Як застосовувати штучний інтелект вже зараз. Блог Дмитра Дубілета

6 грудня 2017, 11:55
Вы также можете прочесть этот материал на русском языке
Прямо зараз на наших очах відбувається важливе явище – розвиток штучного інтелекту

Раніше, щоб запрограмувати комп'ютер, вам потрібно було створити алгоритм. Вам потрібно було цими руками прописати поведінку комп'ютера на кожен випадок життя.

Але життя – штука складна. І передбачити все неможливо. Тому комп'ютери до останнього часу були досить обмеженими "створіннями". Поки в нашому житті не з'явилося машинне навчання.

Відео дня

Пам'ятайте, як у Маяковського, "кроха сын к отцу пришел" і питав, що таке добре, а що таке погано. Виховання дітей так і відбувається. Батьки терпляче – або не дуже – пояснюють дітям, що робити можна, а що ні.

Нові технології дозволяють комп'ютери виховувати так само. Ви даєте комп'ютерам приклади з життя і пояснюєте їм, "що таке добре, а що таке погано". Комп'ютер поступово "вловлює" загальну ідею і далі може вже самостійно робити висновки з реального життя.

Наведу приклад. Свого часу в Приватбанку ми активно боролися з чергами. У нас в кол-центрі був окремий департамент, який цілими днями дивився через камери в наші кілька тисяч відділень і фіксував черги.

На випадок черги у нас була передбачена ціла система. Відключення реклами в банкоматах, виклик керівника відділення і т.д. І одного разу ми вирішили автоматизувати цю роботу. Для цього ми взяли кілька десятків тисяч знімків, на підставі яких департамент говорив, є черга чи ні, і згодували цю інформацію комп'ютеру. Комп'ютер навчився і почав виявляти черги швидше і точніше, ніж люди. Ті співробітники, які займалися цією нудною роботою, змогли переключитися на щось більш цікаве, а клієнти отримали кращий сервіс.

Але найбільш приголомшливе в цій історії те, що з недавнього часу штучний інтелект (ШІ) перестав бути чимось, що, умовно кажучи, було доступно тільки Google або Microsoft. Ці технології стали доступні таким простим смертним, як ми з вами. Цю програму виявлення черг написав не програміст, а мій колега Вадим Ковальов, який просто під час відпустки вирішив пройти курс на Coursera.

Така демократизація технології і призводить до тих проривів, які ми зараз бачимо з вами в усіх галузях. Головне для машинного навчання – це дані. Ви, напевно, чули такий термін, як Big Data, великі дані. В цьому плані мені пощастило. Я працюю в банківській галузі, а у банків даних про своїх клієнтів більше, ніж у будь-кого. Крім Google, напевно.

Як банки використовують ці дані? Звичайно, в першу чергу для кредитних рішень. Для цього ми будуємо складні математичні моделі, які прогнозують, яким клієнтам можна надавати кредит і в якому розмірі. Тут я вам розповім цікаву історію.

Минулого року ще в Приватбанку ми заради розваги спробували навчити комп'ютер приймати кредитні рішення просто на підставі фотографії клієнта. Добре, що база для навчання була будь здоров. І тут сталося щось неймовірне. Виявилося, що тільки по фото клієнта, навіть якщо ми про цього клієнта взагалі нічого не знали, модель виходила досить точна. Вона видавала рішення мало не більш точні, ніж повноцінні моделі в деяких інших українських банках. Як таке могло бути?

По-перше, комп'ютер з фото навчився дуже точно визначати стать і вік, а це досить важливі фактори або придиктори, як кажуть банкіри. Але навіть коли ми відключали ці фактори, модель по фото все одно була точною. Проклята машина якимось незбагненним чином навчилася визначати людей, які потенційно могли не повернути банку гроші. Як вона це робила? Складно сказати, але коли я дивився на фото людей, яких комп'ютер відніс до потенційно проблемних боржників, я підсвідомо розумів, що машина "мала на увазі". Щось було не так з їх поглядом, з прищурами. Про всяк випадок уточню, що ми ці моделі ніколи так і не використали, це був чисто "фан-проект".

Тепер поговоримо про політику. Після того, як Дональд Трамп переміг на виборах, використання ШІ в політиці стало гарячою темою. Один зі співробітників штабу Трампа, який очолював діджитал-кампанію, в одному зі своїх інтерв'ю розповів про те, як комп'ютер автоматично будував десятки тисяч рекламних банерів. З різними месседжами і дизайнами, на кожного американця будувалася окрема математична модель, яка визначала, яку рекламу йому найвигідніше показувати і в який момент. Вважається, що використання ШІ і цих моделей стало чи не основною стратегічною перевагою Трампа в порівнянні з кампанією Клінтон.

У такій більш життєствердній сфері, як медицина, ми повинні відчути прорив зовсім скоро. Відомий футуролог Рей Курцвел з Google недавно опублікував прогнози про те, що в 2026 році настане переломний момент. І середня тривалість життя почне зростати швидше, ніж буде проходити часу.

Коли я побачив цей прогноз, я перестав їсти солодке, записався в спортзал, тому що зрозумів, що мені потрібно за всяку ціну, "на бровах" дожити до цього року, щоб отримати шанс на безсмертя. Чому це стане можливим? Теж саме. Вчені згодовують комп'ютерам медичні дані – аналізи крові, рентгенівські знімки, історії хвороб. На підставі цих даних комп'ютери вчаться лікувати людей краще, ніж лікарі.

На жаль, прогрес в цій області йде не так швидко, як хотілося б, тому що медицина дуже консервативна. Я думаю, найближчим часом найрозвиненіша медицина буде в Китаї. У цій країні немає таких забобонів з приводу персональних медичних даних, як на Заході.

Всі дані китайців вже зберігаються в хмарах. Завдяки цьому китайські кібернетики отримали величезний масив даних для навчання комп'ютерів. Так, дивись, словосполучення "китайська медицина" зовсім скоро може сильно змінити своє значення. Наприклад, недавно з'явився додаток для смартфонів SkinVision. У ньому можна сфотографувати свою родимку на тілі і машина порадить, чи не потрібно тобі терміново звернутися до лікаря. Інший приклад. Нещодавно з'явилася програма, яка навчилася визначати небезпеку ракових пухлин по знімку МРТ краще, ніж людина. І такі новини з області медицини зараз з'являються мало не щодня.

Машинне навчання застосовується в безпілотних авто, в прикольних фотофільтрах, у важкій промисловості, для боротьби зі злочинністю. Складно знайти ту галузь, в якій би штучний інтелект не приводив до збільшення ефективності. Я ще раз наголошую, що ця технологія стала не просто доступною, а дуже доступною. Тому я закликаю кожного з вас задуматися, де штучний інтелект може стати в нагоді в вашому бізнесі.

Текст друкується з дозволу автора

Оригінал

poster
Підписатись на щоденну email-розсилку
матеріалів розділу Техно
Розсилка про те як технології змінють світ
Щопонеділка

Приєднуйтесь до нас у соцмережах Facebook, Telegram та Instagram.

Показати ще новини
Радіо НВ
X