Здравствуйте, в этой статье мы постараемся ответить на вопрос: «Искусственный интеллект в деле: большинство российских компаний активно пользуются ИИ». Также Вы можете бесплатно проконсультироваться у юристов онлайн прямо на сайте.
Содержание:
Машинное обучение или искусственный интеллект в своей работе к концу 2020 года использовали 68% российских компаний крупного и верхнего сегмента среднего бизнеса. Еще 24% предприятий планируют запуск проектов в ближайшие два-три года. Такие данные содержатся в совместном исследовании аналитического агентства TAdviser, Huawei и технологической компании «Техносерв», которое есть у «Известий». В опросе приняли участие представители 50 компаний из сфер финансов, телекома, промышленности, ритейла и госсектора, входящих в топ-500 по выручке.
Более трети (38%) респондентов, в силу своей специфики (отраслевой принадлежности, структуры собственности, акционеров) учитывают санкционные риски при выборе платформы для работы с ИИ, отмечается в исследовании. В документе подчеркивается, что еще более четверти планируют в скором времени перейти на такой же принцип закупок решений.
Искусственный интеллект используется для широкого круга задач. Сеть гипермаркетов «Лента» применяет технологию для планирования запасов на складах, а в перспективе — с помощью системы распознавания изображений планирует отслеживать наличие товаров на полках, рассказал «Известиям» ее представитель. Для этих же целей ИИ собирается использовать X5 Retail Group (бренды «Пятерочка», «Перекресток», «Карусель»). Оба ритейлера также применяют технологию для подбора персонала.
ВТБ использует искусственный интеллект в работе голосовых помощников и чат-ботов, а также при формировании предложений и принятии решений по кредитам — до 70% задач аналитики и автоматического принятия решений приходится на модели с применением технологий ИИ, рассказали «Известиям» в банке. В 2020 году кредитная организация благодаря разработкам сэкономила 1,2 млрд рублей. В банке «Открытие» на основе ИИ уже запущены пилоты оценки эмоций клиента при обслуживании в отделении, а также — эксперименты по «чтению» и «пониманию» документов в свободной форме (уставы, договоры, соглашения).
Наиболее важные достижения ИИ-технологий заключаются в повышении безопасности и возможности использования больших данных, например, для развития «Умного города», считает эксперт «Фридом Финанс» Евгений Миронюк. Технологию также начали успешно использовать в медицине. По оценкам «Техносерв», в ближайшее время самыми перспективными направлениями для внедрения решений ИИ станут персонализация продаж и обслуживания для улучшения клиентского опыта и вовлечения. Другие перспективные сферы — автоматизация производства и автономизация транспорта, считают в Huawei.
Согласно мнению российских экспертов, лидерами по внедрению и использованию ИИ являются такие сектора экономики, как маркетинг и реклама, ретейл, банкинг, телекоммуникации и промышленный комплекс. «В зависимости от индустрии различаются и способы применения ИИ. В промышленности это чаще всего рекомендательные системы для принятия технологических решений и повышения безопасности производства, в розничной торговле — это решение логистических задач, изучение поведения покупателей, а в банках ИИ используют для формирования индивидуальных предложений, повышения эффективности таргетингов», — уточняется в исследовании.
По прогнозу PricewaterhouseCoopers (PwC) ускоренное развитие и проникновение ИИ обеспечат к 2030 году увеличение мирового ВВП на 14%. Глобальный институт McKinsey ожидает, что около 70% компаний внедрят как минимум один тип технологии искусственного интеллекта к 2030 году. В 2020 году, как показал опрос Gartner, более 50% респондентов-CIO планируют развернуть ИИ в своих компаниях – на 14% больше, чем по итогам аналогичного опроса годом ранее.
Бизнес затрудняется определить эффективность ИИ-решений
* Выборка. Было опрошено 100 компаний (крупный и верхний сегмент среднего бизнеса) из более 10 отраслей экономики (финансы, телеком, промышленность, ритейл, госсектор и др.).
По данным TAdviser на конец 2020 года более 85% крупных российских организаций (включая ведущие операционную деятельность в России зарубежные предприятия) используют, в том или ином объеме, ИИ-решения для оптимизации внутренних бизнес-процессов. Эти организации представляют в основном финансовый сектор, телеком, ритейл, ИТ, промышленность и нефтегаз.
Наиболее активно внедряют и используют решения с искусственным интеллектом российские банки, телеком компании, ритейл, нефтегаз и промышленность. Как показал опрос TAdviser, в случае компаний В2С сегмента наиболее используемым типом решений на базе ИИ являются виртуальные помощники или чат-боты (для обслуживания клиентов), а также предиктивная аналитика для задач персонализации предложения или сервиса.
Помимо этого, телеком-операторы запускают ИИ для снижения оттока, прогнозирования нагрузок на сеть и выявления мошенничеств. Ритейл использует возможности ИИ для повышения качества взаимодействия с клиентами, товарных рекомендаций, оптимизации складской логистики.
Александр Долгов, заместитель генерального директора ПГК по информационным технологиям:
30% опрошенных TAdviser компаний занимается разработкой ИИ-решений для продажи сторонним организациям. Помимо собственно ИТ-компаний, в их число входят также телеком-операторы, отдельные банки, интернет-ритейлеры и промышленные компании.
Около 70% таких поставщиков специализируются на рекомендательных системах и системах поддержки принятия решений; более 50% — на технологиях компьютерного зрения и 48% — на обработке естественного языка. В данной выборке чуть более трети специализируются на решениях в области распознавания речи.
Искусственный интеллект повышает конкурентоспособность компаний
Все четыре исследования показывают, что российский бизнес уже видит положительные эффекты от внедрения ИИ-решений. 77% респондентов KPMG и 84% IDC & ABBYY отметили повышение производительности труда. У ВЦИОМ этот показатель находится на том же уровне — 82%. РАЭК привел результаты опроса по направлениям: 58% компаний сказали, что ИИ помогает оптимизировать бизнес-процессы, 49% — разрабатывать новые продукты и услуги, 41% — повысить производительность труда.
Такие цифры позволяют предположить, что российский бизнес начал лучше понимать, что такое ИИ и как он работает. Чтобы в этом убедиться, мы опросили экспертов и представителей отрасли — всего ICT.Moscow получил комментарии от представителей 28 компаний [1]. В целом тенденция подтвердилась: шесть экспертов сказали, что бизнес действительно стал хорошо понимать искусственный интеллект и возможности его применения, а четыре отметили, что российские компании начинают видеть преимущества ИИ. Только два человека не согласилось с этой точкой зрения.
Все чаще на сайтах небольших компаний — в основном из сферы ритейла и услуг — встречаются чат-боты, в основе которых как правило лежат ИИ-алгоритмы. При желании легко найти готовые решения, которые интегрируются в мессенджеры, социальные сети и на сайты. Не исключено, что в других сферах не все понимают, какие задачи может решать ИИ. Но опрошенные нами эксперты показывают, что это вопрос подхода и умения эти возможности увидеть. Денис Власов из «Учи.ру» рассказал, что искусственный интеллект успешно применяется при обучении, а Никита Титов из AMPM поделился кейсом интеллектуальной организации торговых площадок на первых этажах жилых домов. Таким образом, если у небольшого бизнеса нет заинтересованности в ИИ-решениях, как показывает статистика ВЦИОМ, то связано это вероятнее всего не с отсутствием задач для них, а с недостаточным (в отличие от крупного бизнеса) пониманием, что такое искусственный интеллект и как его можно применять.
Есть и другое критическое препятствие для внедрения ИИ-решений, которое отмечают многие эксперты.
Разработка ИИ очень сложна и дорога, у российских компаний банально не хватает на это денег, хватает только у меньшинства. В Россию пришла автоматизация, становится популярной и доступной, а ИИ — это следующий этап развития автоматизации. Тут надо скорее «пробовать его делать», а не внедрять. Но позволить себе это могут не все — специалисты дорогие.
На удивление мало эксперты, с которыми мы поговорили, упоминали роль государства в развитии систем искусственного интеллекта. Дмитрий Чувиков из «Мивара» напомнил о национальной программе «Цифровая экономика» и утвержденной стратегии развития ИИ в России. По его мнению, она посодействует внедрению данных решений в российские компании.
Проведенные РАЭК и ВЦИОМ опросы, в свою очередь, демонстрируют, что компании ожидают от государства активного вовлечения в данное направление. По данным РАЭК, 63% компаний считают, что разработка, внедрение и использование такой технологии как ИИ должно регулироваться государством.
Среди опрошенных ВЦИОМ компаний на государственную поддержку рассчитывает 91%. В первую очередь речь идет о создании и финансировании образовательных программ (к вопросу о нехватке кадров) — надежду на это выразили 54% респондентов. Перспективным направлением 43-44% бизнеса видит внедрение ИИ-решений в различные государственные системы (здравоохранения, образования, госуслуг). Наконец, 42% опрошенных рассчитывают на финансовую поддержку компаний — разработчиков интеллектуальных решений. И только 9% респондентов считают, что государство не должно вмешиваться в процесс развития ИИ в России.
Сравнение исследований и общение с экспертами показало, что готовность предпринимателей к использованию систем искусственного интеллекта сегодня во многом зависит от масштаба их бизнеса. Небольшие компании, которые отмечают не такой высокий процент эффективности ИИ, как крупные, пока не имеют достаточно возможностей для их внедрения. Ситуация может измениться с появлением на рынке массовых и дешевых решений, как это произошло с чат-ботами. Средний и крупный бизнес уже видит позитивные результаты от внедрения ИИ, но столкнулся с проблемой кадров.
Для эффективного внедрения технологий ИИ в бизнес необходимы специалисты очень разных уровней. Конечно, не хватает всех — и ученых, и топовых разработчиков, и специалистов по работе с готовыми решениями. Но самая большая нехватка именно тех, кто умеет готовые решения затачивать под нужды конкретного бизнеса и встраивать их в реально существующие бизнес-процессы.
В целом на «кривой хайпа» искусственного интеллекта появилось немало новых технологий, и существенная доля из них отмечена голубыми кружками, свидетельствующими о том, что в Gartner надеются на их скорый выход на плато продуктивности. Причем многие из них получили прогноз «от двух до пяти лет до внедрения», еще только взбираясь на пик надежд.
Однако, как одновременно отмечают аналитики, далеко не все из новых технологий имеют понятное применение и способны принести пользу бизнесу. И надо стараться реалистично подходить к прогнозам и анализу перспектив внедрения.
Так или иначе, компаниям, которые стремятся идти в ногу со временем, аналитики советуют как минимум готовить финансово-экономическое обоснование для внедрения ИИ. А тем, кто уже провел первичные внедрения, стоит задумываться о масштабировании проектов.
Кривая Gartner для искусственного интеллекта
Практическое применение ИИ в бизнесе: мнения экспертов
Чат-боты и голосовые помощники на базе ИИ повышают скорость обработки обращений и улучшают клиентский опыт. Такая бот-платформа, например, была запущена в 2020 году в Райффайзенбанке. «Четверть обращений в чат-каналы банка теперь закрывается без привлечения специалистов», — говорит руководитель развития канала чатов и чат-бота Райффайзенбанка Илья Щиров.
Совершенствование технологии обработки естественного языка (Natural language processing) позволяет Сбербанку применять решения на основе речевой аналитики для управления качеством в розничных контактных центрах — система на базе ИИ анализирует звонки клиентов и ответы операторов, определяет ошибки и помогает исправлять их. Компьютерное зрение банк использует в лицевой биометрии в отделениях банка и мобильных приложениях.
Разработанная СП ВТБ и «Ростелекома» геоплатформа с применением автоматического машинного обучения (Auto ML) позволяет прогнозировать спрос, потоки клиентов и другие факторы принятия решений о расположении торговой точки, офисов, рекламных объектов, а также оценивать инвестиционную привлекательность зданий и земельных участков. Сервисы на базе платформы для прогноза потока покупателей и размещения таргетированной рекламы тестирует «Магнит» и оператор наружной и indoor-рекламы Russ Outdoor.
Рекомендательные системы и модели помогают предсказывать поведение клиентов, говорит руководитель отдела управления клиентскими отношениями, аналитики и стратегии развития клиентов Райффайзенбанка Мария Комиссарова: «Несколько десятков ML-моделей позволяют прогнозировать, как клиенты отреагируют на изменения ставок, какой спрос получит сервис, какой канал оптимален для коммуникации». Алгоритм Next Best Transaction увеличил конверсию программы лояльности на 40%: он помогает предложить клиенту скидку или повышенный кешбэк исходя из его покупательской активности.
ИИ используется в риск-менеджменте и ценообразовании, в юридической экспертизе и оценке правовых рисков при кредитовании, в работе контактных центров и анализе обращений клиентов, отмечает первый зампред правления Сбербанка Александр Ведяхин: «ИИ участвует в управлении ликвидностью и лежит в основе работы систем поддержки принятия решений».
Технологии повышают эффективность телекоммуникационного бизнеса. Например, AdTech-сервис «Билайна» на базе ИИ — «ТВ-Аналитика» — позволяет определить оптимальное время и канал присутствия целевой аудитории и провести анализ эффективности рекламной кампании на ТВ.
И даже помогают в поиске пропавших: решение «Beeline AI — Поиск людей» на базе нейросети распознает людей на фотографиях, полученных волонтерами «Лиза Алерт» с дронов. Время на просмотр и сортировку снимков сокращается в разы, что повышает скорость поиска.
В промышленности ИИ обеспечивает безопасность и энергоэффективность, позволяет управлять качеством продукции и увеличивать объемы производства за счет отказа от ручного управления. Решение на основе ИИ помогло «Северстали» увеличить в этом году производительность непрерывно-травильного агрегата № 3 (через него проходит около половины металла, поступающего в холодный прокат) более чем на 6,5% — это около 80 тыс. т в год.
Российский рынок решений ИИ — один из наиболее зрелых и динамично растущих, отмечает Олег Сиротюк. Это результат господдержки инициатив, развитой конкуренции компаний-разработчиков, сильной академической подготовки специалистов. Один из главных факторов развития ИИ в организациях — высокая конкуренция в банковском секторе, рeтейле, телекоме. Уже сегодня рынок требует в шесть-семь раз больше экспертов в области Data Science, чем три года назад, считают в Сбербанке.
Для сравнения: в китайской Huawei в R&D в области ИИ вовлечено более 96 тыс. человек — это почти половина всех сотрудников компании. Такой охват позволяет участвовать в глобальных проектах — например, интеллектуальный кластер Huawei Atlas 900 использует Шанхайская астрономическая обсерватория в рамках создания крупнейшего в мире радиотелескопа для исследования Вселенной. Программа инициирована 20 странами в 1993 году, ее годовой объем данных оценивается в 600 петабайт; кластер позволил повысить скорость их анализа и обработки с 200 дней до десятков секунд. 
«Умная» помощь
Пандемия повысила спрос на ИИ в здравоохранении. Мировой рынок ИИ в медицине, по данным ГБУ «Агентство инноваций города Москвы», к 2025 году увеличится в десять раз и достигнет $13 млрд. 78% медорганизаций внедряют или планируют внедрять ИИ-решения. Технологии помогают быстрее находить изменения в состоянии пациентов, определять схемы лечения и распределять медицинские ресурсы.
Система диагностики медизображений на базе ИИ ускоряет анализ результатов компьютерной томографии, автоматической классификации пневмоний, визуализации очагов поражения, чтобы обеспечить своевременное лечение пациентов в тяжелом состоянии. Влияние человеческого фактора и риск ошибок при этом снижается. Такое решение уже апробировано Huawei совместно с итальянским предприятием Advanced Global Solution.
- 22 мая 2014 г.
-
11–30 человек
- 24 сентября 2019 г.
-
Искусственный интеллект уже зарабатывает миллиарды
- Сутки
- Неделя
- Месяц
И всё же есть сферы, где искусственный интеллект никогда не угонится за человеком. И вот они:
— сочувствие, сострадание. Например, в медицине, робот может брать образцы и ставить диагноз, но никогда не сможет найти нужные слова, чтобы передать этот диагноз человеку;
— стратегическое и аналитическое мышление, комплексное решение проблем. Робот может отправить заказчику напоминание о неоплаченном счете. Однако стратегическое решение о том, сохранить ли важного клиента или прекратить деловые отношения с ним, скорее всего, будет принимать человек, а не робот;
— творчество, воображение. ИИ сможет рифмовать слова, но создание стихотворения или музыкального шедевра принадлежит человеку и это точно навечно;
— физическая сила человека. Трудно представить себе цирк или номер по фигурному катанию в исполнении роботов, хотя, наблюдая примеры от того же Boston Dynamics в этом пункте можно и усомниться;
— ИИ не знает и никогда не поймёт, что такое этика;
А ещё есть мораль, переживания, душа, любовь и много всего, чего искусственный интеллект познать не сможет.
Сегодня дискуссии об искусственном интеллекте (ИИ) можно встретить повсюду — и на телевидении, и на страницах глянцевых журналов. Но такое уже не раз случалось в прошлом, и всякий раз периоды энтузиазма и увлечения ИИ-технологиями сменялись последующими разочарованиями. Где гарантия, что и в этот раз возлагаемые на технологии надежды не окажутся несбыточными? Тем более, что тема ИИ сегодня находится на пике ажиотажа (см. Рис. 1). Чем же тогда сегодняшняя ситуация отличается от того, что уже бывало раньше?
Рис. 1: Глубокие нейронные сети, «рабочая лошадка» современного ИИ, находятся сегодня на пике ажиотажа и завышенных ожиданий. За этим неизбежно следуют разочарования, и лишь постепенно, но мере взросления технологий — выход па плато продуктивности. Однако, но мнению Gartner [16], плато продуктивности для глубокого обучения ожидается довольно скоро — в пределах ближайших 5 лет.
Человечество уже столкнулось с проблемой преодоления барьера сложности экономики с ее растущей номенклатурой изделий и глобальной системой разделения труда.
Развитие человеческой цивилизации можно рассматривать как процесс постоянного обучения, т.е. накопления знаний. Действительно, что отличает современного человека от его далеких предков — ранних homo sapiens? Физиологически — ничего, единственное различие — в объеме накопленных человечеством знаний. Под знаниями здесь понимаются не столько тексты, сколько операционные знания «на кончиках пальцев» представителей всех человеческих профессий. Они передаются, как формально, в виде научных статей, технических регламентов, должностных инструкций и т.д., так и неформально, от наставника к ученику.
Эти знания направляют поведение людей и приводят в действие всю мировую экономику. Их суммарный объем определяет сложность «экономического организма» и объем производимых экономикой благ. Блага цивилизации можно измерять не деньгами, а количеством доступных товаров и услуг [10]. Чем разнообразнее товарная номенклатура, тем больше возможностей имеет человек для удовлетворения своих потребностей, тем выше степень развития экономики, Т.е. экономическое благополучие прямо пропорционально количеству накопленных человечеством знаний.
Основным ограничивающим фактором индустриального уклада, как было предположено выше, является не истощение энергетических ресурсов, а ограниченные возможности человеческого мозга по управлению все более сложной глобальной экономикой. «В каждом продукте, которым мы пользуемся в начале XXI века, доля прямых и косвенных управленческих затрат составляет от 50 до 80%» [2].
Ответом на этот вызов стало появление и быстрое развитие компьютерных технологий. Компьютеры позволили вынести часть алгоритмов из головы человека в среду, где они могут исполняться в миллиарды раз быстрее. Соответственно, все, что удается формализовать, переносится из головы человека в эту новую искусственную цифровую среду. Зародыш новой фазы в недрах старого уклада растет согласно закону Мура — удвоение компьютерных мощностей и снижение удельной стоимости вычислений каждые полтора–два года. Собственно, этот закон и описывает появление у человечества нового обильного и дешевого ресурса. Рано или поздно экспоненциально растущие вычислительные мощности компьютеров должны превзойти практически постоянные «вычислительные мощности» людей.
В каком-то смысле, этот момент уже наступил, и сегодня мы живем в эпоху все нарастающего «навеса» компьютерных мощностей, все более превосходящих совокупную «вычислительную мощность» людей (количество людей, умноженное на максимальный объем их индивидуальных знаний и на скорость доступа к этим знаниям) [ii] — см. Рис.3.
Рис. 3: Рост совокупных компьютерных мощностей, согласно [12]. Они сосредоточены не в процессорах общего назначения (CPU, нижняя ветка), а в графических ускорителях (GPU, верхняя ветка), которые, в основном, и используются для обучения искусственных нейросетей.
Почему именно машинный интеллект? Что принципиально нового добавит он к имеющимся компьютерным технологиям? И почему этих технологий недостаточно для эффективной эксплуатации растущих и дешевеющих компьютерных мощностей?
Ответ лежит на поверхности. Просто совокупный объем всех когда-либо созданных компьютерных алгоритмов ничтожно мал по сравнению с объемом всех человеческих знаний. Компьютеры, выражаясь бытовым языком, «быстрые, но глупые». Соответственно, принятие основной массы решений по-прежнему остается за людьми, а компьютеры играют вспомогательную роль, осуществляя лишь те операции, которые удалось формализовать и автоматизировать. В результате, несмотря на все инвестиции в информационные технологии, их влияние на экономику весьма ограничено.
Понимание исключительной роли лидерства в экономике нового уклада породило новую технологическую гонку — за искусственным интеллектом. В последние пару лет свои национальные стратегии в области искусственного интеллекта появились сразу у двух десятков стран [9].
Едва начавшись, новая гонка уже не уступает ядерной и ракетной гонкам XX века по масштабу инвестиций, которые при этом продолжают расти двузначными темпами. Лидируют в ней с большим отрывом ее инициаторы — США и Китай (см. Рис. 6).
Рис. 6: Вложения в главные технологические гонки — ядерную, ракетную и ИИ. Данные по Манхэттенскому проекту и проекту Аполлон взяты из Википедии и пересчитаны в доллары 2016 года, вложения в ИИ в 2016 году — оценка [11].
Давайте посмотрим, как выглядели раньше и порой выглядят сейчас различные HR-процессы без интеграции искусственного интеллекта. Чтобы сделать этот рассказ более структурированным, возьмем за основу схему цикла жизни сотрудника в компании. Подходы к описанию этого цикла могут отличаться, поэтому сразу оговоримся, какую схему используем мы.
В компании всего семь основных элементов цикла жизни сотрудника (плюс один дополнительный):
-
подбор
-
компенсации
-
постановка целей и оценка эффективности
-
оценка
-
обучение и развитие
-
карьера или Talent Management
-
увольнение
(Корпоративная культура и вовлеченность являются отдельным элементом, так как это не совсем процесс, а фон, на котором существуют все процессы.)
Использование искусственного интеллекта в работе позволяет не только автоматизировать любой процесс, но и настроить его в соответствии с конкретной задачей человека, ведомства или производства. Работа ИИ со временем становится более эффективной за счет постоянного обучения – чем больше нейросеть знает деталей и потребностей, тем лучше она функционирует.
Изначально многие предполагали, что ИИ будет способен лишь переводить тексты, распознавать объекты и улавливать смысл человеческой речи. Но к 2020 году список навыков настолько расширился, что его перечисление заняло бы не одну страницу. Нынешний ИИ присутствует во многих сферах нашей жизни – в интернете, медицине, бизнесе и даже транспорте.
Внедрение искусственного интеллекта в интернет началось еще в 2011 году. В то время была запущена работа над проектом Google Brain. Результатом стало внедрение в поисковую систему Google новых опций, контролируемых ИИ:
- Переводчик Google с прямым переводом — достаточно нажать на иконку с микрофоном, чтобы активировалась функция голосового ввода. Система распознает речь и быстро переводит слова или фразы на нужный язык.
- Голосовой помощник Google Assistant — можно запускать поиск информации, давать поручения, планировать дела.
- Алгоритм Google Photo научился распознавать тексты и объекты на изображениях. Благодаря этой функции можно легко находить фотографии с помощью описания предметов или людей, которые присутствуют на изображении.
Дополнительно был внедрен новый поисковой алгоритм Google BERT. Теперь выдача формируется на основе анализа не только ключевых слов, но и целых предложений. Для этого задействуется двунаправленная нейронная сеть-кодировщик, которая для пользователя улучшает актуальность выводимых в выдаче страниц. Благодаря этой технологии, получить желаемый результат в выдаче становится гораздо проще.
Создатели поисковой системы «Яндекс» тоже не остались в стороне и провели работу по внедрению ИИ. Часть задач, которые выполняет ИИ – система используется в голосовом помощнике «Алиса», алгоритмах поиска для распознавания речи и изображений, получения сводок погоды.
C 2000-x многие автопроизводители занялись разработкой беспилотных автомобилей. В числе новаторов Nissan, BMW, Honda, Volkswagen и Audi. В основе беспилотного транспорта лежат радар, определитель света и дистанции, GPS и специальные камеры. Все поступающие данные анализируются ИИ для принятия решений на дороге.
Компания Amazon использует беспилотные летательные аппараты для доставки товаров. Первая посылка, отправленная таким способом, прибыла к получателю в конце 2016 года.
В Екатеринбурге на основе искусственного интеллекта создана «умная» дорожная система. Она представляет из себя механизм регулировки транспортных потоков, разгрузки дорог и обеспечения бесперебойного движения наземного пассажирского транспорта. Одновременно с этим система фиксирует нарушения и отправляет штрафы. Информация поступает с детекторов транспорта, комплексов фото- и видеофиксации, бортового оборудования и других устройств.
Международная платежная система MasterCard внедрила дополнительный сервис Decision Intelligence. Компания отмечает, что убытки из-за ошибок системы безопасности превышают потери от мошенничества. Внедрение Decision Intelligence повысило уровень своей прибыли компании.
Главные функции этой технологии – повышение точности подтверждения финансовых операций и снижение вероятности ложных отклонений при переводе средств. Система работает на базе нейросети. При анализе финансовых операций обрабатываются большие объемы данных из подключенных к системе источников. Берутся во внимание многочисленные факторы, включая тип покупки клиента, его местоположение и время суток. Таким образом минимизируется количество ложных срабатываний встроенной системы безопасности, «обычные» транзакции проходят без проблем.
Платежная система PayPal также использует ИИ, который предназначен для обнаружения подозрительной активности. Система анализирует транзакции по нескольким моделям поведения, разработанным электронной системой. Таким образом снижается количество мошеннических операций и «ложных тревог».
Искусственный интеллект в кредитных сервисах упрощает анализ истории заемщиков, ускоряет принятие решений по выдаче ссуд и снижает количество просроченных или невозвращенных платежей.
Мы очень рады, что вы читаете эту статью
Внедряют ИИ и в военно-промышленную сферу. В 2018 году стало известно, что в армии США ведутся разработки системы, которая сможет распознавать лица людей в темноте и сквозь стены, посредством тепловизора. Главным ее назначением станет выявление главарей банд в локациях, где проходят военные действия.
Активно тестируется другой ИИ под названием ALPHA. Он предназначен для управления беспилотными истребителями и участия в военно-воздушных действиях. Тестирование ALPHA на симуляторах привело к тому, что компьютер победил двух людей-противников, управляя одновременно четырьмя истребителями.
ИИ используется в системах безопасности в первую очередь для распознавания лиц и идентификации личности. Дополнительно «умные» системы применяют с целью выявления опасных предметов и веществ.
Кроме того, ИИ оказывает помощь и в кибер-безопасности. Анализируя массивы данных об угрозах, искусственный интеллект сокращает время отклика служб безопасности и расширяет их возможности для более быстрого реагирования.Например, компания IBM предлагает целый спектр решений для тех, кто занимается кибер-безопасностью. Технология Watson ищет взаимосвязи между угрозами и выдает применимые на практике рекомендации. В результате, можно быстрее и увереннее реагировать на угрозы.
Сейчас активно применяется подход обучения ИИ с учителем. Однако цель многих компаний сегодня — научить машину наблюдать, делать выводы и развивать свои навыки без прямого сигнала от человека. Частично это уже реализовано. Так называемое обучение с подкреплением — например, нейронная сеть проходит уровни в компьютерной игре, совершает ошибки, получает какой-либо ответ от среды, а затем снова и снова пытается дойти до конца, и так миллионы раз. Недавний пример — разработка команды DeepMind: одно из подразделений Google представило миру искусственный интеллект AlphaStar (наследницу AlphaGo), способный играть в StarCraft II на уровне лучших мировых игроков. Некоторые специалисты уверены, что такие успехи в работе с ИИ в будущем помогут обучать роботов и управлять ими — например, Boston Dynamics, Amazon, китайская Meituan строят прототипы дронов для доставки товаров в труднодоступные места.
Одно из самых перспективных направлений цифровых технологий – это искусственный интеллект. Она позволяет компьютеру постепенно обучаться на основе данных и выполнять аналитические, а где-то даже творческие задачи. Если кто-то подумал, что пытаются создать роботов, которые будут делать все вместо людей, то он будет разочарован. Технология искусственного интеллекта не заменит человека, но расширит его возможности и умения. Причем это уже происходит.
Microsoft признал Россию лидером по внедрению искусственного интеллекта
Ведущие российские компании быстро осознали перспективы ИИ в работе и обучении и весьма успешно реализуют проекты в этом направлении. Например, Сбер, который теперь «больше чем банк», активно развивает применение технологии ИИ в образовательных проектах для детей и взрослых. Эксперты компании уверены, что такой подход серьезно «прокачает» навыки учащихся и позволит готовить востребованные кадры для цифровой экономики.
Сбер инвестирует в развитие разных сфер образования. К примеру, благотворительный фонд «Вклад в будущее» создал «Академию искусственного интеллекта для школьников». Это всероссийский проект, в рамках которого дети изучают технологии ИИ и участвуют в массовых соревнованиях по искусственному интеллекту и Data Science, т.е. науки о данных. Такие состязания дают школьникам возможность попробовать себя в решении реальных прикладных задач, а организаторам – найти молодые IT-таланты. Еще важно, что в «Академии» обучают педагогов и создают для них уникальные образовательные материалы, которые можно использовать на школьных уроках. Кроме этого, эксперты фонда «Вклад в будущее» совместно с АНО «Цифровая экономика» и другими технологическими компаниями создали просветительский проект для школьников «Урок Цифры», где дети получают знания непосредственно от лидеров отрасли.
В рамках образованного в прошлом году Альянса по развитию искусственного интеллекта, Сбером разрабатываются модули по изучению основ ИИ для 7-9 классов. Они будут апробированы в 3 и 4 четверти 2020-21 учебного года. В 65 регионах России, будет выбрано 50 школ, занимающихся на школьной цифровой платформе СберКласс, где учителя информатики пройдут бесплатное обучение по основам машинного обучения и ИИ на курсе, разработанном Академией ИИ совместно с Московским педагогическим государственным университетом.
Сложно себе представить развитие такой передовой технологии без сотрудничества с ведущими вузами. Так, совместно с вузами Сбер реализует образовательные программы (бакалавриат, магистратура, аспирантура) и даже создал специальные кафедры в Вышке, ИТМО, РАНХиГС, МФТИ, ДВФУ. Там готовят специалистов по большим данным, ИИ, финансовым технологиям и кибербезопасности. Всего у компании более 440 вузов-партнеров.
Также Сбер участвует в международном проекте по созданию разговорного ИИ «iPavlov». В рамках проекта работает открытая библиотека для разработки диалоговых систем DeepPavlov. От России проект реализуется Лабораторией нейронных систем МФТИ. А, например, со Сколтехом было подписано соглашение о сотрудничестве. Планируется открыть лабораторию прикладных данных и акселератор, чтобы сосредоточиться на проектах по ИИ, биометрии, интернету вещей, VR и робототехнике.
Сбер создает образовательные проекты не только для школьников и студентов. В «Школе 21» профессиям будущего обучают всех желающих, которые прошли конкурсный отбор. Проект готовит специалистов мирового уровня в области информационных технологий по уникальной образовательной методологии, и для того чтобы стать участником, не обязательно быть программистом. Студенты набираются по результатам онлайн-тестирования и четырехнедельного интенсива по программированию, а обучение проходит на практике: без учителей, лекций и оценок. На данный момент Школа работает в Москве и Казани, обучение бесплатно. Так что возможности изучать технологии будущего сегодня есть у каждого.
Сейчас закон не отвечает на вопрос, может ли ИИ быть субъектом права и нести ответственность за происшествия или получать прибыль за свои произведения. Есть версия, что в студии Артемия Лебедева ИИ под именем Николая Иронова создает логотипы для компаний. В этом случае прибыль от логотипов получает юридическое лицо.
Алгоритм ИИ принадлежит создателю, результат его использования — необязательно. Результат алгоритма сильно зависит от исходных данных, и разработчик не всегда может его предсказать. В этом случае авторскому праву нужна правосудебность юрлица, потому что ИИ может настраивать целая команда сотрудников.
Всё движется к тому, что работы, созданные ИИ, будут охраняться на основании творческого результата, а не на основании творческого процесса, — размышляет Ирина Шурмина, старший юрист IP/Digital CMS Russia.
Прецеденты в США и Австралии показывают, что авторское право не охраняет произведения, не созданные человеком, будь то селфи, которое сделала обезьяна камерой фотографа, или HTML-код, написанный ИИ.
Патентное бюро ЕС со ссылкой на Патентную конвенцию отказало технологии Dabus в выдаче патента на изобретения, так как в запросе на выдачу патента должно содержаться имя изобретателя — это один из гарантов использования прав. Отчет Европарламента указывает, что ИИ не может быть правообладателем и правом будет обладать тот, кто подготовил объект.
Тем не менее в Китае в 2020 году финансовый отчет робота Dreamwriter компании Tencent был признан объектом авторского права, когда этот отчет скопировали.
В США беспилотный автомобиль Uber сбил велосипедистку, в 2019 году прокуратура сняла обвинения с компании и начала дополнительное испытание в отношении водителя, который не смотрел на дорогу во время испытания и не смог предотвратить аварию.
В результате власти запретили испытания беспилотных автомобилей в этом округе, и они были восстановлены только в некоторых штатах в хорошую погоду и по утвержденному маршруту, — рассказывает Ксения Даньшина, юрист CMS Russia. – Компания понесла ущерб даже без юридической ответственности.
В одном из докладов ЕС указано, что в законодательстве достаточно положений для регулирования ИИ, кроме случаев, когда невозможно установить виновного в причинении вреда.
Юрист Ирина Шурмина напоминает, что в европейской практике ответственность может нести либо разработчик (backend operator), либо администратор/настройщик (deployer), либо конечный пользователь (end user). Как правило, когда речь идет о рисковых системах, например, медицинских технологиях или беспилотных автомобилях, ответственность несет настройщик. В этом смысле он приравнивается к владельцу автомобиля или домашнего животного. За причинение ущерба и вреда здоровью устанавливаются штрафы от 2 до 10 млн евро.
В CMS Russia предлагают посмотреть на ответственность ИИ с точки зрения смежного права, которое необязательно связано с творческим трудом и может возникать при работе с объектами, которые не являются объектами авторского права. Так работают фонограммы, базы данных и телетрансляции.
Гонка технологий. Как искусственный интеллект помогает бизнесу
В эксперименте предполагается использовать предварительно обезличенные персональные данные, их можно будет передавать только участникам эксперимента, они будут храниться только на территории Москвы. Регулированием условий обработки данных займутся мэрия Москвы и Минкомсвязи. Эксперимент призван дать больше информации о персональных данных.
Михаил Зуб считает, что еще до начала любого проекта целесообразно законодательно обязать указывать людей и компании, ответственные за несанкционированную утечку данных, а также установить административную и уголовную ответственность за нарушения.
По мнению Игоря Иофчу, защита персональных данных — ключевой момент эксперимента. Он требует тщательной проработки, так как фактически использоваться могут данные всех жителей Москвы.
Закон предусматривает, что обезличенные персональные данные могут передаваться только участникам правового эксперимента, ограничивает круг тех, кто может обрабатывать данные, но не защищает от противоправных действий, например, взлома баз данных.
Важный вопрос — разграничение деанонимизации и псевдодеанонимизации данных. В одном случае данные невозможно деобезличить и они действительно конфиденциальны, во втором случае личность человека можно определить с помощью дополнительной информации, которая должна быть хорошо защищена.
Многие компании уже активно используют персональные данные для работы с клиентами. Альфа-Банк открыл офис с распознаванием лиц с точностью на 98 %. Клиенту достаточно просто зайти в офис, и система автоматически узнает его и поймет, какими сервисами он пользуется.
В одном из кафе KFC система распознавания лиц будет фотографировать пользователя и позже предлагать ему любимые блюда на основе истории его заказов. Фото преобразуется в уникальный цифровой код, поэтому в компании считают, что они не хранят персональные данные.
Здесь важно обращать внимание, как получается согласие на обработку персональных данных, можно ли отказаться от него и всё равно получить услугу, обезличены ли они безвозвратно и как они защищены, — обращает внимание Ирина Шурмина. – Возможно, в случае с KFC речь идет о псевдонимизации, раз повторное использование и идентификация лица возможны, но так как в российском законодательстве нет такой концепции, это вызывает вопросы.
Технология распознавания лиц в режиме реального времени Clearview.ai получила коллективный иск после продажи данных частным компаниям, таким как Walmart и Bank of America, так как в штате Иллинойс запрещено использовать биометрическую информацию в коммерческих целях. Теперь компания работает только с государством и использует публично доступную информацию для поиска жертв и правонарушителей.
Препятствовать в получении данных ИИ нецелесообразно, данные должны быть полными и корректными, иначе ИИ может совершать нелепые ошибки. Например, ИИ визуально сложно распознавать похожие фотографии — отличать маффины и чихуахуа, круассаны и шарпеев.
Сергей Свиридов уверен, что участники эксперимента отдают себе отчет о возможных рисках и постараются их минимизировать, в том числе с помощью ИИ-инструментов: данные можно обезличить, никуда не передавая, или использовать без обезличивания, например, с помощью федеративного машинного обучения или дифференцированной приватности.
В большинстве профессий речь идет не о замене людей на машины, а о делегировании им трудоемких задач. В будущем вся рутина в офисной работе – перепечатка данных, чтение многостраничной документации, подготовка отчетов, телефонные звонки и многое другое – полностью перейдет к интеллектуальным технологиям. «В этой связке человек контролирует работу интеллектуальных технологий, следит за тем, как проходят процессы и оптимизирует их», – поясняет Даниэлян. А Себастьян Трун, профессор компьютерных наук и электротехники в Стэнфордском университете, полагает, что работники, вооруженные возможностями ИИ, переключатся на творческую деятельность и смогут раскрыть свой потенциал. По его словам, избавление от рутины поможет создать новый класс работников-сверхлюдей.
«Главный выигрыш бизнеса – в умелом сочетании машин с людьми»
«Главный выигрыш бизнеса – не в поголовной автоматизации, а в умелом сочетании машин с людьми. Практика подсказывает, что профессий, в которых можно полностью заменить человека роботом, не так много. Поэтому речь идет о том, чтобы автоматизировать рутину, из которой на 80% состоит деятельность большинства людей», – считает гендиректор ABBYY Дмитрий Шушкин.
В банках, ритейле, промышленности и энергетике полностью автоматизированный сбор данных и первичная аналитика повысят спрос на сотрудников с менеджерскими компетенциями и умением решать нестандартные задачи. Рост продолжительности жизни увеличивает спрос на профессионалов в медицинской сфере, которые в рейтинге самых востребованных профессий будущего по версии Kiplinger и EMSI занимают половину первой десятки. Если автоматизация затронет высокоточные хирургические манипуляции и первичную диагностику, то для общения с пациентами, как и сегодня, потребуются навыки, на которые искусственный интеллект пока что не способен.
Если люди и машины будут работать «рука об руку», то буквально через 4 года появится 58 млн новых рабочих мест, связанных с роботами и искусственным интеллектом, прогнозируют эксперты ВЭФ. «В каком-то смысле роботы делают всем нам одолжение, освобождая время для решения по-настоящему интересных задач и саморазвития», – подводит итог Дмитрий Шушкин.
Успешная интеграция ИИ с другими технологиями начинается с данных. У организаций, которые вкладываются в выявление, агрегирование, стандартизацию и разметку данных (а также вспомогательную инфраструктуру и хранение данных), будут все возможности сочетать ИИ с аналитикой, интернетом вещей и другими технологиями.
Однако для интеграции ИИ с другими корпоративными системами конвергенция должна затронуть и людей. Следует уйти от практики, когда аналитики борются с алгоритмом, потом передают его ИТ-специалистам для написания API-интерфейса или отправляют его кому-нибудь со стороны бизнеса для применения в работе. Все эти команды должны работать сообща с самого начала.
Добиться такого результата поможет интеграция разработки и эксплуатации (техника DevOps). Данный подход предусматривает обратную связь между специалистами по разработке и эксплуатации для непрерывного сотрудничества и интерактивного внесения изменений в новые продукты. Другой инструмент – создание новой роли для работников, которые будут выполнять роль посредника и контактного лица для различных команд.
Следует учитывать еще один момент: при интеграции ИИ с технологиями и продвинутыми системами, функционирующими круглосуточно, алгоритмы искусственного интеллекта должны будут непрерывно получать новые данные для обучения. В противном случае модели ИИ будут работать с устаревшими данными, что приведет к снижению производительности и эффективности ИИ. Также необходимо будет регулярно тестировать, обновлять и заменять модели ИИ.
— Павел, на каком этапе разработки искусственного интеллекта? С одной стороны, «Яндекс» сообщает о последних этапах тестирования беспилотников в Иннополисе и ждет законодательных подвижек, с другой — большинство специалистов до сих пор говорят лишь о внедрении «элементов ИИ»…
— Определимся с самим понятием. Сейчас разделяют три типа искусственного интеллекта. Первый — так называемый «слабый» или «ограниченный». Это калька с английского Narrow artificial intelligence. Это интеллект, который решает какие-то узкие, ограниченные задачи, и в решении этих задач он может даже превосходить человека. Примером могут служить программы, позволяющие трансформировать устную речь в письменную, та же Siri — ей удается распознавать речь и понимать смысл сказанного. Беспилотники «Яндекса» — тоже пример первого типа ИИ. Задач у него больше, но они тоже четкие и узкие: распознавание дорожных знаков, дорожной разметки, построение маршрута следования…
В 2016 году был случай, когда компьютер обыграл чемпиона мира по игре в го, корейца Ли Седоль, это, в принципе, и стало доказательством того, что компьютер, ограниченный искусственный интеллект, превзошел самого умного человека на земле. Для этого эксперимента было создано два алгоритма (компанией Google DeepMind): алгоритм AlphaGo в качестве обучающего материала использовал записи игр людей, но важно, что игры Ли Седоль он не видел, то есть не мог подстроиться под стиль игры чемпиона. Даже несмотря на это, алгоритм выиграл со счетом 4:1. В партии, в которой Ли Седоль удалось обыграть AlphaGo, на мой взгляд, был сбой алгоритма, хотя организаторы этого и не признали.
Через какое-то время компания DeepMind создает вторую версию этого алгоритма AlphaGo Zero. Он уже обучался, играя с самим собой, не используя опыт партий, сыгранных людьми. Спустя 40 дней обучения алгоритм AlphaGo Zero выиграл у изначальной версии AlphaGo сто партий из ста.
Похожие записи: