Куда движется машинное обучение
Современный мир больших данных требует таких технологий, как машинное обучение, которые помогают обрабатывать и анализировать огромные объемы данных.
Неудивительно, что спрос на машинное обучение растет в различных отраслях: из 1600 организаций, недавно опрошенных MemSQL и O'Reilly Media, 61% чаще всего выбирали машинное обучение/искусственный интеллект в качестве наиболее значимой инициативы своей компании в отношении данных в следующем году. . Кроме того, PR Newswire сообщает, что ожидается, что мировой рынок машинного обучения вырастет с 1,41 млрд долларов до 8,81 млрд долларов в период с 2017 по 2022 год.
Как компании будут использовать машинное обучение в ближайшие годы?
Все больше и больше стартапов используют машинное обучение в следующих областях:
Впечатления потребителей
Компании (технологические гиганты и стартапы) используют машинное обучение, чтобы вывести свои продукты и услуги на новый уровень.
- Умные технические продукты. Смартфон Google Pixel 2 использует машинное обучение в технологии камеры RAISR (быстрое и точное изображение со сверхвысоким разрешением). Обученный на реальных фотографиях, RAISR повышает резкость увеличенных фотографий, делая интеллектуальные предположения, чтобы заполнить недостающие детали.
- Лучшие приложения: «Snap.Find.Shop» Неймана Маркуса. приложение позволяет пользователям сфотографировать продукт и автоматически найти и купить продукт или аналогичные продукты в Интернете. Это программное обеспечение для распознавания изображений стало возможным благодаря машинному обучению.
- Персонализированное обслуживание клиентов. Компания Simplr, основанная в 2017 году, предлагает бизнес-решения для обслуживания клиентов. Они используют машинное обучение для автоматизации и персонализации электронной почты службы поддержки клиентов и чат-ботов для компаний электронной коммерции. Их решения доступны по требованию, точны и масштабируемы.
Корпоративный
Благодаря ИИ и машинному обучению компании теперь могут лучше решать проблемы, начиная от защиты своих данных и заканчивая эффективным созданием веб-сайтов.
- Кибербезопасность для бизнеса. Cylance — это компания, которая использует искусственный интеллект и машинное обучение для решения проблем кибербезопасности. Базируясь в округе Ориндж, они помогают предприятиям и правительствам предотвращать взломы и атаки.
- ИТ-услуги. LogDNA, калифорнийский стартап в области машинного обучения, привлекший в 2018 году 8,4 млн долларов, применяет машинное обучение к данным ИТ-журналов, чтобы помочь организациям обнаруживать и устранять ИТ-проблемы до того, как они возникнут. В результате компании могут сократить расходы на ремонт ИТ.
- Услуги электронной коммерции. Bookmark – это компания, которая разрабатывает и создает персонализированные веб-сайты с помощью машинного обучения. Эта услуга устраняет необходимость в потенциально дорогостоящем человеческом труде. Он поддерживается технологией «AiDA» (помощник по дизайну AI), которая может проверять веб-сайты конкурентов, чтобы помочь добавить в закладки оптимальный дизайн веб-сайтов для своих клиентов.
Здравоохранение
Ожидается, что в ближайшие 10 лет машинное обучение станет популярным среди стартапов, работающих с лабораториями клиник и диагностическими компаниями.
- Обнаружение болезней: Paige.AI (механизм управления AI по патологии) объединяет машинное обучение с патологией. Этот стартап помогает патологам обрабатывать свои данные, в конечном итоге предоставляя информацию, которая позволяет быстрее и лучше выявлять заболевания у пациентов. В результате возникнет информированное принятие решений и более точные прогнозы.
- Понимание зачатия. Univfy, базирующаяся в Лос-Альтос, Калифорния, максимизирует шансы женщин на зачатие за счет более точных прогнозов их вероятности успеха. Машинное обучение используется для анализа данных о здоровье пациентов и предоставления персонализированных отчетов, помогая тем, кто страдает бесплодием.
- Клиническая помощь. По состоянию на 2018 год компания Bay Labs Inc. привлекла 5,5 млн долларов США и использует машинное обучение в визуализации сердечно-сосудистых заболеваний, чтобы помочь клиницистам лучше интерпретировать и выполнять эхокардиограммы с помощью алгоритмов и коллекций видео.
- Автоматизация повторяющихся задач.CrossChx — это организация, которая использует машинное обучение для оптимизации крупномасштабных повторяющихся задач для медицинских компаний. Некоторые из этих задач включают передачу данных пациентов, обработку медицинских счетов и аналитическую отчетность.
Сельское хозяйство
В агротех есть много возможностей для роста, поскольку ресурсы часто можно использовать более эффективно. В результате ожидается, что многие стартапы продолжат появляться в этой отрасли.
- Мониторинг почвы. Teralytic, сельскохозяйственная компания, основанная в 2016 году, использует беспроводные датчики для предоставления фермерам качественных данных о почве. Это позволяет фермерам повышать урожайность и минимизировать затраты с помощью почвоведения, Интернета вещей и машинного обучения.
- Управление энергопотреблением и водными ресурсами. Wexus Technologies Inc. – стартап из Сан-Франциско, который делает фермы более прибыльными, эффективными и безаварийными. Они специализируются на использовании машинного обучения для раннего выявления проблем с оборудованием для устранения рисков, отслеживания данных для сокращения потерь и максимизации прибыли, а также для экономии времени и труда за счет автоматизации задач.
- Анализ процессов. Biome Makers – стартап из Сан-Франциско, специализирующийся на всестороннем анализе сельскохозяйственных и промышленных процессов. Этот стартап микробиома направлен на использование микроорганизмов виноградников, чтобы помочь виноделам выращивать более качественные лозы.
При таком высоком спросе на машинное обучение недостатка в инвестициях также нет:
- Глобальный институт McKinsey обнаружил, что почти 60% из 8–12 миллиардов долларов инвестиций в ИИ в 2016 году было инвестировано в машинное обучение.
- По данным IFI Claims Patent Services, количество патентов на машинное обучение выросло на 34% в год в период с 2013 по 2017 год.
Помимо обильных инвестиций, в технологической отрасли по-прежнему будет происходить большое количество исследований и разработок, а также слияний и поглощений.
Крупные технологические компании, такие как Microsoft, Apple, Tesla и GE, лидируют в области технологий машинного обучения благодаря своим собственным исследованиям. Например, GE использует машинное обучение для сбора данных и создания «цифровых двойников» промышленных машин (ветряков, газовых турбин, реактивных двигателей), что позволяет анализировать и воспроизводить производительность машин.
Что касается слияний и поглощений, в 2017 году компания Google приобрела популярную платформу и сообщество для обработки данных под названием Kaggle. Kaggle содержит множество конкурсов с открытым исходным кодом, наборы данных и алгоритмы для развития образования в области машинного обучения. Теперь, благодаря ресурсам и сообществу Kaggle, Google может лучше объединить специалистов по данным и добиться дальнейшего прогресса в области машинного обучения.
Что все это значит?
Сбор больших данных позволяет компаниям совершенствовать свои продукты и услуги, оптимизировать свои машины и процессы и решать проблемы более эффективно, чем когда-либо. С таким количеством компаний, работающих с машинным обучением, эта популярная отрасль ИИ неизбежно продолжит оказывать положительное влияние на отрасли. Здравоохранение, потребительский опыт, предпринимательство и сельское хозяйство — все это секторы, на которые следует обратить внимание в ближайшие годы, поскольку все больше и больше технологических компаний входят в эти области.
