Процесс автоматизации тестирования программного обеспечения напрямую связан с разработкой и обновлением инструментов искусственного интеллекта (ИИ). Machine Learning (ML) – это своего рода свод правил, норм, методик и алгоритмов, применяемых для создания ИИ, который будет обучаться на основе своего собственного опыта. Для этого используется большой массив данных, который приравнивается к определенным закономерностям [1].
Искусственный интеллект (ИИ) – одна из самых быстрорастущих и популярных технологий на основе данных, используемых во всем мире. Искусственный интеллект используется многими организациями по всему миру – от правительств и крупных организаций до небольших онлайн-предприятий.
Искусственному интеллекту предстоит пройти долгий путь прежде, чем он сможет сравняться с человеческим разумом. Пока что AI-технологии не обладают широтой мышления: они преуспевают лишь в решении узких задач. Это не мешает компаниям вкладывать огромные средства в исследования и разработки в этой сфере – и машины становятся умнее с каждым годом. На основе уже пройденных этапов развития можно предположить, каким образом ИИ-приложения будут совершенствоваться в 2022 году.
1. В центре внимания окажется разговорный искусственный интеллект, поскольку в сфере обработки естественного языка (NLP) будет больше стартапов, чем в любой другой области ИИ [1].
Алгоритмы NLP лежат в основе голосовых помощников, чат-ботов, программ по переводу речи в текст и так далее. Взрывной рост рынка речевых технологий в последние несколько лет стал возможен благодаря нейросетевой архитектуре «Трансформер» (Transformer), которую исследователи из Google Brain представили в 2017 году. Сейчас на архитектурах такого типа строятся зрелые языковые модели, которые можно масштабировать и коммерциализировать.
2. Появятся новые мощные инструменты искусственного интеллекта для видео.
По данным Cisco, более 82% всего интернет-трафика в 2022 году будет приходиться на видео. Ежедневно на YouTube просматриваются 7 млрд видео, а в TikTok загружаются 100 млн роликов. Продолжают расширяться базы пользователей и библиотеки контента стриминговых сервисов, таких как Netflix, Amazon Prime Video, Disney +, Hulu, HBO Max [2].
Все же, по сравнению с изображениями и текстами, до сих пор для видео создавалось относительно мало продуктов на основе глубокого обучения. Это открывает огромные рыночные возможности. Мы можем увидеть в 2022 году расцвет AI-инструментов для поиска, создания и редактирования видео.
3. Ведущие вычислительные платформы предпримут новые инициативы в области синтетических данных.
По прогнозам исследовательской и консалтинговой компании Gartner, к 2024 году синтетические данные (то есть сгенерированные компьютерной программой) будут составлять 60% всех данных, используемых при разработке продуктов на базе искусственного интеллекта [3].
Несколько месяцев назад компания Meta Platforms (в прошлом Facebook) приобрела стартап AI.Reverie, который занимается созданием синтетических баз данных. И это – сигнал.
В 2022 году крупные облачные платформы и платформы данных также могут предпринять новые усилия, связанные с синтетическими данными, чтобы привлечь больше разработчиков в свои экосистемы. Платформы-кандидаты: Amazon Web Services, Microsoft Azure, Google Cloud Platform, Unity Technologies, Scale AI [3].
4. Американские компании Databricks, DataRobot и Scale AI станут публичными.
Каждая из них предоставляет другим организациям инструменты и инфраструктуру для создания собственных приложений на базе искусственного интеллекта.
Все три разработчика демонстрировали поразительно высокие темпы роста выручки и в 2021 году привлекли финансирование от фондов, которые обычно инвестируют в компании на стадии pre-IPO, то есть незадолго до выхода на биржу. Так, в Databricks поступили вложения от Franklin Templeton; в DataRobot – от Altimeter Capital и Tiger Global; в Scale AI – от Dragoneer, Greenoaks и Tiger Global [3].
5. Некоторые из самых важных ИИ-приложений, которые выйдут в 2022 году, будут в сфере кибербезопасности
Киберпреступность становится все более серьезной проблемой, решать которую уже помогает искусственный интеллект. По прогнозам Meticulous Market Research Pvt. Ltd., глобальный рынок AI-инструментов в области информационной безопасности к 2027-му достигнет $46 млрд при среднегодовом темпе роста 23,6% [4, стр. 253].
AI-системы анализируют сетевой трафик, распознают подозрительные действия и шаблоны атак, осуществляют мониторинг облачных сетей и справляются с другими задачами. Но и злоумышленники берут на вооружение искусственный интеллект, благодаря которому, например, обнаруживают слабые места в корпоративных системах. Именно поэтому разработка новых ИИ-приложений, способных противостоять нарушениям кибербезопасности, также первостепенна, как и другие задачи искусственного интеллекта.
6. «Ответственный искусственный интеллект» начнет переходить от расплывчатого понятия к набору корпоративных практик
AI-технологии развиваются быстрее нашей способности применять их ответственно. Но, как показало исследование Dentons, для большинства руководителей компаний вопросы о том, кто несет ответственность за регулирование и соблюдение нормативных требований в области ИИ, остаются открытыми. Очевидно, это мешает встраивать в повседневные рабочие процессы инструменты для ответственного использования искусственного интеллекта. Но в 2022 году ситуация начнет меняться [5].
Драйвером этих изменений становится создание правовой инфраструктуры в этой области. Так, все страны в составе ЮНЕСКО в ноябре 2021-го приняли Рекомендацию по этике искусственного интеллекта, в Нью-Йорке недавно утвержден первый в своем роде закон об обязательном аудите компаний, использующих ИИ при принятии решений о найме (он начнет действовать с 2023 года), в России готовится законопроект о регулировании рекомендательных систем в соцсетях (его могут внести в Госдуму уже в первой половине 2022-го) и разработан законопроект, регулирующий отношения робота и человека.
7. Обучение с подкреплением будет оказывать все большее влияние на развитие технологий искусственного интеллекта
Доминирующим подходом в разработке систем искусственного интеллекта сегодня является обучение с учителем, которое влечет за собой сбор большого количества данных, их маркировку и передачу в ИИ-модель. Неконтролируемое обучение – аналогичный подход, но без необходимости создания ярлыков – также начал набирать обороты в последние годы.
Однако есть еще одна парадигма machine learning: обучение с подкреплением. Она существует уже несколько десятилетий, но ее огромный потенциал только начинает проясняться. При таком способе система не обучается на исторических данных реального мира; ей не даются «ключи к ответу» и указания, на что следует обращать внимание, как при обучении с учителем. Вместо этого искусственному интеллекту разрешено неограниченно исследовать окружающую среду, изучать мир, руководствуясь определенной целью [5].
Именно обучение с подкреплением привело к триумфу AlphaGo – программу для игры в го от компании DeepMind. В 2015 году она победила профессионала, при этом тренировалась самостоятельно, без вмешательства людей. Этот способ машинного обучения может применяться в различных системах искусственного интеллекта: от рекомендательных алгоритмов до роботов и автономных транспортных средств. В DeepMind вообще считают, что обучение с подкреплением само по себе может привести нас к появлению общего искусственного интеллекта (AGI).