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 из Нью-Йоркского университета.
Первые 7 дней доступа — бесплатно.
