סט תחזיות HPC בטעם AI לשנת 2023

תחזיות רבות עבור HPC-AI בשנת 2023 עלו על האחור שלנו בשבועות האחרונים, הנה קטעים מאלה שמצאנו הכי מעניינים, טריים, מעוררי תובנה - אפילו מנוגדים.

אלטאיר המדענית הראשית רוזמרי פרנסיס:
Go Big or Go Home - עומסי העבודה הגדולים של HPC.כאשר עומסי העבודה של HPC תופסים יישומי ביג דאטה, כמו במדעי החיים ומאיצי חלקיקים כמו מקור האור היהלום של בריטניה (למחקר וניסויים גדולים יותר), אנו רואים פיצוץ בכלי זרימת העבודה. לקראת 2023, השינוי הזה לתזמון רב מימדי יהיה המניע הגדול ביותר לשינוי בתוך HPC, שכן התעשייה מבקשת לחדש את עצמה ולהתאים את עצמה ליישומים המחוברים הגדולים הללו.

HPC מתמודד עם למידה עמוקה:ככל שהלמידה העמוקה הופכת נפוצה יותר בשנת 2023, נראה שינוי נוסף בעומסי העבודה של HPC. בעוד שבתחילה רוב עומסי העבודה של למידת המכונה הופעלו על Kubernetes או במסגרות תזמורות אחרות של קונטיינר, התברר שמערכות אלו מיועדות לשירותי מיקרו, ולא לעומסי עבודה של מחשבים עתירי מחשב, הנדרשים כעת ללמידה עמוקה. מנהלי עומסי עבודה מסחריים של HPC זקוקים לתמיכה מקיפה במכולות כדי שארגונים יוכלו לסובב את המחשוב שלהם ולהתחיל לנצל את היתרונות של תזמון אצווה, התפוצצות בענן וחלוקת תעריפים - כל ההיבטים המרכזיים של HPC יעיל.

ג'ו פיצימונס, מנכ"ל אופק מחשוב קוונטי, על מותו של NISQ ומעבר לסובלנות תקלות במחשוב קוונטי
"בשנים האחרונות, פיתוח יישומים עבור מחשוב קוונטי ראה התמקדות מיוחדת במשטר ה-NISQ, בהתייחסו למעבדים קוונטיים בקנה מידה בינוני רועש. ה'רעש' בכותרת זו מתייחס לרגישות של קיוביטים להפרעות מגורמים סביבתיים, הנעים מקרבה של קיוביטים אחרים להתנגשויות מקרניים קוסמיות. הרעש הזה מציג שגיאות שעלולות להיות קטלניות בתהליכי חישוב קוונטי. כבר מזמן ידוע שאפשר, לפחות תיאורטית, לבנות מחשבים קוונטיים המשלבים תיקון שגיאות, כך שניתן לבנות מחשב מושלם במהותו ממרכיבים לא מושלמים. עם זאת, המוקד של מחקר NISQ היה בפיתוח אלגוריתמים וריאציות אשר יש לקוות להיות חזקים בפני הפרעות קלות הנגרמות על ידי רעש סביבתי, מה שמאפשר יתרון קוונטי ללא תיקון שגיאות.

"למרבה הצער, ישנן עדויות מועטות יחסית לכך שאלגוריתמי NISQ כאלה יניבו למעשה יתרון על פני מחשבים קונבנציונליים למגוון הרחב של משימות אופטימיזציה ולמידת מכונה שעבורן הם נשקלים. אמנם יש סיבה טובה להאמין שניתן לראות יתרון קוונטי מוקדם בתחומים כמו כימיה, שבהם הבעיה שיש לפתור היא מכנית קוונטית במהותה, אך ישנם סימנים להתמקדות מחודשת בהגעה למשטר סובלנות תקלות, שבו ישנן שגיאות. מתוקן באופן אקטיבי ושיש לגביו הוכחות חזקות הרבה יותר ליתרון קוונטי."

טכנולוגיות של Dellג'ון רוזה, CTO גלובלי - החלטה קוונטית לשנה החדשה
אקים מערכי מיומנויות מוקדמים כדי לנצל את היתרונות של הקוונטים. מחשוב קוונטי מתחיל להיות אמיתי ואם אין לך מישהו בעסק שלך שמבין איך הטכנולוגיה הזו עובדת ואיך היא משפיעה על העסק שלך, אתה תפספס את גל הטכנולוגיה הזה. זהה את הצוות, הכלים והמשימות שתקדיש לקוונטים והתחל להתנסות. רק בחודש שעבר הכרזנו על פתרון המחשוב הקוונטי של Dell המקומי, המאפשר לארגונים במגוון תעשיות להתחיל לנצל את המחשוב המואץ באמצעות טכנולוגיה קוונטית אחרת שאינה זמינה עבורם כיום. השקעה בסימולציה קוונטית ומאפשרת לצוותי מדעי הנתונים ו-AI שלך ללמוד את השפות והיכולות החדשות של הקוונטים היא קריטית ב-2023.

דעות מנוגדות על ML מגדעון מנדלס, מנכ"ל ומייסד שותף של פלטפורמת MLOps כוכב שביט
כאשר הנתונים מתייבשים: רוב השיפורים שנראו ב-ML הגיעו ממודלים של אימון עם יותר ויותר נתונים, אבל אנחנו מגיעים לנקודה שבה לא נוכל לעשות זאת. זה עתה יצא מחקר מעניין שמראה שיכול להיות שנגמר לנו הנתונים עד שנת 2026. אם התזה הזו תחזיק מעמד, אנחנו הולכים להפסיק לראות שיפורים אלא אם כן נוכל לבנות מודלים טובים יותר על אותו מערך נתונים.

ההשפעה הסביבתית של מודלים גנרטיביים: מודלים גנרטיביים מניבים תוצאות מרשימות ביותר, אך לא ברורה ההשפעה שיש להם על העסק בפועל. מה שברור הוא השפעת פליטת הפחמן של אימון הדגמים המאסיביים הללו. דרישות המחשוב מטורפות. אז זה מעלה את השאלה, "האם התוצאות שוות את העלות הסביבתית?"

התרחק מהלך רוח של תוכנה: ML עקבה אחר מהלך פיתוח התוכנה עד כה, אך ככל שה-ML מתבגר, גישה זו מתפרקת. אין ספק אחד שיכול לעשות הכל. הצוותים היום בוחרים את הכלים הטובים ביותר הזמינים הרלוונטיים למה שהם מנסים לעשות. ספקים שניסו להיות הכל לצוות נכשלים. כדי ש-ML ימצה את הפוטנציאל שלה, עלינו לחשוב אחרת כדי לבנות את מחסנית ה-ML המתאימה לצרכים העסקיים הספציפיים שלנו.

ההטיה מוגזמת: הטיה היא מושג שזוכה לתשומת לב רבה - וימשיך לקבל יותר עם מגילת זכויות הבינה המלאכותית - זה לא משהו שהרבה מתרגלי ML עוסקים בו ביום יום. כמובן שהם מסבירים את זה, אבל מתרגלי ML תקינים מבינים את הבעיות ויודעים מה לעשות כדי למנוע מהטיה להשפיע לרעה על התוצאות.

יונאס קוביליוס מה מועצת הייעוץ של Oxylabs על AI Generative
ג'ונאס קוביליוס, מייסד שותף ומנכ"ל ב-Three Thirds וחבר במועצת הייעוץ של Oxylabs, צופה התפתחות מוגברת של Stable Diffusion, GPT-3, GitHub Copilot וטכניקות יצירת תוכן אחרות למוצרים רווחיים המשמשים מפתחים ויוצרי תוכן במציאות- יישומי עולם. הוא הוסיף כי נראה התעניינות מוגברת במודלים רב-מודאליים שיכולים להתמודד עם טקסט, תמונות, אודיו וקלטים אחרים עבור משימות מרובות.

"נתחיל לראות מעבר משימוש ב-AI עבור משימות סטטיות, כמו סיווג, לתהליכי עבודה אינטראקטיביים מונחי שפה המסייעים לאנשים לבצע את המשימות שלהם בצורה יעילה יותר", אמר קוביליוס.

פיטר מטסון, נשיא MLCommons, על מערכי נתונים ציבוריים
"נעמוד בפני שילוב של אתגרי מחקר חדשים תובעניים סביב AI מולטי-מודאלי ושיחתי, בנוסף לדאגות משפטיות, אתיות והוגנות עם נתונים מקושטים ברשת במערכים ציבוריים נוכחיים. התעשייה כולה תצטרך גם לתמוך טוב יותר לא רק במחקר אלא גם ביישומי ML בפריסה רחבה ובתקנות חדשות (למשל באמצעות ערכות בדיקות באיכות תעשייתית).

כדי לתמוך ב"דור הבא של נתונים ציבוריים", מטסון חוזה צורך בהשקעות חזקות במערך נתונים עבור הבעיות החברתיות והטכניות הדחופות ביותר, ולתעל את ההשקעה הזו באמצעות תשתית דמוית קוד פתוח המאפשרת לקהילה כולה לתרום ולסקור. הנתונים.

מוזס גוטמן, מנכ"ל ומייסד שותף של פלטפורמת MLOps ClearML, ב-ML Trends to Watch

אוטומציה והמחסור במיומנויות ML למרות שראינו הרבה חברות טכנולוגיה מובילות מכריזות על פיטורים בחלק האחרון של 2022, סביר להניח שאף אחת מהן (מהן) לא מפטרת את אנשי למידת המכונה המוכשרים ביותר שלה. עם זאת, כדי למלא את החלל... בצוותים טכניים עמוקים, חברות יצטרכו להישען עוד יותר לתוך אוטומציה כדי לשמור על הפרודוקטיביות ולהבטיח שהפרויקטים יגיעו לסיום. אנו מצפים לראות גם חברות המשתמשות בטכנולוגיית ML מכניסות יותר מערכות כדי לנטר ולנהל את הביצועים ולקבל יותר החלטות מונעות נתונים כיצד לנהל צוותי ML או מדעי נתונים...

אגירת כישרונות ML הסתיימה  פיטורים של עובדי ML ​​הם ככל הנראה בין המגייסים האחרונים, בניגוד לצוות ML לטווח ארוך יותר... מאז ML ובינה מלאכותית הפכו לטכנולוגיה נפוצה יותר בעשור האחרון, חברות טכנולוגיה גדולות רבות החלו להעסיק עובדים מסוג זה מכיוון שהם יכלו להתמודד עם העלות הכספית ולהרחיק אותם מהמתחרים - לאו דווקא בגלל שהם היו נחוצים. (לכן) זה לא מפתיע לראות כל כך הרבה עובדי ML ​​מפוטרים... עם זאת, ככל שעידן אגירת הכישרונות ב-ML מסתיים, זה יכול לפתח גל חדש של חדשנות והזדמנויות לסטארט-אפים. עם כל כך הרבה כישרונות שמחפשים עכשיו עבודה, סביר להניח שנראה רבים מהאנשים האלה מטפטפים החוצה מהטכנולוגיה הגדולה לעסקים קטנים ובינוניים או סטארט-אפים.

תעדוף פרויקט ML  אני רואה שפרויקטים של למידת מכונה מתמצים לשני סוגים: תכונות ניתנות למכירה שהמנהיגות מאמינה שיגדילו את המכירות וינצחו מול המתחרים, ופרויקטים של אופטימיזציה של הכנסות... סביר להניח שפרויקטים ניתנים למכירה יידחו, מכיוון שקשה לצאת מהם במהירות, ובמקום זאת , צוותי ה-ML הקטנים יותר כעת יתמקדו יותר באופטימיזציה של הכנסות מכיוון שהוא יכול להניב הכנסה אמיתית. ביצועים, ברגע זה, חיוניים עבור כל היחידות העסקיות ו-ML אינו חסין מפני זה.

מאוחדת ML  אחד הגורמים שמאטים את אימוץ MLOps הוא שפע הפתרונות הנקודתיים. זה לא אומר שהם לא עובדים, אלא שהם עלולים לא להשתלב טוב ביחד ולהשאיר פערים בזרימת העבודה. בגלל זה, אני מאמין בתוקף ש-2023 היא השנה שבה התעשייה נעה לעבר פלטפורמות מאוחדות מקצה לקצה הבנויות ממודולים שניתן להשתמש בהם בנפרד וגם להשתלב בצורה חלקה אחד עם השני (כמו גם להשתלב בקלות עם מוצרים אחרים) . סוג זה של גישת פלטפורמה, עם הגמישות של רכיבים בודדים, מספק את סוג החוויה הזריזה שהמומחים של היום מחפשים. זה קל יותר מאשר לרכוש מוצרים נקודתיים ולהדביק אותם יחד; זה מהיר יותר מאשר לבנות תשתית משלך מאפס (כשאת אמור לנצל את הזמן הזה לבניית דגמים)...

NVIDIA הציע שורה של תחזיות במגוון תחומי AI ולמידת מכונה:

אנימה אנאנדקומאר, מנהלת מחקר ML, ופרופסור ברן ב-Caltech
תאומים דיגיטליים נהיים פיזיים: נראה בקנה מידה גדול תאומים דיגיטליים של תהליכים פיזיקליים מורכבים ורב קנה מידה, כגון מודלים של מזג אוויר ואקלים, תופעות סייסמיות ותכונות החומר. זה יאיץ סימולציות מדעיות נוכחיות עד פי מיליון, ויאפשר תובנות ותגליות מדעיות חדשות.

סוכני AI כלליים: סוכני בינה מלאכותית יפתרו משימות פתוחות עם הוראות שפה טבעית ולמידת חיזוק בקנה מידה גדול, תוך רתימת מודלים בסיסיים - אותם מודלים גדולים של בינה מלאכותית שהוכשרו על כמות עצומה של נתונים ללא תווית בקנה מידה - כדי לאפשר לסוכנים שיכולים לנתח כל סוג של בקשה ו להסתגל לסוגים חדשים של שאלות לאורך זמן.

Manuvir Das, סגן נשיא, מחשוב ארגוני
מתקדמות תוכנה מסיימות בינה מלאכותית: ארגונים נאלצו זה מכבר לבחור בין מחשוב ענן לבין ארכיטקטורות היברידיות עבור מחקר ופיתוח בינה מלאכותית - פרקטיקה שיכולה לחנוק את פרודוקטיביות המפתחים ולהאט את החדשנות.

בשנת 2023, התוכנה תאפשר לעסקים לאחד צינורות בינה מלאכותית על פני כל סוגי התשתית ולספק חוויה אחת ומחוברת למתרגלי בינה מלאכותית. זה יאפשר לארגונים לאזן עלויות מול יעדים אסטרטגיים, ללא קשר לגודל הפרויקט או המורכבות, ולספק גישה ליכולת כמעט בלתי מוגבלת לפיתוח גמיש.

AI גנרטיבי משנה יישומים ארגוניים: ההייפ לגבי בינה מלאכותית גנרטיבית הופך למציאות בשנת 2023. הסיבה לכך היא שהיסודות לבינה מלאכותית גנרטיבית נמצאים סוף סוף במקום, עם תוכנה שיכולה להפוך מודלים של שפות גדולות ומערכות ממליצים ליישומי ייצור שחורגים מתמונות כדי לענות בצורה חכמה על שאלות, ליצור תוכן ואפילו ניצוץ תגליות….

קימברלי פאוול, סגן נשיא, שירותי בריאות
ניתוח 4.0: סימולטורי טיסה משמשים להכשרת טייסים ולמחקר שליטה במטוסים חדשים. הדבר נכון כעת עבור מנתחים ויצרני מכשירי ניתוח רובוטי. תאומים דיגיטליים שיכולים לדמות בכל קנה מידה, מסביבת חדר הניתוח ועד לרובוט הרפואי והאנטומיה של המטופל, פורצים דרך בחזרות כירורגיות מותאמות אישית ובעיצוב אינטראקציות בין בני אדם ומכונה. מגורים ארוכים לא יהיו הדרך היחידה לייצר מנתח מנוסה. רבים יהפכו למפעילים מומחים כאשר יבצעו את הניתוח הראשון שלהם בעזרת רובוט במטופל אמיתי.

דני שפירו, סגן נשיא רכב
הכשרת כלי רכב אוטונומיים במטא-וורס: יותר מ-250 יצרני רכב ומשאיות, חברות סטארט-אפ, תחבורה וניידות כשירות המפתחים רכבים אוטונומיים מתמודדים עם אחד מאתגרי הבינה המלאכותית המורכבים ביותר של זמננו. זה פשוט לא אפשרי להיתקל בכל תרחיש שהם חייבים להיות מסוגלים להתמודד עם על ידי בדיקה על הכביש, אז הרבה מהתעשייה בשנת 2023 יפנה לעולם הוירטואלי כדי לעזור. איסוף נתונים על הכביש יתווסף על ידי ציים וירטואליים שייצרו נתונים להדרכה ובדיקת תכונות חדשות לפני הפריסה. הדמיית נאמנות גבוהה תפעיל כלי רכב אוטונומיים דרך מגוון כמעט אינסופי של תרחישים וסביבות...

Rev Lebardedian, סגן נשיא, טכנולוגיית Omniverse וסימולציה
המתרגם האוניברסלי של Metaverse: בדיוק כפי ש-HTML היא השפה הסטנדרטית של האינטרנט הדו-ממדי, תיאור סצנה אוניברסלית אמורה להפוך לשפה הפתוחה והחזקה ביותר, הניתנת להרחבה, עבור האינטרנט התלת-ממדי. כתקן התלת-ממד לתיאור עולמות וירטואליים במטא-ברס, USD יאפשר לארגונים ואף לצרכנים לעבור בין עולמות תלת-ממד שונים באמצעות כלים, צופים ודפדפנים שונים בצורה החלקה והעקבית ביותר.

רוני ואשטה, סגן נשיא בכיר, טלקום
חיתוך הכבל ב-AR/VR ברשתות 5G: בעוד שעסקים רבים יעברו לענן לפיתוח חומרה ותוכנה, עיצוב קצה ושיתוף פעולה גם יגדלו ככל שרשתות 5G ייפרסו באופן מלא יותר ברחבי העולם. מעצבי רכב, למשל, יכולים להרכיב אוזניות מציאות רבודה ולהזרים את אותו התוכן שהם רואים ברשתות אלחוטיות לעמיתים ברחבי העולם, לזרז שינויים שיתופיים ולפתח פתרונות חדשניים במהירויות שיא. 5G גם יוביל לפריסה מואצת של רובוטים מחוברים בתעשיות - המשמשות לחידוש מלאי של מדפי חנויות, ניקוי רצפות, משלוח פיצות ואיסוף ואריזת סחורות במפעלים.

בוב פט, סגן נשיא, ויזואליזציה מקצועית
מהפכה תעשייתית באמצעות סימולציה: כל מה שנבנה בעולם הפיזי ידמה תחילה בעולם וירטואלי המציית לחוקי הפיזיקה. התאומים הדיגיטליים הללו - כולל של סביבות בקנה מידה גדול, כמו מפעלים, ערים ואפילו כדור הארץ כולו - והמטאוורס התעשייתי אמורים להפוך למרכיבים קריטיים של יוזמות טרנספורמציה דיגיטלית. דוגמאות כבר בשפע: סימנס לוקחת את האוטומציה התעשייתית לרמה חדשה. BMW מדמה קומות מפעל שלמות כדי לתכנן בצורה מיטבית את תהליכי הייצור. לוקהיד מרטין מדמה התנהגות של שריפות יער כדי לצפות היכן ומתי לפרוס משאבים. DNEG, SONY Pictures, WPP ואחרים מגבירים את הפרודוקטיביות באמצעות מחלקות אמנות הפזורות ברחבי העולם, המאפשרות ליוצרים, אמנים ומעצבים לחזור על סצנות כמעט בזמן אמת.

חשיבה מחודשת על ארכיטקטורת IT ארגונית: בדיוק כפי שעסקים רבים נרתעו להתאים את התרבות והטכנולוגיות שלהם כדי לעמוד באתגרים של עבודה היברידית, השנה החדשה תביא ארכיטקטורה מחדש של כל תשתית ה-IT של חברות רבות. חברות יחפשו התקני לקוח רבי עוצמה המסוגלים להתמודד עם הדרישות ההולכות וגוברות של יישומים ומערכי נתונים מורכבים. והם יאמצו גמישות, יעברו לפרוץ לענן לצורך קנה מידה אקספוננציאלי. האימוץ של פלטפורמות תוכנות מחשוב מבוזרות יאפשר לכוח עבודה מפוזר ברחבי העולם לשתף פעולה ולהישאר פרודוקטיבי בסביבות העבודה השונות ביותר.

באופן דומה, פיתוח והדרכה מורכבים של מודל AI ידרשו תשתית מחשוב רבת עוצמה במרכז הנתונים ובשולחן העבודה. עסקים יסתכלו על ערימות תוכנת AI שנאספו עבור מקרי שימוש תעשייתיים שונים כדי להקל עליהם להכניס AI לזרימות העבודה שלהם ולספק מוצרים ושירותים באיכות גבוהה יותר ללקוחות מהר יותר.

אזיטה מרטין, סגנית נשיא, קבוצת בינה מלאכותית לקמעונאות ומוצרי צריכה
AI למיטוב שרשראות אספקה: אפילו הקמעונאים המתוחכמים ביותר וחברות המסחר האלקטרוני התקשו בשנתיים האחרונות לאזן בין היצע לביקוש. צרכנים אימצו את קניות הבית במהלך המגיפה ואז נהרו בחזרה לחנויות לבנים לאחר הסרת הסגר. לאחר שהאינפלציה פגעה, הם שינו שוב את הרגלי הקנייה שלהם, והעניקו למנהלי שרשרת האספקה ​​התאמות. בינה מלאכותית תאפשר חיזוי תכוף ומדויק יותר, ויבטיח שהמוצר הנכון נמצא בחנות הנכונה בזמן הנכון. כמו כן, קמעונאים יאמצו תוכנת אופטימיזציה וטכנולוגיית סימולציה כדי לספק ראייה הוליסטית יותר של הזדמנויות ומלכודות.

מלקולם דה מאיו, סגן נשיא, שירותים פיננסיים
Cloud-First לשירותים פיננסיים: לבנקים יש ציווי חדש: להיות זריז מהר. מול התחרות ההולכת וגוברת מצד מוסדות פיננסיים לא מסורתיים, ציפיות משתנות של לקוחות שעולות מהתנסויות שלהם בתעשיות אחרות ומצוידות בתשתיות עתיקות יומין, בנקים ומוסדות אחרים יאמצו גישת בינה מלאכותית הענן הראשונה. אבל בתור תעשייה מווסתת מאוד הדורשת חוסן תפעולי, מונח תעשייתי שפירושו שהמערכות שלך יכולות לספוג זעזועים ולשרוד (כמו מגיפה), הבנקים יחפשו פתרונות פתוחים, ניידים, מוקשחים והיברידיים. כתוצאה מכך, הבנקים מחויבים לרכוש הסכמי תמיכה כאשר הם זמינים.

דוד רבר, קצין ביטחון ראשי
מדעני נתונים הם נכס הסייבר החדש שלך: אנשי מקצוע בתחום הסייבר המסורתיים כבר לא יכולים להתגונן ביעילות מפני האיומים המתוחכמים ביותר מכיוון שהמהירות והמורכבות של ההתקפות וההגנה עלו ביעילות על היכולות האנושיות. מדעני נתונים ואנליסטים אנושיים אחרים ישתמשו בבינה מלאכותית כדי להסתכל על כל הנתונים בצורה אובייקטיבית ולגלות איומים. הפרות עומדות לקרות, כך שטכניקות של מדעי הנתונים המשתמשות בבינה מלאכותית ובני אדם יעזרו למצוא את המחט בערימת השחת ולהגיב במהירות.

קארי בריסקי, סגן נשיא, AI ותוכנת HPC
נתונים ללא תווית מוצאים את מטרתם: מודלים של שפות גדולות ונתונים מובנים יתרחבו גם למגוון התמונות, הקלטות אודיו, ציוצים ועוד כדי למצוא דפוסים ורמזים נסתרים לתמיכה בפריצות דרך בתחום הבריאות, התקדמות במדע, מעורבות טובה יותר עם לקוחות ואפילו התקדמות גדולה בתחבורה בנהיגה עצמית. בשנת 2023, הוספת כל הנתונים הלא מובנים האלה לתערובת תעזור לפתח רשתות עצביות שיכולות, למשל, ליצור פרופילים סינתטיים כדי לחקות את רישומי הבריאות מהם למדו. סוג זה של למידת מכונה לא מפוקחת אמור להיות חשוב כמו למידת מכונה מפוקחת.

המוקד החדש: שימו עין על המרכז הטלפוני בשנת 2023, שבו אימוץ של יותר ויותר זרימות עבודה של AI דיבור מיושם בקלות יספק גמישות עסקית בכל שלב בצינור האינטראקציה עם הלקוחות - החל משינוי ארכיטקטורות מודלים ועד כוונון עדין של מודלים על נתונים קנייניים והתאמה אישית של צינורות. ככל שהנגישות של זרימות עבודה של בינה מלאכותית בדיבור מתרחבת, נראה התרחבות האימוץ בארגונים ועלייה ענקית בפריון המוקד הטלפוני על ידי זירוז הזמן עד לפתרון. בינה מלאכותית תעזור לסוכנים להוציא את המידע הנכון מתוך מאגר ידע עצום בזמן הנכון, ולצמצם את זמני ההמתנה ללקוחות.

Deepu Talla, סגן נשיא, Embedded ו-Edge Computing
רובוטים מקבלים מיליון חיים: רובוטים נוספים יוכשרו בעולמות וירטואליים כאשר עיבוד פוטו-ריאליסטי ומידול פיזיקה מדויק משתלבים עם היכולת לדמות במקביל מיליוני מופעים של רובוט על GPUs בענן. טכניקות AI גנרטיביות יקלו על יצירת תרחישי הדמיית תלת מימד מציאותיים ביותר ויזרזו עוד יותר את האימוץ של סימולציה ונתונים סינתטיים לפיתוח רובוטים בעלי יכולת גבוהה יותר.

 מארק שפילר, מנהל בכיר, אנרגיה
רשת אנרגיה מבוססת בינה מלאכותית: ככל שהרשת הופכת למורכבת יותר בגלל הקצב חסר התקדים של משאבי אנרגיה מבוזרים שמתווספים, חברות חשמל ידרשו בינה מלאכותית כדי לשפר את היעילות התפעולית, לשפר את הבטיחות התפקודית, להגביר את הדיוק של חיזוי עומס וביקוש ולהאיץ את זמן החיבור של אנרגיה מתחדשת , כמו שמש ורוח. AI בקצה יגדיל את גמישות הרשת, תוך הפחתת בזבוז אנרגיה ועלות.