Недоліки штучного інтелекту та ризики безпеки

Сьоме щорічне опитування професіоналів із обробки даних показує, що 87% використовують ШІ стільки ж або більше, ніж минулого року, але 43% почуваються неготовими до викликів

Anaconda Inc., провідний постачальник даних, машинного навчання та штучного інтелекту, нещодавно випустила 7-й щорічний звіт Data Science: ШІ та відкрите програмне забезпечення на роботі . На основі опитування понад 3000 фахівців з обробки даних, ІТ-працівників, студентів, дослідників і викладачів звіт пропонує розуміння тенденцій і випадків використання в спільнотах науки про дані, ШІ та відкритого коду.

Аналіз Anaconda показує, що використання ШІ та інструментів з відкритим вихідним кодом різко зросло в різних галузях. Хоча менше респондентів хвилюються про втрату роботи через штучний інтелект, з’явилися інші проблеми, зокрема проблеми з безпекою та відсутність готовності до розвитку ШІ. Ці недоліки вимагають спільного вирішення проблем як всередині організацій, так і в галузі науки про дані за допомогою платформ, які надають пріоритет безпеці, масштабованості та простоті використання.

Основні результати опитування:

 Розрив у готовності до використання штучного інтелекту: хоча 87% спеціалістів із обробки даних використовують штучний інтелект так само чи більше, ніж минулого року, 43% відчувають себе неготовими до таких викликів, як нові інструменти та правила штучного інтелекту, що підкреслює потребу в безпечному, сумісному розгортанні штучного інтелекту.

• Співпраця має ключове значення: 66% ІТ-адміністраторів повідомляють, що їхні компанії використовують інструменти з відкритим вихідним кодом, тоді як половина практиків із обробки даних каже, що вони активно впроваджують відкритий код у свої робочі процеси. Практики використовують програмне забезпечення з відкритим кодом для створення нових інструментів (58%) і моделей для внутрішнього використання (56%).
• Штучний інтелект як інструмент, а не загроза: лише 22% респондентів побоюються, що штучний інтелект займе їхню роботу – різке зниження, ніж минулого року. Натомість респонденти використовують штучний інтелект для виконання своїх щоденних завдань, зосереджуючись на більш складних проектах: 67% використовують штучний інтелект для очищення, візуалізації та аналізу даних, 52% для автоматизації завдань і 49% для моделей передбачення або виявлення.
• Локальна перевага: 59% роботи зі штучним інтелектом і наукою про дані виконуються на локальних ноутбуках або настільних комп’ютерах, що свідчить про відхід від використання хмарних технологій, що дозволяє компаніям краще захищати конфіденційну інформацію.
• Потреба у безпеці з відкритим вихідним кодом: хоча респонденти цінують інструменти з відкритим кодом як економічний варіант, який сприяє швидкому впровадженню інновацій, безпека з відкритим кодом названа найбільшою технічною проблемою для впровадження та використання ШІ (42%).

Разом ці результати ілюструють критичну потребу у відповідальному розгортанні ШІ та інноваціях. Завдяки надійній екосистемі Anaconda з відкритим кодом організації можуть безпечно масштабувати ініціативи штучного інтелекту, співпрацювати з користувачами в різних галузях і підвищувати продуктивність співробітників, забезпечуючи дотримання вимог і підвищуючи рентабельність інвестицій.

«Інновації не виникають ізольовано від співробітництва зацікавлених спільнот», — сказав Пітер Ван, головний спеціаліст з питань інновацій у Anaconda. «Щоб ця співпраця працювала, дослідникам даних і розробникам потрібні інструменти, які пропонують безпечну масштабованість і надійні засоби контролю».

Ван наголосив на важливості відкритої співпраці для просування інновацій. «Крім цих інструментів, науковцям і розробникам даних також потрібні відкриті канали для обміну думками, висловлювання занепокоєнь і спільного вирішення проблем», — продовжив Ван. «Коли організації підтримують ці спільні екосистеми як усередині себе, так і в ширшому співтоваристві з відкритим кодом, вони створюють благодатний ґрунт, де процвітають інновації, а такі проблеми, як безпека, можна вирішувати прямо».

Про Анаконду  та ШІ 

Anaconda — це потужна платформа з відкритим кодом, яка базується на мовах програмування Python і R. Вона призначена для спрощення роботи з науковими обчисленнями, аналізом даних, машинним навчанням і штучним інтелектом (ШІ). Розроблена компанією Anaconda, Inc., ця платформа стала популярною серед розробників, даних науковців і дослідників завдяки своїй зручності, широкому набору інструментів і бібліотек, а також ефективному управлінню залежностями через менеджер пакетів Conda.

Anaconda — це не просто дистрибутив Python, а ціла екосистема, яка включає:

• Conda: менеджер пакетів і середовищ, який дозволяє легко встановлювати, оновлювати та керувати бібліотеками й залежностями.
• Anaconda Navigator: графічний інтерфейс для зручного запуску додатків і управління пакетами без необхідності використання командного рядка.
• Попередньо встановлені бібліотеки: понад 300 пакетів для даних наук і ШІ, таких як NumPy, pandas, Matplotlib, Scikit-learn, TensorFlow тощо, а також доступ до більш ніж 7500 додаткових пакетів через репозиторій Anaconda.
• Інструменти для розробки: наприклад, Jupyter Notebook для інтерактивного кодування та візуалізації.

Anaconda підтримує кросплатформність (Windows, macOS, Linux) і спрощує створення ізольованих середовищ, що дозволяє працювати з різними версіями пакетів без конфліктів.

Anaconda сама по собі не є штучним інтелектом, але вона виступає як фундаментальна платформа для розробки, навчання та розгортання ШІ-проектів. Ось як вона інтегрується з ШІ:

• Бібліотеки для машинного навчання та ШІ:

Anaconda включає популярні бібліотеки, такі як Scikit-learn (для базового машинного навчання), TensorFlow і PyTorch (для глибокого навчання), Keras (для спрощеного створення нейронних мереж). Ці інструменти є основою для створення моделей ШІ.

Наприклад, за допомогою TensorFlow у середовищі Anaconda можна розробляти складні нейронні мережі для розпізнавання образів чи обробки природної мови.

• Управління середовищами:

Conda дозволяє створювати окремі середовища для різних ШІ-проектів. Наприклад, один проект може використовувати TensorFlow 2.10, а інший — PyTorch 2.0, і вони не будуть конфліктувати.

Це особливо корисно для експериментів із ШІ, де потрібно тестувати різні версії бібліотек чи моделей.

• Інтеграція з великими даними:

Anaconda підтримує інструменти для роботи з великими даними, такі як Dask і PySpark, які часто використовуються в ШІ для обробки великих наборів даних перед навчанням моделей.

• Інтерактивна розробка:

Завдяки Jupyter Notebook, який входить до Anaconda, розробники можуть створювати інтерактивні документи з кодом, візуалізаціями та поясненнями. Це ідеально для прототипування ШІ-моделей і аналізу результатів.

• Розгортання та масштабування:

Anaconda Enterprise дозволяє розгортати ШІ-моделі в продакшені, інтегруючи їх із хмарними платформами (наприклад, AWS, Azure) або локальними серверами. Це корисно для бізнес-застосувань ШІ.

• Підтримка генеративного ШІ:

Останні оновлення Anaconda включають інтеграцію з інструментами для генеративного ШІ, наприклад, через співпрацю з IBM Watsonx чи підтримку бібліотек для роботи з великими мовними моделями (LLM).

Приклад використання

Припустимо, ви хочете створити модель ШІ для класифікації зображень:

• Ви встановлюєте Anaconda і створюєте нове середовище через Conda: conda create -n ai_project python=3.9.
• Встановлюєте потрібні пакети: conda install tensorflow matplotlib numpy.
• У Jupyter Notebook пишете код для завантаження даних, навчання моделі та оцінки її точності.

Після завершення можете масштабувати проєкт, використовуючи Anaconda Enterprise для розгортання моделі в хмарі.

Чому Anaconda популярна для ШІ?

• Простота: Усе необхідне для ШІ вже є в дистрибутиві, не потрібно витрачати час на ручне налаштування.
• Безпека: Anaconda пропонує перевірені пакети та інструменти для управління безпекою, що важливо для корпоративних ШІ-проектів.
• Спільнота: Має величезну базу користувачів (45 мільйонів у 2024 році) і активну підтримку.

В Україні рішення Anaconda постачає компанія Ідеалсофт.