Рынок объяснимого ИИ — глобальный размер отрасли, доля, тенденции, возможности и прогноз, сегментированный по компоненту (решение, услуги), по развертыванию (облако, локально), по применению (обнаружение мошенничества и аномалий, обнаружение и диагностика лекарств, предиктивное обслуживание, управление цепочками поставок, управление идентификацией и доступом, другие), по конечному использованию (з

Обзор рынка

Глобальный рынок объяснимого ИИ оценивается в 5,4 млрд долларов США в 2022 году и, как ожидается, будет прогнозировать устойчивый рост в прогнозируемый период со среднегодовым темпом роста 22,4% до 2028 года. Глобальный рынок объяснимого ИИ (XAI) переживает значительный рост, поскольку организации все чаще внедряют решения на основе искусственного интеллекта в различных отраслях. XAI относится к способности систем ИИ давать понятные и интерпретируемые объяснения своих решений и действий, решая проблему «черного ящика» традиционного ИИ. Рынок готов к расширению, обусловленному растущей потребностью в прозрачности, подотчетности и этичном развертывании ИИ. XAI жизненно важен в таких секторах, как финансы, здравоохранение и автономные транспортные средства, где способность понимать решения, принимаемые ИИ, имеет решающее значение для соблюдения нормативных требований и доверия пользователей. Кроме того, рост нормативных актов и руководств, связанных с ИИ, еще больше стимулирует спрос на решения XAI. Рынок характеризуется инновациями в методах машинного обучения, алгоритмах и архитектурах моделей, которые повышают интерпретируемость систем ИИ. Поскольку компании отдают приоритет ответственным практикам ИИ, рынок объяснимого ИИ продолжит свою траекторию роста, предлагая решения, которые не только предоставляют информацию на основе ИИ, но и обеспечивают прозрачность и ориентированные на человека процессы принятия решений ИИ.

Ключевые драйверы рынка

Прозрачность в принятии решений

Глобальный рынок объяснимого ИИ (XAI) переживает значительный рост в результате растущего спроса на прозрачность и интерпретируемость в системах искусственного интеллекта (ИИ). XAI играет решающую роль в различных секторах, включая здравоохранение, финансы и автономные транспортные средства, где понимание решений, принимаемых системами ИИ, имеет жизненно важное значение для соблюдения нормативных требований и доверия пользователей. С ростом внедрения ИИ возникает соответствующая потребность в раскрытии сложностей моделей и алгоритмов ИИ, что делает решения XAI все более незаменимыми. Рынок процветает за счет постоянных инноваций в методах и алгоритмах машинного обучения, которые повышают интерпретируемость систем ИИ, гарантируя, что организации могут использовать возможности ИИ, одновременно соблюдая подотчетность и этические практики ИИ.

Растущий спрос на прозрачность и интерпретируемость в системах ИИ является ключевым фактором устойчивого роста глобального рынка XAI. По мере того, как ИИ становится все более распространенным в различных отраслях, растет потребность в понимании процессов принятия решений системами ИИ. Это особенно важно в таких секторах, как здравоохранение, где ИИ используется для постановки критически важных диагнозов и рекомендаций по лечению. Предоставляя объяснения для решений, принимаемых на основе ИИ, XAI позволяет медицинским работникам доверять и проверять результаты, обеспечивая соблюдение нормативных требований и безопасность пациентов. Аналогичным образом, в финансовом секторе, где ИИ используется для таких задач, как обнаружение мошенничества и оценка рисков, XAI играет ключевую роль в обеспечении прозрачности и подотчетности. Финансовым учреждениям необходимо понимать обоснование решений, принимаемых на основе ИИ, чтобы соблюдать нормативные требования и поддерживать доверие клиентов. Решения XAI предоставляют информацию о внутренней работе моделей ИИ, позволяя организациям объяснять и обосновывать свои решения регулирующим органам, аудиторам и клиентам.

Автономные транспортные средства — еще одна область, где XAI имеет первостепенное значение. Поскольку беспилотные автомобили становятся все более распространенными, крайне важно понимать процессы принятия решений алгоритмами ИИ, которые управляют этими транспортными средствами. XAI позволяет производителям и регулирующим органам понимать обоснование действий, управляемых ИИ, обеспечивая безопасность, надежность и соответствие нормативным требованиям. Постоянное развитие методов и алгоритмов машинного обучения стимулирует рост рынка XAI. Исследователи и разработчики постоянно работают над инновационными подходами для повышения интерпретируемости систем ИИ. Эти достижения включают такие методы, как извлечение правил, анализ важности признаков и объяснения, не зависящие от модели. Делая модели ИИ более прозрачными и понятными, организации могут решать проблемы, связанные с предвзятостью, справедливостью и подотчетностью, способствуя доверию и этичным практикам ИИ.

Соблюдение нормативных требований

Глобальный рынок объяснимого искусственного интеллекта (XAI) переживает значительный рост из-за растущего числа правил и рекомендаций, связанных с ИИ. Правительства и отраслевые надзорные органы уделяют большое внимание этическим практикам ИИ, что заставляет организации внедрять решения XAI для соответствия требованиям соответствия. Поскольку нормативные рамки продолжают развиваться, XAI играет решающую роль, помогая организациям гарантировать, что их системы ИИ соответствуют правовым и этическим стандартам. Этот растущий спрос на XAI, обусловленный нормативными требованиями, особенно заметен в отраслях, где конфиденциальность данных, справедливость и подотчетность имеют первостепенное значение. Резкий рост числа правил и рекомендаций, связанных с ИИ, во всем мире создал благоприятную среду для процветания рынка XAI. Правительства и регулирующие органы осознают потенциальные риски, связанные с системами ИИ, которым не хватает прозрачности и интерпретируемости. В результате они внедряют меры, гарантирующие ответственную разработку и внедрение технологий ИИ. Эти правила часто требуют от организаций предоставления объяснений решений, принимаемых их системами ИИ, особенно в таких критически важных областях, как здравоохранение, финансы и уголовное правосудие. Принимая решения XAI, организации могут выполнять эти нормативные требования и демонстрировать свою приверженность этическим практикам ИИ. XAI позволяет организациям понимать и объяснять обоснование решений, принимаемых ИИ, делая процесс принятия решений более прозрачным и подотчетным. Это не только помогает организациям соблюдать правила, но и укрепляет доверие между заинтересованными сторонами, включая клиентов, сотрудников и общественность.

Отрасли, которые обрабатывают конфиденциальные данные, такие как здравоохранение и финансы, особенно зависят от XAI для обеспечения конфиденциальности и справедливости данных. Методы XAI позволяют организациям выявлять и смягчать предвзятость в моделях ИИ, гарантируя, что на решения не влияют такие факторы, как раса, пол или социально-экономический статус. Более того, XAI позволяет организациям обнаруживать и исправлять любые непреднамеренные последствия или ошибки в системах ИИ, тем самым сводя к минимуму потенциальный вред для отдельных лиц или общества. Поскольку нормативно-правовая база продолжает развиваться, ожидается, что спрос на XAI будет расти и дальше. Организации из разных секторов осознают важность приведения своих систем ИИ в соответствие с правовыми и этическими стандартами. Приняв XAI, эти организации могут не только соответствовать требованиям соответствия, но и получить конкурентное преимущество, продемонстрировав свою приверженность ответственным практикам ИИ. Рынок XAI готов к значительному расширению, поскольку все больше отраслей отдают приоритет прозрачности, справедливости и подотчетности при развертывании ИИ.

Улучшенная поддержка принятия решений

XAI, или объяснимый искусственный интеллект, является мощным инструментом, который позволяет предприятиям и профессионалам улучшать свои процессы принятия решений, предлагая четкие и понятные объяснения для идей, генерируемых системами ИИ. Эта технология оказалась особенно ценной в таких секторах, как здравоохранение и финансы, где она помогает врачам, аналитикам и лицам, принимающим решения, эффективно понимать и использовать информацию, полученную с помощью ИИ. В отрасли здравоохранения XAI играет решающую роль в поддержке врачей в понимании диагнозов и рекомендаций по лечению, полученных с помощью ИИ. Предоставляя понятные объяснения выводов, полученных с помощью моделей ИИ, XAI помогает медицинским работникам глубже понять обоснование этих рекомендаций. Это, в свою очередь, приводит к улучшению ухода за пациентами, поскольку врачи могут принимать более обоснованные решения на основе выводов, полученных с помощью ИИ. XAI выступает в качестве моста между сложными алгоритмами, используемыми в системах ИИ, и людьми, принимающими решения, давая возможность медицинским работникам доверять и использовать технологию ИИ в полной мере. Аналогичным образом, в финансовом секторе XAI служит ценным инструментом для аналитиков и лиц, принимающих решения. С ростом принятия инвестиционных стратегий, основанных на ИИ, XAI помогает понять обоснование этих стратегий. Предоставляя прозрачные и интерпретируемые объяснения, XAI позволяет финансовым специалистам иметь четкое представление о выводах, генерируемых моделями ИИ. Это дает им возможность принимать более обоснованные решения относительно инвестиций, управления рисками и общего управления портфелем. Использование XAI в финансовых учреждениях помогает преодолеть разрыв между сложностью моделей ИИ и необходимостью для лиц, принимающих решения, иметь четкое понимание лежащего в основе обоснования.

Рынок XAI переживает значительный рост из-за признания его ценности как инструмента поддержки принятия решений. Поскольку компании и специалисты все больше понимают важность понятных объяснений выводов, генерируемых ИИ, спрос на XAI продолжает расти. Способность XAI преодолевать разрыв между сложными моделями ИИ и лицами, принимающими решения, рассматривается как решающий фактор в раскрытии полного потенциала технологии ИИ в различных отраслях. Предоставляя предприятиям и профессионалам возможность принимать более обоснованные решения, XAI способствует позитивным изменениям и улучшает результаты в таких секторах, как здравоохранение и финансы.

Повышенное доверие пользователей

Растущая интеграция ИИ в нашу повседневную жизнь подчеркивает решающую важность установления доверия пользователей к системам ИИ. Одним из подходов к укреплению этого доверия является принятие объяснимого ИИ (XAI), который направлен на то, чтобы сделать системы ИИ прозрачными и объяснимыми, тем самым развеяв опасения, связанные с природой «черного ящика» ИИ. Этот аспект XAI особенно важен в таких секторах, как автономные транспортные средства и критическая инфраструктура, где безопасность и надежность имеют первостепенное значение. В результате организации осознают значимость XAI в укреплении доверия пользователей к технологиям ИИ, что приводит к значительному расширению рынка.

В эпоху, когда ИИ становится все более распространенным, пользователи по понятным причинам обеспокоены внутренней работой систем ИИ. Традиционная природа ИИ как «черного ящика», где решения принимаются без четких объяснений, подняла вопросы о надежности, справедливости и подотчетности этих систем. XAI решает эти проблемы, предоставляя информацию о том, как системы ИИ приходят к своим решениям, делая процесс принятия решений более прозрачным и понятным для пользователей. В таких секторах, как автономные транспортные средства, где ИИ играет решающую роль в обеспечении безопасной и эффективной транспортировки, доверие пользователей имеет первостепенное значение. Возможность объяснить обоснование решений, принятых на основе ИИ, может помочь уменьшить опасения, связанные с авариями или неисправностями. Предоставляя четкие объяснения, XAI позволяет пользователям понять, почему было принято то или иное решение, повышая их уверенность в технологии и укрепляя доверие.

Аналогичным образом, в таких критически важных секторах инфраструктуры, как энергетика, здравоохранение и финансы, где системы ИИ используются для принятия важных решений, XAI может играть жизненно важную роль в обеспечении безопасности и надежности этих систем. Делая системы ИИ объяснимыми, организации могут решать проблемы, связанные с предвзятостью, ошибками или вредоносными атаками, тем самым повышая доверие пользователей и уверенность в технологии. Осознавая важность доверия пользователей к системам ИИ, организации инвестируют в XAI, чтобы повысить доверие к технологиям ИИ. Эти инвестиции обусловлены пониманием того, что доверие пользователей является ключевым фактором расширения рынка. Внедряя XAI, организации могут выделиться, предлагая прозрачные и объяснимые системы ИИ, что, в свою очередь, может привлечь больше пользователей и клиентов.

Основные проблемы рынка

Ограниченное понимание объяснимого ИИ

Одной из основных проблем, с которой сталкивается глобальный рынок объяснимого ИИ, является ограниченное понимание и осведомленность организаций относительно важности и преимуществ принятия объяснимых решений ИИ. Многие компании могут не в полной мере осознавать важность объяснительной способности в моделях ИИ и потенциальные риски, связанные с алгоритмами черного ящика. Такое отсутствие осведомленности может привести к нерешительности в инвестировании в объяснимый ИИ, в результате чего организации окажутся уязвимыми для таких проблем, как предвзятое принятие решений, отсутствие прозрачности и проблемы соответствия нормативным требованиям. Решение этой проблемы требует комплексных образовательных инициатив, чтобы подчеркнуть важную роль, которую объяснимый ИИ играет в укреплении доверия, обеспечении справедливости и обеспечении интерпретируемости в системах ИИ. Организациям необходимо признать, что объяснимый ИИ может предоставить информацию о том, как модели ИИ принимают решения, повысить подотчетность и облегчить процессы принятия решений. Реальные примеры и тематические исследования, демонстрирующие ощутимые преимущества объяснимого ИИ, могут помочь глубже понять его значимость.

Сложность внедрения и интеграции

Внедрение и интеграция объяснимых решений ИИ может представлять сложные проблемы для организаций, особенно тех, у кого ограниченные технические знания или ресурсы. Эффективная настройка и развертывание объяснимых моделей ИИ и их интеграция с существующими системами и рабочими процессами ИИ может быть технически сложной. Во время интеграции могут возникнуть проблемы совместимости, что приведет к задержкам и неоптимальной производительности. Для решения этих проблем крайне важно упростить развертывание и управление объяснимыми решениями ИИ. Для упрощения настройки и настройки должны быть предоставлены удобные интерфейсы и интуитивно понятные параметры конфигурации. Кроме того, организации должны иметь доступ к комплексной поддержке и руководству, включая документацию, учебные пособия и технических экспертов, которые могут помочь с интеграцией и устранением любых проблем. Упрощение этих аспектов внедрения объяснимого ИИ может привести к более эффективным процессам и улучшению интерпретируемости модели.

Баланс между способностью объяснять и производительностью.

Модели объяснимого ИИ направлены на обеспечение прозрачности и интерпретируемости, но они сталкиваются с проблемой нахождения правильного баланса между способностью объяснять и производительностью. Модели с высокой степенью интерпретируемости могут пожертвовать точностью прогнозирования, в то время как сложные модели могут не иметь интерпретируемости. Организациям необходимо найти оптимальный компромисс между способностью объяснять и производительностью модели, чтобы гарантировать, что системы ИИ являются как надежными, так и эффективными. Эта задача требует постоянных исследований и разработок для улучшения интерпретируемости моделей ИИ без ущерба для их производительности. Передовые методы, такие как подходы, не зависящие от модели, и методы интерпретируемости постфактум, могут помочь решить эту задачу, предоставляя понимание поведения модели и процессов принятия решений. Стремление к постоянному совершенствованию в этих областях позволит организациям эффективно использовать объяснимый ИИ, сохраняя при этом высокие стандарты производительности.

Нормативные и этические аспекты

Глобальный рынок объяснимого ИИ также сталкивается с проблемами, связанными с соблюдением нормативных требований и этическими аспектами. Поскольку системы ИИ становятся все более распространенными в таких критически важных областях, как здравоохранение, финансы и автономные транспортные средства, растет потребность в прозрачности и подотчетности. Разрабатываются нормативные рамки для обеспечения того, чтобы системы ИИ были справедливыми, беспристрастными и объяснимыми. Организации должны ориентироваться в этих меняющихся правилах и обеспечивать соответствие своих объяснимых решений ИИ правовым и этическим стандартам. Эта задача требует от организаций оставаться в курсе последних нормативных изменений и инвестировать в надежные структуры управления для устранения потенциальных предвзятостей, дискриминации и проблем конфиденциальности. Сотрудничество между заинтересованными сторонами отрасли, политиками и исследователями имеет важное значение для разработки руководящих принципов и стандартов, способствующих ответственному и этичному использованию объяснимого ИИ.

Основные тенденции рынка

Рост спроса на объяснимые решения ИИ

Глобальный рынок объяснимого ИИ (XAI) переживает всплеск спроса, поскольку организации осознают важность прозрачности и интерпретируемости в системах ИИ. С ростом внедрения ИИ в различных отраслях растет потребность в понимании того, как алгоритмы ИИ принимают решения и предоставляют объяснения своим результатам. Этот спрос обусловлен нормативными требованиями, этическими соображениями и необходимостью укрепления доверия с конечными пользователями.

Решения объяснимого ИИ направлены на решение проблемы «черного ящика», предоставляя информацию о процессе принятия решений моделями ИИ. Эти решения используют такие методы, как системы на основе правил, подходы, не зависящие от моделей, и интерпретируемые алгоритмы машинного обучения для генерации объяснений, которые могут быть легко поняты людьми. Предоставляя четкие объяснения, организации могут получить ценную информацию о факторах, влияющих на решения ИИ, выявить потенциальные предубеждения и обеспечить справедливость и подотчетность в системах ИИ.

Переход к отраслевым объяснимым решениям ИИ

Глобальный рынок переживает переход к отраслевым объяснимым решениям ИИ. Поскольку разные отрасли имеют уникальные требования и проблемы, существует потребность в адаптированных решениях XAI, которые могут эффективно решать конкретные варианты использования. Организации ищут решения XAI, которые могут предоставлять объяснения, соответствующие их отраслевой области, такой как здравоохранение, финансы или производство.

Отраслевые решения XAI используют знание предметной области и контекстную информацию для создания объяснений, которые являются значимыми и применимыми на практике для конечных пользователей. Эти решения позволяют организациям глубже понять процессы принятия решений ИИ в рамках их конкретного отраслевого контекста, что приводит к повышению доверия, улучшению принятия решений и улучшению соблюдения нормативных требований.

Интеграция сотрудничества человека и ИИ

Интеграция сотрудничества человека и ИИ является значимой тенденцией на мировом рынке объяснимого ИИ. Вместо того чтобы заменять людей, решения XAI направлены на расширение возможностей принятия решений человеком, предоставляя интерпретируемые идеи и объяснения. Такое сотрудничество между людьми и системами ИИ позволяет пользователям понимать обоснование результатов ИИ и принимать обоснованные решения на основе этих объяснений.

Решения объяснимого ИИ облегчают сотрудничество человека и ИИ, представляя объяснения в удобной для пользователя форме, используя визуализации, объяснения на естественном языке или интерактивные интерфейсы. Это позволяет пользователям взаимодействовать с системами ИИ, задавать вопросы и исследовать различные сценарии, чтобы глубже понять результаты, генерируемые ИИ. Развивая сотрудничество, организации могут использовать сильные стороны как людей, так и систем ИИ, что приводит к более надежным и заслуживающим доверия процессам принятия решений.

Сегментарные данные

Сведения о конечном использовании

На основе конечного использования рынок сегментирован на здравоохранение, BFSI, аэрокосмическую и оборонную промышленность, розничную торговлю и электронную коммерцию, государственный сектор и коммунальные услуги, ИТ и телекоммуникации, автомобилестроение и другие. На сектор ИТ и телекоммуникаций в 2022 году пришлась самая высокая доля дохода в 17,99%. Внедрение 5G и Интернета вещей (IoT) позволяет организациям и отдельным лицам собирать больше реальных данных в режиме реального времени. Системы искусственного интеллекта (ИИ) могут использовать эти данные, чтобы стать все более сложными и эффективными.

Операторы мобильной связи могут улучшить подключение и опыт своих клиентов благодаря ИИ в телекоммуникационном секторе. Операторы мобильной связи могут предлагать более качественные услуги и позволять большему количеству людей подключаться, используя ИИ для оптимизации и автоматизации сетей. Например, в то время как AT&T предвидит и предотвращает перебои в работе сети, используя прогностические модели, которые используют ИИ и статистические алгоритмы, Telenor использует передовую аналитику данных для снижения энергопотребления и выбросов CO2 в своих радиосетях. Системы ИИ также могут поддерживать более персонализированное и осмысленное взаимодействие с клиентами.

Ожидается, что объяснимый ИИ в BFSI даст финансовым организациям конкурентное преимущество за счет повышения производительности и снижения затрат при одновременном повышении качества услуг и товаров, которые они предоставляют клиентам. Эти конкурентные преимущества впоследствии могут принести пользу финансовым потребителям за счет предоставления более качественных и более индивидуализированных продуктов, предоставления аналитических данных для руководства инвестиционными стратегиями и повышения финансовой инклюзивности за счет обеспечения анализа кредитоспособности клиентов с небольшой кредитной историей. Ожидается, что эти факторы увеличат рост рынка.

Развертывание

На основе развертывания рынок сегментируется на облачный и локальный. Локальный сегмент занимал самую большую долю выручки в 55,73% в 2022 году. Использование локального объяснимого ИИ может обеспечить ряд преимуществ, таких как улучшенная безопасность данных, сокращение задержек и усиление контроля над системой ИИ. Кроме того, это может быть предпочтительным для организаций, подпадающих под нормативные требования, ограничивающие использование облачных сервисов. Организации используют различные методы, такие как системы на основе правил, деревья решений и объяснения на основе моделей, для внедрения локального объяснимого ИИ. Эти методы дают представление о том, как система ИИ пришла к определенному решению или прогнозу, позволяя пользователям проверять рассуждения системы и выявлять потенциальные предубеждения или ошибки.

Крупные игроки в различных отраслевых вертикалях, особенно в BFSI, розничной торговле и государственном секторе, предпочитают развертывание XAI локально из-за его преимуществ в плане безопасности. Например, финансовая компания JP Morgan использует объяснимый ИИ локально для улучшения обнаружения мошенничества и предотвращения отмывания денег. Система использует машинное обучение для анализа больших объемов данных, выявления потенциально мошеннических действий и предоставления четких и прозрачных объяснений своих решений. Аналогичным образом, технологическая компания IBM предоставляет локальную объяснимую платформу ИИ под названием Watson OpenScale, которая помогает организациям управлять и контролировать производительность и прозрачность своих систем ИИ. Платформа предоставляет четкие объяснения решений и прогнозов ИИ и позволяет организациям отслеживать и анализировать данные, используемые для обучения своих моделей ИИ.

Application Insights

В зависимости от приложения рынок сегментируется на обнаружение мошенничества и аномалий, обнаружение и диагностику лекарств, предиктивное обслуживание, управление цепочками поставок, управление идентификацией и доступом и другие. Искусственный интеллект (ИИ) играет решающую роль в борьбе с мошенничеством. Сегмент обнаружения мошенничества и аномалий принес наибольшую долю выручки в 23,86% в 2022 году.

Алгоритмы машинного обучения (МО), компонент ИИ, могут анализировать огромные объемы данных для выявления тенденций и аномалий, которые могут указывать на мошенническую деятельность. Системы управления мошенничеством на базе ИИ могут обнаруживать и пресекать различные виды мошенничества, включая финансовое мошенничество, кражу личных данных и попытки фишинга. Они также могут изменяться и улавливать новые схемы и тенденции мошенничества, тем самым повышая их обнаружение.

Значительное использование XAI в производстве с предиктивным обслуживанием стимулирует рост рынка. Предиктивный анализ XAI в производстве включает использование интерпретируемых моделей ИИ для составления прогнозов и получения информации в производственной отрасли. Объяснимые методы ИИ используются для разработки моделей, которые прогнозируют отказы оборудования или потребности в техническом обслуживании на производственных предприятиях. Анализируя исторические данные датчиков, журналы технического обслуживания и другую соответствующую информацию, модели XAI выявляют ключевые факторы, способствующие сбоям оборудования, и предоставляют интерпретируемые объяснения прогнозируемых требований к техническому обслуживанию.

Более того, объяснимые модели ИИ используют прогностический анализ в процессах контроля качества. Анализируя производственные данные, показания датчиков и другие соответствующие параметры, модели XAI могут прогнозировать вероятность дефектов или отклонений в производственных процессах. Модели также могут предоставлять объяснения факторов, способствующих проблемам с качеством, помогая производителям понять основные причины и предпринять корректирующие действия.

Региональные аналитические данные

Северная Америка доминировала на рынке с долей 40,52% в 2022 году и, по прогнозам, будет расти со среднегодовым темпом роста 13,4% в течение прогнозируемого периода. Сильная ИТ-инфраструктура в развитых странах, таких как Германия, Франция, США, Великобритания, Япония и Канада, является основным фактором, поддерживающим рост рынка объяснимого ИИ в этих странах.

Еще одним фактором, способствующим расширению рынка объяснимого ИИ в этих странах, является существенная помощь со стороны правительств этих стран в обновлении ИТ-инфраструктуры. Однако ожидается, что развивающиеся страны, такие как Индия и Китай, продемонстрируют более высокий рост в течение прогнозируемого периода. Многочисленные инвестиции, которые подходят для расширения бизнеса объяснимого ИИ, привлекаются в эти страны благодаря их благоприятному экономическому росту.

Ожидается, что Азиатско-Тихоокеанский регион будет расти с самым быстрым среднегодовым темпом роста в 24,8% в течение прогнозируемого периода. Значительные достижения в области технологий в странах Азиатско-Тихоокеанского региона стимулируют рост рынка. Например, в феврале 2021 года новая система, построенная на принципе «объяснимого ИИ», была разработана лабораториями Fujitsu и Университетом Хоккайдо в Японии. Он автоматически показывает пользователям шаги, которые им необходимо выполнить для получения желаемого результата на основе результатов ИИ о данных, таких как данные медицинских обследований.

Последние разработки

• В марте 2023 года GyanAI выпустила свою первую объяснимую языковую модель и исследовательский движок. Основываясь на своей уникальной технологии, Gyan выполняет обещание объяснимого ИИ, используя модель, которая понимает «смысл» максимально похоже на то, как это делают люди. Gyan полностью объясним, и пользователь может проследить путь его вывода до его происхождения. Он может объяснить свои результаты. Gyan производит смесь генеративного и экстрактивного письма.
• В марте 2023 года Amelia, фирма ИИ, заключила партнерство с Monroe Capital и BuildGroup, которые обеспечат финансовый капитал и бизнес-лидерство. Стратегический альянс ускоряет принятие рынком продуктов ИИ Amelia. BuildGroup, компания из Остина, которая создает быстрорастущие цифровые компании, и Monroe Capital, элитная компания по управлению активами, специализирующаяся на частных кредитных рынках, возглавляют сделку на сумму 175 миллионов долларов. Благодаря этому раунду финансирования у Amelia есть ресурсы, необходимые для сохранения лидирующей позиции на рынке и усиления приверженности предоставлению своим клиентам передовых, понятных продуктов на основе искусственного интеллекта.

Ключевые игроки рынка

• Amelia US LLC
• BuildGroup
• DataRobot, Inc.
• Ditto.ai
• DarwinAI
• Factmata
• Google LLC
• IBM Corporation
• Kyndi
• Microsoft Corporation