Интеллектуальные системы, работающие на основе алгоритмов машинного обучения, требуют больших объемов размеченных данных. Используя фактические сведения справочного характера, можно восполнять нехватку размеченных данных для обучения алгоритмов, причем для многих практических применений удобно организовывать справочные сведения в форме графа знаний. Объединение сведений из графов знаний с обучающими выборками позволяет существенно улучшить результативность работы алгоритмов машинного обучения, в том числе используемых в системах предоставления рекомендаций и анализа структуры сообществ. Графы знаний позволяют не только повысить точность работы таких систем, но и обеспечить объяснимость получаемых результатов.
Чат-боты, голосовые помощники, виртуальные ассистенты активно применяются сегодня при организации сервисного обслуживания, однако общение с чат-ботом, не обеспечивающее решения вопроса, чревато потерей клиента, который уйдет к компании, виртуальный ассистент которой интегрирован с ее бизнес-процессами и формирует решение, опираясь на ее цифровые активы, системы прогнозной аналитики, ИИ и знания человека-оператора.
Оптимизация производства на основе огромных объемов данных, генерируемых промышленным предприятием, невозможна без их комплексного анализа в реальном времени в Промышленных облаках, интегрирующих машины, станки, системы управления и технологии искусственного интеллекта.
Уровень удовлетворенности граждан России качеством предоставления государственных и муниципальных услуг должен быть на уровне 90%. Как неинвазивными методами объективно оценить степень удовлетворенности граждан качеством услуг, предоставляемых МФЦ?
Темы декабрьского, январского и февральского выпусков журнала Computer (IEEE Computer Society, Vol. 52, No. 12, 2019; IEEE Computer Society, Vol. 53, No. 1, 2, 2020) — технологические прогнозы, технологическое разнообразие и цифровое здравоохранение.
Машинное обучение и прогресс в аппаратных технологиях позволил предприятиям намного быстрее обрабатывать свои данные для проведения мощных маркетинговых кампаний, развертывания эффективных логистических операций и расширения лояльной клиентской базы. Однако до 85% проектов ИИ терпят неудачу, несмотря на рост инвестиций в инфраструктуру поддержки решений машинного обучения. Причина — «грязные» данные.
Темы сентябрьского, октябрьского и ноябрьского номеров журнала Computer (IEEE Computer Society, Vol. 52, No. 9–11, 2019) — трансляционные исследования в информатике, юбилей ARPANET и цифровое здравоохранение.
Год 2020 завершает второе десятилетие XXI века, ставшее переломным для многих экономик, — именно в этот период родилась концепция цифровой трансформации и стали предприниматься реальные усилия по ее воплощению в жизнь. Рубеж двух десятилетий ознаменуется возвратом к человеку. Сквозная идея технологических прогнозов на 2020 год — влияние цифровых новаций на человека.
Для повышения эффективности технологических и производственных процессов сегодня все чаще используется подход Edge AI, обеспечивающий устойчивость к кибератакам и быстродействие при относительно небольших трудозатратах на программирование.
Будущее — это не простое продолжение настоящего. Изменения, влияющие сегодня на каждый аспект жизни общества, происходят не линейно — они экспоненциальны, комбинаторны и взаимозависимы. Будущее — это образ мышления, а не категория времени с конкретными рамками, в противном случае непременно сбывались бы все прогнозы аналитиков и футурологов.
