Au cours de la dernière décennie, la démocratisation de l’intelligence artificielle (IA) dans l’espace de l’entreprise s’est accélérée. Balakrishna DR, EVP et responsable de l’IA et de l’automatisation chez Infosys, discute des cinq tendances clés de l’IA auxquelles les entreprises doivent prêter attention dans un avenir proche.
De nombreuses organisations mûrissent de plus en plus leurs activités d’IA. Fait intéressant, à mesure que l’IA s’intègre de plus en plus dans le paysage commercial et que de nouveaux cas d’utilisation émergent, certaines tendances positives, je pense, ont maintenant le potentiel d’occuper le devant de la scène au cours de l’année à venir. Voici une vue à vol d’oiseau, de mon point de vue.
1. L’IA pour le texte, la parole et la vision poursuivra son chemin vers le grand public
Il y a un trésor d’intelligence enfoui profondément dans les conversations que les clients ont avec les cadres des centres de contact. Ces conversations vocales et textuelles non structurées deviennent rapidement l’une des sources de renseignements les plus simples. Dans certains scénarios, il est possible d’obtenir des informations cruciales sur les consommateurs pour améliorer les produits et services, concevoir des assistants virtuels pour aider le personnel à résoudre les problèmes complexes des clients et améliorer la satisfaction des clients. Une autre intelligence qui peut être utile est l’identification des questions fréquemment posées et la création de canaux de libre-service appropriés pour elles, l’augmentation de l’engagement des clients et l’identification et la prescription d’opportunités de vente croisée et de vente incitative et une abondance d’autres opportunités alliées. Aussi,
Il existe plusieurs obstacles à la construction de ces solutions, comme la réalisation d’une transcription propre à partir de différentes langues, de divers dialectes et accents, l’identification de différents types de vocabulaires contextuels, la suppression du bruit ambiant et l’utilisation de différents canaux comme le mono ou la stéréo pour enregistrer les conversations. Au fil des ans, les grands acteurs de la technologie ont proposé de nombreuses solutions. Ils ont construit des modèles propriétaires puissants avec des précisions très élevées. Mais le principal défi est que les données doivent être envoyées sur le cloud, ce qui peut entrer en conflit avec les problèmes de confidentialité et de confidentialité. De plus, ces modèles propriétaires ont une portée limitée dans la formation pour les personnalisations spécifiques à un domaine.
Ce qui différenciera dans les jours à venir, c’est l’utilisation d’un puissant apprentissage en profondeur pour construire des réseaux de transformateurs d’encodeur-décodeur à l’aide de composants pré-formés et d’apprentissage par transfert. Ces modèles à forte intensité de calcul tirent parti de l’accélération matérielle du calcul GPU haute performance pour contourner les défis liés aux traductions et aux nuances de la parole.
Les grands modèles de langage comme BERT et GPT-3 deviendront beaucoup plus sophistiqués dans les jours à venir, étendant leurs capacités pour traiter différentes similitudes sémantiques et relations contextuelles et améliorant les applications existantes dans la synthèse et la génération de texte, les chatbots, augmentant la précision de la traduction et améliorant le sentiment minage, recherche, génération de code, etc.
Dans le domaine de la vision par ordinateur, des modèles plus récents et plus puissants pour la détection, la segmentation, le suivi et le comptage d’objets sont en cours de construction et offrent des niveaux de précision inimaginables auparavant . Augmentés par des GPU extraordinairement puissants, ces modèles deviendront de plus en plus banals.
Nous pouvons nous attendre à voir des solutions hybrides tirer parti de toutes les avancées ci-dessus pour donner vie à la prochaine génération d’assistants IA. Ces solutions auront la touche chaleureuse des conversations humaines couplées à des capacités d’exécution et d’inférence rapides, ce qui se traduira finalement par une réduction des coûts opérationnels et une augmentation considérable de la satisfaction client.
2. L’IA générative dans l’art et l’espace créatif
Attirer et conserver la notoriété de votre clientèle est un défi auquel la plupart des entreprises sont constamment confrontées. Pour améliorer la mémorisation de votre marque, vous devez constamment générer un contenu de qualité, pertinent, engageant et correctement adapté à la diffusion dans une variété de points de vente. Voici l’IA générative, qui offre de nouvelles capacités pour augmenter la création de contenu. Grâce à l’IA générative, les entreprises peuvent créer une variété de contenus tels que des images, des vidéos et des documents écrits et réduire les délais d’exécution. Les réseaux d’IA générative utilisent un apprentissage de type transfert ou des réseaux antagonistes généraux pour créer du contenu immersif à partir de différentes sources. Outre les cas d’utilisation évidents en marketing, il peut potentiellement révolutionner l’industrie des médias. Réalisation et restauration de films anciens en haute définition,
Ici, de grands modèles de langage comme GPT-3 entreront à nouveau en jeu pour créer du contenu engageant dans des articles de fiction, de non-fiction et académiques. Sur de nombreux sites Web accessibles au public, il est déjà possible de générer des images de qualité d’idées abstraites qui sont rendues à partir de simples invites écrites de l’utilisateur. Il est possible de créer des narrations et des voix dans des milliers de tons et de fréquences dans des domaines comme la synthèse audio. L’une des applications malveillantes qui pourraient survenir et dont nous devons être vigilants est la création de deepfakes (images et vidéos fausses générées artificiellement) qui conduiront à des menaces émergentes telles que la prolifération de fausses nouvelles et la promotion d’une propagande nuisible. Techno Ainsi, l’IA générative sera une force de transformation majeure augmentant notre créativité innée dans diverses activités commerciales.
3. Une IA explicable pour faire de l’IA éthique et responsable une réalité
De plus en plus, les entreprises se rendent compte de la nécessité d’une IA explicable pour améliorer la transparence, établir la responsabilité et exposer les biais dans les systèmes de prise de décision automatisés. L’IA explicable est également un instrument majeur pour atténuer les risques inhérents à l’IA d’entreprise. Il est également prouvé que l’IA explicable augmente également l’adoption de l’IA dans toute l’entreprise, car les gens sont plus à l’aise lorsque les modèles d’IA donnent des justifications et des justifications avec leurs prédictions. Dans des contextes tels que les soins de santé ou les services financiers, cela prendrait beaucoup d’ampleur car vous auriez besoin de comprendre et d’articuler la justification pour recommander un traitement ou un diagnostic ou pourquoi une demande de prêt a été rejetée.
Plusieurs techniques, comme LIME, augmentent l’interprétabilité du modèle en perturbant les entrées et en évaluant les impacts sur la sortie. Une autre technique populaire, SHAP, utilise une approche basée sur la théorie des jeux en analysant une combinaison de caractéristiques et leurs effets correspondants sur le delta résultant. Il crée des scores d’explicabilité pour mettre en évidence les aspects de l’entrée qui ont le plus contribué à la sortie. Par exemple, dans les prédictions basées sur des images, la zone dominante ou les pixels qui ont abouti à la sortie peuvent être mis en surbrillance. Alors que l’impact de l’IA continue d’augmenter dans les entreprises et la société, nous nous exposons également à divers problèmes éthiques qui découlent de ces cas d’utilisation complexes. Des cadres de gouvernance des données appropriés, des outils pour exposer les préjugés et les facteurs de transparence sont à l’étude pour rester en conformité avec les structures juridiques et sociales. Les modèles seront soigneusement testés pour les dérives, l’humilité et les préjugés. Des mécanismes appropriés de validation et d’audit des modèles avec une explicabilité intégrée et des contrôles de reproductibilité deviendront la norme, pour se prémunir contre les manquements éthiques.
4. Affûtage adaptatif de l’IA et amélioration de l’expérience client et de la marque
Les principaux détaillants investissent considérablement dans l’amélioration de l’efficacité opérationnelle et de l’expérience client grâce à l’IA. De plus en plus, les magasins de détail deviendront le point central pour accroître la notoriété de la marque et l’expérience client plutôt que de simples centres de transaction, et Adaptive AI sera la force derrière cette transformation. Les expériences d’achat sans friction basées sur la vision par ordinateur et les systèmes d’IA basés sur la périphérie qui réduisent les temps d’attente et les tracas seront l’un des principaux domaines de croissance. Les futurs magasins de détail seront également en mesure de proposer des recommandations hyper-personnalisées et de créer des parcours client fluides basés sur des informations en temps réel générées par des analyses vidéo alimentées par une infrastructure sur site.
L’analyse en magasin donnera des informations intelligentes basées sur le temps de séjour dans les différentes allées d’un magasin. L’intégration des historiques d’achat passés sur plusieurs canaux et la prise en compte du profil démographique enrichiront l’expérience client et rendront les achats expérientiels très immersifs et agréables. La gestion omnicanal sera augmentée grâce à l’IA adaptative, qui fournira une assistance hautement contextuelle. L’IA conversationnelle, associée à des technologies émergentes telles que la réalité augmentée et la réalité virtuelle, augmentera la capacité des employés des magasins à redéfinir entièrement l’expérience d’achat dans les magasins physiques.
5. Edge AI deviendra plus omniprésent
Edge AI a un immense pouvoir pour transformer notre vie quotidienne en rendant les appareils grand public sensibles au contexte grâce à un puissant apprentissage en profondeur. L’IA basée sur la périphérie deviendra plus abordable grâce à des modèles plus légers et à l’accessibilité au calcul GPU haute performance. Les modèles Edge utilisent l’apprentissage basé sur le contexte local et se synchronisent avec le modèle central aux moments appropriés, ce qui réduit les besoins en bande passante et en énergie. Ces appareils abordables et intelligents révolutionneront divers segments tels que la vente au détail, la fabrication et les services publics d’énergie pour des cas d’utilisation tels que l’inspection de la qualité, la maintenance prédictive et la santé et la sécurité.
La baisse des coûts due à la baisse des besoins de calcul donnera naissance à un marché d’appareils intelligents et réactifs. Des exigences moindres en matière de données seront une aubaine pour des secteurs comme la santé et la finance, où la gestion des données est strictement réglementée. Dans chaque périphérique périphérique, les modèles sont personnalisés en fonction de l’environnement périphérique spécifique, et les données critiques ne sortent jamais en dehors du réseau périphérique. Edge AI deviendra omniprésent dans des domaines tels que les entrepôts intelligents, la fabrication et les services publics. Alors que les entreprises deviennent plus conscientes des énormes besoins énergétiques des modèles volumineux, l’IA basée sur la périphérie sera adoptée pour réduire l’empreinte carbone de l’IA et atteindre les objectifs de durabilité.
