Μετά από ένα θυελλώδες 2022, δεν είναι και πολύ εύκολο να γίνουν προβλέψεις σχετικά με την ΤΝ (Τεχνητή Νοημοσύνη), τη ΜΜ (Μηχανική Μάθηση), την ΒΜ (Βαθιά Μάθηση) και άλλες τεχνολογικές πρωτοπορίες, για το 2023. Δύσκολα εμείς οι “απλοί χρήστες” μπορούμε να προβλέψουμε το τι θα φέρει το νέος έτος στον τομέα της τεχνολογίας – προφανώς όχι ως δια μαγείας, αλλά μέσω μιας σταθερής και ολοένα αυξανόμενης ζήτησης/ανάγκης για προηγμένα συστήμα τεχνολογίας.

Ειδικοί σε αυτό το κομμάτι είναι οι CEO, οι ιδιοκτήτες και οι managers μεγάλων εταιρειών που δραστηριοποιούνται στον χώρο της τεχνολογίας, καθώς αυτοί θα καθορίσουν σε μεγάλο βαθμό την επίδραση που θα έχει η τεχνητή νοημόσυνη – και όχι μόνο – στην ζωή μας.

Παρακάτω, οι δηλώσεις/προβλέψεις τους:

Η τεχνητή νοημοσύνη θα αποτελέσει τον πυρήνα των συνδεδεμένων οικοσυστημάτων

«Το 2023, θα δούμε περισσότερους οργανισμούς να αρχίζουν να απομακρύνονται από την ανάπτυξη απομονωμένων εφαρμογών AI και ML που αναπαράγουν ανθρώπινες ενέργειες για πολύ συγκεκριμένους σκοπούς και να αρχίζουν να δημιουργούν πιο συνδεδεμένα οικοσυστήματα με την AI στον πυρήνα τους. Αυτό θα επιτρέψει στους οργανισμούς να λαμβάνουν δεδομένα από όλη την επιχείρηση για να ενισχύσουν τα μοντέλα μηχανικής μάθησης σε όλες τις εφαρμογές, δημιουργώντας αποτελεσματικά συστήματα μάθησης που βελτιώνουν συνεχώς τα αποτελέσματα. Για να είναι επιτυχημένες οι επιχειρήσεις, πρέπει να σκεφτούν την AI ως επιχειρηματικό πολλαπλασιαστή και όχι απλώς ως βελτιστοποιητή» – Vinod Bidarkoppa, CTO της Sam’s Club και SVP της Walmart

Η δημιουργική τεχνητή νοημοσύνη θα μεταμορφώσει τις επιχειρηματικές εφαρμογές

«Το hype γύρω από τη τεχνητή νοημοσύνη γίνεται πραγματικότητα το 2023. Αυτό θα συμβεί επειδή τα θεμέλια για την πραγματική παραγωγική ΤΝ έχουν επιτέλους τεθεί, με λογισμικό που μπορεί να μετατρέψει μεγάλα γλωσσικά μοντέλα και συστήματα συστάσεων σε εφαρμογές παραγωγής που ξεπερνούν απλά τις εικόνες για να απαντούν έξυπνα σε ερωτήσεις, να δημιουργούν περιεχόμενο, μέχρι και να προχωρούν σε νέες ανακαλύψεις. Αυτή η νέα δημιουργική εποχή θα τροφοδοτήσει τεράστιες προόδους στην εξατομικευμένη εξυπηρέτηση πελατών, θα οδηγήσει σε νέα επιχειρηματικά μοντέλα και θα ανοίξει το δρόμο για επαναστατικές ανακαλύψεις στην υγειονομική περίθαλψη» – Manuvir Das, ανώτερος αντιπρόεδρος, Nvidia

Η τεχνητή νοημοσύνη θα μεταμορφώσει πλήρως την κυβερνοασφάλεια, τους αντίστοιχους κινδύνους και τις απάτες

«Βλέπουμε την Τεχνητή Νοημοσύνη και τις ισχυρές δυνατότητες δεδομένων που προσφέρει, να επαναπροσδιορίζουν τα μοντέλα και τις δυνατότητες ασφάλειας των εταιρειών. Ο κλάδος στο σύνολό του θα έχει πολύ καλύτερα εργαλεία και πολύ ταχύτερες πληροφορίες στη διάθεσή του και θα πρέπει να είναι σε θέση να απομονώσει τους κινδύνους με πολύ μεγαλύτερη ακρίβεια. Οι ειδικοί, θα χρησιμοποιούν, επίσης, τεχνικές που θα μοιάζουν περισσότερο με το μάρκετινγκ για να κατανοήσουν την ανώμαλη συμπεριφορά και τις κακόβουλες ενέργειες. Εν ευθέτω χρόνω, μπορεί κάλλιστα να δούμε οργανισμούς να χρησιμοποιούν τεχνητή νοημοσύνη για να διεισδύσουν σε συστήματα, να επιχειρήσουν να καταλάβουν περιουσιακά στοιχεία λογισμικού μέσω ransomware και να εκμεταλλευτούν τις αγορές κρυπτονομισμάτων» – Ashok Srivastava, ανώτερος αντιπρόεδρος και επικεφαλής δεδομένων, Intuit

Τα εργαλεία ML ανοιχτού κώδικα θα αποκτήσουν μεγαλύτερο μερίδιο αγοράς

«Το επόμενο έτος οι ομάδες που επικεντρώνονται στις λειτουργίες, τη διαχείριση και τη διακυβέρνηση των ML θα πρέπει να κάνουν περισσότερα με λιγότερα. Εξαιτίας αυτού, οι επιχειρήσεις θα υιοθετήσουν περισσότερες λύσεις off-the-shelf, επειδή η παραγωγή τους είναι λιγότερο δαπανηρή, απαιτούν λιγότερο χρόνο έρευνας και μπορούν να προσαρμοστούν ώστε να ταιριάζουν στις περισσότερες ανάγκες. Οι ομάδες MLOps θα πρέπει επίσης να εξετάσουν την υποδομή ανοικτού κώδικα αντί να κλειδώνονται σε μακροχρόνιες συμβάσεις με cloud παρόχους. Ο ανοιχτός κώδικας προσφέρει ευέλικτη προσαρμογή, εξοικονόμηση κόστους και αποτελεσματικότητα. Ειδικά με τη συρρίκνωση των ομάδων στις εταιρείες σε όλο το φάσμα της τεχνολογίας, αυτό γίνεται μια πολύ πιο βιώσιμη επιλογή» – Moses Guttman, Διευθύνων Σύμβουλος, ClearML

Οι ευκαιρίες βαθιάς μάθησης (Deep Learning) θα ενισχύσουν τη ζήτηση για GPUs

«Η μεγαλύτερη πηγή βελτίωσης της τεχνητής νοημοσύνης ήταν η ανάπτυξη της βαθιάς μάθησης – και ιδίως των μοντέλων μετασχηματισμού – στα συστήματα εκπαίδευσης, τα οποία έχουν ως στόχο να μιμηθούν τη δράση των νευρώνων ενός εγκεφάλου και τα καθήκοντα των ανθρώπων. Αυτές οι ανακαλύψεις απαιτούν τεράστια υπολογιστική ισχύ για την ανάλυση τεράστιων δομημένων και αδόμητων συνόλων δεδομένων. Σε αντίθεση με τις CPU, οι μονάδες επεξεργασίας γραφικών (GPU) μπορούν να υποστηρίξουν την παράλληλη επεξεργασία που απαιτούν οι εργασίες βαθιάς μάθησης. Αυτό σημαίνει ότι το 2023, καθώς θα εμφανίζονται περισσότερες εφαρμογές που βασίζονται στην τεχνολογία βαθιάς μάθησης για να κάνουν τα πάντα, από τη μετάφραση μενού μέχρι τη θεραπεία ασθενειών, η ζήτηση για GPU θα συνεχίσει να αυξάνεται στα ύψη» – Nick Elprin, Διευθύνων Σύμβουλος, Domino Data Lab

Η τεχνητή νοημοσύνη θα δημιουργήσει ουσιαστικές εμπειρίες προπόνησης

«Η σύγχρονη τεχνολογία τεχνητής νοημοσύνης χρησιμοποιείται ήδη για να βοηθήσει τους μάνατζερ, τους προπονητές και διάφορα στελέχη με σχετικό feedback σε πραγματικό χρόνο για την καλύτερη ερμηνεία της έκφρασης, των συναισθημάτων και άλλων στοιχείων, και παρέχει συστάσεις για τη βελτίωση των μελλοντικών αλληλεπιδράσεων. Η ικανότητα ερμηνείας της ουσιαστικής απήχησης μιας προπόνησης την στιγμή που συμβαίνει, δεν μπορεί να την προσφέρει κανένας άνθρωπος» – Zayd Enam, Διευθύνων Σύμβουλος, Cresta

[διαβάστε εδώ το άρθρο μας για τα led δάπεδα μπάσκετ που χρησιμοποιούν ΤΝ]

Οι γεωπολιτικές αλλαγές θα επιβραδύνουν την υιοθέτηση της ΤΝ

«Καθώς ο φόβος δημιουργεί εμπόδια στη διακίνηση δεδομένων, η υιοθέτηση της τεχνητής νοημοσύνης θα επιβραδυνθεί. Η μακροοικονομική αστάθεια, συμπεριλαμβανομένης της αύξησης του ενεργειακού κόστους και μιας διαφαινόμενης ύφεσης, θα εμποδίσει την πρόοδο των πρωτοβουλιών ΤΝ, καθώς οι εταιρείες αγωνίζονται απλώς για να κρατήσουν τα “φώτα αναμμένα”» – Rich Potter, Διευθύνων Σύμβουλος, Peak

Ο ρόλος των μηχανικών AI και ML θα είναι το νέο mainstream

«Δεδομένου ότι η ανάπτυξη μοντέλων, η κλιμακούμενη αύξηση χρήσης της ΤΝ σε μεγάλες επιχειρήσεις, η ανάγκη για μείωση του χρόνου που απαιτείται για “γνώση” και επεξεργασία δεδομένων, θα αποτελέσουν τα βασικά κριτήρια επιτυχίας των εταιρειών, οπότε οι μηχανικοί ΤΝ/ΜΜ θα καταστούν σημαντικοί για την επίτευξη αυτών των στόχων. Σήμερα, πολλά έργα ΤΝ αποτυγχάνουν επειδή δεν έχουν κατασκευαστεί για να κλιμακωθούν ή [για να] ενσωματωθούν στις επιχειρησιακές ροές εργασίας (workflows)» – Nicolas Sekkaki, Γενικός Διεθυντής εφαρμογών, δεδομένων και τεχνητής νοημοσύνης, Kyndryl

Τα πολλαπλά, υβριδικά cloud MLOps και η διαλειτουργικότητα θα είναι το κλειδί

«Καθώς η αγορά TN/MM συνεχίζει να κατακλύζεται από νέες λύσεις, όπως φαίνεται από τον αριθμό των startup επιχειρήσεων και των μεγάλων κεφαλαίων που αναπτύσσονται στον χώρο, οι επιχειρήσεις έχουν βρεθεί με μια συλλογή εξειδικευμένων, ανομοιογενών εργαλείων στη διάθεσή τους. Το 2023, οι επιχειρήσεις θα είναι πιο συνειδητοποιημένες όσον αφορά την επιλογή λύσεων που θα είναι περισσότερο διαλειτουργικές με το υπόλοιπο οικοσύστημα, συμπεριλαμβανομένου του περιβαλλοντικού αποτυπώματος στις εγκαταστάσεις τους και μεταξύ των παρόχων cloud (AWS, Azure, GCP). Επιπλέον, οι επιχειρήσεις θα στραφούν σε κάποιες συγκεκριμένες λύσεις, καθώς τα ανομοιογενή εργαλεία θα “ωριμάζουν” και θα συνεργάζονται ως αυτόνομες λύσεις» – Anay Nawathe, κύριος σύμβουλος, ISG

Η προηγμένη ΜΜ θα επιτρέψει στην ΤΝ να λειτουργήσει με ανοιχτό κώδικα

«Οι προηγμένες τεχνολογίες μηχανικής μάθησης (ΜΜ) θα επιτρέψουν στους open-code προγραμματιστές να καινοτομήσουν και να δημιουργήσουν εφαρμογές που δεν έχουν ξαναγίνει ποτέ. Αυτή η εξέλιξη μπορεί να ανοίξει το δρόμο για μια νέα γενιά εργαλείων ανάπτυξης. Σε ένα πιθανό σενάριο, οι προγραμματιστές θα “προγραμματίζουν την εφαρμογή” περιγράφοντας την πρόθεσή τους μέσω προτροπών, αντί να περιγράφουν τα δεδομένα και τη λογική της δομής, όπως θα έκαναν με τα σημερινά εργαλεία κώδικα» – Esko Hannula, SVP of product management, Copado

Με τη μείωση των δαπανών, η τεχνητή νοημοσύνη θα στραφεί σε πρακτικές εφαρμογές

«Η χρονιά που πέρασε ήταν γεμάτη με απίστευτα εντυπωσιακές τεχνολογικές εξελίξεις, όπως το ChatGPT, το DALL-E 2, το Galactica και το Make-A-Video του Facebook. Αυτά τα μαζικά μοντέλα δημιουργήθηκαν, σε μεγάλο βαθμό, χάρη στη διαθεσιμότητα ατελείωτων όγκων δεδομένων εκπαίδευσης και τεράστιων υπολογιστικών πόρων και υποδομής. Οδεύοντας προς το 2023, η χρηματοδότηση για την έρευνα του “γαλάζιου ουρανού” [σ.σ. η επιστημονική έρευνα σε τομείς όπου οι “πραγματικές” εφαρμογές δεν είναι άμεσα εμφανείς] θα επιβραδυνθεί, καθώς οι οργανισμοί θα γίνουν πιο συντηρητικοί στις δαπάνες για να προετοιμαστούν για τη διαφαινόμενη ύφεση και θα μετατοπιστούν από την επένδυση σε θεμελιώδη έρευνα σε πιο πρακτικές εφαρμογές. Με περισσότερες εταιρείες να γίνονται όλο και πιο λιτές οικονομικά για να αντιμετωπίσουν αυτή την επικείμενη απειλή, μπορούμε να προβλέψουμε αυξημένη χρήση προ-εκπαιδευμένων μοντέλων και μεγαλύτερη εστίαση στην εφαρμογή εξελίξεων των προηγούμενων ετών σε πιο συγκεκριμένες εφαρμογές» – John Kane, επικεφαλής επεξεργασίας σήματος και μηχανικής μάθησης, Cogito

Το ChatGPT θα αλλάξει την εξυπηρέτηση πελατών αλλά όχι με τον τρόπο που νομίζετε

«Τα chatbots είναι η προφανής εφαρμογή για το ChatGPT, αλλά δεν θα είναι η μοναδική επιλογή. Πρώτον, το ChatGPT σήμερα μπορεί να απαντήσει σε ερωτήσεις, αλλά δεν μπορεί να αναλάβει ενέργειες. Όταν ένας χρήστης επικοινωνεί με ένα brand, μερικές φορές θέλει απλώς απαντήσεις, αλλά συχνά θέλει να γίνει “κάτι” – να διεκπεραιωθεί μια επιστροφή, ή να ακυρωθεί ένας λογαριασμός, ή να μεταφερθούν χρήματα. Δεύτερον, όταν χρησιμοποιείται για να απαντήσει σε ερωτήσεις, το ChatGPT μπορεί να απαντήσει με βάση τη γνώση που [βρίσκεται] στο διαδίκτυο. Αλλά δεν έχει πρόσβαση σε γνώσεις που δεν υπάρχουν εκεί. Τέλος, το ChatGPT υπερέχει στη δημιουργία κειμένου, δημιουργώντας νέο περιεχόμενο που προέρχεται από υπάρχουσες διαδικτυακές πληροφορίες. Όταν ένας χρήστης έρχεται σε επαφή με μια εταιρεία, δεν θέλει δημιουργική παραγωγή – θέλει άμεσες ενέργειες. Όλα αυτά τα ζητήματα θα αντιμετωπιστούν, αλλά αυτό σημαίνει ότι η πρώτη επιλογή της εξυπηρέτησης πελατών, πιθανώς, δεν είναι τα chatbots» – Jonathan Rosenberg, CTO, Five9

[διαβάστε εδώ το άρθρο μας για το ChatGPT]

Η τεχνητή νοημοσύνη θα καθοδηγήσει το μέλλον της εμπειρίας του πελάτη

«Το ψηφιακό engagement έχει γίνει προεπιλογή και όχι υποχώρηση, και κάθε αλληλεπίδραση μετράει. Ενώ η εμφάνιση της αυτοματοποίησης, αρχικά, επέλυσε βασικές συχνές ερωτήσεις, τώρα παρέχει πιο προηγμένες δυνατότητες: εξατομίκευση των αλληλεπιδράσεων με βάση την πρόθεση του πελάτη, ενδυνάμωση των πελατών να αναλάβουν δράση και να αυτοεξυπηρετηθούν και να γίνουν προβλέψεις για την επόμενη καλύτερη ενέργεια που απαιτείται. Ο μόνος τρόπος για να κλιμακώσουν οι επιχειρήσεις μια ψηφιακή εμπειρία για όλους, είναι με την αυτοματοποίηση με γνώμονα την τεχνητή νοημοσύνη. Αυτό θα αποτελέσει προτεραιότητα για τα εμπορικά brand names το 2023, καθώς αυτά θα καθορίσουν πώς θα εξελιχθούν, από ένα μοντέλο αλληλεπίδρασης που βασίζεται κυρίως σε ανθρώπους, σε ένα μοντέλο που μπορεί το κοινό να εξυπηρετηθεί κυρίως μέσω αυτοματοποιημένων αλληλεπιδράσεων. Η τεχνητή νοημοσύνη θα είναι απαραίτητη για την κλιμάκωση των διαδικασίων και τη σωστή κατανόηση και ανταπόκριση σε όσα λένε οι πελάτες, ώστε οι εταιρείες να μάθουν τι θέλουν οι πελάτες τους και να κινηθούν ανάλογα» – Jessica Popp, CTO της Ada

Θα προκύψουν αγορές με μοντέλα ΤΝ

«Σύντομα θα υπάρξουν αγορές ΤΝ για συγκεκριμένους κλάδους που θα επιτρέπουν στις επιχειρήσεις να καταναλώνουν και να ενσωματώνουν εύκολα μοντέλα ΤΝ στην επιχείρησή τους, χωρίς να χρειάζεται να δημιουργούν και να διαχειρίζονται τον κύκλο ζωής (lifecycle) του συγκεκριμένου μοντέλου – οι επιχειρήσεις θα συνεργάζονται απλώς με ένα κατάστημα μοντέλων τεχνητής νοημοσύνης. Σκεφτείτε το κατάστημα της Apple Music ή το Spotify για μοντέλα ΤΝ χωρισμένα ανά κλάδο και δεδομένα που επεξεργάζονται» – Bryan Harris, εκτελεστικός αντιπρόεδρος και διευθύνων σύμβουλος τεχνολογίας, SAS

Η επεξηγηματικότητα θα δημιουργήσει πιο αξιόπιστη τεχνητή νοημοσύνη

«Καθώς οι πολίτες συνεχίζουν να ανησυχούν για το πώς οι επιχειρήσεις και οι εργοδότες θα χρησιμοποιούν την τεχνολογία τεχνητής νοημοσύνης και μηχανικής μάθησης, θα γίνει πιο σημαντικό από ποτέ για τις εταιρείες να παρέχουν διαφάνεια σχετικά με τον τρόπο με τον οποίο η τεχνητή νοημοσύνη τους εφαρμόζεται σε διάφορα δεδομένα. Η επεξηγήσιμη ΤΝ θα συμβάλλει όλο και περισσότερο στην προώθηση της υιοθέτησης της ΤΝ από τις επιχειρήσεις, καθώς θα εδραιωθεί μεγαλύτερη εμπιστοσύνη. Όλο και περισσότεροι πάροχοι ΤΝ θα αποκαλύπτουν πώς εφαρμόζονται τα μοντέλα ΜΜ τους στα αποτελέσματα που εμφανίζουν και στις προβλέψεις, και αυτό θα επεκταθεί σε επίπεδο απλών χρηστών, αφού αυτή η επεξηγηματικότητα θα ενσωματωθεί και διάφορες εφαρμογές» – Jim Stratton, CTO, Workday

Το 2023 θα είναι ένα σημαντικό έτος για την ομοσπονδιακή μάθηση

«Η ομοσπονδιακή μάθηση είναι μια τεχνική μηχανικής μάθησης που μπορεί να χρησιμοποιηθεί για την εκπαίδευση μοντέλων μηχανικής μάθησης με διάφορες πηγές δεδομένων, μέσω της επικοινωνίας εκπαιδευμένων μοντέλων με μεμονωμένες πηγές δεδομένων για την επίτευξη δημιουργίας ενός συνόλου. Επομένως, αντί να χρησιμοποιείται η παραδοσιακή προσέγγιση της συλλογής δεδομένων από πολλαπλές πηγές σε μια κεντρική τοποθεσία για την εκπαίδευση μοντέλων, αυτή η τεχνική δημιουργεί ένα συνεργατικό μοντέλο. Η ομοσπονδιακή μάθηση αντιμετωπίζει ορισμένα από τα σημαντικότερα ζητήματα που επικρατούν στην τρέχουσα τεχνική μηχανικής μάθησης, όπως η προστασία της ιδιωτικότητας των δεδομένων, η ασφάλεια των δεδομένων, τα δικαιώματα πρόσβασης στα δεδομένα και η πρόσβαση σε δεδομένα από ετερογενείς πηγές» – David Murray, διευθύνων σύμβουλος επιχειρήσεων, Devron

Το NLP (επεξεργασία φυσικής γλώσσας) και η αναγνώριση αντικειμένων θα οδηγήσουν την αναζήτηση σε ανώτερο επίπεδο

«Ενώ οι περισσότεροι άνθρωποι ψάχνουν ασταμάτητα για να πάρουν δεδομένα από ιστοσελίδες, έχει σημειωθεί πρόοδος στην επεξεργασία φυσικής γλώσσας (NLP), όπου σύντομα θα μπορούμε να περιγράψετε σε φυσική γλώσσα τι θέλουμε από μια συγκεκριμένη ιστοσελίδα και η μηχανή θα μας το εμφανίσει. Για παράδειγμα, θα μπορούσατε να πείτε: “Αναζήτησε σε αυτόν τον ταξιδιωτικό ιστότοπο όλες τις πτήσεις από το Σαν Φρανσίσκο στη Βοστώνη και κάνε export σε ένα αρχείο Excel, μαζί με την τιμή, την αεροπορική εταιρεία, την ώρα και την ημέρα του ταξιδιού”. Είναι ένα σημαντικό και ταυτόχρονο δύσκολο βήμα, αλλά θα μπορούσαμε να το λύσουμε μέσα στον επόμενο χρόνο» – Varun Ganapathi, CTO και συνιδρυτής, AKASA

Εξελίξεις στη μετάφραση ομιλίας σε πραγματικό χρόνο

«Με την απομακρυσμένη εργασία, τα όρια γίνονται όλο και πιο δυσδιάκριτα. Σήμερα είναι σύνηθες για τους ανθρώπους να εργάζονται και να συνομιλούν με συναδέλφους σε άλλες χώρες, ακόμη και αν δεν μοιράζονται μια κοινή γλώσσα. Η χειροκίνητη μετάφραση σε διάφορα site μπορεί να γίνει εμπόδιο που επιβραδύνει την παραγωγικότητα και την καινοτομία. Έχουμε πλέον την τεχνολογία για να χρησιμοποιούμε εργαλεία επικοινωνίας όπως το Zoom που επιτρέπει σε κάποιον στην Τουρκία, για παράδειγμα, να μιλάει τη μητρική του γλώσσα, αλλά επιτρέπει σε κάποιον στις ΗΠΑ να ακούει τι λέει στα αγγλικά. Αυτή η μετάφραση ομιλίας σε πραγματικό χρόνο βοηθά τελικά στην αποδοτικότητα και την παραγωγικότητα, ενώ παράλληλα δίνει στις επιχειρήσεις περισσότερες ευκαιρίες να λειτουργούν σε παγκόσμιο επίπεδο» – Manoj Chaudhary, CTO και SVP of engineering, Jitterbit

Το phishing με τεχνητή νοημοσύνη θα αυξηθεί

«Μέχρι τώρα, όλοι έχουν δει βίντεο που έχουν δημιουργηθεί με τεχνητή νοημοσύνη. Αξιοποιούνται για διάφορους σκοπούς, από την “επαναφορά” ενός αγαπημένου προσώπου που έχει αποβιώσει, τη διάδοση πολιτικής προπαγάνδας ή την ενίσχυση μιας εκστρατείας μάρκετινγκ. Ωστόσο, φανταστείτε να λαμβάνετε ένα μήνυμα ηλεκτρονικού ταχυδρομείου phishing με ένα deepfake βίντεο του CEO σας που σας δίνει οδηγίες να μεταβείτε σε μια κακόβουλη διεύθυνση URL. Ή ένας επιτιθέμενος να κατασκευάζει πιο πιστευτά, νόμιμα φαινομενικά, phising email χρησιμοποιώντας τεχνητή νοημοσύνη για να μιμείται καλύτερα συναδέλφους σας. Οι σύγχρονες δυνατότητες τεχνητής νοημοσύνης θα μπορούσαν να θολώσουν εντελώς τα όρια μεταξύ νόμιμων και κακόβουλων μηνυμάτων ηλεκτρονικού ταχυδρομείου, ιστότοπων, εταιρικών επικοινωνιών και βίντεο»  – Heather Gantt-Evans, CISO, SailPoint

Οι εταιρείες θα στραφούν σε μια υβριδική προσέγγιση του NLP

«Το επόμενο έτος, θα δούμε τις επιχειρήσεις να στρέφονται σε μια υβριδική προσέγγιση στην επεξεργασία φυσικής γλώσσας (NLP) που συνδυάζει τη ΤΝ με την MM, η οποία έχει αποδειχθεί ότι παράγει εξηγήσιμα, κλιμακούμενα και ακριβέστερα αποτελέσματα, ενώ αφήνει μικρότερο αποτύπωμα άνθρακα. Οι εταιρείες θα επεκτείνουν την αυτοματοποίηση σε πιο σύνθετες διαδικασίες, που απαιτούν ακριβή κατανόηση των εγγράφων, και θα επεκτείνουν τις δραστηριότητες ανάλυσης δεδομένων τους ώστε να συμπεριλάβουν δεδομένα ενσωματωμένα σε κείμενο και διάφορα έγγραφα. Ως εκ τούτου, οι επενδύσεις σε τεχνολογίες φυσικής γλώσσας βασισμένες στην τεχνητή νοημοσύνη θα αυξηθούν. Οι λύσεις αυτές θα πρέπει να είναι ακριβείς, αποτελεσματικές, περιβαλλοντικά βιώσιμες, επεξηγήσιμες και να μην υπόκεινται σε προκατάληψη. Αυτό απαιτεί από τις επιχειρήσεις να εγκαταλείψουν την προσέγγιση με μία μόνο τεχνική, όπως είναι μόνο η μηχανική μάθηση (MM) ή η βαθιά μάθηση (DL) για τους εγγενείς περιορισμούς τους» – Luca Scagliarini, chief product officer, Expert.ai

Η μουσική που παράγεται με τεχνητή νοημοσύνη θα σημειώσει πρόοδο

[διαβάστε εδώ το άρθρο μας για το πρόγραμμα τεχνητής νοημοσύνης που φτιάχνει μουσική]

«Η μουσική που παράγεται από τεχνητή νοημοσύνη θα έχει μια ιδιαίτερα ενδιαφέρουσα εξέλιξη. Τώρα που υπάρχουν εργαλεία που παράγουν οπτική τέχνη (visual) από προτροπές λέξεων, τα ίδια εργαλεία θα βελτιωθούν ώστε να κάνουν το ίδιο και για τη μουσική. Υπάρχουν ήδη διαθέσιμα μοντέλα που χρησιμοποιούν προτροπές κειμένου για να παράγουν μουσική και ρεαλιστικές ανθρώπινες φωνές. Μόλις αυτά τα μοντέλα αρχίσουν να αποδίδουν αρκετά καλά ώστε το κοινό να τα προσέξει, η πρόοδος στον τομέα του παραγωγικού ήχου θα επιταχυνθεί ακόμη περισσότερο. Δεν είναι παράλογο να σκεφτεί κανείς ότι, μέσα στα επόμενα χρόνια, τα μουσικά βίντεο που δημιουργούνται από τεχνητή νοημοσύνη θα μπορούσαν να γίνουν πραγματικότητα, με βίντεο, μουσική και φωνητικά που δημιουργούνται από τεχνητή νοημοσύνη» – Ulrik Stig Hansen, Πρόεδρος, Encord

Οι επενδύσεις στην τεχνητή νοημοσύνη θα κινηθούν προς πλήρως παραγωγικές εφαρμογές

«Τα επόμενα πέντε χρόνια, σχεδόν κάθε εφαρμογή θα τροφοδοτείται από ροές δεδομένων που βασίζονται σε νευρωνικά δίκτυα LLM και θα βοηθούν στην ταξινόμηση, τον εμπλουτισμό, την ερμηνεία και την εξυπηρέτηση. Αλλά η παραγωγικοποίηση της τεχνολογίας νευρωνικών δικτύων είναι ένα από τα δυσκολότερα καθήκοντα στον τομέα της επιστήμης των υπολογιστών αυτή τη στιγμή. Πρόκειται για έναν απίστευτα ταχέως εξελισσόμενο χώρο που χωρίς αποκλειστικό focus και έκθεση σε πολλούς διαφορετικούς τύπους δεδομένων, θα είναι δύσκολο για τις ομάδες μηχανικής μάθησης να διαπρέψουν στην αξιοποίηση αυτών των τεχνολογιών» – Amr Awadallah, Διευθύνων Σύμβουλος, Vectara

Η τεχνητή νοημοσύνη θα δώσει τη δυνατότητα για πιο αποτελεσματικό devops

«Όσον αφορά το devops [σ.σ. ένα σύνολο πρακτικών που συνδυάζει την ανάπτυξη λογισμικού (Dev) και IT λειτουργίες (Ops)], οι ειδικοί είναι βέβαιοι ότι η τεχνητή νοημοσύνη δεν πρόκειται να αντικαταστήσει τις θέσεις εργασίας – αντίθετα, θα δώσει τη δυνατότητα στους προγραμματιστές να εργάζονται πιο αποτελεσματικά. Η ενσωμάτωση της ΤΝ δημιουργεί χώρο για τους ανθρώπους και δίνει τη δυνατότητα στους διερευνητικούς δοκιμαστές (testers) να βρίσκουν περισσότερα σφάλματα και ζητήματα εκ των προτέρων, βελτιώνοντας τη διαδικασία από την ανάπτυξη έως την υλοποίηση ενός συστήματος. Το 2023, θα δούμε τις ήδη “λιτές” ομάδες να εργάζονται πιο αποτελεσματικά και με λιγότερο ρίσκο, καθώς η ΤΝ συνεχίζει να εφαρμόζεται σε όλο τον κύκλο ανάπτυξης της πληροφορικής. Συγκεκριμένα, η ενίσχυση της ΤΝ θα βοηθήσει στην διαδικασία λήψης αποφάσεων για τις devops ομάδες, βρίσκοντας μοτίβα και επισημαίνοντας τα values, επιτρέποντας στις εφαρμογές να “αυτοθεραπεύονται” συνεχώς και απελευθερώνοντας χρόνο για τα αρμόδια τμήματα των εταιρειών ώστε οι προγραμματιστές να εστιάσουν στις εργασίες που θέλουν πραγματικά να κάνουν και που είναι πιο σημαντικές από στρατηγικής άποψης για τον οργανισμό» – Kevin Thompson, Διευθύνων Σύμβουλος, Tricentis

[διαβάστε εδώ το άρθρο μας για το πώς η ΤΝ “φαντάζεται” το επάγγελμά σας]

Με πληροφορίες από: Venture Beat

Ακολουθήστε το OLAFAQ
στο Google News