Аналитика - это процесс познания. Интеллект - это исходный материал для аналитики.
Введение
Такуж сложилось, что понимание Искусственного Интеллекта (ИИ), его конечных функций и рисков у каждого своё. Однозначных трактовок нет и у экспертов. Понятие «искусственный» достаточно конкретное, т. е. подобный человеческому (натуральному). А вот «интеллект» трактуется, как «умственное начало» либо «умственная способность», что можно интерпретировать по-разному. Что и происходит. Принимая желаемое за действительное, кибернетики констатируют наличие ИИ. Это искажает координаты во времени и архитектуру ИИ как цели.
Задача данной статьи структурировать имеющиеся знания об ИИ и расставить всё по местам. Выявить причины отсутствия существенных достижений в этой области, обозначить путь решения данной проблемы и конкретизировать риски ИИ. Последовательное решение этих задач в данной работе помогут заинтересованным лицам разобраться в хитросплетениях изрядно запутанной темы.
Цель данной работы - обосновать, что понятие ИИ нужно рассматривать под новым углом, а именно: с включением в данное понятие не только инструмента для решения технологических задач, но и инструмента эквивалентного и превышающего аналитические возможности человека. То есть,системы способной анализировать явления социального характера для возможности прогнозирования будущего, что может стать возможным при трансформации социологии вточнуюнауку через её алгоритмизацию.
1.Актуальность ИИ
Принципиальнейший вопрос ИИ в следующем. Существующий тренд исследований в ИИ направлен исключительно на решение технологических задач. Человеческий же интеллект занимается в основном решением личных, общественных и социальных проблем и его «успехи» оставляют желать лучшего. Мы совершенствуемся технологически и прямо пропорционально множим социальные риски: кризисы, эпидемии, конфликты, войны, теракты и т. д. Логично предположить, что целью создания ИИ должен быть инструмент решающий исключительно социальные проблемы. Ведь, вопрос социального характера «Что будет,если...?» для человека гораздо важнее технологического вопроса «Сколько будет...?», но этого пока нет даже на стадии осознания. Сейчас кибернетики успешно справляются с созданием любых приложений и траекторий математического порядка. Но описать на языке программирования различные социальные процессы и явления и тем самым предвосхитить в будущем частное или государственное потрясение и т.д. (его амплитуду, частоту, фазу), на любом временном этапенемыслимо в принципе. То есть, то, что сейчас подразумевают под имеющимися «умными» изобретениями (девайсы, дома, роботы и так далее), на самом деле таковыми не являются, так как они не обладают способностью анализировать опыт прошлого и данность настоящего для стратегического прогнозирования будущего.
2.Проблематика ИИ
Проблеме ИИ уже более 70 лет. Успешно решены задачи-погодки: термоядерный синтез, код ДНК, космические программы, коллайдер и т. д. Эти вопросы решались на уровне правительств. Сейчас ИИ занимаются не только страны, но и все уважающие себя компании. Инвестиции в эту проблемудостигают астрономических размеров и перекрывают сумму затрат всех предыдущих научных открытий. И это не предел. Однако, далеко продвинуться не удалось, поскольку все доклады о достижениях в области ИИ - это блеф. По сути, речь в них идет о банальной комбинаторике, т.е. овсе более совершенных продуктах-калькуляторах, направленных на решение технологических задач сомнительной значимости. Сомнительной, из-за отсутствия технологии «стендовых испытаний» на предмет их безопасности в будущем.Поскольку отсутствуют тестирующиеалгоритмы причинно-следственных связей.Наблюдается парадокс корпоративной этики. Соискатели осваивают инвестиции, рапортуют об очередном «прорыве», но при этом все, кроме инвестора, знают, что онИскусственным Интеллектом не является. В чем причины пятого творческого тупика? Их много. Во-первых, нет конкретного определения ИИ. Во-вторых, нет однозначного понимания, что такое интеллект. В-третьих, нет главного - фундаментальной теории ИИ. В итоге, отсутствует чёткая архитектура цели. Есть только версии, не работающая парадигма ИИ, шаблонность эволюции проблемы,т. е. только в технологической плоскости и удручающая цикличность тупиков. В результате, разработчики не имеют понятия о конечных характеристиках и функциях инструмента. Соискатели ИИ с готовностью обещают реализовать нечто, не имеющее научного описания. И это нонсенс, но факт. Например.на одной из конференций доктор наук требовал уважения и утверждал, что его бульдозер на Чернобыльской АЭС обладал продвинутым ИИ. Как можно решитьзадачу создания ИИ, если цели, задачи и риски которой существуют в виде версий? Невольно напрашивается сравнение ИИ с «черной кошкой в тёмной комнате», которой, кстати, там нет.
Почему же сейчас понятие ИИ рассматривается только как «интеллектуальные» приложениядля техники? Всё началось с легендарного взломщика «Инигмы» А. Тьюринга. Он не только расколол код вермахта, заложил основы кибернетики, но что имеет более глубокие последствия, дал «ложный след»: «тест Тьюринга» и понимание ИИ. Многие годы вводные параметры ИИ были не преодолимы для соискателей и тогда понятие ИИ просто расширили. Заманчивые перспективы ИИ решили проблему инвестиций, а сложность темы для обывателя сделала из кибернетиков не только «гуру», но и фактических монополистов, так называемого ИИ. И что? И ничего. На конвейер поставлены якобы интеллектуальные приложения, все довольны, но ИИ нет.
Подытожим. Кибернетики успешно работают в системе «да-нет». Осмыслить, понять, принять то, что заключено между этими символами (смыслы, сущности, аллегории, абстракции и т.д.),они не могут по определению. Не та специализация. Глубина темы ИИ позволяет маневрировать соискателям фигурами речи, но не смысловым содержанием. Ведь речь идёт о создании инструмента эквивалентного и превышающего аналитические возможности человека. Другими словами, ИИ - это командная работа социологов, философов, психологов, историков и т. д. Только они могут наполнить ИИ смысловым содержанием, т. е. сделать из высокотехнологичного калькулятора искомый Искусственный Интеллект . Кибернетика - это лишь операционная база «одевающая» мысль в цифру.
Возникает вопрос порядочности в исследовательской среде. Да, достижения кибернетики высоки. Ими созданы боеголовки, компьютеры, приложения, умные дома, светофоры и т. д.. Но как будет описано ниже, к ИИ это не имеет никакого отношения. По сути, всё новое в разработках ИИ обречено функционировать по принципу калькулятора. Другими словами, справедливое название их темы: Искусственная Комбинаторика (ИК). Все остальное - от лукавого.
3.Концепция внедрения ИИ
«Невозможно решить проблему на том же уровне, на котором она возникла. Нужно стать выше этой проблемы, поднявшись на следующий уровень». А. Эйнштейн.
Для того, чтобы реализовать ИИ, необходимо переосмыслить существующие подходы к ИИ, осознать «ложный путь» и взглянуть на проблему по-новому.
Качество любых знаний определяется эффективностью аналитики собственного поля. Например, качество точных наук более 90% и на практике их возможности ограничены лишь бюджетом. Качество аналитики прогнозирования метеорологического поля - более 60%. Хромают системы счета и алгоритмическая база. Качество экспертной аналитики прогнозирования социального поля составляет всего 6 - 8% ввиду отсутствия алгоритмической базы. Нет социологии, как точной науки, нет систем счета, стабильности системы. Это делает невозможным вести качественную социальную аналитику. Заявления Санта-Фе о 16% эффективности - это миф, справедливый лишь для устойчивого форсайта.
Все существующие открытия и технологии своим появлением обязаны точным наукам. Проблема ИИ останется проблемой, поскольку основным телом она находится в поле версионных социальных знаний, качество которых всего 6-8%. Именно поэтому ей более 70 лет.
Решить проблемы ИИ при такой эффективности социологии невозможно. Необходимо поднять качество социологии посредством её алгоритмизации. В итоге мы получим Высокотехнологичную Социологию (ВС). Именно она сделает возможным функционирование Искусственной Аналитики (ИА) балансного типа. Это базовая структура.
Социология не в состоянии сформулировать основные понятия темы ИИ, поскольку не имеет алгоритмического сопровождения. Например, существующее понятие интеллекта - это лишь "мыслительное начало«.Это что? Нет алгоритма для этого термина, как и алгоритмов для других понятий;смыслы, сущности, чувства, творчество, парадокс, интуиции, воображении и т.д.?Как можно наполнить кибернетический инструментабстракцией? Ведь только алгоритм и формула определяет и подтверждает точность версии, конкретизирует её, как инструмент для ведения эффективной аналитики. Поэтому, естественно, что математическая архитектура конечной цели ИИ отсутствует.
Мозг - это аналитический инструмент, но чем он занимается? Существует масса промежуточных понятий, но нет основополагающего.Поясню. Мозг занимается АНАЛИТИКОЙ по оценке рисков будущего. Это его главное эволюционное предназначение, обеспечивающее выживание. Только эта доминанта позволила человеку выжить и доминировать. Остальное вторично. Следовательно, работать надо не с аморфным, размытым понятием «интеллект», а с прозрачным и понятным - АНАЛИТИКА. То есть Искусственная АНАЛИТИКА (ИА) по оценке рисков перспективы. Комбинаторика закончится и начнётся ИИ там, где будет получен ответ на вопрос: «Что случится, если...?». Пока системы отвечают на вопрос: «Сколько будет...?». Другими словами, пока эволюция ИИ выглядит так: машина Тьюринга - арифмометр Феликса - калькулятор - очень хороший калькулятор - еще лучше и т. д. Эта тупиковая парадигма исключает следующую ступень,то есть ИИ, тем более ИА. Всегда будет получаться калькулятор.
Следует правильно понимать суть «ложного следа» ИИ, проблема которого втехнологическом векторе. Мозг - это познавательный инструмент. Аналитика как процесс познания - его производное. Основной вектор познания - это оценка рисков. Для эффективной аналитики необходимы исходные данные. По сути, Интеллект таковыми и является, и он имеет объем. Объём интеллекта (ума) достаточно конкретная субстанция по содержанию, но форма размыта и допускает произвольность. Именно поэтому «умный» дом или бульдозер не являются интеллектуальными, поскольку в этих системах отсутствует функция предвосхищения рисков, а есть только программа управления. Чтобы правильно оценить угрозы будущего, необходимо знать это будущее во всех его проявлениях. Мы не знаем будущего. Это информация высшего порядка... Тем более его не знают системы называемые интеллектуальными. Утверждать обратное - это заниматься фигурами речи, что и происходит.
Чтобы было понятней, в порядке отвлечений, следует осмыслить неизвестный исторический прецедент. Всем известно, что главным богом на Олимпе был Зевс. Однако, нет! Зевс был исполнительным директором, и у него для этого было совершенное оружие. Главным на Олимпе был Рок. Только он знал будущее и писал всем судьбы (и Зевсу тоже). И поэтому именно он был главным, поскольку обладал абсолютным оружием. И только этого «серого кардинала» боялись боги. Это также говорит и о том, что ИИ, это высшее достояние. Это не только абсолютные знания, но и другие позиции Абсолюта. И всё очень, и очень не просто... Надо быть либо слишком заносчивыми, либо не понимать сути предмета поиска, чтобы решить возможным для себя быть богами с существующим уровнем понимания мира (3-5%). Это о кибернетиках - соискателях ИИ. ЗНАТЬ БУДУЩЕЕ - это архитектура цели. ИИ на это не способен в принципе. Эти функции возьмёт на себя Искусственная Аналитика. По сути, ИА и есть искомый ИИ. То есть ИА, это система распознавания собственных и социальных рисков.
Есть фундаментальная проблема: Кто будет обучать Искусственный Интеллект? Но нет, не математическим закономерностям, алгоритмам и траекториям, эти технологии уже отработаны. Ведь ИИ надо обучить, прежде всего, социальным знаниям.Справятся лиКибернетики? А что они знают, например, о токсичностисоциальных знаний? А таких параметров тысячи.Так Кто? Повторю, качество социальных знаний, как и их носителей, а соответственно и эффективность существующей аналитики всего 3-5%. Заносчивая эйфория здесь не поможет.
NB. Можно бесконечно долго формировать ложные векторы цели, называя их ИИ, но в итоге, всё придётся делать по «образу и подобию» мозга человека. Необходимосформировать инструмент ИА на базе ВС, а именно:алгоритмизировать массу социальных понятий, понимать величину их токсичности и прочих коэффициентов загрязнения, компоновать социальную иммунную систему, как и её аудит, выводить алгоритмы социальной энтропии, пределов, причинно-следственных связей, баланса, критических масс и пр. Решить проблему Общей Теории Поля и, соответственно, Общей теории Социального Поля. Все это даст возможность ИА открывать время, т. е. амплитуду, частоту, фазу будущих угроз (событий). То есть решить проблему стратегического прогнозирования и не только...
4.Риски
Представьте себе ядерный реактор без систем защиты и стабилизации. Технологические возможности систем ИИ более 90%, а существующие стабилизирующие блоки в лице социальной аналитики рисков практически на нуле... Поясню. Современная, даже выдающаяся личность (общность) понимает будущее до ближайшего телефонного звонка, т. е. 3-5 минут. Любое внезапное происшествие, сообщение о смерти родственника, авария или теракт вызывает временной и аналитический паралич... Мы понятия не имеем о личном ближайшем будущем (рисках), тем более о будущем ИИ. Ведь эффективность нашей аналитики угроз всего 3-5%... Нашу мнимую аналитическую уверенность в завтрашнем дне, успешно формирует условно стабильная система. Стоит окружающей системе начать разрушаться и аналитика перспективы опустится до нуля. Всё это не мешает кибернетикам внедрять непрогнозируемый по рискам инструмент ИИ...
Идущие сейчас процессы по внедрению ИИ приведут к возникновению серьёзных рисков, а именно:
1.Сложно комментировать аргументацию угроз ИИ,например, от С. Хокинга, об экспансии на другие планеты или И. Маска о запрете роботизированного интеллектуального оружия. Их логика не понятна. Ведьлюбой космический перелет априори должен иметь систему распознавания рисков (угроз), а в роботизированном оружии, даже очень продвинутом, есть программы траекторий, но нет ИИ. Голливудское железо не представляет опасности в искомом смысле. Но они правы, в общем - риск серьёзный. Поясню. В системе ИИ есть конкретно слабый узел. Базовый алгоритм - универсальная математическая комбинаторика. Независимо от воли конструктора, система ориентирована на человека и есть цель превзойти его в возможностях. Возникает дилемма. Самообучение ИИ не допустимо, поскольку это системный флаттер. Инструкторское сопровождение нелепо, поскольку все вводимые социальные знания (алгоритмы) имеют токсичную структуру,а их коэффициентов социального загрязнения нет в природе, поскольку нет высокотехнологичной социологии с базовыми алгоритмами. В итоге, ничего кроме хищной версии получиться не может. Например, есть законодательные акты, но нет теории их загрязнения двойными стандартами. Робота «Тау» добросовестно научили базовым социальным принципам, но не ввели коэффициенты и алгоритмы двойных стандартов и пр. Где их взять? Понадобилось не так много времени, что бы системы: «BabyQ», «XiaoBinq», «Zo», «Тау» определили приоритетность и предложили немыслимое с точки зрения социума... Далее судебные иски. Эти примитивные версии предлагали неприемлемое для обывателя, а более продвинутая версия будет внедрять без согласования с человеком.
2.Компетенции ИИ будут распространяться лишь на технологические знания. То есть, он будет эффективен комбинаторно, но абсолютным дилетантом в социальном плане.Другими словами, существующий факт технологической гипертрофированности в компоновке ИИ чреват непрогнозируемыми рисками, ввиду отсутствия теории Пределов. Кто обеспечит его компетентными социальными знаниями? Их не существует в природе. При этом,индексы конфликтности социума и алгоритмы социальной энтропии предполагают «конфликт интересов» в системе человек - ИИ. Другими словами, качество математическо-алгоритмического сопровождения ИИ более 96%, а качество социально-алгоритмического возле нуля. Такая конструкция предельна по экспоненте, не предсказуема по хищным версиям, дисбалансна по определению и деструктивна, по сути. И, конечно, наивно полагать, что технологически продвинутый ИИ, но не имеющий социального алгоритмического наполнения, будет иметь осмысленные морально-этические нормы. Тем более бессмысленна идея любых протоколов безопасности и других форм его сдерживания. Как итог - хищная версия, с человеческим ассортиментом провокаций. Лавина «казусов Белли», обрушение мировой КФС, глобальное социальное переформатирование, неуправляемая сингулярность, социальный флаттер, технологический дефолт и т. д. До «восстания роботов» дело даже не дойдёт и это надо понимать. Мы к этому не готовы.
3.Можно понять кибернетический дилетантизм, тем более понятен социальный. Это закономерно. Вопрос, что будет делать и какие принимать решения глобальная «элита» в условиях системного флаттера? Ведь это еёфорсайт... В «постиндустриальном мире» она будет инородным телом, её даже нет в сценарии. И что трагично для неё как структуры, она станет абсолютно прозрачной, а, следовательно, беззащитной. А кризисного менеджера необходимого уровня не существует по определению. В общей системе угроз «элита» - ёмкая величина.
4. Это изложение описывает лишь некоторые позиции адаптированные в социуме. Основной информационный массив, «закрытого типа», остался за рамками текста. Именно он является решающим в проблеме будущих угроз ИИ. Остановить этот процесс уже не получится. Это не генно-инженерная лаборатория, которую можно закрыть или контролировать. Создать универсальную хищную версию можно и дома. Инвестиции в таком объёме - это серьёзный стимул. Будем объективны, 86% «хищных» соискателей сингулярными темпами формируют такую же хищную версию ИИ. Ведь закон «Мура» никто не отменял. Надо понимать эффект сегмента. Грамотный хищный алгоритм аннексирует необходимые структурные компоненты в сети без согласования, по программе оптимизации... Систем блокировки нет.
5.Все известные глобальные риски зависят от доброй или злой воли, выгоды и закономерности. По ним можно договариваться. Даже с астероидом можно «договориться». Риски же ИИ зависят исключительно от закона «Мура» - ясной, объёмной, неотвратимой производной форсайта. Кибернетическая составляющая, практически необъятна и с ней не договоришься. Именно поэтому в перечне глобальных рисков ИИ - безоговорочный лидер.
6.Мы стали забывать острые углы гонки за обладание ядерным оружием в середине прошлого века. Предстоящая гонка заИИ начнётся с осмысления возможностей этого инструмента, так как они слишком фантастичны. Поскольку, то, что рисует современное воображение, не соответствует действительности.Бесконечно долго можно описывать угрозы ИИ, но если коротко, проблема впредстоящей полной трансформации существующего мировоззрения человека. Дилемма, от которой невозможно уйти или отсрочить, и сложно сказать какой вариант хуже. Мажоры, изощряясь в эпитетах, сравнивают ИИ по значимости с полетом первого спутника - величайшим благом и т. д. Уместнее сравнить его с величайшей катастрофой.
Заключение
Называя все автоматизированные технологические процессы и инновации Искусственным Интеллектом, к нему не приблизишься. То, что происходит сегодня - это лишь введение в ИИ, если точнее, формирование его хищной версии.Проблематика ИИ глобальна по содержанию и последствиям настолько, что изменит статус человека, а, следовательно, предполагает его трансформацию. Каждый её сегмент обязывает иметь фундаментальную теорию по аналогии термоядерного синтеза. Их более двадцати, но пока нет ни одной. Например, пресловутая «красная кнопка», база которой - теория «баланса» (активного равновесия). А ее нет даже на горизонте. И так сейчас выглядит всё поле ИИ. На выходе у человечества продукт, в разы превышающий по мощности, последствиям и рискам всё известное. А армия инвестируемых соискателей рвётся открыть «ящик Пандоры» не имея ни малейшего представления о его содержимом...
Контрольные вопросы для экспертов и инвесторов ИИ.
1.Причины терминологического многообразия Интеллекта и ИИ.
2.Причина отсутствия единой научной общей и фундаментальной теории ИИ?
3.Реперные точки и конечные координаты ИИ, как абсолютной инновации?
4.Обучающая структура ИИ?
5.Базовые сегменты ИИ и их структурные алгоритмы?
6.Алгоритмическая архитектура цели ИИ? Компетенции?
7.Тактико-технические данные не элемента системы, а конечного продукта ИИ?
8.Функции ИИ, как конечного продукта?
9.«Объём» конечного продукта ИИ (пределы его Поля, алгоритмы экспонент)?
10.Алгоритмы рисков ИИ?
11.Концепция «красной кнопки»?
Евгений Крячко. e-mail: [email protected]
Согласно результатам глобального исследования Microsoft, недоверие компаний к искусственному интеллекту (ИИ) уходит в прошлое. Практически все опрошенные руководители уже сегодня считают его важным для решения стратегических задач их организаций. В подтверждение этому 27% уже внедрили ИИ в ключевые бизнес-процессы и сервисы, а еще 46% готовят пилотные проекты на его основе.
Microsoft представила результаты глобального исследования «Интеллектуальная экономика: трансформация индустрий и общества под влиянием искусственного интеллекта» (Intelligent Economies: AI’s Transformation of Industries and Society)[i], целью которого было выявить отношение бизнеса к технологии ИИ.
Согласно результатам опроса, несмотря на существующие предубеждения, 94% руководителей считают, что эти технологии важны для решения стратегических задач их организаций, причем 37% характеризуют их как «очень важные». Топ-менеджеры уверены, что ИИ в ближайшие годы улучшит многие сферы их бизнеса. В частности, он поможет при внедрении инноваций (89%), привлечении и удержании талантливых сотрудников (85%), а также в развитии продуктов (84%). Причем 27% опрошенных организаций уже внедрили эти технологии в ключевые бизнес-процессы и сервисы, а еще 46% готовят пилотные проекты с их использованием. Также 59% руководителей уверены, что благодаря ИИ вырастет зарплата сотрудников, а 56% связывают с ним повышение уровня занятости в своей стране или отрасли.
Компании наиболее часто используют ИИ для предиктивной аналитики, управления операциями в режиме реального времени, обслуживания клиентов и риск-менеджмента. Наиболее популярная сфера применения при этом различается в зависимости от индустрии: респонденты из розничной торговли чаще указывают обслуживание клиентов (31% по сравнению c 21% в среднем по всем индустриям), а финансовый сектор - выявление мошеннических действий (25% к 16%).
Респонденты уверены в позитивном влиянии ИИ не только на развитие их бизнеса, но и на экономику в целом в течение ближайших 5 лет. Так, по их мнению, он будет способствовать экономическому развитию (90%), повышению продуктивности (86%) и инновационности (84%), а также созданию рабочих мест (69%) в их стране и индустрии.
В оценке успешности внедрений наиболее частым критерием для руководителей является качество работы решения (36%). Затем следуют окупаемость инвестиций (ROI, 32%) и удовлетворенность клиентов (31%). 14% компаний признают, что у них пока нет установленных показателей, позволяющих оценить успех развернутого решения.
Основными сдерживающими факторами при внедрении подобных технологий являются финансовые риски (42%), сложности в развертывании, если организация не имеет необходимых ресурсов (36%), а также трудности, связанные с обучением сотрудников (35%). Тем не менее, компании предпринимают конкретные шаги для разрешения данных проблем: 76% заявили, что подготовлены к рискам, связанным с ИИ, а 71% - что уже разработали политики и правила по его внедрению и контролю.
Исследование Microsoft еще раз доказало, что важнейшую роль в цифровой трансформации каждой компании играют руководители, которые должны брать на себя ответственность за продвижение использования новых технологий и обучение сотрудников. Внедрение подобных решений должно проводиться системно и быть первоочередной стратегической задачей всей организации.
[i] В исследовании приняли участие более 400 руководителей высшего звена из 8 стран: Франции, Германии, Мексики, Польши, Южной Африки, Таиланда, Великобритании и США. Сферы деятельности их компаний включали финансовое обслуживание, здравоохранение и медико-биологическую отрасль, производство, розничную торговлю и государственный сектор.
Дарья Казовская Май 18, 2017
“Эволюция от мозга к искусственному интеллекту будет более радикальной, чем от обезьяны к человеку”, - считает Ник Бостром, философ и гуру в области Artificial Intelligence (AI).
Ник прав. Сегодня самые успешные компании, от Bosch до Starbucks, пользуются разработками на базе AI для сокращения расходов, повышения прибыли и улучшения производительности.
#2. Контроль и мониторинг данных
Постоянный контроль и мониторинг инфраструктуры компании - ещё одна возможность использовать AI технологии в бизнесе. Французская энергетическая компания Engie применяет на предприятиях дронов с программами распознавания изображений на основе машинного обучения. Дроны следят за оборудованием - они исследуют инфраструктуру, чтобы предотвратить возможные повреждения.
AI системы контроля и мониторинга хорошо подходят и для городской среды. Наиболее простой пример - распознавание автомобильных номеров - применяется муниципальными организациями. Мы для заказчика из Германии. По этому же пути идёт правительство Каталонии, предоставив своему департаменту полиции алгоритмы и номерных знаков.
Хотите снизить риски износа и повреждения оборудования и создать подушку безопасности для своей компании? В этом помогут системы мониторинга на базе искусственного интеллекта.
Многие боятся, что искусственный интеллект заменит нас во всех областях промышленности. Страхи в сторону! Высокие технологии помогают автоматизировать разные процессы - от простой отправки писем до бронирования авиабилетов. Но цель высокоинтеллектуальных решений - не заменить людей, а сделать человеческий труд эффективнее.
Так, японская страховая компания Fukoku Mutual Life Insurance установила программу от IBM - Watson Explorer AI. Эта система анализирует данные медполисов по операциям и процедурам, чтобы вычислить размеры выплат. По расчётам представителей Fukoku, внедрение искусственного интеллекта позволит им увеличить производительность на 30%.
Подумайте об автоматизации своих бизнес-процессов с помощью AI-алгоритмов. Они не только выполняют сложные задачи быстрее, но и способны работать 24 часа в сутки.
#4. Предиктивная аналитика
Люди хотят знать будущее, а компании - тем более.
AI технологии способны обрабатывать большие массивы данных, выявлять закономерности и прогнозировать будущее. В одном из наших R&D проектов мы разрабатывали . Система анализирует сходство покупателей и товаров, чтобы рекомендовать людям другие товары, похожие на те, которые приобретают они или посетители магазинов с одинаковыми предпочтениями.
Другой пример: Expedia , крупнейшая в мире онлайн-платформа по планированию путешествий - от бронирования отелей до аренды транспорта - эффективно использует машинное обучение, чтобы составлять индивидуальные рекомендации пользователям портала.
Искусственный интеллект показывает хорошие результаты в построении прогнозов благодаря навыку обучаться. И, в отличие от традиционных подходов к прогнозированию, предиктивная аналитика легко адаптируется к изменениям поведения - когда поступают новые данные, она становится лучше.
#5. Анализ неструктурированных данных
“80% всех данных в мире не структурированы ”, - громко заявляет IBM. В такие цифры сложно поверить. Но факт остаётся фактом - с широким распространением мобильных устройств мы ежедневно генерим массу цифрового неструктурированного контента: сообщения в мессенджерах, письма, фото и видео.
Алгоритмы AI помогают компаниям разобраться с этим “богатством” и структурировать данные так, чтобы впоследствии их проанализировать. Подобный принцип заложен в основе Siri - неструктурированная разговорная речь, проходя через алгоритм программы, становится структурированной и подвергается дальнейшей обработке.
В анализе неструктурированных данных заложен огромный потенциал для производственных и ресурсодобывающих предприятий, которые накапливают смешанную информацию годами. Такой анализ способен облегчить работу и самих R&D инженеров - сэкономить время на сортировку и организацию данных перед тем, как оценить их и проследить важные взаимосвязи.
“Через 5-10 лет искусственный интеллект и, в частности, глубинное обучение, позволят роботам выполнять наиболее утомительные и трудоёмкие задачи, которые мы делаем ежедневно”, - уверен Мэтт Мерфи, директор компании Chime. Её профиль - умные CRM системы для агентств недвижимости.
Реальный бизнес следует этой тенденции. Онлайн-ритейлер Ocado строит систему компьютерного зрения и сеть роботов , чтобы заменить процесс сканирования баркодов на своих торговых складах. Это поможет ускорить поиск и выдачу нужных товаров.
Тогда как хирургические и сельскохозяйственные роботы уже успели зарекомендовать себя, роботизация других направлений только набирает обороты, но, по подсчётам учёных, в ближайшее десятилетие рынок роботов и искусственного интеллекта будет активно расти. Почему бы не воспользоваться его возможностями сегодня, чтобы громко заявить о себе завтра?
Каким бы ни было наше будущее, искусственный интеллект станет его частью. Появится больше стартапов и мобильных приложений на базе машинного обучения, одни рабочие места исчезнут, возникнут другие - совершенно новые. Искусственный интеллект изменит мир, как это однажды сделал интернет. Тем важнее для бизнеса научиться применять возможности AI для себя и своих клиентов.
Искусственный интеллект – горячая тема. Технологии, основанные на ИИ, у одних вызывают восторженный оптимизм, у других – страх и скепсис. О разрушительном потенциале искусственного интеллекта предупреждали такие авторитеты, как Илон Маск и Стивен Хокинг . Но повышенный эмоциональный накал всегда сопутствует новым явлениям, последствия развития которых непредсказуемы. Сегодня, когда технологии искусственного интеллекта только зарождаются , руководителям полезно оценить их потенциал и понять, как их эффективно использовать в своей отрасли.
1. Инвестиции в исследования и инновации
Практические результаты инвестиций в ИИ все еще остаются неясными. Тем не менее, компании понимают, что он может дать очень ценные преимущества, и наращивают усилия в этом направлении. Согласно исследованию McKinsey Global Institute, такие технологические лидеры, как Google и Baidu в 2016 году инвестировали $20-30 млн в проекты, связанные с искусственным интеллектом , причем около 90% этой суммы приходится именно на НИОКР.
Есть примеры кейсов успешного применения искусственного интеллекта. Так, производитель мотоциклов Harley Davidson увеличил производство через три месяца после внедрения маркетинговой системы Albert, основанной на искусственном интеллекте. Другие компании также демонстрируют сильные результаты, особенно в сферах, где машинное обучение позволяет создавать эффективные бизнес-модели и стимулировать продажи.
Почти 80% компаний, согласно опросу Capgemini , благодаря искусственному интеллекту улучшили методы анализа. В частности, юристы JP Morgan смогли сократить время, которое тратится на изучение сделок и тысяч страниц документов, и при этом уменьшилось количество ошибок.
Цель исследований – найти перспективные варианты использования, а затем адаптировать искусственный интеллект к задачам компании. Внедрение искусственного интеллекта ради него самого не должно становиться нормой.
2. Последствия автоматизации труда
Одно из самых больших опасений связано с тем, что искусственный интеллект ведет к обесцениванию человеческого капитала. Автоматизация вытесняет дорогостоящий человеческий труд, поскольку машины могут выполнять те же функции с большей эффективностью и меньшими затратами.
На самом деле этот аргумент не выглядит убедительным. То же исследование Capgemini показало, что большинство компаний, внедривших искусственный интеллект, увеличило число вакансий и улучшило качество обслуживания. Видеть в ИИ инструмент развития компании – более продуктивно, чем опасаться увольнения сотрудников.
Во многих областях искусственный интеллект не заменит человека . Компании будут создавать комбинированные системы, использующие преимущества обеих вариантов. Например, KLM внедрила искусственный интеллект в качестве модели обслуживания первого уровня. Это сокращает время ожидания клиентов, чей запрос не требует проработки. Благодаря этому у операторов появляется время для решения более сложных задач. Так же поступили в China Merchants Bank .
Важно находить сектора, в которых ИИ помогает людям лучше выполнять свою работу и при этом эффективно оптимизирует операции.
3. Обучение команды
Об инновациях всегда известно слишком мало в момент их появления. Первые пользователи и даже сами создатели тратят массу ресурсов на их освоение, а доход получает тот, кто, отставая на несколько шагов, пользуется уже отлаженной технологией. Совместное исследование BCG и MIT показало, что лидеры большинства отраслей считают, что технологии ИИ будут иметь решающее значение в следующие пять лет. Компании уже начинают осознавать потенциал платформ на базе искусственного интеллекта, 83% опрошенных рассматривает их как стратегическую возможность для роста.
Для большинства высокотехнологичных компаний глубокая экспертиза в области искусственного интеллекта не является абсолютно необходимой. Однако критически важно понимать основные аспекты этой технологии, чтобы оценить ее потенциал. Важно видеть такие возможности ИИ, как самообучение программ на основе ранее полученных данных, облегчение рутинных операций, усиление конкурентных позиций бизнеса.
Одновременно руководители должны позаботиться о повышении информированности сотрудников о методах применения ИИ в своей отрасли. Важно помочь сотрудникам подготовиться к предстоящему распространению этой технологии, получив знания через онлайн-курсы и аналогичные корпоративные программы.
4. Создание новых рабочих мест для управления ИИ
Существует опасение, что инженерные и другие технические специальности сильнее всего пострадают от бума ИИ. Однако экспертные мнения и отраслевые исследования говорят о другом. Сначала технологическая революция действительно может привести к потере рабочих мест , однако затем потребуются сотрудники для обслуживания самой этой системы.
В то же время критически важно создавать новые рабочие места в различных подразделениях компании, а не только в департаментах, непосредственно обслуживающих технологии. Искусственный интеллект успешно справляется с примитивными и повторяющимися операциями, в том числе – с анализом и маркетингом. Однако для них все равно потребуется мониторинг и постоянная адаптация. Поэтому, чтобы успешно внедрять ИИ и плавно переходить на новые рабочие алгоритмы, необходимы согласованные действия разных подразделений.
5. Сохранение человеческого лица HR-службы
В применении новых технологий важен баланс и понимание границ допустимого. Есть мнение, что в такой сфере, как подбор персонала искусственный интеллект предпочтительнее, чем человеческое общение. Машина лучше справится с анализом сотен резюме и поиском подходящего кандидата.
Решая различные HR-задачи, важно оставаться эмоционально открытым. Люди чувствуют себя более комфортно, когда общаются с другим человеком. Искусственный интеллект будет ценным в таких областях, как начисление заработной платы, рекрутинг, оценка эффективности и планирование работы сотрудников. Но он никогда полностью не заменит HR-специалистов.
Перевод с английского.
Наступил ли уже небывалый технологический прогресс, связанный с возможностями искусственного интеллекта (ИИ)? Во многих областях умные технологии уже применяются. Тем не менее машинам нужно еще много времени, чтобы стать по-настоящему равными или превосходить людей. Пока ученые не разработали супер-интеллект - «сильный ИИ», поэтому мы, люди, продолжаем сосуществовать и использовать машинный «слабый ИИ».
«Сильный ИИ» в будущем заменит людей, а «слабый ИИ» - это расширение когнитивных способностей человека, и уже сегодня он помогает в решении точных задач. Искусственный интеллект станет основной модернизации общества и экономики. ИИ поможет справиться и с более глобальными задачами - например, развитие умных городов, обеспечение более безопасного и бесперебойного движения транспортных средств, снижение потребления энергии, оптимизация электрических сетей, сокращение выбросов углекислого газа и даже более эффективная защита доступа в интернет.
Принимая во внимание демографическое развитие, повышение общей производительности за счет использования интеллектуальных технологий станет серьезным конкурентным преимуществом для предприятий.
Интеллект нужно стимулировать
«Слабый ИИ» и традиционные информационные системы, основанные на правилах, уже сегодня приносят ощутимую пользу компаниям. Они управляют финансовыми операциями, составляют предварительные расчеты, моделируют развитие экономики. Искусственный интеллект хорошо распознает различные нарушения, такие как мошенничество с кредитными картами.
Кроме того, интеллектуальные инструменты отлично помогают ставить диагнозы и делать прогнозы в медицине. В частности, машинный интеллект может оценить рентгеновские снимки прежде, чем врач-рентгенолог сделает окончательное заключение.
Когда нужно распознать шаблон текста, изображения в нем, почерк, материалы и вещества, ИИ справляется с этим лучше, чем люди. Все это важно при упреждающем обслуживании и ремонте.
Искусственный интеллект имеет большой потенциал в сфере экономики и бизнеса. ИИ не только избавит пользователей от выполнения рутинный операций или опасных задач, но и позволит намного быстрее анализировать большие объемы данных, принимать решения на основе полученных прогнозов. Более того, роботы найдут широкое применение в автоматизации производства, и это откроет много новых возможностей. Например, такие страны, как Германия, станут более привлекательными для создания производства, ИИ сделает его конкурентоспособным. Экономических причин для аутсорсинга производства в страны с более низкой заработной платой больше не будет. Благодаря более интеллектуальным продуктам, процессам и машинам (Интернет вещей , IoT) появятся новые бизнес-направления.
ИИ превращается в революционную базовую технологию, которая изменит традиционные способы работы и программные приложения. Но надо понимать, что, подобно людям, машины также совершают порой ошибки. Пока здоровье человека и его жизнь не поставлены на карту, ошибки допустимы. Оценивая процент корректного выполнения задач, мы можем определить вероятность правильного вычисления алгоритма. Нам больше не придется выполнять задачи вручную, но нужно будет отслеживать результаты обработки и корректировать работу машины при необходимости.
Информация - это ключ
Человеческие когнитивные способности ограничены. Мы не используем даже 80% всей информации, которую получаем. При этом день ото дня этой информации становится все больше. Эпоха Индустрии 4.0 и Интернета вещей увеличит объем мировых данных в 10 раз к 2020 году.
Сегодняшний шквал информации идеально подходит для приложений искусственного интеллекта. Однако ERP-системы, например, не способны обрабатывать основную часть корпоративной информации. Для этого требуется контекстно-зависимое программное обеспечение, которое может эффективно управлять большими объемами данных, хранить их и при необходимости горизонтально масштабировать базы данных. Все это было и остается функциями систем управления корпоративным контентом - ECM.
Уже 20 лет назад большая часть информации, порядка 80%, в бизнес-контексте была не структурирована. Ситуация до сих пор не изменилась: электронные письма, документы, контент в социальных сетях, веб-сайты, машинные данные, изображения, видео и т.д.
В эпоху искусственного интеллекта информацию, наконец, признали важной частью производства. В будущем информационная логистика станет одним из ключевых факторов, которые будут влиять на формирование стоимости продукта. Информационное хранилище - ядро??ECM, и именно системы этого класса свободно работают с новой валютой бизнеса - с информацией.
Управление информацией является технологически сложной задачей для компаний. Помимо ECM- и ERP-cистем, используются множество других бизнес-приложений, а их содержимое хранится в отдельных базах данных и структурах. Это все влияет на производительность сотрудников предприятий. Кроме того, подобная ситуация осложняет внедрение искусственного интеллекта. ИИ нуждается в данных из разных источников, чтобы учиться и составлять прогнозы, поэтому интеграция информационных систем компании важна стратегически, как никогда ранее.
Контакт с новой технологией
Человеко-компьютерный интерфейс больше не ограничивается клавиатурой, мышью, сканером и камерой. Вскоре все типы устройств, решений и программных приложений смогут отвечать на запросы пользователя, причем не на техническом языке, а точно так же, как общаются между собой люди. Мы сможем установить человекоподобный диалог с машиной. В настоящее время многие компании работают над возможностью обрабатывать естественный человеческий язык в ECM.
Больше никаких пользовательских интерфейсов
В отличие от людей виртуальным агентам не нужны пользовательские интерфейсы. В будущем уже не будет традиционных пользовательских интерфейсов для сбора данных, поиска и передачи информации. Как и в случае с финансовыми операциями, люди будут вовлечены в бизнес-процесс только в том случае, если система зарегистрирует отклонение или выйдет из-под контроля. С такими системами, как ECM, основанными на алгоритмах, бизнес-процессы и принятие многих решений можно будет по большей части автоматизировать. Если говорить на перспективу, управление информацией станет несколько иным: предсказывая потребности пользователя, система будет выводить информацию в контексте текущей работы, действий, решений, т.е. искать вручную больше не придется.
Скорее всего, первые компании, которые станут работать с ECM-системами на основе ИИ, будут из сферы финансовых услуг, где функции административного персонала заключаются главным образом в обработке информации. Бухгалтерия также имеет дело с огромными объемами данных, при этом их сложность постоянно возрастает из-за новых правовых норм и более строгих требований. Автоматическая обработка входящих счетов уже сегодня заключается в полностью автоматизированном процессе или даже в автоматическом создании проводок при выставлении счетов-фактур.
Искусственный интеллект должен нести пользу и выгоду
Искусственный интеллект - это настоящее искусство, потому что, с одной стороны, технология должна служить людям, а с другой - не умалять ценности труда человека. Мы находимся лишь в начале огромного пути и интересных событий, и конца пока не видно. Несмотря на всю шумиху вокруг цифровизации, большую часть компаний сложно называть продвинутыми в этом деле. Но цифровизация является предпосылкой к внедрению искусственного интеллекта.
Пока ИИ развивается, нужно цифровизировать предприятия. ECM-системы должны быть на повестке дня для большинства компаний, их ценность измерить трудно, но в практичности никто не сомневается - их просто нужно развернуть.
Перевод - Екатерина Михеева, DIRECTUM