Комментарии

Внедрение объяснимого ИИ дает ряд положительных эффектов как в коммерческом, так и в государственном секторах:

— повышение производительности, более быстрое выявление ошибок в модели;
— укрепление доверия со стороны клиентов и пользователей;
— снижение регуляторных и других рисков.

В некоторых странах внедрение объяснимого ИИ станет обязательным требованием для компаний со стороны государств. Европарламент уже принял закон под названием AI Act, который устанавливает правила и требования для разработчиков моделей ИИ. Они должны обеспечить прозрачность работы таких систем.

А какие преимущества XAI перед обычным ИИ?

Перспективы внедрения XAI

Несмотря на все плюсы XAI, внедрение такого ИИ сталкивается с рядом препятствий, таких как:

отсутствие консенсуса по определениям нескольких ключевых понятий — некоторые исследователи используют термины «объяснимость» и «интерпретируемость» как синонимы, а другие четко разделяют их;
недостаток практических рекомендаций по поводу того, как выбирать, внедрять и тестировать XAI;
отсутствие понимания, должен ли объяснимый ИИ быть понятным для обычных пользователей.

Отдельные исследователи предложили идею «белого ящика», или моделей, которые будут объяснимыми и прозрачными. Так, систему ИИ можно разбивать на модули, каждый из которых может быть интерпретирован, либо изначально строить модели с соблюдением правил прозрачности, чтобы разработчик не терял контроль над ситуацией.

Однако другие эксперты считают, что и «белый ящик» не решит проблему доверия к ИИ со стороны людей, у которых нет технического образования. По их мнению, XAI и объяснимый ИИ — это лишь часть более широких усилий для создания искусственного интеллекта, работа которого будет понятна любому человеку.

ИИ используется в разработке программных решений на следующих этапах:

Сбор технических требований

Цифровые ассистенты анализируют документы с собранными требованиями, указывают на разногласия в тексте, нестыковки в цифрах, единицах измерений, суммах и предлагают возможные решения.

Быстрое прототипирование

Преобразование бизнес-требований в программный код обычно занимает месяцы или даже годы. Однако машинное обучение значительно сокращает этот процесс, позволяя специалистам с меньшим опытом использовать методы разработки естественного языка или визуального интерфейса для создания прототипа.

Кодирование

В процессе написания кода, работающая на базе ИИ система автозаполнения предлагает рекомендации для завершения строчек кода. Интеллектуальные помощники сокращают время на создание кода на 50%. Дополнительно они могут рекомендовать обратиться к связанным документам, лучшим практикам и дать примеры кода.

Анализ и обработка ошибок

Виртуальный ассистент может извлекать уроки из прошлого опыта, чтобы выявлять типичные ошибки и автоматически помечать их на этапе разработки. Машинное обучение можно использовать для анализа системных журналов для быстрого и даже упреждающего выявления ошибок.

Автоматический рефакторинг кода

Чистый код необходим для совместной работы и долгосрочного обслуживания. По мере развития компании, программные решения могут изменяться, и остро встает вопрос о том, как модифицировать код для лучшей работы приложений. Машинное обучение используется в этом случае с целью анализа кода и автоматической оптимизации кода для легкой интерпретируемости и повышения производительности.

Тестирование

Автоматизированные системы тестирования используют ИИ не только для того, чтобы запускать процесс тестирования, но и для создания test кейсов.

Ввод в эксплуатацию

Иногда ошибки в программном коде становятся явными только после того, как программное обеспечение введено в эксплуатацию. Но AI-инструменты предотвращают подобные ситуации, проверяя статистику предыдущих релизов и логи приложений.

Управление проектами

Разработка программного обеспечения иногда выходит за рамки бюджета и графика. Системы продвинутой аналитики позволяют использовать данные большого количества проектов по разработке ПО для прогнозирования технических задач, необходимых ресурсов и времени на выполнение проекта. Машинное обучение может извлекать данные из прошлых проектов, такие как истории пользователей, определения функций, оценки и фактические условия, для более точного прогнозирования рабочей нагрузки и бюджета.

Хотелось бы подробней узнать про конкретные области применения искусственного интеллекта при разработке ПО, на каких этапах и какие инструменты

ИИ используется в разработке программных решений на следующих этапах:

Сбор технических требований

Цифровые ассистенты анализируют документы с собранными требованиями, указывают на разногласия в тексте, нестыковки в цифрах, единицах измерений, суммах и предлагают возможные решения.

Быстрое прототипирование

Преобразование бизнес-требований в программный код обычно занимает месяцы или даже годы. Однако машинное обучение значительно сокращает этот процесс, позволяя специалистам с меньшим опытом использовать методы разработки естественного языка или визуального интерфейса для создания прототипа.

Кодирование

В процессе написания кода, работающая на базе ИИ система автозаполнения предлагает рекомендации для завершения строчек кода. Интеллектуальные помощники сокращают время на создание кода на 50%. Дополнительно они могут рекомендовать обратиться к связанным документам, лучшим практикам и дать примеры кода.

Анализ и обработка ошибок

Виртуальный ассистент может извлекать уроки из прошлого опыта, чтобы выявлять типичные ошибки и автоматически помечать их на этапе разработки. Машинное обучение можно использовать для анализа системных журналов для быстрого и даже упреждающего выявления ошибок.

Автоматический рефакторинг кода

Чистый код необходим для совместной работы и долгосрочного обслуживания. По мере развития компании, программные решения могут изменяться, и остро встает вопрос о том, как модифицировать код для лучшей работы приложений. Машинное обучение используется в этом случае с целью анализа кода и автоматической оптимизации кода для легкой интерпретируемости и повышения производительности.

Тестирование

Автоматизированные системы тестирования используют ИИ не только для того, чтобы запускать процесс тестирования, но и для создания test кейсов.

Ввод в эксплуатацию

Иногда ошибки в программном коде становятся явными только после того, как программное обеспечение введено в эксплуатацию. Но AI-инструменты предотвращают подобные ситуации, проверяя статистику предыдущих релизов и логи приложений.

Управление проектами

Разработка программного обеспечения иногда выходит за рамки бюджета и графика. Системы продвинутой аналитики позволяют использовать данные большого количества проектов по разработке ПО для прогнозирования технических задач, необходимых ресурсов и времени на выполнение проекта. Машинное обучение может извлекать данные из прошлых проектов, такие как истории пользователей, определения функций, оценки и фактические условия, для более точного прогнозирования рабочей нагрузки и бюджета.

Хотелось бы подробней узнать про конкретные области применения искусственного интеллекта при разработке ПО, на каких этапах и какие инструменты

Приходит время нового программного обеспечения – Software 2.0. Оно будет на порядок сложнее существующих разработок и его будут помогать разрабатывать машинное обучение и нейронные сети.

Модели машинного обучения находят важные функции и закономерности в данных, а области, которые больше всего выигрывают от программного обеспечения 2.0, включают компьютерное зрение, распознавание речи, машинный перевод, игры, робототехнику и базы данных.

Огромный потенциал эмоционального ИИ наблюдается и в HR-области. Наша команда как раз-таки сейчас проводит исследования для разработки инструментов по эффективному подбору персонала. В эру удаленного сотрудничества (и вряд ли эта эра увидит свой закат в ближайшем будущем) ЭИИ уже в скором времени станет верным ассистентом HR-специалистов для анализа эмоционального состояния кандидата, а также его психологического портрета — все то, на что на расстоянии обратить внимание значительно сложнее, нежели вживую.

Между тем, преимущества ЭИИ могут быть раскрыты в полней мере не только в области рекрутинга, но и в рамках создания продуктивной рабочей среды: оценка степени выгорания, соответствия психотипов, уровень стресса и оценка способностей справляться со сложными задачами — та информация, которая зачастую остается незамеченной сотрудниками по работе с персоналом, несомненно, станет неотъемлемым бизнес-компонентом при выстраивании как начинающих стартапов, так и развитии уже крупных и успешных корпораций и будет доступен для всех участников бизнес-рынка.

Элементы такой передовой технологии будут быстро распространяться среди сфер человеческой жизни. Скептицизм всегда сопровождает многие открытия и находки, но, к счастью, здравый разум неизменно побеждает. Именно поэтому у нас есть шанс наслаждаться “искусственным” светом, мобильной связью и скоростным интернетом. Не так давно многое из этого казалось фантастикой.

Когда мы говорим о будущем, то мыслим о чем-то далеком и гипотетическом. О чем-то невозможном, а потому туманном. Правда, конечно же, в том, что будущее начинается сегодня. Сейчас. И эмоциональный искусственный интеллект способен помочь нам сделать наше будущее значительно осознаннее и благополучнее. Помочь стать эмоционально осознаннее.

Сама по себе технология эмоционального искусственного интеллекта крайне комплексная и объединяет разработки сразу нескольких научных дисциплин: компьютерные и когнитивные науки, психологию и нейробиологию, социологию и лингвистику. Именно такая тесная взаимосвязь между научными направлениями создает плодотворную почву для развития эффективного эмоционального ИИ.

Различные подходы и технологические инструменты расширяют диапазон возможностей распознавания человеческих эмоций, которые считываются с помощью видео, аудио и других биометрических сенсоров. Полученные данные обрабатываются алгоритмами машинного обучения, определяя способ, тип, тональность и эмоциональность ответной реакции. Кроме того, системы эмоционального ИИ отличаются друг от друга по своим предназначениям и целям.

Еще совсем недавно, до периода пандемии, мир выглядел совершенно незыблемым и безграничным: лишь фантастический поворот событий мог нарушить привычный ход наших жизней. Однако, поворот оказался весьма реальным, как и всё, что за ним скрывалось. Так, эмоциональный искусственный интеллект буквально за два года из феномена гипотетического будущего превратился в активно развивающуюся технологию, призванную помочь людям узнать больше о самих себе и природе человеческих эмоций.

Очень крутая платформа, давно не видел такого функционала и чтоб все работало, установил и все уже есть, по сравнению с другими CMS DST Маркетплейс просто гигант

Очень крутая платформа, давно не видел такого функционала и чтоб все работало, установил и все уже есть, по сравнению с другими CMS DST Маркетплейс просто гигант

Очень крутая платформа, давно не видел такого функционала и чтоб все работало, установил и все уже есть, по сравнению с другими CMS DST Маркетплейс просто гигант

Очень крутая платформа, давно не видел такого функционала и чтоб все работало, установил и все уже есть, по сравнению с другими CMS DST Маркетплейс просто гигант

Очень крутая платформа, давно не видел такого функционала и чтоб все работало, установил и все уже есть, по сравнению с другими CMS DST Маркетплейс просто гигант

Очень крутая платформа, давно не видел такого функционала и чтоб все работало, установил и все уже есть, по сравнению с другими CMS DST Маркетплейс просто гигант

Очень крутая платформа, давно не видел такого функционала и чтоб все работало, установил и все уже есть, по сравнению с другими CMS DST Маркетплейс просто гигант

Очень крутая платформа, давно не видел такого функционала и чтоб все работало, установил и все уже есть, по сравнению с другими CMS DST Маркетплейс просто гигант

Примерно так же “ведет” себя легаси. Поэтому работа программиста, который взялся за задачу модернизировать и “вдохнуть вторую жизнь” в проект, должна быть в некой степени ювелирной. Большинство программистов пытаются избегать и вообще “спрыгнуть с темы” технического долга. Даже составил хит-парад самых распространенных цитат, которые приходилось слышать от программистов, оказавшихся в условиях legacy:

— Мы делали “просто” сайт, а теперь вы хотите получить новую “плюшку”, и нам нужно все это переписать, так как у нас легаси…
— Никто не знает, как это работает…
— Чтобы добавить модуль, необходимо весь сайт проверить — только так мы поймем, что и где может вылезти…
— Я туда не полезу ни в коем случае, там уже все плохо…

Но опыт в программировании показывает, что жизнь после legacy существует. Ведь в программировании нет проблем. Есть только задачи, которые нужно решать. И перед составлением плана действий “по преодолению наследственного кода” нужно понять, насколько плохо обстоят дела на проекте в целом. По ходу практики выделил 6 стадий проблемности проекта: