Большинство ИТ-гигантов интернета строят свой успех на персональных данных пользователей, позволяющих им обучать алгоритмы. Они затем превращаются в системы рекомендаций, анализа поведения и персонализированную рекламу. К их недостаткам относится существенный расход энергии и трафика, а также опасность нарушения конфиденциальности, пишет Wired UK.

В 2019, считают британские эксперты, возникнет альтернативная форма ИИ — машинное обучение, которое займет место рядом с пользователем, то есть будет располагаться на каком-то из его устройств.

Оно может принять разные формы, включая местное обучение (когда модель тренируется локально); распределенное, федеративное (когда глобально обучающиеся модели оптимизируются локально без переноса данных обратно в облако), или кооперативные (когда местные данные регулярно поступают в глобальную модель).

Все эти подходы ищут баланс между приватностью пользователя, сложностью и размером модели, объемом персонализации и ресурсами на стороне пользователя — пропускным каналом, памятью и энергией.

Такие модели уже показывают лучшие результаты в работе с отдельными пользователями, чем централизованные. Особенно они полезны в выполнении задач распознавания деятельности или настроения клиента.

В следующем году вокруг децентрализованных моделей появится новый бизнес — будь то браузеры вроде Brave, дифференциальная приватность Apple, персональные микросервисы типа Hub-of-All-Things. Возникнут новые механизмы платежей за инструменты, аналитику, данные и приватность. Будут найдены новые пути обмена данными. Интернет продолжит быть местом, где данные создают новые идеи и возможности, но в 2019 мы сможем делать это более эффективно и прозрачно, чем сегодня, полагают авторы.

По мнению экспертов, в наступающем году технологии автоматизации рабочих процессов (RPA) либо станут востребованными повсеместно, либо зачахнут, если не смогут найти универсальный подход к повсеместному внедрению этих методов.