?

Log in

No account? Create an account

Блог на разные темы

Эксперты назвали отрасль, которую ждут самые крупные сокращения из-за ИИ
собака
antony_w


Технологический прогресс приведет к самому крупному сокращению сотрудников за всю историю банковской отрасли, говорится в докладе Wells Fargo & Co. Только в США уволят около 200 тысяч человек.

Старший аналитик Wells Fargo Securities Майк Майо в интервью Yahoo Finance рассказал о своем исследовании банковской отрасли. Результаты показывают, что умные алгоритмы серьезно сократят численность банковских сотрудников Соединенных Штатов. Работу потеряют около 200 000 человек, а финансовые структуры продолжат вкладывать в ИТ, чтобы повысить производительность и снизить расходы, пишет Bloomberg.

Финансовые компании США тратят ежегодно по $150 000 на технологии — больше, чем какая-либо другая индустрия. Эти вливания направлены на снижение расходов, а половину из них составляют зарплаты сотрудников, написал Майо.

По его оценке, из офисов, отделений, колл-центров уволят от 20 до 33%. Чуть в большей безопасности те, кто работает в техподдержке, продажах, консалтинге.

«Существенные изменения ожидают местные отделения банков, как внешние, так и внутренние службы, — заявил в интервью Майкл Тан из Deloitte. — Мы уже наблюдаем признаки этого с чатботами, и некоторые [клиенты] даже не подозревают, что разговаривают с искусственным интеллектом, поскольку просто отвечают на его вопросы».

Автоматизация сократит объем рутинного труда, который ранее выполняли люди. Например, заполнять формы на получение ссуды смогут роботы.

Они будут делать меньше ошибок, станут работать быстрее, и клиенты будут довольны, считает Майо.

Wells Fargo — не единственная компания, которая отмечает тенденцию к автоматизации и сокращению штата в банковской отрасли. В мае аналитики McKinsey заявили, что ожидают уменьшения численности персонала по работе с клиентами почти на треть. Доклад имел большой резонанс, потому что традиционно эту категорию принято считать наиболее ценным «живым активом» финансовых компаний.

Согласно данным британской консалтинговой компании Coalition Development, в 2018 году численность менеджеров по работе с персоналом в инвестиционных банках и торговле упала на 20%.


Buy for 20 tokens
Как в Аэрофлоте продолбали все полимеры. Фото: Яндекс Картинки Меня, как и многих, до глубины души затронула история с котом Виктором, которому запретили лететь в салоне вместе с его хозяином. Аэрофлоту, конечно, виднее, но я поражаюсь, как пиарщики этой компании бездарно продолбали…

Ученые назвали четыре варианта развития умных городов
собака
antony_w


Сравнительный анализ «умных городов» мира выявил характерные признаки, по которым их можно разбить на четыре категории. Это должно изменить правила планировки, уверены авторы исследования.

Специалисты из Университета Пенсильвании типизировали так называемые «интеллектуальные» или «умные города», которые сейчас активно строятся по всему миру. От обычных их отличают новые информационные и коммуникационные технологии, решающие проблемы транспорта, жилья и энергии в планировании и управлении. Однако не все они одинаковы, и каждому из четырех типов требуется свой подход, пишет Science Daily.

Города первого типа делают ставку на сервис. Их отличает использование мобильных сетей и цифровое здравоохранение. У них уже есть хорошая инфраструктура коммуникаций, и они предпочитают вкладывать средства в тщательно выбранные программы. Примеры таких городов: Токио и Копенгаген.

Ко второму типу относятся города, созданные по транспортной модели. Обычно они густонаселены, и сталкиваются с проблемами перевозки грузов и пассажиров в черте города. Им нужны инициативы по контролю за выхлопами — чистый общественный транспорт, каршеринг или роботакси, а также информационные и коммуникационные технологии. Сингапур и Дубай — примеры таких городов.

Города, попавшие в третью категорию моделей широкого спектра, особое значение придают коммунальным услугам — водоснабжению, канализации, вывозу мусора, и им нужны соответствующие технологии. Примеры: Барселона, Ванкувер, Пекин.

В четвертую категорию городов деловой экосистемы относятся те, которые применяют информационные технологии для поддержки экономической активности. Для них важна возможность обучать цифровым навыкам и привлекать квалифицированных сотрудников и частные компании. К таким городам относятся Амстердам, Эдинбург и Кейптаун.


ИИ DeepMind научился делать умозаключения
собака
antony_w


Команда ИИ-специалистов из Британии и США исследовала, может ли искусственный интеллект обобщить свой опыт, полученный в ходе взаимодействий с объектами в двух- и трехмерной среде.

Специалисты DeepMind, Стэнфордского университета и Университетского колледжа Лондона исследовали возможность интеллектуальных агентов применять полученные знания для выполнения следующих задач, лишь косвенно связанных с предыдущей. Результаты показывают, что в среде, сгенерированной игровым движком Unity, агенты под управлением ИИ корректно использовали «композиционную природу» языка, чтобы интерпретировать инструкции, которые они никогда ранее не встречали, пишет VentureBeat.

«ИИ, обучавшиеся в идеализированных или усеченных ситуациях, могут быть лишены композиционного или систематического понимания своего опыта. Это знание возникает у них, когда они, как и учащиеся люди, получают доступ к разнообразным примерам и многосторонним наблюдениям, — говорится в статье. — Следовательно, во время обучения агент учится не только следовать инструкциям, но и узнает, как образованы текстовые символы и как комбинация этих слов воздействует на то, что должны делать агенты».

Ученые исследовали вопрос, до какой степени они могли бы наделить модель ИИ «систематичностью» — свойством сознания, с помощью которого способность обдумывать мысль воздействует на способность размышлять о чем-то семантически родственном. Например, систематичность позволяет человеку, понявшему фразу «Джон любит Мэри», понять также и «Мэри любит Джона».

В серии экспериментов ИИ, наблюдающий за миром от первого лица, получил задачу выполнять инструкции вроде «найти зубную щетку» и «поднять вертолет». В результате агент справился с 26 действиями, а после обучения он смог выполнить задачу всего за шесть действий. В частности, он понял значение приказа «подними» достаточно полно, чтобы выполнить это действие с объектом, которого ранее не видел.

Любопытно, что агенты, прошедшие обучение в трехмерных мирах, показывали лучшие результаты генерализации, чем те, которых тренировали в 2D.

Три фактора ученые сочли наиболее важными во всех тестах: число слов и объектов, с которыми взаимодействовал агент; вид от первого лица; разнообразие входящих сигналов, доступных агенту.