Технологиите често имат доста предвидим цикъл на приемане, който преминава от пионери и ранни потребители към масова употреба, до момента, в който дори тези, които са много назад, настигат останалите и започват да ги използват.

Но има и друг цикъл, който влияе на всичко - от бюджетирането през прогнозирането до инвестициите в стартиращи компании. Създаден през 1995 г. от изследователската компания Gartner, всеки годишен доклад Hype Cycle for Emerging Technologies се опитва да покаже дали дадена технология е напът към продуктивното си използване, или все още е във фазата на прекомерния шум около себе си.

Gartner дефинира няколко ключови фази в цикъла.

Първата фаза - Innovation Trigger - е свързана именно с шума и рекламата. Това е моментът, в който нова технология като генеративния изкуствен интелект (GenAI) започва да дава сериозни обещания. В нея инженерите, маркетолозите и инвеститорите могат да видят потенциала - въпреки че по-голямата част от него все още не е реализиран, а в много случаи дори не е възможен за реализация в настоящия момент.

След това идва пикът на завишените очаквания - Peak of Inflated Expectations. До този момент отразяването на събитията, свързани с дадена технология, в медиите е безспирно, предприемачите представят нови стартъпи, посветени на нея, а маркетолозите правят прогнози за многобройните потенциални случаи на употреба. AI е отличен пример за това.

На трето място идва моментът на разочарованието - Trough of Disillusionment. След безкрайното промотиране с малко реално възприемане и внедряване, технологията, която преди това е била обект на толкова много шум, започва да изглежда прехвалена. Очакванията се разбиват на пух и прах. Тук добър пример е виртуалната реалност (VR) - технология, която продължава да е безумно скъпа и има ограничени възможности за прилагане в полезни дейности.

Все пак някои технологии успяват да излязат от фазата на разочарованието и започват да се изкачват към продуктивността. Това е фазата, в която те започват да намира своята основа, а възможностите за стойност, които те дават, са доказани.

През 2024 г. Gartner идентифицира три основни теми, свързани с AI, които тепърва започват да преминават през фазите на цикъла - автономен изкуствен интелект, производителност за разработчиците и сигурност, ориентирана към човека. ZDNet прави подробен преглед на тези тенденции.

Летящите таксита - най-големият технологичен провал на Игрите в Париж

Автономен AI

Очевидно първият аспект тук е технологията за самоуправляващи се автомобили. Отвъд това идват големите модели, в които AI не само изпраща информация по заявка, но и действа (например пазарува вместо вас), хуманоидни роботи като в научнофантастичните филми и т.н.

Голямата идея тук е, че системите с изкуствен интелект ще поемат задачи, които преди това са изпълнявани от хората. Това надхвърля концепцията за GenAI, който пише есета за ученици и студенти. Става дума за машини, които могат да изпълняват физически задачи (например автомобили и роботи), и такива, които взаимодействат с останалия свят (като принтери, които автоматично поръчват мастилото си, или автомобили, които автоматично планират собствените си посещения за ремонт).

Очевидно е, че има доста препятствия, преди автономният изкуствен интелект да постигне реална производителност, като, не на последно място, е фактът, че повечето хора се притесняват от подобно развитие на технологията. Но има и други проблеми, включително регулаторни опасения, области, в които данните са оскъдни, липса на доверие, общи изчислителни изисквания и др.

AI прегаряне: Какво може да се обърка при внедряването на новата технология

Разработване на софтуер с помощта на изкуствен интелект

Макар че шумът около писането на код с изкуствен интелект е огромен, дори водещите играчи се провалят. Шумът е невероятен и напълно съответства на идеята, че разработката на софтуер с помощта на AI е на крилете на иновациите.

По-голямата част от шумотевицата около кодирането с AI предполага, че технологията ще генерира приложението, което програмистът е измислил, след команда от рода: „Напиши ми приложение, което ще ми донесе един милион долара“.

Но истината е, че тези, които разчитат твърде много на AI за кодиране, скоро ще се окажат във фазата на разочарованието, тъй като технологията може много да помогне, но не и да свърши цялата работа.

4 подхода за оптимизиране на екипите за киберсигурност в ерата на AI

Ориентирана към човека сигурност и поверителност

Друга основна тенденция е свързана с необходимостта от цялостно подобряване на сигурността. Концепцията за „ориентираност към човека“ се състои в това, че хората трябва да бъдат част от цялостния отпечатък на сигурността. Това включва фокус върху потребителския опит, намиране на поведенчески прозрения, насърчаване на поведението в областта на сигурността и изграждане на доверие чрез прозрачност.

И Gartner вижда куп технологични тенденции, които подкрепят тези усилия. Те включват AI TRISM (AI trust, risk, and security management), който подхожда към сигурността от гледна точка на доверието, сигурността, прозрачността и етиката. Средите за сигурност с мрежова архитектура са предназначени да направят сигурността мащабируема и модулна. Идеята за цифрова имунна система съчетава технологии и практики за изграждане на устойчивост чрез проактивно идентифициране на заплахите и реагиране на тях.

AI влиза в действие и тук, във всички области на решенията. Един от големите тласъци е в идеята за обединено машинно обучение, при което наученото в една част от корпоративната мрежа се предоставя във всички нейни разклонения.