามารถดำเนินการเช่นเดียวกับ HR นั้นปราศจากลักษณะทางอารมณ์ซึ่งหมายความว่ามีความเป็นกลางและประเมินผู้สมัครอย่างเป็นกลางมากขึ้น
การทดสอบปากกาในทิศทางนี้ดำเนินการมานานแล้ว:ในปี 2559 FirstJob ได้พัฒนาบ็อต Miyu ซึ่งเสนอตำแหน่งงานว่างที่เหมาะสมให้กับผู้หางานในไซต์เชื่อมต่อกับคนงานและนายจ้างที่มีศักยภาพ และ HeadHunter ได้ตัดสินใจย้ายเครื่องมือค้นหาไปสู่การเรียนรู้ของเครื่องเพื่อให้บริการแนะนำคอมพิวเตอร์มีความแม่นยำมากขึ้น แต่ทุกคนถูกครอบงำด้วยเครือข่ายประสาทเทียม Facebook ซึ่งสามารถวิเคราะห์โปรไฟล์ของผู้เชี่ยวชาญที่ลงทะเบียนบนโซเชียลเน็ตเวิร์กเปรียบเทียบผู้สมัครและกรองตัวเลือกที่ไม่เหมาะสมออกไป เป็นไปได้ว่าในภายหลังจะเสนอพนักงานที่มีศักยภาพให้กับ บริษัท ต่างๆ
เทคโนโลยีกำลังพัฒนาในรัสเซีย:Vera นายหน้าจัดหาหุ่นยนต์ (สตาร์ทอัพชื่อ Stafory) ได้เรียนรู้วิธีการเลือกประวัติย่อและโทรหาพนักงานเพื่อสัมภาษณ์เบื้องต้น ในเก้าชั่วโมงเขาสามารถหาผู้สมัครได้ 1.5 พันคน (ในการสัมภาษณ์) และใน Alfa-Bank ฟังก์ชันบางอย่างของผู้เชี่ยวชาญด้านทรัพยากรบุคคลถูกแทนที่ด้วยคอมพิวเตอร์ตอนนี้ AI กำลังตอบคำถามพนักงานที่เป็นที่ยอมรับแล้วไปจนถึงคำถามมาตรฐานตั้งแต่“ วิธีสั่งซื้อบัตร” ไปจนถึง“ จะทำอย่างไรกับเอกสาร ”. สำหรับสิ่งนี้แพลตฟอร์ม AutoFAQ ได้รับการพัฒนาบนพื้นฐานของเครือข่ายประสาทเทียมที่ได้รับการฝึกฝน บริษัท ตั้งใจที่จะดำเนินการโดยอัตโนมัติ 30% ของคำขอจากพนักงานเพื่อยกเลิกการโหลดผู้เชี่ยวชาญด้านทรัพยากรบุคคล
ผู้ให้บริการคอลเซ็นเตอร์
บุคคลนี้รับสายจากลูกค้าพูดคุยเกี่ยวกับผลิตภัณฑ์ของ บริษัท ให้การสนับสนุนทางเทคนิคหรือคำแนะนำ ศูนย์บริการทางโทรศัพท์สามารถมีผู้ให้บริการได้ 200 รายหรือมากกว่า 2,000 ราย (นี่คือจำนวน Tele2) ทั้งนี้ขึ้นอยู่กับขนาดขององค์กร แต่ถึงอย่างนั้นรัฐนี้ก็ยังไม่เพียงพอเสมอไป การวิจัยของ Oracle แสดงให้เห็นว่าลูกค้าหนึ่งในสองคนในปัจจุบันคาดว่า บริษัท จะพร้อมให้บริการทุกวันตลอด 24 ชั่วโมง องค์กรขนาดใหญ่มีค่าใช้จ่ายสูงกว่าที่จะให้ความช่วยเหลือจากพนักงานที่มีชีวิตอยู่ได้มากกว่าการใช้ AI ดังนั้นวิธีแก้ปัญหาคือหุ่นยนต์ที่รับสายและช่วยแก้ปัญหาทั่วไปอย่างน้อยที่สุดตัวอย่างเช่นค้นหาสถานะของคำสั่งซื้อ ในกรณีที่ยากพวกเขาเปลี่ยนเส้นทางการโทรไปยังผู้ให้บริการสดอยู่แล้ว แต่แนวคิดดังกล่าวยังอยู่ในขั้นตอนการพัฒนา: หุ่นยนต์พยายามรวบรวมหนี้ในธนาคารของรัสเซียแทนที่จะเป็นนักสะสมที่มีชีวิต (ไม่ทราบผลการทดลอง) และในอุตสาหกรรมอื่น ๆ มีเพียง 10% ของผู้ประกอบการเท่านั้นที่ถูกแทนที่ด้วย AI แม้ว่าผู้เชี่ยวชาญคอลเซ็นเตอร์มากกว่าครึ่งเชื่อว่าอัลกอริทึมของเครื่องจะสามารถแทนที่ได้อย่างน้อยบางส่วน
Chatbots ทำหน้าที่คล้ายกันแทนที่ผู้อยู่ในการสนับสนุนการแชท ในรัสเซียพวกเขากำลังได้รับแรงผลักดัน: ในปี 2560 มีเพียง 16% ของ บริษัท ที่ดำเนินการตามที่แสดงโดยการศึกษาของ Sherlock.im และในปี 2562 บริษัท เหล่านี้อยู่ใน 60% แล้ว (การศึกษาของ Accenture) สันนิษฐานว่าในปี 2020 แชทบอทจะถูกใช้ใน 80% ของ บริษัท แล้ว ไม่มีใครรู้ว่าการคาดการณ์เป็นจริงมากน้อยเพียงใด แต่ในช่วงปลายปีผู้เชี่ยวชาญและผู้เล่นในตลาดระบุว่าความต้องการโซลูชัน AI ดังกล่าว (ผู้ช่วยแบบคลาสสิกและเสียง) เพิ่มขึ้นอย่างมากในการแพร่ระบาดและนอกเหนือไปจากแบบดั้งเดิม ภาคธนาคารและการค้าปลีกสถาบันการศึกษาการแพทย์อีคอมเมิร์ซเชื่อมต่อกันหน่วยงานภาครัฐ
นักดนตรีและดีเจ
ยากที่จะจินตนาการว่าเครื่องจักรจะทำงานได้ความท้าทายที่สร้างสรรค์อย่างไรก็ตามอนาคตนี้อาจอยู่ไม่ไกล อย่างน้อยที่สุดในอุตสาหกรรมดนตรีอัลกอริทึมที่ชาญฉลาดก็เริ่มแข่งขันหรือเข้ามาช่วยเหลือผู้เชี่ยวชาญด้านการดำรงชีวิตแล้ว ในปี 2560 ยานเดกซ์ได้สร้างเครือข่ายประสาทเทียมที่สามารถแต่งเพลงได้ (และเขียนบทละครในภายหลัง แต่ร่วมกับบุคคล) ในการทำเช่นนี้อัลกอริทึมต้องวิเคราะห์ข้อมูลจำนวนมาก (เพลงประมาณ 600 ชั่วโมง) ระบุรูปแบบและกฎเกณฑ์ในผลงานดนตรีของนักแต่งเพลงที่มีชื่อเสียงและทำความเข้าใจว่าอะไรที่ส่งผลต่อการรับรู้ทำนองเพลงของบุคคลในเชิงบวก
สตาร์ทอัพบางรายพยายามพัฒนาอยู่แล้วแนวทางแก้ไขในทิศทางนี้เช่น Jukedeck ของจีนสร้างท่วงทำนองที่สร้างโดย AI ในเดือนกรกฎาคม 2019 Jukedeck ได้ซื้อ ByteDance ซึ่งมีโอกาสสูงในการพัฒนา TikTok Amper Music ได้รับการส่งเสริมความคิดที่คล้ายกันซึ่งได้มาจาก Tencent ยักษ์ใหญ่ในเอเชีย และ บริษัท Mubert ได้รวบรวมฐานข้อมูลตัวอย่างและเสียงไว้มากมายและสอนให้ AI รวบรวมการประพันธ์ดนตรีที่เป็นเอกลักษณ์จากพวกเขา
เครื่องยังไม่ได้ทำงานทั้งหมดให้กับผู้แต่งจะทำ แต่สามารถสร้างแทร็กพื้นหลังสำหรับพื้นที่สาธารณะ วิดีโอ และสิ่งอื่นๆ ได้แล้ว ซึ่งคุณไม่สามารถใช้เพลงที่มีอยู่ได้เนื่องจากลิขสิทธิ์ คุณต้องจ่ายค่าค่ายเพลง นอกจากนี้ โครงข่ายประสาทเทียมสามารถสร้างเพลงสำหรับเกมได้ เช่นเดียวกับที่ทำโดยสตาร์ทอัพ Melodrive และกลุ่ม 65daysofstatic (ผู้เขียนเพลงประกอบเกม No Man's Sky)
โปรแกรมเมอร์
ในอุตสาหกรรมดิจิทัลส่วนใหญ่ การนำ AI มาใช้คาดว่าจะมีผู้ช่วยบุคคลในหลายสาขา แต่ก่อนอื่นสิ่งนี้จะเกี่ยวข้องกับโปรแกรมเมอร์ พวกเขาพัฒนาอัลกอริธึมและเขียนโค้ดโปรแกรมเพื่อใช้งานเฉพาะ: การกระทำทั่วไป แต่ต้องมีการประมวลผลข้อมูลจำนวนมาก และโค้ดโปรแกรมจำนวนมากก็มีมหาศาล งานเหล่านี้สามารถอำนวยความสะดวกโดย AI ซึ่งจะมีส่วนร่วมในขั้นตอนการวิเคราะห์และทดสอบโค้ดเพื่อค้นหาข้อผิดพลาดและทางเลือกในการแก้ไข
ในอนาคตสิ่งนี้จะเร่งกระบวนการพัฒนาเป็นไปได้ว่าคอมพิวเตอร์จะรับงานเขียนโค้ดในที่สุดหากมีการสะสมตัวอย่างที่เหมาะสมเพียงพอ "ในหน่วยความจำ" ผู้เชี่ยวชาญระบุว่าโปรแกรมเมอร์ฝีมือต่ำอาจหายไป - ความรับผิดชอบของพวกเขาจะถูกควบคุมโดย AI
คนขับแท็กซี่
แนวคิดเรื่องรถยนต์อัตโนมัติกำลังได้รับการส่งเสริมยาว. Tesla ที่มีการ "ยัดไส้" ที่ชาญฉลาดทำให้มีความหวังว่ายุคของคนขับแท็กซี่หุ่นยนต์จะมาถึง แต่จนถึงขณะนี้โลกกำลังก้าวไปสู่เรื่องนี้อย่างช้าๆ ในปี 2015 ในประเทศญี่ปุ่น Robot Taxi Inc ร่วมกับผู้นำของจังหวัดคานากาว่าได้ประกาศโครงการนำร่องของรถแท็กซี่หุ่นยนต์ (ยานยนต์อัตโนมัติ) บนท้องถนนในเมืองซึ่งก่อนหน้านี้ได้ทำการทดลองบนทางหลวง ในปี 2559 Uber กำลังจะเปิดตัวโครงการที่คล้ายกัน แต่ยังคงมีคนที่ยังมีชีวิตอยู่ (วิศวกร) ขับรถซึ่งเป็นข้อกำหนดตามกฎหมายของสหรัฐอเมริกา ในปี 2018 ยานเดกซ์ยังได้นำเสนอรถยนต์ไร้คนขับ (การทดลองจะมีผลจนถึงปี 2565) แต่จนถึงขณะนี้ความคิดดังกล่าวยังไม่ถูกนำไปใช้อย่างแพร่หลายในทุกที่ งานที่ยากเกินไปและพฤติกรรม AI ที่คาดเดาไม่ได้เกินไปในสถานการณ์ที่ยากลำบากบนท้องถนนเพื่อให้เขาควบคุมรถที่มีคนอาศัยอยู่ข้างใน จนถึงตอนนี้ไม่มีใครสามารถทำได้หากไม่มีวิศวกรที่จะเข้าควบคุมวงล้อในช่วงเวลาสำคัญ ไม่มีคำถามเกี่ยวกับการหายตัวไปอย่างสมบูรณ์ของคนขับรถแท็กซี่ในขณะนี้
เครื่องจักรจะไม่แทนที่มนุษย์โดยสิ้นเชิง เนื่องจากสามารถทำงานได้ตามรูปแบบมาตรฐานเท่านั้น แต่การเชื่อมต่อกับผู้เชี่ยวชาญที่มีชีวิตในอาชีพต่างๆ จะแข็งแกร่งขึ้น
ดูเพิ่มเติมที่:
แผนที่แรกที่แม่นยำของโลกถูกสร้างขึ้น คนอื่นผิดอะไร
รังสีอินฟราเรดจากมือมนุษย์ถูกใช้ในการเข้ารหัส
แบคทีเรียที่พบใน Death Valley ซึ่งอยู่ในสภาวะชะงักงันของวิวัฒนาการมาเป็นเวลาหลายล้านปี