Как устроен искусственный интеллект и зачем он бизнесу

5 марта 2020, 22:00
Цей матеріал також доступний українською

Что же такое искусственный интеллект (AI)? Правда в том, что само определение, а также примеры АI, в зависимости от эпохи, описывались по-разному.

Например, в 60-е годы XX века обычный калькулятор представлялся реальным воплощением искусственного интеллекта. Сомнений в прогрессивности технологии на том этапе у нас нет, но сегодня мы понимаем, что калькулятор и искусственный интеллект совсем не одно и то же, хотя его изобретение и стало прорывом, автоматизирующим и многократно ускоряющим процесс вычислений.

Видео дня

Хотя 90-е годы запомнились относительно широким применением компьютеров — новой вехи прогресса, в 1997 году состоялась историческая игра в шахматы между известным гроссмейстером Гарри Каспаровым и компьютером IBM Deep Blue, который победил по сумме игр.

Тогда эта победа приводилась как пример победы искусственного интеллекта над человеком, однако сегодня мы понимаем, что это был усовершенствованный, но все-таки известный до этого принцип поиска по шахматному дереву — перебора огромного количества комбинаций на десятки ходов вперед и за доли секунды.

Сегодня большинство потребителей ежедневно сталкиваются с технологиями, использующими элементы искусственного интеллекта, например, голосовые помощники в смартфонах и отдельных устройствах, такие как Siri, Alexa, Алиса.

Как работает AI

ipatent.co.il
Фото: ipatent.co.il

AI в широком смысле — это комплекс технологий, позволяющий машине имитировать когнитивные и творческие функции человека, иначе — принимать решения схожим с человеком образом. Есть разные взгляды на классификацию AI.

Например, выделяют «узкий» AI, автоматизирующий принятие решений в конкретной области, «широкий» — работающий в более разнообразных сферах и различных задачах без серьезных изменений методологии, а также «общий», наиболее приближенный к возможностям человеческого мозга.

«Общий» AI — это скорее конечная цель развития концепции, пока недостижимый идеал, ограниченный текущим технологическим уровнем цивилизации.

Главная отличие современной концепции AI от других примеров автоматизации и оптимизации процессов принятия решений («скриптов» и простых программ) заключается в обучаемости и, что еще важнее, самообучаемости системы. AI в современной трактовке способен понимать, классифицировать знания, рассуждать и делать выводы, взаимодействовать с пользователем.

В разборе концепции AI нельзя не упомянуть такое понятие, как нейронные сети. Именно создание искусственных нейронных сетей (ИНС) позволило вывести машинное обучение на новый уровень, и создать его новый вид, так называемое «глубинное обучение».

Принцип глубинного обучения основан на упрощенной симуляции деятельности человеческого мозга. Обучение посредством ИНС называется глубинным, потому что сеть учится распознавать информацию по слоям, и чем больше слоев сеть имеет, тем «глубже» это обучение и тем точнее результат, к которому мы стремимся.

Именно реализация принципов искусственной нейронной сети в машинном обучении стала из главных прорывов в применении искусственного интеллекта сегодня. Очевидно, что искусственная нейронная сеть была создана на основе знаний человека о биологических процессах в мозге.

Кстати, возможностью создать искусственную нейронную сеть человечество обязано испанскому ученому и врачу Сантьяго Рамону-и-Кахалю, лауреату Нобелевской премии, который на рубеже XIX-ХХ веков работал над изучением нервной системы человека и стал основателем современной нейробиологии.

Сантьяго Рамон-и-Кахаль (Фото: sysblok.ru)
Сантьяго Рамон-и-Кахаль / Фото: sysblok.ru

Конечно, искусственная сеть не так совершенна, как биологическая, но использует те же принципы, а дальнейшее ее развитие, по большому счету, только вопрос времени.

Обучение искусственных нейронных сетей требует серьезной вычислительной мощности, и до начала 2000-х годов она была недостаточной. Сегодня, благодаря развитию компьютерных технологий, в частности графических ускорителей, скорости обработки больших объемов информации многократно возросли, но они все еще далеки от возможностей человеческого мозга.

Этим и обусловлено текущее состояние AI: «узкий» уже во всю работает, а «широкий» только начинает развиваться, но еще далек от эффективного использования.

Тем не менее, даже в домене «узкого» AI есть много интересных примеров использования. В медицине он помогает в диагностировании болезней, например, анализирует по изображению родимых пятен вероятность развития рака кожи.

Недавно подобную задачу опробовали на анализе сетчатки глаза пациента с целью определить риск развития диабета. Следует отметить, что AI в данном случае выступает помощником для доктора, но не заменяет его. Система не может и не должна сама ставить диагноз, но она может помочь врачам сделать это быстрее на основе большего количества информации.

Стоит отметить, что распознавание и анализ картинок и видео сегодня является одним из наиболее успешных типов применения AI. Сотрудники лаборатории IBM и Массачусетского технологического института активно работают над обучением ИНС с помощью больших объемов информации, помогая искусственному интеллекту не только распознавать изображения, но и рассуждать о них.

Еще один сценарий применения прикладного AI — беспилотные автомобили. Такие машины при помощи камер и всевозможных датчиков в реальном времени распознают ситуацию на дороге или же объекты: знаки, полосы, человек, собака, перекресток и т. д. Это прикладная задача, которую тоже вполне успешно выполняет нейросеть.

Применение AI в бизнесе

roosboard.com
Фото: roosboard.com

Технологии в области прикладного искусственного интеллекта от IBM известны под брендом Watson — в честь одного из основателей и первого президента IBM Томаса Джона Уотсона. В 2019 году, согласно отчету IDC, IBM лидирует на глобальном рынке AI-систем, причем третий год подряд.

У IBM есть аналитическое подразделение Institute for Business Value, которое занимается исследованиями для бизнеса, общается с руководителями компаний-клиентов из разных сфер бизнеса и из этих опросов формирует экспертное мнение.

Согласно одному из недавних исследований IBM Institute for Business Value, 94% компаний верят, что AI — это конкурентное преимущество бизнеса. В то же время только 5% компаний сегодня применяют искусственный интеллект. Почему так?

В работе указано, что 80% данных или не доступны, или не надежны и не поддаются анализу, а 65% сотрудников обычно не доверяют аналитике в своей компании. В то же время 81% компаний не понимают, какие данные нужны для искусственного интеллекта.

Некоторые пока еще не доверяют искусственному интеллекту, но изменить такое отношение довольно просто: чтобы доверять технологии, необходимо понимать, как она работает.

Как правило, сегодня компании не могут проанализировать, какие данные им нужны для анализа, чтобы улучшить бизнес-процессы, а также почему та или иная информация может быть ценной для AI. Ведь данные сами по себе особо ничего не означают. Они нам нужны, когда мы понимаем, что мы из них можем получить, и AI — это лучший помощник в этом смысле.

AI сегодня может помогать бизнесу делать прогнозы и аналитику, автоматизировать и оптимизировать разные процессы, и в результате — быстрее принимать качественные решения и быть гораздо более эффективными на рынке. Ведь сегодня одним из наиболее важных качеств любого бренда является гибкость, возможность подстраиваться под потребности клиентов и реагировать на внешние изменения.

Например, с помощью AI сетевой видеосервис дает персональные рекомендации, что посмотреть лично вам на основе ваших просмотров и оценок. Персонализированный контент нравится многим людям, и они продолжают свою подписку.

AI также позволяет экономить и оптимизировать расходы. Возьмем, к примеру, выдачу кредитов в банке. Если это кредиты на $100 тыс., можно позволить себе сотрудника в штате для выдачи таких кредитов. А если речь о микрокредитах, это будет очень дорого. Система AI может проанализировать данные, которые вводит клиент, и за секунды решить, стоит ли давать ему кредит. Это хороший пример алгоритма на основе анализа вводных данных, а также быстрого и дешевого решения.

Как начать внедрение AI в бизнесе

IBM свой подход к внедрению AI в бизнесе называет «лестница к искусственному интеллекту». Можно выделить четыре последовательных этапа внедрения AI:

1 Сделать данные доступными и понятными.

Любая компания обычно работает с несколькими разными источниками и типами данных, необходимых для ежедневной операционной деятельности. Поэтому для начала надо структурировать подход к доступу и управлению данными.

2 Организовать и подготовить данные.

В массивах данных, которые собирает организация, может не хватать каких-то элементов, данные могут быть неполными. Использовать такие данные как основу для машинного обучения нельзя. Машина будет допускать ошибки в анализе информации.

3 Проанализировать эти данные, построить прогнозную или оптимизационную модель, протестировать и откорректировать ее.

Теперь, когда данные имеют понятную природу и необходимую «чистоту», результатам можно доверять.

4 Последовательно внедрять элементы AI.

Полученные на основе правильных и «чистых» данных и протестированные на основе качественных моделей, они обеспечат прозрачность и доверие к результатам.

Тем самым AI поможет человеку принимать взвешенные решения на основе всей информации, а в других случаях позволят машине принимать молниеносные решения на основе оперативного анализа.

poster
Подписаться на ежедневную email-рассылку
материалов раздела Техно
Рассылка о том как технологии изменяют мир
Каждый понедельник

Присоединяйтесь к нам в соцсетях Facebook, Telegram и Instagram.

Показать ещё новости
Радіо НВ
X