Ведомости - Чему надо научить офисных роботов
nevedomosti1 июня 2018 г. Дмитрий Шушкин.
Глава ABBYY Россия Дмитрий Шушкин о том, как «умные» алгоритмы меняют бизнес.
В 2018 г. исполнилось 65 лет с появления одной из первых технологий в истории искусственного интеллекта (AI). Мир узнал об ENIAC – первом умном вычислителе. Для чего людям понадобились суперкомпьютеры? Чтобы справиться с огромным и быстро растущим количеством информации: миллионы задач машина решала в сотни раз быстрее людей. Процесс этот продолжается и сейчас, объемы данных в мире растут сумасшедшими темпами.
Но и технологии не стоят на месте. В XXI в. AI научился не только быстро считать, но и видеть, слышать, читать и даже говорить. При этом такие разработки стали вести не ученые, а корпорации в США, Китае, России и других странах. Причина все та же – попытка укротить огромный поток данных, проанализировать зеттабайты информации в электронных письмах, документах, новостях и комментариях в соцсетях. Amazon и Google, которые первыми из международных корпораций стали внедрять AI в свои сервисы, лидируют на мировом рынке. Крупные игроки в банках, ритейле, медицине и других отраслях вдохновились их успехом. Компании стали массово скупать стартапы в области AI, а зарплаты специалистов по машинному обучению перевалили за сотни тысяч долларов в год. Как эти технологии меняют бизнес?
Сегодня AI приносит пользу компаниям и клиентам по всему миру. В банках он помогает проверять информацию для выдачи кредитов. В энергетике – оценивает износ оборудования, в здравоохранении – определяет диагноз пациента. Например, Ozon.ru создает с помощью нейросетей индивидуальные предложения для посетителей интернет-магазина, в «Ак барсе» чат-бот консультирует клиентов по брокерским продуктам, а в банке «Открытие» AI удаленно открывает счета для юрлиц. По данным Infosys, 86% крупных организаций мира уже используют или начинают внедрять AI. Такие пилоты приносят первые результаты: привлекают клиентов, экономят время и деньги компаний.
Для рутинных повторяющихся задач все чаще применяют роботов. В производство они пришли еще в 1960-е, заменив людей на сборочных линиях заводов, особенно в странах, где труд стоит дорого. А теперь роботизированная автоматизация процессов (RPA) захватывает офисы. Причины – рост мировой конкуренции, жесткие требования рынка к скорости и снижению стоимости процессов и одновременно увеличение стоимости труда во всех странах, в том числе и развивающихся. Информации все больше, при этом нужно снижать затраты на ее обработку. Простым наймом тут не обойтись. Что делать? Использовать программных роботов, которые могут автоматизировать до 70% офисного труда.
Что это такое? Программные роботы – это, конечно, не механизмы на колесиках, а виртуальные сотрудники, которые повторяют действия человека в интерфейсе компьютера. В бухгалтерии RPA извлекает данные из счетов и переносит их в нужные поля в учетной системе. В HR заполняет информацию о сотрудниках, бегая курсором по окошкам программ. В маркетинге наполняет CRM данными из разных источников. Не важно, сколько кликов мышкой надо сделать, главное – чтобы это была одинаковая цепочка шагов по регламенту. Долгое время наиболее популярным способом автоматизации этих процессов была интеграция информационных систем. Но по мере роста числа систем в организациях, их устаревания, снятия части систем с поддержки, отсутствия у некоторых интерфейса программирования оказалось, что нередко дешевле отдать обработку данных в этих же интерфейсах роботам, которые не требуют зарплаты, не отдыхают и не устают (а значит, не делают больше ошибок к вечеру) и сидят не в офисе, а на серверах, чтобы экономить еще и на аренде помещений. И в случае изменений или появления новой информационной системы перенастроить некоторые этапы работы RPA зачастую проще и быстрее, чем интегрировать новую систему с 5–7 уже существующими. Нередко такие проекты окупаются всего за 6–9 месяцев. Можно предположить, что в ближайшие 3–5 лет спрос на эти технологии будет расти активно везде, где нужно быстро обработать большой объем информации по заданному алгоритму.
Конечно, пока возможности программных роботов довольно ограниченны: они не умеют анализировать сложные типы данных, особенно неструктурированные. Между тем до 80% бизнес-информации содержится именно в таких источниках: договорах, контрактах, письмах, новостях. На следующем этапе такие роботы поумнеют благодаря AI: появляются новые возможности, которые ускоряют и упрощают внедрение интеллектуальных технологий. Это открытые программные библиотеки наподобие Tensorflow, бесплатные курсы по machine learning, новые виды нейросетей и т. д. А компании объединяют свои силы с разработчиками технологий в области машинного обучения. Какие проблемы им предстоит решить в ближайшем будущем?
В первую очередь – справиться с нехваткой релевантных данных, времени и ресурсов для обучения нейросетей. Как научить AI обрабатывать тендерную документацию? Проанализировать массив документов, на которых специалисты отметили значимые факты: вид закупки, опыт компании, стоимость поставки. Такие данные долго собирать, они быстро устаревают, а постоянно получать свежую информацию дорого и нерационально. Помогут решить эту задачу новые способы машинного обучения. Это конкурентные нейросети, обучение с подкреплением и передача обучения. Пока это отдельные эксперименты, но именно они повлияют на развитие AI в ближайшее время.
Как работают конкурентные нейросети? На входе две машины получают одинаковые данные. Затем одна из них начинает создавать на их основе новую информацию – например, изображения документов, которые выглядят как настоящие. Задача второй системы – оценить, насколько они правдоподобны. Так дети учатся, играя друг с другом в мяч, после того как узнали правила игры и основные приемы. Беспилотные автомобили так изучают опасные дорожные ситуации (иначе не научить машину, как действовать при взрыве на трассе, – не устраивать же его на самом деле), а наши технологии учатся извлекать значимую информацию из разных источников.
В обучении с подкреплением машина анализирует обстановку с помощью виртуальной модели, которая повторяет особенности внешней среды. Так, с нуля научили играть в го и шахматы AlphaZero, которая с огромной скоростью просчитывала комбинации ходов и выбирала наиболее выигрышные. Вскоре такие разработки перейдут из игр в бизнес. Прогнозируют, что они станут большим подспорьем для инвестиционных аналитиков, риск-менеджеров – всех, кому необходимо выбрать самый выгодный вариант развития событий для компании. Наконец, передача обучения – это возможность использовать одну и ту же нейросеть для похожих, но не одинаковых задач. Так работают и наши технологии: например, если решение умеет анализировать трудовые контракты, ту же систему можно научить работать с договорами купли-продажи, что ускоряет и удешевляет разработку.
В ближайшие три года этими способами будут обучать системы во многих крупных проектах, ведь чем проще и дешевле внедрение, тем быстрее компания сможет применить AI в бизнесе. Но наибольшего успеха достигнут организации, которые смогут не только правильно сочетать возможности интеллекта искусственного и естественного, но и функционально объединять RPA, AR, AI и другие ультрасовременные решения, добиваясь синергетического эффекта от их использования. Именно такой подход приведет к созданию систем, которые мы сможем назвать по-настоящему интеллектуальными. Возможно, этому новому поколению машин мы доверим не только сбор информации, но и принятие несложных решений. А пока стоит начать делегировать задачи программным роботам. Они не заменят нас на рабочем месте, но станут нашими послушными руками, чтобы мы могли больше работать головой.
Читайте ещё больше платных статей бесплатно: https://t.me/nevedomosti