Dit artikel gaat in op de trends op het gebied van kunstmatige intelligentie (AI) en machine learning (ML) die voor 2022 worden voorspeld voor het zakelijke landschap, maar lezers moeten niet vergeten dat bedrijven nog steeds te maken hebben met de pandemie, evenals met arbeidstekorten, economische crisis, en vele andere problematische factoren. Hoewel sommige bedrijven over de hele wereld zeker sterker zijn geworden tijdens deze wereldwijde crises, zijn er veel niet, maar voor bijna iedereen hebben geavanceerde technologieën een revolutie teweeggebracht in de manier waarop we leven en werken.

2020 en 2021 hebben ons doen beseffen dat technologie in potentie een voordelige redder is en zeker een belangrijke gids tijdens een crisis. kunstmatige intelligentie, machine learning en bijbehorende technologieën hebben het potentieel om traditionele bedrijfsmodellen te doen herleven van totale chaos naar een zeer gestroomlijnde, kostenvriendelijke en efficiënte workflow.

De “intelligente” component van de intelligent digitaal gaas verwijst meestal naar AI, ML (en gerelateerde technologieën), omdat deze twee het 'brein' van slimme machines aansturen om bedrijfswaarde te leveren. AI en ML spelen samen een cruciale rol in de intelligente digitale bedrijfswereld, waardoor machines menselijk denken en menselijke taken kunnen nabootsen. Bedrijven hebben geleerd om vertrouw op geavanceerde technologieën en onderschrijven van op technologie gebaseerde bedrijfsmodellen.

Deze bespreking van trends op het gebied van kunstmatige intelligentie en machine learning in 2022 begint met statistieken, die de voortgang van de hier gepresenteerde ideeën laten zien:

• Van 2020 tot 2027 zal de wereldwijde AI-gedreven cyberbeveiligingsmarkt naar verwachting groeien met een CAGR van 23.6%, tegen het einde van de projectieperiode $ 46 miljard bereikt

• Terwijl 51% van de ondernemingen plannen heeft om: implementeren AI voor geautomatiseerde processen doet 25% van de bedrijven dit al

• In 2020 had 80% van het uitvoerend personeel het druk versnellen de automatiseringsinitiatieven van bedrijfsprocessen
• Tegen 2023 zal 40% van de infrastructuur en operations (I&O) teams in grote organisaties gebruikmaken van AI-aangedreven augmented oplossingen, met de bedoeling het drukke IT-personeel vrij te maken voor meer strategisch werk
• Volgens een McKinsey-rapport 2020, 66% van de bedrijven behaalde een hogere omzet dankzij hun AI-systemen
• In 2021, 74% van bedrijven $ 50,000 of meer toegewezen voor AI-projecten, wat een aanzienlijke stijging van 55% is in het AI-budget vanaf 2020
• In 2022 zal elk bedrijf naar verwachting 35 AI-projecten in ontwikkeling

Factoren die van invloed zijn op AI-adoptiebedrijven in 2022

"Het lanceren van pilots is bedrieglijk eenvoudig, maar het implementeren ervan in productie is notoir uitdagend ... Hoewel het potentieel voor succes enorm is, duurt het leveren van zakelijke impact van AI-initiatieven veel langer dan verwacht." — Chirag Dekate, Senior Director Analyst bij Gartner

Hier zijn enkele factoren die een grote impact kunnen hebben op de implementatie van AI-projecten in organisaties in 2022:

• Verhoogde IT-budgetten voor AI, zoals blijkt uit statistieken van Appen, Gartner, McKinsey of World Economic Forum

• Pandemie veroorzaakte versnelde digitalisering van bedrijven op een ongekende manier, waardoor een markt van hoogopgeleide IT-medewerkers in 2021

• Vijftig landen, waaronder de VS, het VK en China, hebben nationale AI-strategieën in ontwikkeling. Dit kan andere landen aanmoedigen om soortgelijke inspanningen te ondernemen

• Sommige milieuproblemen maken het gebruik van AI noodzakelijk, zoals de inspanningen om klimaatverandering aan te pakken

• In 2020 ontving de FBI 69% meer klachten over cybercriminaliteit dan in 2019. Door de explosieve opkomst van cybercriminaliteit is er een dringende behoefte ontstaan ​​aan AI-gestuurde cyberbeveiligingsoplossingen

Welke AI-trends staan ​​​​op het punt om in 2022 naar voren te komen?

Deze TechTarget-artikel geeft aan dat AI op weg is naar "conceptueel ontwerp, kleinere apparaten en multimodale toepassingen", die gezamenlijk de industriesectoren zullen domineren. Quantum AI is gebruikt als een voorbeeld van die voorwaartse trend.

Zoals eerder vermeld, zullen multimodaal leren, AutoML, conceptueel ontwerp, Democratized AI, Responsible AI of Quantum ML - allemaal aanwezig in het AI-onderzoekslandschap van 2021 - in 2022 meer impact hebben via industriële toepassingen.

Een lange lijst van AI-trends zal in 2022 waarschijnlijk het zakelijke landschap domineren. Hier zijn vijf belangrijke AI-trends om op te letten:

• Verbeterde bedrijfsprocessen en systemen: 2022 zal een boost geven aan alle soorten geautomatiseerde systemen die worden aangedreven door AI, zoals augmented Data Management en augmented analytics, om operationele uitmuntendheid, kostenefficiëntie en veerkracht te bereiken. De gecombineerde impact van cloud, geautomatiseerde procesautomatisering (RPA), en IoT, zullen AI-augmented automatisering een droom maken voor bedrijven.

• Opkomst van verantwoordelijke AI: "Verantwoorde AI helpt eerlijkheid te bereiken ...", zegt Svetlana Sicular, Re
  zoek VP op Gartner. Bepaalde bedrijfstakken eisen steeds vaker dat geautomatiseerde systemen die beslissingen uitspugen, de logica achter de beslissingen moeten kunnen verklaren. Bovendien moeten dergelijke beslissingen volledig vrij van vooringenomenheid (eerlijk) zijn. Beschikbare branchepublicaties geven duidelijk aan dat "ethisch, verantwoord gebruik van kunstmatige intelligentie een van de bepalende AI-trends zal zijn" voor 2022.

• Gebruik van AI in cyberbeveiliging: AI-algoritmen zijn al gebruikt voor het voorkomen van cyberaanvallen, het bewaken van bedrijfsnetwerken, het detecteren van schadelijke software en andere toepassingen. Nu hebben zakelijke gebruikers last van slimme hackers die gegevens manipuleren die worden gebruikt in modeltraining, toegang krijgen tot gevoelige gegevens door AI-systemen te reverse-engineeren of zwakke plekken in de beveiliging in bedrijfssystemen detecteren. Om deze cyberdreigingen tegen te gaan, willen bedrijven nu dat AI-oplossingen alle gegevens die worden gebruikt voor modeltraining nauwkeurig screenen en speciale beveiligingselementen in de AI-modellen injecteren.

• Gebruik van AI voor milieubedreigingen: In 2022 hebben bedrijven en overheden krachtige AI-oplossingen ingezet om de koolstofemissies, gebruik van fossiele brandstoffen, opwarming van de aarde en ontbossing. Eén casestudy is van Google, dat deep learning toepaste op hun datacenter-koeltechnologie, en een 40%. vermindering van het energieverbruik.
• Hyperautomatisering in de zorg: Leveringssystemen voor de gezondheidszorg zullen zorgverleners in staat stellen sneller en nauwkeuriger beslissingen te nemen; farmaceutische bedrijven helpen om in recordtijd hoogwaardige producten op de markt te brengen; de workflow van het zorgstelsel stroomlijnen; en kosten te verlagen door menselijke arbeid te automatiseren.

In deze Forbes-post, auteur en insider uit de branche Bernard Marr praat over andere AI-trends van 2022 die hier niet worden genoemd.

Trends in machine learning (ML) om op te letten in 2022

machine learning oplossingen, wanneer ze worden aangedreven door Data Science, stellen modellen in staat om menselijke taken na te bootsen en deze nauwkeuriger en efficiënter uit te voeren. Om concurrerend te blijven in de meedogenloze zakenwereld, is het absoluut noodzakelijk dat organisaties ML-gebaseerde oplossingen omarmen en implementeren in hun activiteiten.

Hier zijn een aantal recente ML-trends waar bedrijven in 2022 van kunnen profiteren:

• Codeloze ML: Omdat codeloze ML niet wordt blootgesteld aan tijdrovende processen zoals modellering, de ontwikkeling van algoritmen, het verzamelen van gegevens, omscholing, foutopsporing, enzovoort, is het economisch, eenvoudig en gemakkelijk te implementeren en te implementeren. Dit systeem van oplossingsontwikkeling vereist geen expert data Science personeel. De nieuwste ontwikkelingen in ML-technologie, zoals biometrische gezichtsherkenning, hebben een revolutie teweeggebracht in de manier waarop ML-oplossingen nu worden ontwikkeld.

• Kleine ML: Omdat ML-algoritmen die op grote servers worden verwerkt, tijdrovend kunnen zijn vanwege het heen en weer reizen van gegevens, is het een betere methode om ML-algoritmen op edge-apparaten te gebruiken. De vele voordelen van deze TinyML-aanpak zijn onder meer een laag stroomverbruik, lage bandbreedte, hoge privacy en lage latentie.

• Full-stack diep leren: Deze methode leidt tot de bibliotheken en frameworks om specifieke taken te automatiseren voor meer flexibiliteit.
• Generatief vijandig netwerk (GAN): In een GAN vullen twee concurrerende neurale netwerken elkaars rollen aan. Terwijl het ene netwerk beelden genereert (het generatieve netwerk), evalueert het andere (het discriminerende netwerk) de beelden. Op deze manier hebben GAN's geen enkele menselijke tussenkomst nodig. Machines leren zichzelf met beeldvoorbeelden.

• One Shot, Few Shot, Zero Shot leren: Om een ​​ML-model te laten leren, moeten er meestal veel gegevens worden aangeleverd. In sommige gevallen kan het te ingewikkeld en overbodig worden om enorme stapels afbeeldingen te gebruiken om het model te leren. De huidige praktijk is dus om een ​​enkele afbeelding, een paar afbeeldingen of geen afbeelding te gebruiken om het model te leren. Bij one shot learning vergelijken twee subnetwerken een te identificeren afbeelding met een referentieafbeelding. De mate van overeenkomst tussen de twee afbeeldingen bepaalt de beslissing van het model. Twee andere praktijken zijn om weinig afbeeldingen te gebruiken. Het uiteindelijke doel van deze leermethode is om met beperkte data een model te trainen.

Deze Becoming Human artikel beschrijft ook hoe sommige andere machine learning-trends die in 2021 van start gaan, van invloed zullen zijn op bedrijven in 2022.

Afbeelding gebruikt onder licentie van Shutterstock.com

Bron: https://www.dataversity.net/artificial-intelligence-and-machine-learning-trends-in-2022/