ЖУРНАЛ СТА №1/2023

тивных вычислений с использованием настраиваемых наборов данных. В дан- ном случае пользователи используют свои данные для обучения когнитив- ных сервисов. Индивидуальный под- ход снижает затраты на выбор нужных алгоритмов, а также на обучение поль- зовательских моделей. Голосовой ИИ Современное человечество всё боль- ше и больше знакомится с виртуаль- ными помощниками. Это обусловлено тем, что конечные пользователи про- должают с большой готовностью при- нимать ИИ. Таким образом, поставщи- ки облачных услуг помогают разработ- чикам интегрировать ботов (голосо- вых, текстовых) на разных платформах, используя уже разработанные сервисы. Благодаря готовым облачным сервисам веб- и мобильные разработчики могут добавить их в свои клиентские прило- жения цифровых помощников. Инструменты ИИ В дополнение к API и инфраструк- туре поставщики облачных услуг пре- доставляют инструменты, которые могут помочь разработчикам прово- дить свои исследования на различных наборах данных. Поскольку эти инстру- менты синхронизированы с платфор- мами данных и вычислений, они спо- собствуют широкому использованию виртуальных машин, хранилищ и баз данных. Для упрощения работы с данными в системе внедрён ряд специализиро- ванных мастер-приложений, которые упрощают процесс обучения моделей машинного обучения. На бэкенде эти приложения в совокупности работа- ют как многопользовательская среда разработки. Интегрированная среда разработки (IDE) Опытные поставщики облачных ус- луг вкладывают значительные средст- ва в IDE и ноутбуки (на основе браузе- ра), которые упрощают тестирование и управление моделями машинного обучения. Такие инструменты позво- ляют разработчикам и специалистам по обработке больших данных уско- рить создание интеллектуальных при- ложений. Инструменты подготовки данных Производительность моделей ма- шинного обучения сильно зависит от качества данных. Чтобы обеспечить высокую эффективность моделей ма- шинного обучения, поставщики обще- доступных облаков предоставляют ин- струменты подготовки данных, кото- рые могут выполнять задачи извлече- ния, преобразования и загрузки (ETL). Затем выходные данные после ETL-об- работки передаются в конвейер для анализа и машинного обучения. Платформы Поскольку установка и настройка не- обходимой среды обработки данных усложнились, поставщики облачных услуг предлагают готовые шаблоны виртуальных машин с такими плат- формами, как Yandex Data Science Virtu- al Machine (DSVM), TensorFlow, Apache MXNet и Torch. Такие виртуальные ма- шины преимущественно работают с использованием графических процес- соров (GPU) и обучают сложные ней- ронные сети и модели машинного об- учения. Поставщики общедоступных облаков широко внедряют ИИ, стре- мясь привлечь больше клиентов на свои платформы. Хотя AIaaS всё ещё находится на стадии развития, но в бли- жайшие годы он может изменить пра- вила игры в контексте данных и вы- числительных услуг. Для удобства вос- приятия тенденций развития AIaaS на рис. 2 показана схема взаимодействия сервисов в рамках этой платформы. Управляемые услуги С ростом рынка AIaaS управляемые услуги стали центром внимания многих компаний, поскольку они выбирают услуги ИИ, специфичные для конкрет- ной функции, процесса и приложения. Примером этого могут быть сторонние компании, предлагающие услуги по ин- терпретации контрактов на основе ИИ для юридических лиц. Некоторые фи- нансовые фирмы сотрудничают со сто- ронними поставщиками, которые пред- лагают комплексные услуги по обработ- ке аналитических данных и исключе- ний из них. Точно так же ведущие тех- нологические компании сотрудничают с телекоммуникационными гигантами для предоставления комплексных управляемых услуг для повышения уровня автоматизации предприятий. Увеличение количества микросервисов Поскольку ИИ проникает в большин- ство отраслей, ожидается, что пред- приятия (средние или крупные) полу- чат микросервисы в виде пакета неза- висимо развертываемых сервисов, адаптированных к конкретным бизнес- потребностям. Микросервисы настрое- ны на решение различных критических проблем, таких как: ● гибкий дизайн решений: микросер- висы обеспечивают гибкость при разработке решений, поскольку каж- дый отдельный микросервис ИИ мо- жет потребовать значительных тру- дозатрат для реализации требований к мониторингу, переобучению моде- лей машинного обучения и обслу- живанию; ● ускорение возможностей ИИ: микро- сервисы позволяют снизить затраты на внедрение ИИ, при этом сохра- няется этичность его использования; ● простота принятия решений: микро- сервисы упрощают работу с больши- ми данными, которая является ос- СТА 1/2023 38 www.cta.ru ОБ ЗОРЫ Преднастроенные управляемые услуги 1 2 3 4 5 6 7 8 Увеличение количества микросервисов Магазины ботов Увеличение количества API Фреймворки и сервисы машинного обучения Встроенные базовые сервисы Внешние компоненты ИИ Тестирование настроек ИИ Рис. 2. Тенденции развития в области искусственного интеллекта как услуги (AIaaS)