2023 Gartner Hype Cycle™ for Artificial Intelligence (AI) identifica inovatii si tehnologii care ofera beneficii semnificative si chiar transformationale, abordand in acelasi timp limitarile si riscurile sistemelor predispuse la erori. Strategiile pentru IA ar trebui sa ia in considerare care dintre acestea ofera cele mai credibile cazuri pentru investitii.

„AI Hype Cycle prezinta multe inovatii care merita o atentie deosebita in perioada de doi pana la cinci ani pana la adoptarea pe scara larga, care includ inteligenta artificiala generativa si inteligenta decizionala”, spune Afraz Jaffri, Director Analyst Gartner. „Adoptarea timpurie a acestor inovatii va aduce un avantaj competitiv semnificativ si va diminua problemele asociate utilizarii modelelor AI in cadrul proceselor de afaceri”, a completat Jaffri.

 

Inteligenta artificiala generativa (Generative AI) domina discutiile despre inteligenta artificiala, contribuind in mod real la cresterea productivitatii pentru dezvoltatorii si cei care lucreaza din domeniul cunoasterii, folosind sisteme precum ChatGPT. Acest lucru a determinat organizatiile si industriile sa isi regandeasca procesele de afaceri si valoarea resurselor umane, impingand GenAI la varful asteptarilor excesive (Peak of Inflated Expectations) pe Hype Cycle.

Gartner vede acum doua parti ale miscarii IA generative pe calea catre sisteme de IA mai puternice:

- Inovatii care vor fi alimentate de GenAI.

- Inovatii care vor alimenta progresele in GenAI.

 

Inteligenta artificiala generativa are un impact asupra afacerii in ceea ce priveste descoperirea, crearea, autenticitatea si reglementarile legate de continut. De asemenea, are capacitatea de a automatiza munca umana, precum si experientele clientilor si angajatilor.

Tehnologiile critice care se incadreaza in aceasta categorie sunt urmatoarele:

- Inteligenta generala artificiala (Artificial general intelligence - AGI) este inteligenta (in prezent ipotetica) a unei masini care poate indeplini orice sarcina intelectuala pe care o poate indeplini un om.

- Ingineria IA este fundamentala pentru furnizarea de solutii de IA la scara pe nivel de intreprindere. Disciplina creeaza la nivelul organizatiei sisteme coerente bazate pe inteligenta artificiala de dezvoltare, livrare si operationale.

- Sistemele autonome sunt sisteme fizice sau software autogestionabile care executa sarcini pe anumite domenii bine definite care prezinta trei caracteristici fundamentale: autonomie, invatare si capacitatea de actiune.

- Serviciile cloud IA ofera instrumente de construire a modelelor de IA, API-uri pentru servicii preconstruite si middleware asociat care permite construirea/ formarea, implementarea si consumul de modele de invatare automata (machine learning - ML) care ruleaza pe infrastructura preconstruita ca servicii cloud.

- IA compozita se refera la aplicarea combinata (sau fuziunea) a diferitelor tehnici de IA pentru a imbunatati eficienta invatarii pentru a largi nivelul reprezentarilor cunostintelor. Rezolva o gama mai larga de probleme de afaceri intr-un mod mai eficient.

- Viziunea computerizata (Computer vision) este un set de tehnologii care implica captarea, procesarea si analizarea imaginilor si videoclipurilor din lumea reala pentru a extrage informatii semnificative, contextuale din lumea fizica.

- IA centrata pe date (Data-centric AI) este o abordare care se concentreaza pe imbunatatirea si imbogatirea datelor de training pentru a obtine rezultate mai bune in IA. IA centrata pe date abordeaza, de asemenea, calitatea datelor, confidentialitatea si scalabilitatea.

- IA Edge se refera la utilizarea tehnicilor IA incorporate in produse non-IT, dispozitive terminale IoT, gateway-uri si servere edge. Acesta cuprinde cazuri de utilizare pentru aplicatii de consum, comerciale si industriale, cum ar fi vehicule autonome, capabilitati imbunatatite de diagnosticare medicala si analiza video in flux.

- Aplicatiile inteligente utilizeaza adaptarea invatata pentru a raspunde in mod autonom la solicitarile oamenilor si masinilor.

- Operationalizarea modelului (ModelOps) se concentreaza in primul rand pe guvernanta end-to-end si pe managementul ciclului de viata al analizei avansate, al IA si a modelelor de decizie.

- Sistemele operationale de IA (OAISys) permit orchestrarea, automatizarea si scalarea IA gata de productie si de nivel enterprise, cuprinzand ML, DNN si IA generativa.

- Ingineria prompta (Prompt engineering) este disciplina de a furniza intrari, sub forma de text sau imagini, modelelor IA generative pentru a specifica si a limita setul de raspunsuri pe care modelul le poate produce.

- Robotii inteligenti (Smart robots) sunt masini alimentate cu inteligenta artificiala, adesea mobile, concepute pentru a executa in mod autonom una sau mai multe sarcini fizice.

- Datele sintetice (Synthetic data) sunt o clasa de date care sunt mai curand generate artificial decat obtinute din observatii directe ale lumii reale.

 

„Explorarea IA generative se accelereaza, datorita popularitatii Stable Diffusion, Midjourney, ChatGPT si modelelor de limbaj extinse (large language model - LLM). Organizatiile utilizatorilor finali din majoritatea industriilor experimenteaza in mod agresiv IA generativa”, spune Svetlana Sicular, VP Analyst Gartner.

„Producatorii de tehnologie formeaza grupuri de IA generativa pentru a acorda prioritate livrarii de aplicatii si instrumente activate de IA generativa. Numeroase startup-uri au aparut in 2023 pentru a inova cu IA generativa si ne asteptam ca aceasta sa creasca. Unele guverne evalueaza impactul IA generative si se pregatesc sa introduca reglementari”, a detaliat Svetlana Sicular.

Lista tehnologiilor critice care se incadreaza in aceasta categorie include urmatoarele:

- Simularea IA este aplicarea combinata a tehnologiilor de IA si de simulare pentru a dezvolta in comun agenti de IA si mediile simulate in care acestia pot fi instruiti, testati si uneori implementati.

- Managementul increderii, riscurilor si securitatii IA (AI TRiSM) asigura modelului de IA guvernanta, credibilitatea, corectitudinea, fiabilitatea, robustetea, eficacitatea si protectia datelor.

- IA cauzala identifica si utilizeaza relatiile cauza-efect pentru a trece dincolo de modelele predictive bazate pe corelatie catre sisteme de IA care pot prescrie mai eficient actiuni si pot actiona cu un grad mai mare de autonomie.

- Etichetarea si adnotarea datelor (Data labeling and annotation - DL&A) este un proces in care activele de date sunt in continuare clasificate, segmentate, adnotate si imbunatatite pentru a imbogati datele pentru o analiza mai buna si proiecte de IA.

- Primele principii ale IA (First-principles AI - FPAI) (cunoscut si ca physics-informed AI) incorporeaza principii fizice si analogice, legile de guvernare si cunostintele de domeniu in modelele AI. FPAI extinde ingineria IA la inginerie de sisteme complexe si sisteme bazate pe modele.

- Modelele de baza (Foundation models) sunt modele cu parametri mari antrenate pe o gama larga de seturi de date intr-o maniera auto-supravegheata.

- Graficele de cunostinte (Knowledge graphs) sunt reprezentari ale lumii fizice si digitale care pot fi citite de masini. Acestea includ entitati (oameni, companii, active digitale) si relatiile lor, care adera la un model de date grafic.

- Sistemele multiagent (Multiagent systems - MAS) este un tip de sisteme de IA compus din agenti multipli, independenti (dar interactivi), fiecare capabil sa-si perceapa mediul si sa intreprinda actiuni. Agentii pot fi modele de IA, programe software, roboti si alte entitati de calcul

- IA neurosimbolica este o forma de IA compozita care combina metode de invatare automata si sisteme simbolice pentru a crea modele de IA mai robuste si de mai mare incredere. Ofera o infrastructura de rationament pentru a rezolva mai eficient o gama mai larga de probleme de afaceri.

- IA responsabila este un termen umbrela pentru aspectele legate de alegeri adecvate de afaceri si etice atunci cand se adopta IA. Acesta cuprinde responsabilitati si practici organizationale care asigura dezvoltarea si functionarea IA pozitive, responsabile si etice.