Облачные вычисления во всем мире стали центральным звеном технического ответа на кризис COVID-19. Ведущие провайдеры публичных облачных сервисов в прошедший крайне необычный год добились выдающихся успехов. Поскольку предприятия старались поддерживать свою деятельность за счет удаленной работы на дому, все ведущие поставщики облачных сервисов значительно увеличили доходы и продолжили внедрять инновации стремительными темпами.

В условиях, когда пандемия коронавируса продолжает бить по мировой экономике, мой прогноз для рынка корпоративных облачных вычислений на 2021 год выглядят следующим образом.

1. Облачные вычисления будут играть центральную роль в «новой нормальности», которая наступит после пандемии

В печальный и напряженный 2020 год облачные сервисы стали находкой, позволившей удержать экономику и нашу жизнь от сползания к постепенному затуханию с дальнейшим быстрым ухудшением вплоть до полной остановки.

В 2021 году все по-прежнему будут полагаться на облака (а также потоковую передачу данных, удаленное взаимодействие, «умные» датчики и прочие облачные цифровые технологии), переживая период пандемии, которая продолжает безжалостно терзать нас. Корпоративные ИТ-службы будут корректировать свои облачные стратегии, одним глазом следя за тенденциями COVID-19, а другим – за своими инициативами цифровой трансформации. В наибольшем выигрыше здесь оказываются такие компании, как Amazon, Google и Microsoft, которые предоставляют полноценные системы, связывающие облако с границами сети и обеспечивающие новый нормальный образ жизни.

2. Публичные облака будут доминировать в еще большей степени

В прошлом году публичные облака на фоне пандемии росли стремительными темпами. По оценкам IDC, корпоративные облачные расходы (как на публичные, так и на частные облака) выросли по сравнению с предыдущим годом на 34,4%, тогда как ИТ-затраты, не связанные с облаками, уменьшились на 8%.

В 2021 году ведущие публичные облачные платформы – особенно Amazon Web Services, Microsoft Azure и Google Cloud Platform – укрепят свое доминирование на облачном рынке и расширят влияние во многих секторах глобальной экономики. AWS сохранит лидирующее положение на рынке, хотя Microsoft, Google и Alibaba продолжат сокращать имеющийся отрыв. По прогнозам Deloitte, ежегодный рост оборота в этом сегменте до середины десятилетия будет оставаться на очень высоком уровне, не опускаясь ниже 30%. Глобальные облачные расходы будут расти в этот период в семь раз быстрее по сравнению с общими затратами на ИТ. Согласно прогнозам IDC, к 2023 году мировые затраты на публичные облачные сервисы и инфраструктуру фактически удвоятся, достигнув примерно 500 млрд долл.

3. Предприятия будут смягчать свою привязку к облаку конкретного провайдера за счет гибридных и мультиоблачных стратегий

В прошлом году растущее доминирование публичных облаков заставило компании, занимающиеся традиционными вычислительными технологиями, обратить более пристальное внимание на гибридные и мультиоблачные технологии. В 2021 году предприятия станут реже полагаться на какого-то одного поставщика высшего уровня. ИТ-специалисты будут искать гибридные и мультиоблачные инструменты, опасаясь привязки к каким-то конкретным поставщикам. С учетом того, что, по оценкам Flexera, 93% предприятий исповедуют мультиоблачную стратегию, а 87% – стратегию гибридных облаков, такая тактика станет основной.

В дальнейшем растущая зрелость гибридных и мультиоблачных предложений со стороны AWS, Microsoft и Google заставит корпоративных облачных менеджеров увеличить расходы на сервисы этих поставщиков. В то же время IBM, Hewlett Packard Enterprise, Cisco, Dell EMC, VMware и прочие ведущие ИТ-вендоры, сохраняющие приверженность частным облакам, продолжат наращивать гибридную и мультиоблачную интеграцию с доминирующими публичными облачными сервисами, чтобы защитить свою долю корпоративного рынка ИТ.

В любом случае теперь в этом пространстве идет война на истощение. Гибридные облачные решения наподобие AWS Outposts и Google Anthos не станут заметно наращивать долю указанных поставщиков в своих основных рыночных сегментах публичных облаков.

4. Доля платформ в качестве сервиса в обороте публичных облаков будет расти

В этом году на фоне быстрого перехода к работе из дома предоставляющие SaaS-приложения компании Oracle, SAP и Salesforce несмотря на определенные сбои в целом справились с предоставлением платформы для продолжения привычного ведения бизнеса.

Поскольку удаленная работа по-прежнему превалирует, поставщики SaaS-решений всех видов готовятся к стремительному росту. В 2021 году, по прогнозам Gartner, SaaS останется крупнейшим сегментом облачного рынка. К концу года общий объем продаж здесь достигнет 117,7 млрд долл. Однако сервисы приложений на базе PaaS будут расти еще быстрее, подстегиваемые растущим вниманием корпоративных клиентов к чисто облачным, контейнерным и бессерверным облачным платформам.

Одним из крупнейших направлений роста PaaS в 2021 году станут мультиоблачные бессерверные предложения компаний Vendia, Microsoft, Red Hat и ряда других. Эти решения и связанные с ними платформы, не требующие написания большого объема программного кода, являются существенным вкладом в модернизацию корпоративных приложений, цифровую трансформацию и реализацию стратегий непрерывного ведения бизнеса.

5. Умные граничные вычисления станут важнейшей дорогой в облако

В прошлом году быстрый переход большинства секторов экономики на удаленную работу спровоцировал бум мобильных устройств, автоматизации на основе искусственного интеллекта, автономной роботизации и промышленных платформ Интернета вещей.

В 2021 году поставщики публичных облаков перенесут существенную часть рабочей нагрузки на интеллектуальные граничные платформы, с тем чтобы добиться низких задержек, которые требуются их приложениям. Согласно прогнозам Frost & Sullivan, примерно через год граничные вычисления (edge computing) будут использовать около 90% промышленных предприятий. Поскольку в ближайшие годы технологии 5G начнут внедряться по всему миру, спрос на приложения, переносящие нагрузку из облака на границы сети, резко возрастет. Большая часть этой нагрузки придется на обработку сведений, поступающих с интеллектуальных датчиков, с помощью алгоритмов искусственного интеллекта и машинного обучения (Tiny ML).

В следующем году IBM/Red Hat, HPE и Microsoft будут активно инвестировать в стратегические платформы 5G, пограничных вычислений и искусственного интеллекта, запущенные в 2020 году. Компания Nvidia будет использовать свое приобретение Arm для расширения портфеля решений автоматизации доставки приложений искусственного интеллекта в гранично-облачные и гибридные облачные среды. Эта тенденция будет стимулировать спрос на программно-конфигурируемые территориально-распределенные сети в интересах VMware, Cisco, Juniper, Arista и других поставщиков, присутствующих в этом сегменте.

6. Под давлением регуляторов крупнейшие игроки начнут формировать открытые партнерские экосистемы

В конце 2020 года Amazon, Microsoft, Google и другие крупные технологические компании столкнулись с многочисленными судебными исками и растущим давлением со стороны регулирующих и законодательных органов. В 2021 году у них и других доминирующих провайдеров облачных сервисов, обвиняемых в препятствовании развитию конкурентов, будет наблюдаться замедление темпов дальнейших приобретений. Вместе с тем они намерены расширять свои открытые партнерские экосистемы. Все чаще крупные облачные провайдеры будут позиционировать себя в качестве гарантов сделок, заключаемых их партнерами. Они не будут афишировать усилия по использованию своих мультиоблачных и гибридных сервисов в качестве рычага, стимулирующего перенос корпоративной рабочей нагрузки из унаследованных платформ, развернутых локально (on-premise).

7. Для обучения облачным технологиям будет использоваться дополненная реальность

Еще один прогноз для облачных вычислений, относящийся скорее к характеру работы специалистов, нежели непосредственно к облачным сервисам. По мере того, как предприятия перестраивают свои процессы управления облаком, они используют все более широкий спектр инструментов дополненной реальности для обучения и руководства техническими специалистами, работающими из дома.

Как и любому бизнесу, облачным компаниям и их клиентам необходимо обеспечивать безопасность персонала, а также его здоровую и продуктивную работу в дистанционном режиме. Инновационные подходы, такие как дополненная реальность – единственный способ, с помощью которого Amazon может рассчитывать реализовать недавно анонсированный план обучения 29 млн человек по всему миру облачным вычислениям. Даже в нормальной ситуации обучать такое количество людей путем личного взаимодействия было бы непрактично.

Помимо обеспечения безопасности людей самой большой проблемой индустрии облачных вычислений в 2021 году будет поиск, обучение и оснащение всем необходимым людей с хорошей подготовкой, которые станут поддерживать инициативы цифровой трансформации клиентов.

Компания Nvidia расширяет сферу применения своих решений, выводя их за рамки искусственного интеллекта и игр и стремясь охватить всю компьютерную экосистему с упором на мобильность и облачные ЦОДы следующего поколения.

Амбиции Nvidia становятся ясны в свете предстоящего приобретения ею Arm Technology и позиционирования генеральным директором Дженсеном Хуангом своей компании в качестве поставщика «всего вычислительного стека в полном объеме». Демонстрируя на виртуальной конференции Nvidia GPU Technology Conference плоды значительных инвестиций в НИОКР, Хуанг среди прочих новинок анонсировал выпуск процессора обработки данных (data processing unit, DPU) с новой архитектурой BlueField.

Ускорение решения различных задач за счет программной разгрузки процессора

Стратегически в основе BlueField лежат два самых крупных последних приобретения Nvidia. Новая аппаратная архитектура базируется на архитектуре процессоров Arm. Кроме того, в ней нашла применение технология высокоскоростных межкомпонентных соединений, которую Nvidia получила недавно вместе с покупкой компании Mellanox.

Знаменуя собой эволюцию Nvidia вне рамок графических процессоров, архитектура DPU представляет собой высокопроизводительную многоядерную систему на кристалле (system on chip, SoC). DPU с архитектурой BlueField включает в свой состав программируемые технологии обработки данных, ускоряющие работу широкого спектра приложений искусственного интеллекта, сетей, ускорителей, систем виртуализации, безопасности, и хранения, а также выполнения других корпоративных задач.

Являясь основой серверных интеллектуальных сетевых контроллеров, DPU снимают нагрузку с центральных процессоров, эффективно анализируя, обрабатывая и передавая большие объемы данных на максимально возможной скорости. Помимо ускорения за счет разгрузки центрального процессора, DPU-процессор Nvidia укрепляет безопасность ЦОДов, поскольку встроенные в него ядра Arm обеспечивают дополнительный уровень изоляции между службами безопасности и приложениями, выполняемыми центральным процессором.

На GTC были представлены сразу несколько членов нового семейства DPU.

- Nvidia BlueField-2. В 2021 году архитектура, поддерживающая все возможности Nvidia Mellanox ConnectX-6 Dx SmartNIC, будет интегрироваться в новые серверные системы партнеров Nvidia. Она включает в себя программируемые ядра Arm, обеспечивает передачу данных на скорости 200 Гбит/с и позволяет снимать нагрузку с другого важного оборудования для ускорения выполнения ключевых задач ЦОДов. Ускоряется работа средств безопасности, сетей и подсистем хранения, включая изоляцию, корневое доверие, управление ключами, RDMA/RDMA over Converged Ethernet, GPUDirect, эластичное блочное хранение и сжатие данных. Здесь присутствует контроллер для управления высокопроизводительной внутренней энергонезависимой памятью, массивами хранения, полностью построенными на основе флеш-памяти, и гиперконвергентными системами. Всего один чип BlueField-2 способен снять в ЦОДе нагрузку со 125 процессорных ядер, освобождая их циклы для обработки других корпоративных приложений.

- Nvidia BlueField-2X. Этот чип находится пока в стадии разработки и должен появиться в 2021 году. К BlueField-2 здесь добавлена архитектура графических процессоров Nvidia Ampere, позволяющая проводить с помощью CUDA и искусственного интеллекта Nvidi вычисления в интересах внутренних сетевых систем. Ключевые возможности BlueField-2 и технология Nvidia Tensor Cores третьего поколения помогают анализировать уровень безопасности в реальном времени с использованием искусственного интеллекта. Чип способен выявлять аномальный трафик, свидетельствующий о краже конфиденциальных данных. Поддерживаются также анализ шифрованного трафика на максимальной скорости и самоанализ трафика для выявления вредоносных действий, автоматического срабатывания функций безопасности и пересылки автоматических ответов.

Кроме того, Nvidia анонсировала выпуск в 2022 году DPU следующего поколения BlueField-3 и BlueField-3X, а в 2023 году – BlueField-4X. В последнем поколении Nvidia интегрирует графический процессор и ядра Arm на уровне микросхем. Компания пообещала, что в части производительности DPU BlueField-4 будет превосходить BlueField-2X в 1000 раз, а BlueField-3X – в 600 раз.

Построение вокруг архитектуры DPU надежной экосистемы

Развивая свою аппаратную платформу в части архитектуры DPU для поддержки новых корпоративных приложений, Nvidia стремится обеспечить полную интеграцию ускорителей BlueField/DOCA в партнерскую экосистему Arm.

Объявив об этой стратегии на GTC, компания анонсировала помощь партнерам Arm, которая будет заключаться в предложении им платформы полного стека, включающие в себя графические процессоры, сети с поддержкой DPU, а также технологии хранения и безопасности. Партнеры Arm привлекаются к созданию решений полного стека для высокопроизводительных вычислений, облачных технологий, пограничных вычислений и расширения возможностей ПК. Кроме того, технологии искусственного интеллекта и RTX переносятся на платформу Arm, с тем чтобы охватить гораздо более обширный рынок по сравнению с рынком x86-платформ, на которых традиционно работала Nvidia.

Партнерам отводится важная роль в реализации планов поддержки Nvidia более широкого спектра корпоративных приложений и в выводе нового семейства продуктов DPU за рамки приложений искусственного интеллекта. Неотъемлемой частью стратегии Nvidia, направленной на закрепление достигнутых результатов и дальнейшую экспансию, является DOCA – новая архитектура SoC, предназначенная для построения инфраструктуры ЦОД, и набор инструментов для разработчиков программного обеспечения (software development kit, SDK).

Доступный в настоящее время только партнерам SDK DOCA позволяет разработчикам писать в сервисах инфраструктуры ЦОДов приложения, работа которых будет ускоряться с помощью BlueField. Разработчики могут переносить нагрузку с центральных процессоров на процессоры обработки данных BlueField. В Nvidia предлагают корпоративным разработчикам новые инструменты, дополняя программную модель CUDA, позволяющую разрабатывать приложения, производительность которых повышается за счет использования графических ускорителей. Кроме того, пакет SDK полностью интегрирован с каталогом контейнерного программного обеспечения Nvidia NGC, что является для независимых поставщиков приложений дополнительным стимулом разрабатывать, сертифицировать и распространять приложения, ускоряемые с помощью DPU.

Ряд ведущих поставщиков программного обеспечения (VMware, Red Hat, Canonical и Check Point Software Technologies) объявили на конференции GTC о планах интеграции в следующем году своих продуктов с новой архитектурой ускорителей DSP/DOCA. Кроме того, в Nvidia сообщили, что ряд ведущих производителей серверов, включая Asus, Atos, Dell Technologies, Fujitsu, Gigabyte, H3C, Inspur, Lenovo, Quanta/QCT и Supermicro, в те же сроки планируют интегрировать DPU в свои продукты.

Хотя в заявлении Microsoft об использовании искусственного интеллекта Nvidia в Azure для повышения производительности облачных приложений Microsoft Office за счет графических ускорителей никакой связи с анонсом Хуанга о поддержке архитектуры Arm не прослеживается, не удивлюсь, если в ближайшие годы все больше мобильных и прочих приложений Office начнет ускоряться с помощью технологии DPU.

Уменьшение зависимости от графических ускорителей

Команда Nvidia не теряет времени даром, активно включая в свои решения возможность разгрузки центральных процессоров за счет DPU. Хуанг, в частности, объявил, что платформа серверов искусственного интеллекта Nvidia EGX, размещаемых на границах сети, развивается и предполагает объединение архитектуры графических процессоров Nvidia Ampere с BlueField-2 на единой плате PCIe.

Хотя никакой конкретной связи BlueField с Nvidia Jetson, однокристальной системой с архитектурой Arm, предназначенной для создания роботов на основе искусственного интеллекта, пока не прослеживается, резонно предположить, что DOCA будет развиваться в направлении поддержки приложений, которые являются перспективным источником роста для базовых платформ Nvidia. С уверенностью можно сказать также, что компания будет использовать свое новое оборудование и SDK для ускорения платформы Omniverse, предназначенной для совместной разработки 3D-контента, платформы Jarvis для разговорного искусственного интеллекта и новой платформы Maxine для ускорения с помощью искусственного интеллекта облачного потокового видео.

Не растерять импульс

Новая архитектура BlueField и SDK DOCA в совокупности образуют стратегическую платформу для расширения возможностей корпоративных клиентов, поставщиков услуг и конечных потребителей всех типов.

Благодаря аппаратному ускорению и разгрузке центрального процессора архитектура DPU открывает Nvidia путь к объединению новых программных моделей DOCA с платформой разработки приложений искусственного интеллекта CUDA и каталогом контейнерных облачных решений NGC. Все это позволит компании обеспечить как собственных разработчиков продуктов, так и партнеров аппаратными и программными платформами, которые нужны для ускорения полного спектра приложений и инфраструктуры, от облака до границ сети.

В условиях ожидания окончательного одобрения предполагаемого приобретения компании Arm Technology, Nvidia придется доказывать существующей партнерской экосистеме преимущества новой архитектуры. Если технология DPU не оправдает громких обещаний повышения производительности, это может повредить налаживанию отношений Nvidia с огромным количеством лицензиатов Arm, которые полагаются сегодня на предлагаемую им архитектуру центрального процессора и могли бы получить существенный выигрыш от интеграции с ведущей на рынке технологией искусственного интеллекта Nvidia.

Очевидно, что Nvidia не может позволить себе растерять задел в схватке облачных и периферийных микропроцессоров в тот момент, когда она только начала отрываться от своего главного конкурента и ведущего игрока на рынке центральных процессоров – компании Intel.

Искусственный интеллект стал неотъемлемой частью практически каждого сегмента технологической индустрии. Все сильнее ощущается влияние интеллектуальных приложений, инструментов разработки, вычислительных платформ, систем управления базами данных, связующего ПО, инструментов управления и мониторинга – словом, всего, что существует в ИТ.

Какие изменения в основных сценариях использования искусственного интеллекта, инструментах, технологиях, платформах и стандартах произойдут в 2020 году?

- В качестве ускорителей искусственного интеллекта по-прежнему будут использоваться в основном графические процессоры.

Аппаратные ускорители искусственного интеллекта стали одним из главных факторов поддержания конкурентоспособности в области высоких технологий. Даже если конкурирующие аппаратные технологии искусственного интеллекта – центральные процессоры, микросхемы FPGA и процессоры нейронных сетей – начнут применяться в устройствах на оконечных узлах сети, графические процессоры все равно останутся в игре благодаря своей ведущей роли в приложениях, взаимодействующих с облаком и оконечными узлами – в частности, в автономных автомобилях и отраслевых логистических цепочках.

Популярность систем на базе графических процессоров Nvidia, занимающих лидирующее положение на рынке, по-видимому, будет расти и далее. Но в ближайшее десятилетие начнет расширяться применение и тех технологий, которые не имеют отношения к графическим процессорам – центральных процессоров, заказных микросхем (ASIC), FPGA и процессоров нейронных сетей. Их преимущества с точки зрения производительности, стоимости и энергопотребления будут использоваться различными приложениями для оконечных узлов. С каждым годом у Nvidia будет появляться все больше и больше конкурентов.

- Показателем конкурентоспособности станут результаты стандартных отраслевых тестов для приложений искусственного интеллекта.

По мере роста зрелости рынка и усиления конкуренции между платформами, которые соперничают за звание самой быстрой, масштабируемой и недорогой при обработке соответствующей нагрузки, важность тестов, используемых в качестве отраслевого стандарта, будет расти. В прошлом году эталонный тест MLPerf стал заметным индикатором в конкурентной борьбе. Все, начиная от Nvidia и заканчивая Google, хвастались продемонстрированными в нем результатами и своей превосходной производительностью. В 2020 году бенчмарки искусственного интеллекта приобретут критически важное значение при разработке стратегии выхода на рынок в сегменте, который со временем будет только расти. Результаты тестов MLPerf будут фигурировать в стратегиях поставщиков решений там, где высокопроизводительные функции искусственного интеллекта играют существенную роль.

- Различия между платформами искусственного интеллекта стираются, конкуренция обостряется.

Платформы моделирования с использованием искусственного интеллекта представляют собой базовую среду, в которой исследователи данных строят и обучают вычислительные графы на основе статистики. В 2020 году большая часть специалистов будет использовать в своих проектах некое сочетание TensorFlow и PyTorch. Две эти платформы будут присутствовать в арсенале большинства исследователей данных.

По мере дальнейшего развития различия между этими платформами начнут стираться. Исследователям данных и другим пользователям функциональный паритет нравится больше, чем отличия платформ. Большинство поставщиков инструментов искусственного интеллекта предлагают продукты для моделирования, не привязанные к конкретной платформе, что может продлить жизнь старым платформам, находящимся под угрозой исчезновения. Ускорение распространения открытых платформ моделирования на основе искусственного интеллекта, принятие отраслью нескольких уровней абстракции, таких как Keras и ONNX, позволит создавать модели с пользовательским интерфейсом от одной платформы, использующие серверные функции другой платформы.

К концу десятилетия неважно будет, какой инструмент для создания интерфейса вы используете при построении модели машинного обучения. Независимо от того, где выстраивается искусственный интеллект, сквозной конвейер исследования данных будет автоматически форматировать, компилировать, контейнеризировать и иным образом обслуживать его для достижения оптимального функционирования повсеместно, начиная от облака и заканчивая границей сети.

- SaaS-сервисы с возможностями искусственного интеллекта уменьшит потребности в исследователях данных.

В прошедшем году машинное обучение широко стало предлагаться в качестве сервиса AWS, Microsoft, Google, IBM и другими провайдерами. По мере нарастания соответствующих тенденций все больше бизнес-пользователей будут полагаться на облачных провайдеров, предлагающих средства искусственного интеллекта. В этом случае нет необходимости поддерживать свои собственные команды исследователей данных. К концу 2020 года провайдеры SaaS будут доминировать в сфере обработки естественного языка, прогнозного анализа и других приложений искусственного интеллекта, а также платформенных сервисов и инструментов DevOps. Предприятия, поддерживающие собственные инициативы искусственного интеллекта, будут в большей степени автоматизировать работу исследователей данных, снижая таким образом потребность в найме дополнительных специалистов по машинному обучению и инженеров по обработке данных, а также во вспомогательных должностях. На протяжении десятилетия большинство исследователей данных будут работать главным образом с провайдерами SaaS и других облачных сервисов.

- Искусственный интеллект в корпоративной среде будет подталкивать к непрерывным экспериментам в реальном мире.

В основе любой инициативы по трансформации цифрового бизнеса лежит использование наиболее подходящих моделей машинного обучения. Это требует реальных экспериментов, в которых процессы на основе искусственного интеллекта будут тестировать альтернативные модели машинного обучения и автоматически продвигать те из них, которые позволяют достичь желаемых результатов. К концу 2020 года большинство предприятий проведут реальные эксперименты со всеми клиентскими и серверными бизнес-процессами.

По мере того, как бизнес-пользователи будут обращаться к облачным провайдерам за инструментами искусственного интеллекта, функции, предложенные недавно AWS – среда поддержки итераций моделей, инструменты для отслеживания экспериментов с несколькими моделями, панели мониторинга моделей – станут стандартом для круглосуточно функционирующих бизнес-приложений искусственного интеллекта.

В течение десятилетия автоматизация на основе искусственного интеллекта и возможности DevOps помогут сформировать универсальные практики оптимизации бизнес-процессов с использованием искусственного интеллекта.

- Искусственный интеллект автоматизирует базовые функции моделирования для разработчиков.

Нейронные сети – сердце современного искусственного интеллекта. В 2020 году основанный на искусственном интеллекте метод автоматизации проектирования искусственных нейронных сетей, называемый «поиском нейронной архитектуры» (neural architecture search), поможет корпоративным исследователям данных автоматизировать процесс построения и оптимизации нейронных сетей в соответствии с их предназначением. По мере дальнейшего распространения и совершенствования поиска нейронной архитектуры эта технология будет способствовать повышению производительности труда исследователей данных, помогая им использовать в своей работе алгоритмы машинного обучения (такие как линейная регрессия или случайный лес), а также новые, более развитые алгоритмы нейронных сетей. Этот и связанные с ним подходы обеспечат непрерывность DevOps с использованием искусственного интеллекта за счет сквозной конвейерной автоматизации.

- Голосовые интерфейсы устранят необходимость использования ручного труда в большинстве приложений.

Понимание компьютерными системами естественного языка на основе средств искусственного интеллекта приобретает удивительную точность. Пользователи мобильных и других устройств быстро осваивают порядок взаимодействия с ними без использования рук. По мере роста популярности голосовых интерфейсов пользователи генерируют при помощи голоса дополнительные объемы текстов. К концу 2020 года благодаря голосовым помощникам с искусственным интеллектом через различные устройства будет передаваться еще больше текста, твитов и другой вербальной информации. В ближайшее десятилетие голосовые помощники и разговорные пользовательские интерфейсы станут стандартной функцией во всех отраслях глобальной экономики, а использование клавиатур, клавишных панелей и даже сенсорных экранов будет сокращаться.

- Корпоративные юридические службы будут настаивать на максимальной прозрачности искусственного интеллекта.

Искусственный интеллект становится все более заметным фактором риска в корпоративных приложениях. Поскольку предприятия получают новые и новые судебные иски с социально-экономическим уклоном, связанные с нарушением конфиденциальности, а также обусловленные другим неблагоприятным воздействием приложений искусственного интеллекта, руководителям юридических отделов необходимо провести полный аудит использования моделей машинного обучения в корпоративных приложениях и управления ими.

К концу 2020 года начальникам юридических отделов на большинстве предприятий понадобится автоматическая регистрация всех операций в конвейере машинного обучения и простое пояснение управления автоматическим выводом в каждой модели. В ближайшее десятилетие отсутствие прозрачности станет основным фактором отказа от финансирования проектов искусственного интеллекта.

Наконец, можно с уверенностью предположить, что интенсивность регулирования во всех продуктах функций искусственного интеллекта – особенно тех из них, в которых используется персональная идентификационная информация – в ближайшие годы будет только нарастать. Впрочем, несмотря на растущее внимание к прозрачности DevOps на основе искусственного интеллекта, вести речь о каких-либо ограничениях, накладываемых на базовые платформы, инструменты и технологии еще слишком рано.

При этом с большой долей вероятности можно говорить об усилении регулирования в ближайшие годы.

Искусственный интеллект способен формировать новые цифровые образы с поразительной скоростью, эффективностью и правдоподобием. За последние несколько лет широкое распространение получили методы использования искусственного интеллекта для алгоритмического формирования самых разнообразных объектов, которые можно представить в цифровой форме.

Такое применение искусственного интеллекта все чаще называют «генеративным» (от англ. generative — «производящий», «порождающий». — Прим. ред.). Генеративный искусственный интеллект станет основой приложений нового поколения для автоматизированного программирования, подготовки контента, создания произведений изобразительного искусства и других инженерных и творческих задач.

К 2019 году ведущие разработчики систем генеративного искусственного интеллекта предложат инструменты и библиотеки для синтеза речи на естественном языке, обработки изображений и других применений. На сегодня генеративный искусственный интеллект уже доказал свою эффективность как в исследованиях, так и в коммерческих применениях. Перечислим конкретные области.

Графика. Искусственный интеллект способен выделять зрительные закономерности в произведениях искусства и затем применять эти закономерности к фотографическим изображениям, наделяя их характерными чертами работ автора исходного произведения. Такие алгоритмы также способны превратить неумелые «каракули» в рисунок, как будто изображенный опытной рукой. Набросок лица человека они могут трансформировать в фотопортрет, и любую картину преобразовать так, чтобы она выглядела нарисованной конкретным художником в определенном стиле. А еще они могут органично вписывать в изображение текстуры, образы и другие элементы, которых там изначально не было.

Фотографии. Искусственный интеллект может автоматически ретушировать снимки, создавая и накладывая на оригинал любые недостающие элементы, исправляя нечеткие или плохо заметные. Изображения с низким разрешением можно превращать в реалистичные картинки высокого разрешения, а также синтезировать новые человеческие лица, выглядящие как фотографии, за счет «смешивания» черт людей на доступных системе снимках или заимствования из одного конкретного портрета. А из грубых репрезентаций местности с разметкой объектов — семантических карт можно создавать реалистичные «фотоснимки».

Аудио. Искусственный интеллект способен с поразительной точностью превращать текст в речь и обрабатывать синтезированный компьютером голос так, чтобы он звучал, будто издается человеком. А еще он может писать музыку, которая звучит, словно выражает реальные чувства композитора.

Видео. Искусственный интеллект может придавать кадрам фильма определенный стиль, менять освещение и добавлять различные эффекты по замыслу режиссера.

Текст. Искусственный интеллект способен генерировать различные виды текста на естественном языке в больших количествах. Это могут быть подписи, аннотации и иные формы комментариев, составленных на основе изображений или другого контента. А еще компьютер может автоматически создавать различные вариации существующих шрифтов.

Код. Искусственный интеллект может автоматически генерировать программный код по описанию задачи, которую требуется решить.

Материалы. Искусственный интеллект способен с нуля проектировать протезы конечностей для изготовления на 3D-принтерах, молекулы ДНК для задач генной инженерии и не только.

Уже в этом году на рынке появятся новые решения для всех отраслей, основанные на генеративно-состязательных сетях (generative adversarial network, GAN), — перспективной разработке в области искусственного интеллекта, позволяющей алгоритмически создавать всевозможные цифровые и аналоговые объекты, поразительно похожие на настоящие.

На протяжении 2017 года сети GAN были предметом интенсивных исследований, и еще до 2019-го появятся основанные на генеративно-состязательных сетях коммерческие системы разработки ПО, автоматизированного проектирования, создания веб-контента, написания музыки, обработки изображений, производства видео и других творческих задач. А генеративные приложения камеры скорее всего появятся на всех мобильных устройствах и иных конечных точках Интернета вещей для массового рынка.

В ближайшие годы темпы развития технологий GAN ускорятся, а методы генеративного искусственного интеллекта будут включены в университетские учебные программы по специальностям, связанным с наукой о данных, инженерным проектированием и творчеством.

Практически никто сегодня не сомневается в том, что в XXI столетии все новшества формируются под влиянием программирования. Многие компании проявляют интерес к созданию программного обеспечения, с помощью которого им и удалось поймать за хвост удачу, а потому неудивительно, что Марк Андриссен в свое время декларировал: «Программы поглощают мир».

Но что это значит? И сохраняет ли актуальность по сей день? Такие вопросы возникли у меня после того, как я в очередной раз перечитал публикацию Андриссена и заметил, что он приравнивает программное обеспечение к программированию. Важную роль играет и сравнение «поглощения» с отраслевыми слияниями, в стиле технологических компаний Кремниевой долины, впоследствии превратившихся в Amazon, Netflix, Apple, Google и др. в их нынешнем виде. В статье говорится о программистах, которые своим кодом способствуют дальнейшему развитию мобильных и веб-технологий, и о построении с помощью этих технологий социальных сетей и облака, моделей ведения глобального бизнеса и прочих круглосуточно доступных через Интернет каналов.

Поскольку с момента публикации Андриссена в Wall Street Journal в 2011 году прошло шесть лет, у нас было время либо убедиться в пророческом даре автора, либо прийти к выводу, что он ошибался, но преследовал какие-то собственные цели. Я бы сказал, что пророчество здесь все же преобладает. Ведь большинство историй успеха, которые мы имели возможность наблюдать, продолжаются и по сей день, приводя к дальнейшему росту, увеличению прибыли, приобретениям, инновациям и т. д. Люди с программистским образованием, такие как Марк Цукерберг, в нашу бизнес-эпоху стали мультимиллиардерами. В этом смысле статья Андриссена избежала судьбы бестселлера Тома Питерса «В поисках совершенства», написанного в 1982 году. Многие удачные начинания, приведенные в этой книге, в последующем были разрушены конкурентами или новыми тенденциями, которые успешные когда-то люди так и не сумели разглядеть.

Взлет машин обучения

Впрочем, сегодня всем, а особенно прорывным представителям старой школы, о которых упоминает Андриссен, становится ясно: программное обеспечение в его нормальном понимании еще не является ключом к успеху. По мере продвижения вперед мы видим, что настоящим прорывом становятся подкрепленные данными алгоритмы машинного обучения, которые питают искусственный интеллект. В нынешнюю новую эпоху большую часть логики, поддерживающей интеллектуальные приложения, нельзя четко запрограммировать. Дни преобладавшей ранее декларативной, детерминистической и базирующейся на правилах разработки приложений логики уже сочтены. Вероятностная логика становится сердцем чат-ботов, а технологии выдачи рекомендаций, самоуправляемые автомобили и другие приложения искусственного интеллекта черпают все необходимое непосредственно из исходных данных.

Логика «следующего улучшения», проникающая в нашу жизнь, развивается в приложениях на основе данных, поступающих из Интернета вещей и других производственных приложений. Соответственно снижается потребность в программистах, в людях, которые быстро и качественно выстраивают логику приложений. Растет спрос на разработчиков нового поколения – исследователей данных. Под этим термином понимается широкий спектр специалистов, занимающихся проектированием, обучением и управлением регрессионными моделями и нейронными сетями, поддержкой векторных машин, автономных обучающих моделей и других алгоритмов, на основе которых построены приложения искусственного интеллекта.

Программистам нужен новый программный код для машинного обучения. Компании Amazon, Google, Facebook, Microsoft и другие тяжеловесы отрасли программного обеспечения вкладывают в науку о данных огромные средства. Они накопили грандиозные объемы данных для обучения. Поэтому колоссы Кремниевой долины уверены в том, что у них уже имеются необходимые ресурсы для построения, настройки и оптимизации инновационных алгоритмов искусственного интеллекта и машинного обучения на все случаи жизни.

Однако все стратегические преимущества, которые эти гиганты получат от ресурсов искусственного интеллекта и машинного обучения, будут краткосрочными. Подходы, основанные на обработке данных, не только вымывают основы традиционного программирования, но и порождают новые тенденции, используемые квалифицированными исследователями данных. И эти тенденции начинают подрывать ту масштабную экономию, которая доступна крупным разработчикам программного обеспечения с большими финансовыми ресурсами.

Искусственный интеллект и голиафы

Мы вступаем в эпоху, когда любой желающий может обратиться к облачным ресурсам, чтобы недорого автоматизировать разработку, развертывание и оптимизацию инновационных приложений искусственного интеллекта и машинного обучения. Подобно «змее, поедающей свой собственный хвост», технологии машинного обучения будут способствовать дальнейшей автоматизации процесса создания и оптимизации новых моделей машинного обучения. Мы видим, что в исследовательских инициативах (например, в проекте Snorkel Стэнфордского университета) машинное обучение начинает играть все более заметную роль в автоматизации приобретения и классификации данных для машинного обучения. Это значит, что наряду с многочисленными существующими алгоритмами, моделями, кодом и данными разработчики следующего поколения смогут генерировать достаточно хорошие данные-заменители для обучения, оперативно адаптируя новые приложения к новым потребностям.

По мере роста доступности недорогих, сгенерированных для обучения данных масштабные озера данных, в которых разработчики хранят петабайты проверенных сведений для обучения, начнут превращаться из стратегического актива в лишнюю обузу. А управление сложной логикой использования этих данных станет узким местом, мешающим разработчикам быстро создавать, обучать и развертывать новые приложения искусственного интеллекта.

Когда у любого разработчика появится возможность создавать такие же точные приложения искусственного интеллекта, как и у Google или Facebook, пусть даже он и не обладает опытом, бюджетом и обучающими данными, имеющимися у гигантов программной отрасли, наступит новая эпоха. И следующее поколение прорывных исследователей данных начнет отвоевывать рынок у вчерашних успешных стартапов.