Путь к автоматизации: медленно, но верно
Сегодня искусственный интеллект в тренде. Пресса пристально следит за развитием технологий и устраивает ажиотаж едва ли не вокруг каждого стартапа. Мы склонны переоценивать влияние технологий в краткосрочной перспективе и недооценивать их воздействие в долгосрочной. Но искусственный интеллект не изменит работу организаций и обязанности сотрудников в одночасье.
Amazon – безусловный мировой лидер по внедрению ИИ. Компания активно использует его как в продуктах, так и во внутренних процессах на протяжении всей истории существования и тратит огромные ресурсы на разработку (только в 2018 году в Amazon было открыто более 500 вакансий в этой сфере). На ИИ и машинном обучении построены технологии по распознаванию голоса Echo/Alexa, доставка продуктов с помощью дронов Prime Air и сервис в магазинах Amazon Go. Но несмотря на несомненные успехи Amazon, Джефф Безос в своем письме акционерам в 2017 году сдержанно отмечает, что ИИ и машинное обучение влияют и будут значимо влиять на компанию в сферах прогнозирования спроса, поискового ранжирования продуктов, рекомендаций по продуктам, размещения товаров, обнаружения мошенничества, переводов – однако это воздействие будет достаточно незаметным.
Внедрение ИИ – игра вдолгую даже в крупных компаниях. Но это не значит, что от этой идеи надо отказываться. Напротив, благодаря ИИ продукты и процессы станут эффективнее и проще в применении; решения взвешеннее; обработка данных и аналитика – быстрее и точнее. Просто подобно тому, как самые умные инвесторы «богатеют медленно», руководители компаний должны переходить к использованию ИИ и когнитивных технологий постепенно, систематизированно и без лишних эмоций. Как это сделать – рассказывает Томас Дэвенпорт, который несколько десятилетий занимается промышленным использованием ИИ и когнитивных технологий в бизнесе.
Когнитивные технологии: что это такое и зачем они нужны
ИИ использует возможности, которые раньше были доступны только людям, – знание, понимание и восприятие. Их называют когнитивными технологиями. Они нужны для решения конкретных и достаточно несложных задач – идентификации изображений, трактовки смысла.
Семь когнитивных технологий ИИ
Сегодня технологий ИИ уже достаточно много, и их можно применять разными способами для решения различных задач. ИИ в широком понимании включает семь основных технологий:
▶ Статистическое машинное обучение. Используется для автоматизации процесса обучения и подбора моделей к данным. Технология эффективна для детального маркетингового анализа. Это одна из самых распространенных технологий ИИ.
▶ Нейронные сети. Это сложные формы машинного обучения. Искусственные нейроны применяются для оценки входящих данных и соотнесения их с исходящими. Их активно используют для выявления мошенничества при выдаче кредитов и прогнозирования погоды.
▶ Глубокое обучение. Это нейронные сети, состоящие из множества слоев переменных или функций. Помогают в распознавании изображений и голоса, понимании смысла текста.
▶ Обработка естественного языка. Важна для анализа и «понимания» речи и текста. Технология лежит в основе создания чат-ботов и интеллектуальных агентов.
▶ Экспертные системы на основе правил. Наборы логических правил, разработанных экспертами-людьми. Полезны для областей, где много разных вводных, например в страховом андеррайтинге, одобрении кредитов.
▶ Физические роботы. Нужны для автоматизации физической деятельности. Помогают осуществлять и ускорять работу на производстве и складах.
▶ Роботизированная автоматизация процессов. Автоматизация структурированных цифровых задач и интерфейсов с системами. Используется для замены кредитных карт, валидации онлайн-реквизитов.
Разработки крупных технологических компаний в области ИИ
Современные возможности по использованию ИИ в бизнесе доступны благодаря исследованиям и разработкам гигантов вроде Google, Facebook и IBM, которые располагают для анализа огромными объемами данных. Кроме того, у этих компаний налажены прочные связи с учеными и есть возможность вкладывать средства в развитие ИИ.
Google. Компания сотрудничала с профессором из Стэнфордского университета Эндрю Ыном в проекте Google Brain, в рамках которого изучалась технология глубокого обучения, покупала IT-компании для определенных нужд, например DeepMind, специализирующуюся на глубоком обучении.
К 2012 году ИИ научился распознавать фотографию кота в интернете.
В 2014 году была создана программа AlphaGo, которая сумела победить одного из лучших игроков в го в мире.
В 2015 году Google также открыла бесплатный доступ к своей библиотеке машинного обучения TensorFlow, которая стала проектом с открытым кодом и завоевала популярность среди компаний более узкой направленности, использующих ИИ.
В 2016 году команда Google Brain сумела существенно улучшить точность переводов Google-переводчика.
Facebook. Исследованиями ИИ в компании занимается Ян Лекун[1] из Нью-Йоркского университета.
У Facebook есть приложение для распознавания изображений Lumos, которое анализирует фотографии в Facebook и Instagram и предлагает пользователям персонализированную рекламу. Lumos также помогает идентифицировать запрещенные порнографические материалы или материалы, содержащие насилие, ненормативную лексику, неправомерное использование брендов и логотипов и призывы к террористической деятельности.
Технологии Facebook все еще дают сбои. Могут заблокировать безобидную рекламу, но не заметить расистские публикации. Недавно российские хакеры намеренно разместили на Facebook фальшивые новости, но автоматизированные фильтры этого не заметили.
IBM. Компания не считается гигантом больших данных и интернета, но владеет продвинутыми когнитивными технологиями совместно с компьютером Watson.
