Поздравляем с прошедшими праздниками и желаем продуктивного начала года!

Пять трендов 2022 года в области когнитивных технологий по мнению директора Центра компетенций Национальной технологической инициативы "Технологии машинного обучения и когнитивные технологии" на базе университета ИТМО (Санкт-Петербург) Александра Бухановского

◾️ Под первым номером Бухановский назвал когнитивные "кентавры", или гибридные системы поддержки принятия решений, принцип работы которых основан на совместном итеративном решении сложной задачи человеком и искусственным интеллектом (ИИ). Причем они будут действовать на равных, в отличие от классического подхода, когда человек выступает и "учителем", и мерилом качества для искусственного интеллекта

◾️ Следующим трендом, по мнению Бухановского, станет так называемый генеративный дизайн социотехнических систем.
"Обычно под генеративным дизайном понимают применение искусственного интеллекта для задач автоматического проектирования, когда необходимо создать цифровое описание объекта реального мира, соответствующего априорным требованиям. Для обычных технических систем этот подход не является новым", - пояснил Бухановский.
Потому в будущем можно ожидать, что ИИ, например, сможет проектировать производственную линию вместе с требованиями к персоналу, графиком их труда, а также HR-стратегией, направленной на развитие и удержание квалифицированных сотрудников

◾️ Третьим трендом-2022 станут композитные технологии автоматического машинного обучения "для понимания человеком, но на "нечеловеческой" логике", считает Бухановский.
По его словам, системный дефицит специалистов по работе с большими данными заставляет задуматься о возможности замены их системами искусственного интеллекта, которые могут выполнять тот же самый творческий процесс – формировать решение прикладной задачи на основе существующих методов машинного обучения

◾️ В качестве четвертого тренда Бухановский назвал метрологические когнитивные технологии, когда сильный искусственный интеллект "рассуждает" о качестве более слабого ИИ.
"Поскольку искусственный интеллект работает в условиях неопределенности и неполноты данных, то он, как и человек, способен совершать ошибки", - сказал эксперт.
По его словам, традиционно о качестве систем ИИ рассуждают только на основе эмпирической валидации (проверки на данных, которые не использовались для обучения).
"Но таких данных всегда мало, они фрагментарны и не всегда репрезентативны. Потому классические подходы теории измерений здесь не применимы (не с чем сравнивать), и гарантии качества носят весьма условный характер", - добавил Бухановский.
Однако развитие технологий автоматического машинного обучения позволяет строить, по сути, модели ИИ, альтернативные исходной - метрологические эталоны, которые и будут создавать недостающие данные для того, чтобы покрыть всевозможные ситуации.

◾️ Наконец, пятым трендом станут аватар-подобные технологии, сказал Бухановский.
"Под цифровыми аватарами сейчас часто понимают наборы данных, характеризующих конкретного человека в киберпространстве. Эти данные являются основой для разного рода рекомендательных систем, ассистентов и прочего. Однако такое понимание аватара является "безжизненным", поскольку отсутствует обратная связь – "осознание" аватаром результатов взаимодействия с киберпространством", - отметил эксперт.