Một bộ dự đoán HPC có hương vị AI cho năm 2023

Nhiều dự đoán về HPC-AI vào năm 2023 đã đến với chúng tôi trong những tuần gần đây, đây là những đoạn trích từ những dự đoán mà chúng tôi thấy thú vị, mới mẻ, sâu sắc nhất — thậm chí là trái ngược.

Altair Nhà khoa học trưởng Rosemary Francis:
Go Big or Go Home – Khối lượng công việc lớn hơn của HPC.Vì khối lượng công việc của HPC đang đảm nhận các ứng dụng dữ liệu lớn, chẳng hạn như trong khoa học đời sống và máy gia tốc hạt như Nguồn ánh sáng kim cương của Vương quốc Anh (để nghiên cứu và thử nghiệm nhiều hơn), chúng tôi đang chứng kiến ​​sự bùng nổ của các công cụ quy trình làm việc. Bước sang năm 2023, quá trình chuyển đổi thành lập lịch trình đa chiều này sẽ là động lực thay đổi lớn nhất trong HPC khi ngành tìm cách tự hiện đại hóa và thích ứng với các ứng dụng kết nối lớn này.

HPC giải quyết vấn đề học sâu:Khi deep learning trở nên phổ biến hơn vào năm 2023, chúng ta sẽ thấy khối lượng công việc HPC sẽ thay đổi nhiều hơn nữa. Mặc dù ban đầu, hầu hết các khối lượng công việc máy học đều chạy trên Kubernetes hoặc các khung điều phối bộ chứa khác, nhưng rõ ràng là các hệ thống này được thiết kế cho các dịch vụ siêu nhỏ, chứ không phải cho khối lượng công việc máy sử dụng nhiều máy tính, bùng nổ hiện cần cho học sâu. Các nhà quản lý khối lượng công việc HPC thương mại cần hỗ trợ bộ chứa toàn diện để các tổ chức có thể sắp xếp bộ đệm điện toán của họ và bắt đầu tận dụng lợi thế của lập lịch trình hàng loạt, bùng nổ đám mây và chia sẻ giá vé — tất cả các khía cạnh chính của HPC hiệu quả.

Joe Fitzsimons, Giám đốc điều hành của Máy tính lượng tử chân trời, về cái chết của NISQ và sự chuyển đổi sang khả năng chịu lỗi trong điện toán lượng tử
“Trong vài năm gần đây, việc phát triển ứng dụng cho điện toán lượng tử đã tập trung đặc biệt vào chế độ NISQ, đề cập đến bộ xử lý lượng tử quy mô trung gian ồn ào. 'Tiếng ồn' trong tiêu đề này đề cập đến tính nhạy cảm của qubit đối với sự can thiệp từ các yếu tố môi trường, bao gồm từ sự gần gũi của các qubit khác đến sự va chạm từ các tia vũ trụ. Sự ồn ào này gây ra các lỗi có khả năng gây tử vong trong các quá trình tính toán lượng tử. Từ lâu, người ta đã biết rằng, ít nhất là về mặt lý thuyết, có thể xây dựng các máy tính lượng tử kết hợp sửa lỗi, để một máy tính hoàn hảo về cơ bản có thể được xây dựng từ các thành phần không hoàn hảo. Tuy nhiên, trọng tâm của nghiên cứu NISQ là phát triển các thuật toán biến phân được hy vọng là mạnh mẽ trước những nhiễu loạn nhỏ do nhiễu môi trường gây ra, cho phép đạt được lợi thế lượng tử mà không cần sửa lỗi.

“Thật không may, có tương đối ít bằng chứng cho thấy các thuật toán NISQ như vậy trên thực tế sẽ mang lại lợi thế so với các máy tính thông thường đối với nhiều nhiệm vụ tối ưu hóa và học máy mà chúng đang được xem xét. Mặc dù có lý do chính đáng để tin rằng lợi thế lượng tử ban đầu có thể được nhìn thấy trong các lĩnh vực như hóa học, trong đó vấn đề cần giải quyết là cơ học lượng tử về bản chất, nhưng có những dấu hiệu tập trung mới vào việc đạt được chế độ chịu lỗi, trong đó lỗi là tích cực sửa chữa và có bằng chứng mạnh mẽ hơn nhiều về lợi thế lượng tử.”

Công nghệ Dell' John Roese, CTO toàn cầu - Nghị quyết về lượng tử trong năm mới
Tôi sẽ thiết lập các bộ kỹ năng sớm để tận dụng lợi thế của lượng tử. Điện toán lượng tử đang trở thành hiện thực và nếu bạn không có ai đó trong doanh nghiệp của mình hiểu cách thức hoạt động của công nghệ này và cách nó ảnh hưởng đến doanh nghiệp của bạn, thì bạn sẽ bỏ lỡ làn sóng công nghệ này. Xác định nhóm, công cụ và nhiệm vụ bạn sẽ cống hiến cho lượng tử và bắt đầu thử nghiệm. Mới tháng trước, chúng tôi đã công bố Giải pháp Điện toán Lượng tử Dell tại chỗ cho phép các tổ chức trong các ngành bắt đầu tận dụng lợi thế của điện toán tăng tốc thông qua công nghệ lượng tử nếu không có sẵn cho họ ngày nay. Đầu tư vào mô phỏng lượng tử và cho phép các nhóm khoa học dữ liệu và AI của bạn học các ngôn ngữ và khả năng mới của lượng tử là rất quan trọng vào năm 2023.

Quan điểm trái ngược về ML từ Gideon Mendels, CEO và đồng sáng lập nền tảng MLOps sao chổi
Khi dữ liệu cạn kiệt: Hầu hết các cải tiến được thấy trong ML đều đến từ các mô hình đào tạo với ngày càng nhiều dữ liệu, nhưng chúng tôi đang đi đến một điểm mà chúng tôi sẽ không thể làm được điều đó. Một số nghiên cứu thú vị vừa được công bố cho thấy chúng ta có thể cạn kiệt dữ liệu vào năm 2026. Nếu luận điểm này đúng, chúng ta sẽ ngừng thấy những cải tiến trừ khi chúng ta có thể xây dựng các mô hình tốt hơn trên cùng một tập dữ liệu.

Tác động môi trường của các mô hình sáng tạo: Các mô hình sáng tạo đang tạo ra những kết quả cực kỳ ấn tượng, nhưng không rõ tác động của chúng đối với một doanh nghiệp thực tế. Điều rõ ràng là tác động phát thải carbon của việc đào tạo các mô hình khổng lồ này. Các yêu cầu tính toán là điên rồ. Vì vậy, nó đặt ra câu hỏi, "Kết quả có xứng đáng với chi phí môi trường không?"

Di chuyển ra khỏi một tư duy phần mềm: ML đã đi theo quá trình phát triển phần mềm cho đến nay, nhưng khi ML trưởng thành, cách tiếp cận này không còn nữa. Không có nhà cung cấp duy nhất có thể làm tất cả. Các nhóm ngày nay chọn những công cụ tốt nhất hiện có phù hợp với những gì họ đang cố gắng thực hiện. Những nhà cung cấp cố gắng trở thành tất cả đối với một nhóm đang thất bại. Để ML phát huy hết tiềm năng, chúng ta cần nghĩ khác để xây dựng ngăn xếp ML phù hợp cho các nhu cầu kinh doanh cụ thể của mình.

Sự thiên vị bị thổi phồng quá mức: Xu hướng là một khái niệm thu hút nhiều sự chú ý– và sẽ tiếp tục thu hút nhiều hơn với Dự luật về Quyền của AI– đó không phải là điều mà nhiều học viên ML quan tâm hàng ngày. Tất nhiên, họ giải thích cho điều đó, nhưng những người thực hành ML giỏi hiểu các vấn đề và biết phải làm gì để ngăn sự thiên vị ảnh hưởng xấu đến kết quả.

Jonas Kubilius của Ban cố vấn Oxylabs trên Trí tuệ nhân tạo
Jonas Kubilius, đồng sáng lập và Giám đốc điều hành tại Three Thirds và là thành viên của Ban cố vấn Oxylabs, dự đoán sự phát triển ngày càng tăng của Stable Diffusion, GPT-3, GitHub Copilot và các kỹ thuật tạo nội dung khác thành các sản phẩm có lợi nhuận được các nhà phát triển và người tạo nội dung sử dụng trong thực tế- ứng dụng thế giới. Ông nói thêm rằng chúng ta sẽ thấy sự quan tâm ngày càng tăng đối với các mô hình đa phương thức có thể xử lý văn bản, hình ảnh, âm thanh và các đầu vào khác cho nhiều tác vụ.

Kubilius cho biết: “Chúng ta sẽ bắt đầu thấy sự thay đổi từ việc sử dụng AI cho các tác vụ tĩnh, như phân loại, sang các quy trình công việc tương tác dựa trên mô hình ngôn ngữ giúp mọi người thực hiện các tác vụ của họ hiệu quả hơn”.

Peter Mattson, chủ tịch của MLCommons, trên Bộ dữ liệu công khai
“Chúng ta sẽ phải đối mặt với sự kết hợp của những thách thức nghiên cứu mới đòi hỏi khắt khe xung quanh AI đa phương thức và đàm thoại, bên cạnh các mối quan tâm về pháp lý, đạo đức và công bằng với dữ liệu được quét trên web trong các bộ dữ liệu công khai hiện tại. Toàn ngành cũng sẽ cần hỗ trợ tốt hơn không chỉ nghiên cứu mà còn triển khai rộng rãi các ứng dụng ML và các quy định mới (ví dụ: thông qua các bộ thử nghiệm chất lượng công nghiệp).”

Để hỗ trợ “thế hệ dữ liệu công cộng tiếp theo”, Mattson dự đoán nhu cầu đầu tư mạnh mẽ vào bộ dữ liệu cho các vấn đề xã hội và kỹ thuật cấp bách nhất, đồng thời chuyển khoản đầu tư đó thông qua cơ sở hạ tầng giống nguồn mở cho phép toàn bộ cộng đồng đóng góp và xem xét dữ liệu.

Moses Guttmann, Giám đốc điều hành và Đồng sáng lập nền tảng MLOps ClearML, trên ML Xu hướng để xem

Tự động hóa và sự thiếu hụt kỹ năng ML Mặc dù chúng ta đã thấy nhiều công ty công nghệ hàng đầu tuyên bố sa thải nhân viên vào cuối năm 2022, nhưng có khả năng không công ty nào trong số họ sa thải nhân viên máy học tài năng nhất của họ. Tuy nhiên, để lấp đầy khoảng trống… trong các nhóm kỹ thuật chuyên sâu, các công ty sẽ phải tập trung hơn nữa vào tự động hóa để duy trì năng suất và đảm bảo dự án hoàn thành. Chúng tôi cũng hy vọng sẽ thấy các công ty sử dụng công nghệ ML đưa ra nhiều hệ thống hơn để theo dõi và quản lý hiệu suất cũng như đưa ra nhiều quyết định dựa trên dữ liệu hơn về cách quản lý các nhóm khoa học dữ liệu hoặc ML….

Tích trữ tài năng ML đã kết thúc  Việc sa thải công nhân ML có thể xảy ra trong số những lần được tuyển dụng gần đây nhất, trái ngược với những nhân viên ML lâu năm hơn…. Vì ML và AI đã trở thành một công nghệ phổ biến hơn trong thập kỷ qua, nhiều công ty công nghệ lớn đã bắt đầu thuê những loại công nhân này vì họ có thể xử lý chi phí tài chính và giúp họ tránh xa các đối thủ cạnh tranh – không nhất thiết là vì họ cần thiết. (Vì vậy) không có gì ngạc nhiên khi thấy rất nhiều nhân viên ML bị sa thải… Tuy nhiên, khi kỷ nguyên tích trữ nhân tài ML kết thúc, nó có thể mở ra một làn sóng đổi mới và cơ hội mới cho các công ty khởi nghiệp. Với rất nhiều tài năng hiện đang tìm việc làm, chúng ta có thể sẽ thấy nhiều người trong số những người này rời bỏ công nghệ lớn để đến với các doanh nghiệp vừa và nhỏ hoặc các công ty khởi nghiệp.

Ưu tiên dự án ML  Tôi thấy các dự án máy học được chia thành hai loại: các tính năng có thể bán được mà ban lãnh đạo tin rằng sẽ tăng doanh số bán hàng và giành chiến thắng trước đối thủ cạnh tranh, và các dự án tối ưu hóa doanh thu… Các dự án tính năng có thể bán được có thể sẽ bị hoãn lại, vì chúng khó ra mắt nhanh chóng, và thay vào đó , các nhóm ML hiện có quy mô nhỏ hơn sẽ tập trung nhiều hơn vào việc tối ưu hóa doanh thu vì điều này có thể thúc đẩy doanh thu thực. Tại thời điểm này, hiệu suất là điều cần thiết đối với tất cả các đơn vị kinh doanh và ML không tránh khỏi điều đó.

máy học hợp nhất  Một trong những yếu tố làm chậm việc áp dụng MLOps là có quá nhiều giải pháp điểm. Không có nghĩa là chúng không hoạt động, nhưng chúng có thể không tích hợp tốt với nhau và để lại những khoảng trống trong quy trình làm việc. Do đó, tôi tin chắc rằng năm 2023 là năm mà ngành công nghiệp hướng tới các nền tảng thống nhất, đầu cuối được xây dựng từ các mô-đun có thể được sử dụng riêng lẻ và cũng có thể tích hợp liền mạch với nhau (cũng như tích hợp dễ dàng với các sản phẩm khác) . Cách tiếp cận nền tảng này, với tính linh hoạt của các thành phần riêng lẻ, mang lại loại trải nghiệm nhanh nhẹn mà các chuyên gia ngày nay đang tìm kiếm. Nó dễ dàng hơn so với việc mua các sản phẩm điểm và vá chúng lại với nhau; nó nhanh hơn việc xây dựng cơ sở hạ tầng của riêng bạn từ đầu (khi bạn nên sử dụng thời gian đó để xây dựng mô hình)….

NVIDIA đã đưa ra một loạt các dự đoán trên nhiều lĩnh vực AI và máy học:

Anima Anandkumar, Giám đốc Nghiên cứu Máy học và Giáo sư Bren tại Caltech
Cặp song sinh kỹ thuật số có được vật lý: Chúng ta sẽ thấy quy mô lớn sinh đôi kỹ thuật số của các quá trình vật lý phức tạp và đa quy mô, chẳng hạn như mô hình thời tiết và khí hậu, hiện tượng địa chấn và tính chất vật liệu. Điều này sẽ tăng tốc các mô phỏng khoa học hiện tại lên tới hàng triệu lần và cho phép những hiểu biết và khám phá khoa học mới.

Đại lý AI tổng quát: Các tác nhân AI sẽ giải quyết các nhiệm vụ mở bằng hướng dẫn ngôn ngữ tự nhiên và học tăng cường quy mô lớn, đồng thời khai thác các mô hình nền tảng — những mô hình AI lớn đó được đào tạo trên một lượng lớn dữ liệu chưa được gắn nhãn ở quy mô lớn — để cho phép các tác nhân có thể phân tích cú pháp bất kỳ loại yêu cầu nào và thích nghi với các loại câu hỏi mới theo thời gian.

Manuvir Das, Phó Chủ tịch, Điện toán Doanh nghiệp
Những tiến bộ về phần mềm Kết thúc AI Silo: Các doanh nghiệp từ lâu đã phải lựa chọn giữa điện toán đám mây và kiến ​​trúc lai để nghiên cứu và phát triển AI — một phương pháp có thể kìm hãm năng suất của nhà phát triển và làm chậm quá trình đổi mới.

Vào năm 2023, phần mềm sẽ cho phép các doanh nghiệp thống nhất các đường ống AI trên tất cả các loại cơ sở hạ tầng và mang lại trải nghiệm kết nối, duy nhất cho những người thực hành AI. Điều này sẽ cho phép các doanh nghiệp cân bằng chi phí với các mục tiêu chiến lược, bất kể quy mô hay độ phức tạp của dự án và cung cấp khả năng tiếp cận hầu như không giới hạn để phát triển linh hoạt.

AI sáng tạo biến đổi các ứng dụng doanh nghiệp: Sự cường điệu về AI tổng quát sẽ trở thành hiện thực vào năm 2023. Đó là bởi vì nền tảng cho AI tổng quát thực sự cuối cùng đã được thiết lập, với phần mềm có thể chuyển đổi các mô hình ngôn ngữ lớn và hệ thống đề xuất thành các ứng dụng sản xuất vượt ra ngoài hình ảnh để trả lời các câu hỏi, tạo nội dung một cách thông minh và thậm chí châm ngòi cho những khám phá….

Kimberly Powell, Phó chủ tịch, chăm sóc sức khỏe
Phẫu thuật 4.0: Máy bay mô phỏng phục vụ cho việc đào tạo phi công và nghiên cứu điều khiển máy bay mới. Điều này cũng đúng với các bác sĩ phẫu thuật và các nhà sản xuất thiết bị phẫu thuật robot. Cặp song sinh kỹ thuật số có thể mô phỏng ở mọi quy mô, từ môi trường phòng phẫu thuật đến rô-bốt y tế và giải phẫu bệnh nhân, đang tạo ra bước đột phá mới trong các buổi diễn tập phẫu thuật được cá nhân hóa và thiết kế các tương tác giữa con người và máy móc do AI điều khiển. Cư trú lâu dài sẽ không phải là cách duy nhất để tạo ra một bác sĩ phẫu thuật có kinh nghiệm. Nhiều người sẽ trở thành những nhà điều hành chuyên nghiệp khi họ thực hiện ca phẫu thuật đầu tiên có sự hỗ trợ của robot trên một bệnh nhân thực sự.

Danny Shapiro, Phó chủ tịch, Ô tô
Đào tạo xe tự hành trong Metaverse: Hơn 250 nhà sản xuất ô tô và xe tải, công ty khởi nghiệp, nhà cung cấp dịch vụ vận tải và di động đang phát triển phương tiện tự hành đang giải quyết một trong những thách thức AI phức tạp nhất của thời đại chúng ta. Đơn giản là không thể gặp phải mọi tình huống mà họ phải có khả năng xử lý bằng cách thử nghiệm trên đường, vì vậy phần lớn ngành công nghiệp vào năm 2023 sẽ chuyển sang thế giới ảo để trợ giúp. Việc thu thập dữ liệu trên đường sẽ được bổ sung bởi các đội ảo tạo dữ liệu để đào tạo và thử nghiệm các tính năng mới trước khi triển khai. Mô phỏng độ trung thực cao sẽ chạy các phương tiện tự hành thông qua một loạt các tình huống và môi trường gần như vô tận….

Rev Lebardedian, Phó chủ tịch, Omniverse và Công nghệ mô phỏng
Trình dịch phổ biến Metaverse: Giống như HTML là ngôn ngữ tiêu chuẩn của web 2D, Mô tả cảnh toàn cảnh được thiết lập để trở thành ngôn ngữ mở, mở rộng, mạnh mẽ nhất cho web 3D. Là tiêu chuẩn 3D để mô tả thế giới ảo trong metaverse, USD sẽ cho phép các doanh nghiệp và thậm chí cả người tiêu dùng di chuyển giữa các thế giới 3D khác nhau bằng nhiều công cụ, trình xem và trình duyệt khác nhau theo cách liền mạch và nhất quán nhất.

Ronnie Vasishta, Phó chủ tịch cấp cao, Viễn thông
Cắt dây trên mạng AR/VR qua mạng 5G: Trong khi nhiều doanh nghiệp sẽ chuyển sang đám mây để phát triển phần cứng và phần mềm, thiết kế biên và cộng tác cũng sẽ phát triển khi mạng 5G được triển khai đầy đủ hơn trên khắp thế giới. Ví dụ, các nhà thiết kế ô tô có thể tặng tai nghe thực tế tăng cường và truyền trực tuyến cùng một nội dung họ nhìn thấy qua mạng không dây tới các đồng nghiệp trên khắp thế giới, đẩy nhanh các thay đổi hợp tác và phát triển các giải pháp sáng tạo với tốc độ kỷ lục. 5G cũng sẽ dẫn đến việc triển khai nhanh chóng các robot được kết nối trong các ngành công nghiệp — được sử dụng để sắp xếp lại các kệ hàng, lau sàn nhà, giao bánh pizza cũng như chọn và đóng gói hàng hóa trong các nhà máy.

Bob Pette, Phó chủ tịch, Hình ảnh chuyên nghiệp
Một cuộc cách mạng công nghiệp thông qua mô phỏng: Mọi thứ được xây dựng trong thế giới vật chất trước tiên sẽ được mô phỏng trong thế giới ảo tuân theo các định luật vật lý. Những cặp song sinh kỹ thuật số này — bao gồm các môi trường quy mô lớn, chẳng hạn như nhà máy, thành phố và thậm chí toàn bộ hành tinh — và siêu vũ trụ công nghiệp được thiết lập để trở thành các thành phần quan trọng của các sáng kiến ​​chuyển đổi kỹ thuật số. Đã có rất nhiều ví dụ: Siemens đang đưa tự động hóa công nghiệp lên một tầm cao mới. BMW đang mô phỏng toàn bộ sàn nhà máy để lập kế hoạch tối ưu cho các quy trình sản xuất. Lockheed Martin đang mô phỏng hành vi của cháy rừng để dự đoán địa điểm và thời điểm triển khai các nguồn lực. DNEG, SONY Pictures, WPP và các hãng khác đang tăng năng suất thông qua các bộ phận nghệ thuật được phân bổ trên toàn cầu, cho phép người sáng tạo, nghệ sĩ và nhà thiết kế lặp lại các cảnh hầu như trong thời gian thực.

Suy nghĩ lại về kiến ​​trúc CNTT doanh nghiệp: Giống như việc nhiều doanh nghiệp tranh nhau điều chỉnh văn hóa và công nghệ của họ để đáp ứng những thách thức của công việc kết hợp, năm mới sẽ mang đến sự tái cấu trúc toàn bộ cơ sở hạ tầng CNTT của nhiều công ty. Các công ty sẽ tìm kiếm các thiết bị khách mạnh mẽ có khả năng giải quyết nhu cầu ngày càng tăng của các ứng dụng và bộ dữ liệu phức tạp. Và họ sẽ nắm lấy tính linh hoạt, chuyển sang bùng nổ đám mây để mở rộng quy mô theo cấp số nhân. Việc áp dụng các nền tảng phần mềm điện toán phân tán sẽ cho phép lực lượng lao động phân tán trên toàn cầu cộng tác và duy trì năng suất trong các môi trường làm việc khác nhau nhất.

Tương tự, việc đào tạo và phát triển mô hình AI phức tạp sẽ yêu cầu cơ sở hạ tầng điện toán mạnh mẽ trong trung tâm dữ liệu và máy tính để bàn. Các doanh nghiệp sẽ xem xét các ngăn xếp phần mềm AI được tuyển chọn cho các trường hợp sử dụng công nghiệp khác nhau để giúp họ dễ dàng đưa AI vào quy trình làm việc của mình và cung cấp các sản phẩm và dịch vụ chất lượng cao hơn cho khách hàng nhanh hơn.

Azita Martin, Phó chủ tịch, AI cho Nhóm sản phẩm tiêu dùng và bán lẻ
AI để tối ưu hóa chuỗi cung ứng: Ngay cả những nhà bán lẻ và công ty thương mại điện tử tinh vi nhất cũng gặp khó khăn trong hai năm qua trong việc cân bằng cung với cầu. Người tiêu dùng chấp nhận mua sắm tại nhà trong thời kỳ đại dịch và sau đó đổ xô trở lại các cửa hàng truyền thống sau khi lệnh phong tỏa được dỡ bỏ. Sau khi lạm phát xảy ra, họ một lần nữa thay đổi thói quen mua hàng, khiến các nhà quản lý chuỗi cung ứng phù hợp. AI sẽ cho phép dự báo thường xuyên hơn và chính xác hơn, đảm bảo đúng sản phẩm ở đúng cửa hàng vào đúng thời điểm. Ngoài ra, các nhà bán lẻ sẽ sử dụng phần mềm tối ưu hóa tuyến đường và công nghệ mô phỏng để cung cấp cái nhìn toàn diện hơn về các cơ hội và cạm bẫy.

Malcolm deMayo, Phó Chủ tịch, Dịch vụ Tài chính
Ưu tiên đám mây cho các dịch vụ tài chính: Các ngân hàng có một mệnh lệnh mới: nhanh nhẹn. Đối mặt với sự cạnh tranh ngày càng tăng từ các tổ chức tài chính phi truyền thống, thay đổi kỳ vọng của khách hàng từ trải nghiệm của họ trong các ngành khác và chịu ảnh hưởng bởi cơ sở hạ tầng cũ, các ngân hàng và các tổ chức khác sẽ áp dụng phương pháp tiếp cận AI trên nền tảng đám mây. Nhưng là một ngành được quản lý chặt chẽ, đòi hỏi khả năng phục hồi trong hoạt động, một thuật ngữ trong ngành có nghĩa là hệ thống của bạn có thể hấp thụ và sống sót sau những cú sốc (như đại dịch), các ngân hàng sẽ tìm kiếm các giải pháp kết hợp mở, di động, cứng rắn. Do đó, các ngân hàng có nghĩa vụ phải mua các thỏa thuận hỗ trợ khi có sẵn.

David Reber, Giám đốc An ninh
Các nhà khoa học dữ liệu là tài sản mạng mới của bạn: Các chuyên gia mạng truyền thống không còn có thể bảo vệ hiệu quả trước các mối đe dọa phức tạp nhất vì tốc độ và mức độ phức tạp của các cuộc tấn công và phòng thủ đã vượt quá khả năng của con người một cách hiệu quả. Các nhà khoa học dữ liệu và các nhà phân tích con người khác sẽ sử dụng AI để xem xét tất cả dữ liệu một cách khách quan và khám phá các mối đe dọa. Vi phạm sẽ xảy ra, vì vậy các kỹ thuật khoa học dữ liệu sử dụng AI và con người sẽ giúp mò kim đáy bể và phản hồi nhanh chóng.

Kari Briski, Phó chủ tịch, Phần mềm AI và HPC
Dữ liệu chưa được gắn nhãn tìm thấy mục đích của nó: Các mô hình ngôn ngữ lớn và dữ liệu có cấu trúc cũng sẽ mở rộng ra hàng loạt ảnh, bản ghi âm, tweet, v.v. để tìm ra các mẫu và manh mối ẩn nhằm hỗ trợ các đột phá về chăm sóc sức khỏe, tiến bộ trong khoa học, tương tác tốt hơn với khách hàng và thậm chí là những tiến bộ lớn trong phương tiện giao thông tự lái. Vào năm 2023, việc thêm tất cả dữ liệu phi cấu trúc này vào hỗn hợp sẽ giúp phát triển các mạng nơ-ron, chẳng hạn như có thể tạo hồ sơ tổng hợp để bắt chước hồ sơ sức khỏe mà chúng đã học được từ đó. Loại máy học không giám sát này được thiết lập để trở nên quan trọng như học máy có giám sát.

Tổng đài mới: Hãy để mắt đến trung tâm cuộc gọi vào năm 2023, nơi việc áp dụng các quy trình AI giọng nói được triển khai ngày càng dễ dàng hơn sẽ mang lại sự linh hoạt cho doanh nghiệp ở mọi bước trong quy trình tương tác với khách hàng — từ sửa đổi kiến ​​trúc mô hình đến tinh chỉnh mô hình trên dữ liệu độc quyền và tùy chỉnh quy trình. Khi khả năng tiếp cận quy trình làm việc AI bằng giọng nói được mở rộng, chúng ta sẽ thấy việc áp dụng doanh nghiệp ngày càng mở rộng và năng suất của trung tâm cuộc gọi tăng mạnh nhờ tăng tốc thời gian giải quyết. AI sẽ giúp các đại lý lấy thông tin phù hợp từ cơ sở tri thức khổng lồ vào đúng thời điểm, giảm thiểu thời gian chờ đợi cho khách hàng.

Deepu Talla, Phó chủ tịch, Embedded và Edge Computing
Robot có được một triệu mạng sống: Nhiều rô-bốt hơn sẽ được đào tạo trong thế giới ảo khi kết xuất quang học và mô hình vật lý chính xác kết hợp với khả năng mô phỏng song song hàng triệu phiên bản của rô-bốt trên GPU trên đám mây. Các kỹ thuật AI sáng tạo sẽ giúp việc tạo các kịch bản mô phỏng 3D có độ chân thực cao trở nên dễ dàng hơn và đẩy nhanh hơn nữa việc áp dụng mô phỏng và dữ liệu tổng hợp để phát triển các rô-bốt có khả năng hơn.

 Marc Spieler, Giám đốc cấp cao, Năng lượng
Lưới năng lượng do AI cung cấp: Khi lưới điện trở nên phức tạp hơn do tốc độ chưa từng có của các nguồn năng lượng phân tán được thêm vào, các công ty điện lực sẽ yêu cầu AI tiên tiến để cải thiện hiệu quả vận hành, tăng cường an toàn chức năng, tăng độ chính xác của dự báo nhu cầu và phụ tải, đồng thời đẩy nhanh thời gian kết nối của năng lượng tái tạo , như năng lượng mặt trời và gió. AI ở biên sẽ tăng khả năng phục hồi của lưới điện, đồng thời giảm lãng phí năng lượng và chi phí.