Руководство для компаний по применению искусственного интеллекта (обзор книги)

Рецензия

Специалист по инновационным технологиям Эндрю Бёрджесс приподнимает мистическую завесу над искусственным интеллектом. Книга, как нельзя более точно названная руководством для компаний, в доступной форме излагает информацию, которая будет полезна любому бизнесмену, решившему воспользоваться преимуществами ИИ. Здесь вы наверняка получите ответы на многие интересующие вас вопросы. Несмотря на любовь Бёрджесса к аббревиатурам и не всегда понятную роль приводимых им интервью, нужно отдать автору должное: объясняет он хорошо. ЭруДИТ рекомендует книгу Бёрджесса всем, кто хочет знать, с чего начать и как осуществлять внедрение технологий ИИ в своей организации, – руководителям, предпринимателям, а также инвесторам и студентам.

Основные идеи

Сферы применения искусственного интеллекта (ИИ) в бизнесе очень разнообразны: это обслуживание клиентов, рекомендации к покупке, распознавание изображений, например товаров на полках, обработка документов и многие другие.
Полезно представить ИИ в виде модели, состоящей из набора конкретных навыков.
Четыре ключевых навыка ИИ связаны со сбором информации, четыре других – с ее интерпретацией.
Обучение ИИ бывает контролируемым (с учителем) и неконтролируемым (без учителя).
Смысл машинного обучения состоит в том, что в процессе повторяющихся циклов обработки схожих данных ИИ корректирует силу связей, пока не будет выработан оптимальный для данного вида задачи вариант решения.
ИИ можно применять как самостоятельно, так и в связке с другими технологиями, такими как облачные вычисления и роботизированная автоматизация процессов.
Проект по внедрению ИИ следует начать с определения стратегических целей компании и проблем, которые требуют решения.
Следует выделить те области (процессы, отделы и так далее), где применение ИИ будет желательным, экономически целесообразным и технически возможным.
Чтобы выбрать приоритетное направление, нужно провести анализ “затраты–выгоды”.
Реализовать проект можно тремя способами: купить готовое ПО, обучить алгоритмы готовой платформы ИИ выполнять свои конкретные задачи, разработать свою платформу.

Краткое содержание

Искусственный интеллект уже трудится

Исследователи уже давно ведут споры о том, в чем истинная миссия искусственного интеллекта: дополнять человеческий разум или полностью делать за него его работу. Бесспорно одно: со временем искусственный интеллект и автоматизация существенно изменят ситуацию на рынке труда. ИИ – это отнюдь не потенциально возможный путь развития, который реализуется еще очень не скоро. Уже сегодня компании активно используют ИИ, а он, в свою очередь, влияет на методы их работы. Многие конечные пользователи регулярно сталкиваются с ИИ, например, в виде голосовых помощников Siri и Alexis.

Восемь навыков искусственного интеллекта

ИИ можно учить путем контролируемого и неконтролируемого обучения. В первом, более распространенном случае человек учит искусственный интеллект обращаться с данными и направляет процесс поиска им различий (например, между фотографиями с собакой и без собаки). При неконтролируемом обучении ИИ сначала изучает данные, которые для него пока ничего не значат, а затем самостоятельно вычленяет в них закономерности.

“Сегодня компании активно используют искусственный интеллект, чтобы изменять, дополнять и улучшать свои методы работы”.

Возможности ИИ можно схематично представить в виде модели из восьми ключевых навыков: первые четыре связаны со сбором информации, четыре других – с ее интерпретацией. Первая четверка такова: речь и ее распознавание, распознавание изображений, поиск информации, кластеризация. При сборе информации машина преобразует неструктурированные (“большие”) данные в структурированные. Этот процесс требует мощных процессоров и продолжительного машинного обучения. Но некоторые навыки активно используются уже сейчас, например, распознавание речи позволяет устно отдавать машине команды.

“Нельзя извлечь пользу из возможности, не понимая ее сущности. Разве что случайно. Но в мире ИИ случайностей не бывает: здесь все разрабатывается с величайшим вниманием к деталям и с конкретной целью”.

Во вторую четверку навыков входят восприятие естественного языка, оптимизация, прогнозирование и понимание. Восприятие языка человека – это больше, чем распознавание речи: оно предполагает объединение распознанных слов в предложения, имеющие смысл. В процессе оптимизации ИИ переводит данные из одной формы в другую; оптимизация требует применения алгоритмов для решения проблем и достижения цели. В прогнозировании используются данные за предыдущие периоды для получения новых данных (например факторов риска при рассмотрении заявки на кредит или рекомендаций по выбору ресторана). Первые три навыка приносят пользу уже сегодня. Функция понимания пока еще находится на теоретической стадии. Она включает в себя помимо прочего способность ИИ к осознанию того, что он сейчас делает или думает.

“Самым большим препятствием для космического ускорения развития ИИ... являются чрезмерно завышенные ожидания”.

Эти навыки ИИ задействуются как последовательно, так и вместе в различных комбинациях. Например, технология распознавания речи определяет, что человек говорит, функция прогнозирования предсказывает окончание речевого запроса, а функция оптимизации уже начинает решать проблему.

Факторы, стимулирующие и сдерживающие развитие технологии ИИ

Искусственным интеллектом начали заниматься в середине XX века. Сначала внимание было сосредоточено на так называемых экспертных системах. Программисты преобразовывали знание об определенном предмете в систему, подобную дереву с множеством ответвлений, по своей сути похожую на сценарии “если… то”. Выбор, который делает пользователь, ведет систему по той или иной цепочке. Этот подход используется до сих пор, например в чат-ботах.

“Повышенный интерес к ИИ и взрыв активности в этой области вызваны в первую очередь огромным объемом данных, которые теперь стали доступны”.

В работе над ИИ было два периода застоя: в 1974–1980 и в 1987–1993 годах. Причиной в обоих случаях были завышенные ожидания от технологии и недостаточное финансирование. На текущий момент работа над ИИ находится на подъеме. Этому способствуют несколько факторов. Первый – большие данные. Для обучения ИИ требуются миллионы различных примеров: сегодня их в виде данных в избытке поставляют социальные сети и Интернет. Развитию ИИ, в частности облачному, также способствуют удешевление хранения данных, постоянно растущая скорость их передачи и повсеместная связь.

“Чат-боты бывают всякие разные, на любой вкус… а проще говоря, есть очень хорошие и очень плохие”.

Однако есть и факторы, сдерживающие рост, в частности, все те же завышенные ожидания. Мы ждем от искусственного интеллекта слишком многого. Это приводит к тому, что люди начинают его бояться, считая, что он слишком сильно изменит бизнес и экономику и отнимет у них рабочие места. Имеет также значение непрозрачность моделей, создаваемых ИИ: проследить путь, по которому принимается решение (например о выдаче кредита), для стороннего наблюдателя очень сложно. Это сильно затрудняет работу регулирующих органов.

Глубокие нейронные сети

Архитектура ИИ основана на так называемых глубоких нейронных сетях. Эти сети состоят из нескольких уровней, причем чем сложнее решаемая проблема, тем больше уровней. Сети имеют входной уровень (загрузки информации), выходной уровень (ответа) и “скрытые уровни” между ними, где и выполняется вся сложная работа. Узлы каждого уровня соединены с узлами других уровней. Каждая такая связь имеет определенный вес, приобретенный в результате предыдущего обучения, поэтому связи бывают сильными и слабыми. В отличие от сильных, слабые связи – те, что во время обучения дали нежелательные ответы, – не передают на следующий уровень большого количества информации. По мере обработки все больших объемов информации веса узлов постоянно корректируются, пока модель не начинает выдавать оптимальные решения. Это и есть машинное обучение.

В содружестве с другими технологиями

ИИ можно использовать как самостоятельно, так и в связке с другими технологиями. В основе облачных вычислений лежит сеть связанных между собой удаленных серверов, каждый из которых хранит определенную информацию. Благодаря таким облакам ИИ получает доступ к большому объему публичной информации, а аналитики используют облачные вычисления для обработки данных. Искусственный интеллект также применяется в робототехнике. Он нужен для беспилотных автомобилей и Интернета вещей, где устройства передают данные друг другу. Когда данными обмениваются миллиарды устройств, создается огромный массив больших данных – и здесь, безусловно, возникают практические задачи для искусственного интеллекта.

“Машинное обучение называют машинным потому, что обучение проходит машина, то есть компьютер”.

Действия человека, которые выполняются в определенной последовательности, могут быть заменены применением двух технологий – ИИ и “роботизированной автоматизации процессов” (RPA). RPA-приложения хорошо выполняют повторяющиеся и основанные на применении набора правил задачи, такие как обработка счетов, платежей, проверка документов, IT-поддержка клиентов. Обходятся такие IT-решения намного дешевле, чем работники.

“Схватывать нужную информацию мозг приспособлен отлично, а вот машинам эта задача всегда давалась с трудом”.

Бывает и так, что ИИ не может справиться с задачей. Тогда требуется помощь человека – например для чтения рукописного текста. Люди привлекаются обычно методом краудсорсинга, причем задача разделяется на небольшие отрезки для сохранения конфиденциальности.

Искусственный интеллект и бизнес

В бизнесе ИИ уже широко используется для повышения качества обслуживания клиентов, например в виде чат-ботов. Простейшие чат-боты могут отвечать лишь на однозначные вопросы либо на вопросы с заданным набором вариантов ответа. Более продвинутые чат-боты, которые прошли обучение с помощью тысяч диалогов людей в чате, могут отвечать на любые вопросы и даже помогать клиентам оформить заказ.

“Роботизированная автоматизация процессов... является относительно новым типом программного обеспечения, который воспроизводит действия человека, основанные на определенных правилах”.

Система рекомендаций с привлечением ИИ, такая как, например, у Amazon или Netflix, использует данные о предыдущих покупках клиента и на их основе делает новые предложения. ИИ быстро обрабатывает заявки и совершенствует те функции, о которых клиенты даже не знают. Израильская компания Nexar использует информацию, полученную автомобильными видеорегистраторами, чтобы помочь желающим улучшить свои навыки вождения. В британской сети супермаркетов Tesco роботы проводят съемку полок в магазинах, а система ИИ, используя технологию распознавания изображений, сообщает сотрудникам, какие товары заканчиваются или раскуплены, где нужно пополнить запасы. В некоторых розничных магазинах роботы уже встречают и обслуживают покупателей.

“Чем сложнее создаваемая вами модель (чем больше у нее параметров), тем больше данных для обучения ИИ вам нужно”.

Руководители компаний, которые хотят применить ИИ в своем бизнесе, должны сначала определить, с какими серьезными проблемами сталкивается их компания, и затем подумать, как ИИ может помочь их решить. Необходимо воспринимать искусственный интеллект и автоматизацию процессов как единое целое и четко понимать, чего ждать от этих систем. Для начала вы можете попробовать запустить IT-решение или приложение на ограниченном участке (для отдела или процесса), протестировать его и затем уже внедрять повсеместно. Стратегия использования ИИ должна соответствовать долгосрочной стратегии компании.

Оценка текущего состояния компании

Чтобы оценить свой уровень применения ИИ, компания может воспользоваться моделью зрелости технологии, разработанной в университете Карнеги–Меллона. Обычно модель зрелости состоит из пяти уровней, но в данном случае их шесть: “нулевой уровень” введен для тех фирм, где пока всё делают вручную, без какой-либо автоматизации. Остальные компании, их подразделения или отделы окажутся на одном из пяти следующих уровней:

Компания уже использует стандартные IT-приложения для выполнения отдельных задач (например обработки счетов), но пока не до конца понимает значение ИИ и не внедряет автоматизацию более широко.
Большинство сотрудников компании все еще выполняют свои задачи вручную, но как минимум один отдел автоматизировал какую-то задачу, написав сценарий или макрос.
В некоторых отделах используются такие инструменты, как ИИ или RPA, для автоматизации ряда процессов.
Компания внедрила сразу несколько средств автоматизации и использует ИИ для большого числа процессов. В некоторых отделах внедрено управление данными, на группу автоматизации выделяются ресурсы.
Компания внедрила стратегическую программу автоматизации, использует ИИ и повсеместно автоматизирует процессы. Управление данными распространено на всю компанию.

Выявление областей для применения ИИ

Компании могут использовать “тепловую карту ИИ” для определения тех областей, в которых внедрение ИИ будет желательным, экономически целесообразным и технически возможным. Начать следует с определения стратегических целей и проблем, которые нужно решить. Составьте список всех возможных областей применения ИИ в своей компании. Присвойте рейтинг каждой возможности, используя цвет или балльную шкалу. Для этого сначала оцените по отдельности ее экономическую целесообразность, соотнесенность со стратегическими целями и технические аспекты (необходимые мощности и навыки, объем и качество данных).

“Порой ИИ просто не может справиться с определенной работой. Приходится привлекать людей, которые помогут ее сделать”.

Выделите “горячие” области на получившейся “тепловой карте” ИИ. Проведите для них анализ “затраты–выгоды”, чтобы решить, какой проект ИИ выбрать для внедрения. Определите потенциальные выгоды: прямые (сокращение затрат, снижение рисков, лучшее соответствие стандартам и правилам, повышение качества обслуживания, сокращение потерь, повышение дохода) и косвенные (например влияние на корпоративную культуру или маркетинг).

“Одна из опасностей краудсорсинга заключается в том, что все субъективные суждения, которые могут быть у людей, занимающихся тегированием, будут отражены в модели ИИ”.

Рассмотрите варианты реализации проекта. Проще всего купить готовое программное обеспечение с ИИ. Компании с особыми потребностями могут разработать собственные платформы и приложения, чтобы обеспечить больший контроль и гибкость. Но создавать собственную корпоративную систему следует только для масштабных задач и в случае острой необходимости. Можно также воспользоваться промежуточным вариантом – уже готовой платформой ИИ, на базе которой можно обучить готовые алгоритмы выполнять ваши конкретные задачи.

Внедрение ИИ

Для поддержки проектов, связанных с ИИ и автоматизацией, необходимо выстроить “экосистему ИИ”. Все поставщики и технологии в пределах этой экосистемы должны соответствовать общей стратегии компании. Поставщики должны обладать необходимыми знаниями, опытом и соответствовать корпоративной культуре. Необходимо создать команды архитектуры и внедрения, которые будут руководить инициативами, связанными с ИИ, на всем пути от разработки и внедрения до использования. Компании, активно применяющие ИИ, возможно, введут должность директора по обработке данных или директора по автоматизации.

“ИИ использует данные, собранные за большой промежуток времени, для того чтобы соотнести новую поступающую информацию с некоей уже выделенной категорией”.

Главным препятствием для внедрения ИИ чаще всего выступает недостаточно высокое качество данных. В отличие от традиционных компьютерных вычислений, точность данных (погрешности) для ИИ не так важна – важнее их “правильность”, то есть соответствие поставленной задаче. Не отвечающие этому условию данные могут нарушить работу ИИ. Для улучшения качества данных используют краудсорсинг и так называемую очистку данных. Искусственный интеллект легко увести в ложном направлении и научить чему-то неподобающему. Системы ИИ не знают социальных норм и могут усвоить недопустимое поведение. Нужна помощь со стороны человека, чтобы ИИ не выстраивал корреляций, не имеющих смысла.

“Если вы обеспечите атмосферу прозрачности и доверия вокруг данных, которые клиенты считают полезными, то они с большой вероятностью предоставят вам доступ к этим данным, тем самым увеличивая их полезность”.

Есть опасность, что вы выберете не ту технологию, которая на самом деле вам нужна. К счастью, ИИ использует отдельные приложения, где каждое выполняет всего одну функцию, но выполняет ее хорошо. Таким образом, если компания собирает свою систему ИИ из нескольких компонентов, для нее не составит труда заменить тот или иной компонент, тем самым повысив общую эффективность всей системы.

По мере внедрения ИИ бизнес начинает все больше от него зависеть. У такой чрезмерной зависимости есть практическая сторона (а действительно ли ответы, которые дает система, всегда верны?) и философская (разучится ли человек думать, если за него будет думать ИИ?). Также существует риск, что искусственный интеллект начнет злоупотреблять своими полномочиями. Например, если банк внедрил систему распознавания голоса для дополнительной защиты счетов своих клиентов, то теоретически ИИ может научиться имитировать голоса клиентов и получить доступ к их счетам. Бизнес должен учитывать, что с помощью ИИ уже предпринимаются попытки “социально программировать поведение людей”. Так, боты могут размещать посты в социальных сетях, влияя на умонастроения пользователей.

Об авторе

Эндрю Бёрджесс – консультант по менеджменту и искусственному интеллекту, автор книг по прорывным технологиям.