У нас была зима блокчейна, поскольку ажиотаж вокруг технологии приближается к реальности - и то же самое произойдет с искусственным интеллектом (ИИ).
Согласно словам доктора Кароля Пшистальски, технического директора компании Codete, поставщика ИТ-консалтинга и разработки программного обеспечения. Пшистальски основал Codete, имея значительный опыт исследований в области ИИ, с предыдущими работодателями, включая Sabre и IBM, и доктором наук, изучающим распознавание образов рака кожи с использованием нейронных сетей.
И все же, как пандемия Covid-19 повлияет на это изменение? В беседе с AI News Пшистальски утверждает - так же, как Дориан Зельц, генеральный директор Squirro, в статье, опубликованной ранее на этой неделе, - что, хотя ИИ не совсем способен предсказывать или решать текущую пандемию, будущее может выглядеть радужным.
-
Новости AI: Привет, Кароль. Расскажите нам о своей карьере на сегодняшний день, вашей текущей роли и обязанностях технического директора Codete?
Dr Karol Przystalski: Опыт предыдущих компаний, в которых я работал, и знания в области ИИ, полученные во время моей докторской работы, позволили мне сдвинуть Codete с мертвой точки. Поначалу не каждый потенциальный клиент мог увидеть преимущества машинного обучения, но за последние пару лет оно изменилось. Мы начали внедрять все больше и больше решений на основе машинного обучения.
В настоящее время мои обязанности как технического директора не сосредоточены исключительно на разработке, так как мы уже выросли до 160 инженеров. Несмотря на то, что я по-прежнему уделяю часть своего внимания исследованиям и разработкам, большая часть моей работы сейчас сосредоточена на наставничестве и обучении в области искусственного интеллекта и больших данных.
AI: Расскажите нам о больших данных и услугах обработки данных, предоставляемых Codete, и о том, чем ваша компания стремится отличаться от конкурентов?
КП: Мы предлагаем ряд услуг, связанных с большими данными и наукой о данных: консалтинг, аудит, обучение и поддержка разработки программного обеспечения. Основываясь на нашем обширном опыте в области решений для машинного обучения, мы консультируем наших клиентов. Аудит уже реализованных решений, а также целых процессов разработки продукта. У нас также есть мастер-класс для менеджеров о том, как не провалить проект по машинному обучению.
Все материалы основаны на наших собственных кейсах. Как технологический партнер, мы уделяем особое внимание качеству предоставляемых нами приложений и всегда стремимся к полной прозрачности в отношениях с нашими клиентами.
AI: Насколько сложно, по вашему мнению, компаниям собирать знания в области обработки данных? Есть ли нехватка навыков и пробел в этой области?
КП: Раньше, чтобы стать специалистом по данным, нужно было иметь математическое образование или, что еще лучше, докторскую степень в этой области. Теперь мы знаем, что внедрить решения для машинного обучения не так сложно, и почти каждый разработчик программного обеспечения может стать специалистом по данным.
Существует множество мастер-классов, лекций и многих других материалов, посвященных разработчикам программного обеспечения, которые хотят разобраться в методах машинного обучения. Обычно путешествие начинается с нескольких доказательств концепции и, в следующей сборке, производственных решений. Обычно требуется как минимум пара месяцев, чтобы стать солидным специалистом по данным младшего уровня, даже для опытных инженеров-программистов. Codete хорошо известен в сообществах машинного обучения в нескольких университетах, поэтому мы можем легко расширить нашу команду опытными инженерами по машинному обучению.
AI: Какой пример клиента, с которым Codete работал на протяжении всего пути, от исследований и разработок до выбора решения для внедрения, вы можете привести?
КП: Мы не реализуем все проекты, которые нам приносят клиенты. На первом этапе мы различаем проекты, основанные на модных словах, и проекты из реального мира.
Однажды к нам обратился клиент с идеей НЛП-проекта для своего бизнеса. После некоторых исследований выяснилось, что ML был не лучшим выбором для проекта - мы рекомендовали более простое и дешевое решение, которое больше подходило в их случае.
Мы открыты для наших клиентов, даже если для этого требуется предоставить им конструктивную критику решения, которое они хотят построить. Большинство проектов ИИ начинаются с PoC, и если он работает хорошо, проект проходит следующие этапы до полного производственного решения. В наших проектах искусственного интеллекта мы придерживаемся подхода «быстро ошибаться», чтобы предотвратить потенциальные чрезмерные инвестиции наших клиентов.
ИИ: Какие отрасли, по вашему мнению, будут иметь наибольший потенциал для машинного обучения и ИИ и почему?
КП: Во времена Covid-19 наверняка отрасли здравоохранения, медицины и фармацевтики будут расти и чаще использовать ИИ. Мы увидим больше вариантов использования в телемедицине и медицинской диагностике. Безусловно, ИИ может поддерживать фармацевтическую промышленность и разработку лекарств. Мы видим, как быстро разрабатывается вакцина от Covid-19. В будущем процесс поиска действующей вакцины может поддерживаться искусственным интеллектом.
Но не только отрасли, связанные со здоровьем, будут чаще использовать ИИ. Я думаю, что почти каждая отрасль будет больше инвестировать в цифровизацию, например, в автоматизацию процессов, где можно применять машинное обучение. Во-первых, мы увидим растущий интерес к ИИ в отраслях, которые не так сильно пострадали от вируса, но в долгосрочной перспективе даже индустрия гостеприимства и путешествий, а также многие правительства будут внедрять решения на основе ИИ, чтобы предотвратить будущее. блокировка.
ИИ: В чем, по вашему мнению, больше всего пользы от ИИ в бизнесе, а чего больше всего опасаетесь?
КП: Существует множество способов применения машинного обучения во многих отраслях. Сейчас идет ажиотаж вокруг машинного обучения и искусственного интеллекта, и многие менеджеры осознают преимущества, которые машинное обучение может принести их компаниям. С другой стороны, многие могут принять ИИ за решение почти для всего, но именно так рождаются проекты, основанные на модных словечках, а не реальные варианты использования.
Этот ажиотаж может закончиться так же, как и другие технологические ажиотажи, свидетелями которых мы были раньше, когда модное слово было популярным, но в конечном итоге только ограниченное число компаний применяло эту технологию. Блокчейн - хороший пример - многие компании пытались использовать его практически для всего, и во многих случаях технология не приносила пользы, а иногда даже вызывала новые проблемы.
Блокчейн в настоящее время успешно используется в нескольких отраслях. Точно так же у нас снова может быть «зима ИИ», если мы не будем различать шумиху и истинную ценность решения ИИ.
Фото Аарона Бёрдена на Unsplash