Новости о революционной технологии, которой является искусственный интеллект (ИИ), к настоящему времени достигли офисов высшего руководства. ИИ внедряется для повышения производительности, более глубокого понимания, большей экономии и, конечно же, лучшего обслуживания клиентов. Согласно отчету IDC, мировые расходы на когнитивные системы и системы искусственного интеллекта в 2018 году достигнут 19,1 миллиарда долларов, что на 54,2% больше, чем в 2017 году.

Но так было не меньше десяти лет назад.

Прошлое

Хотя исследования в области искусственного интеллекта были широко распространены в течение нескольких десятилетий, коммерческое применение не получило большого развития до десяти лет назад. Даже компании, которые сегодня известны как готовые к искусственному интеллекту в полном смысле слова, начали набирать скорость и таланты только в 2010 году.

Apple приобрела Siri в 2010 году. В 2011 году уважаемый исследователь искусственного интеллекта Эндрю Нг из Стэнфордского университета и Джефф Дин из Google начали проект Google Brain. Реализуя возможности ИИ, Google приобрела DNN Research в 2013 году и DeepMind в 2014 году. IBM запустила Watson в 2014 году.

Гурджит Сингх, соучредитель и генеральный директор Ayasdi, компании, которая предоставляет решения в области искусственного интеллекта для предприятий, воочию стал свидетелем изменения взглядов на рынок. в сторону AI.

Основанная в 2008 году, сегодня компания Ayasdi имеет клиентов в основном в сфере здравоохранения, фармацевтики, финансов и обороны. Сингх рассказывает о том, что рынок думал об искусственном интеллекте тогда, о том, как его ищут сегодня, и делится предложениями о том, как сделать ваш бизнес «готовым к искусственному интеллекту».

«Шесть лет назад никто не хотел говорить об ИИ, предприятия не хотели говорить об ИИ. Это было чем-то вроде сумасшествия, из-за чего ученые беспокоились. «Я крупная фармацевтическая компания. О каком искусственном интеллекте вы говорите?» - примерно таковы были настроения. Раньше мы говорили о больших данных, потому что тогда люди хотели поговорить именно об этом. Но проблема в том, что если вы поговорите с биологом о больших данных, они будут типа «ну, вы хотите поговорить с ИТ-специалистами, они обслуживают системы для нас?» », - вспоминает Сингх.

Переход к 2018 году

На недавно состоявшемся саммите разработчиков TensorFlow в Маунтин-Вью команда Google Brain объявила об открытии двух экзопланет, обучив нейронные сети синтаксическому анализу данных с космического телескопа НАСА Кеплер. Согласно PwC FinTech Trends Report India 2017, банки в Индии также начинают использовать искусственный интеллект для привлечения клиентов, их удовлетворенности, управления брендом и многого другого. Сам Аясди стимулировал значительную экономию средств и прорыв в разнообразии ухода в Mercy, католической системе здравоохранения в Сент-Луисе. Что касается финансовой стороны, HSBC Holdings PLC заключила партнерское соглашение с Ayasdi, чтобы автоматизировать их процессы соблюдения нормативных требований. Очевидно, что некоторые карманы в каждом секторе правильно поняли, как они могут извлечь выгоду из ИИ, правильно включили ИИ в свои процессы и стали первопроходцами этой революции.

Когда его спросили об этом изменении взглядов на ИИ, Сингх ответил: «Я думаю, что рынок сильно изменился. Когда мы сейчас идем в компании, они действительно хотят говорить об ИИ, внезапно каждый руководитель хочет ИИ - «да, я хочу немного ИИ, могу ли я иметь два сегодня», - таковы настроения. Так что я думаю, что рынок тоже в какой-то степени созрел. Они поняли, что это вещь и оказывает влияние ».

Несмотря на шумиху и ошеломляющие прогнозы по поводу инвестиций в ИИ, Сингх быстро добавляет возможные препятствия на пути к быстрому и массовому внедрению ИИ.

«Дело в том, что ИИ имеет два неприятных побочных эффекта. Во-первых, было несколько довольно массовых публичных неудач, например, дело IBM Watson и MD Anderson, которое стало огромным публичным провалом для обеих компаний.

Еще одна особенность искусственного интеллекта в том, что зачастую руководители, так как это трудно понять концепцию, не имеют представления о том, что это на самом деле означает, они думают, что у меня есть ИИ, но что делать? что и как вы будете вводить в действие и как вы будете управлять изменениями - есть много вещей, которые люди не понимают. Есть еще зрелость, которой не хватает рынку ».

Решение AI Ayasdi основано на математической дисциплине, называемой топологией. Их решение основано на анализе топологических данных (TDA), который, по сути, анализирует форму данных. Это довольно уникальная методология анализа данных, Ayasdi - единственное предприятие, внедрившее TDA.

Таким образом, дифференциация на рынке должна быть довольно интуитивной. Сингх не согласен.

«Представьте, что вы руководитель банка или что-то в этом роде. Тот факт, что мой искусственный интеллект имеет нюансы и отличается от чужого искусственного интеллекта, который отличается от Watson, который отличается от Palantir, - это все нюансы. Если ваш уровень понимания не является тонким, все они выглядят одинаково. Вот где наступит зрелость [рынка]. Со временем это произойдет. Это уже происходит, но со временем станет яснее. Я думаю, что еще не произошло того, что этих технических специалистов не возложили на ведение бизнеса. Так что они вроде как на стороне, вроде как там, когда это полезно. Но обычно они не принимают решений. И это сдвиг, который все изменит. Когда вы видите в советах директоров компаний таких людей, как специалисты по обработке данных или типы искусственного интеллекта, именно тогда происходит сдвиг ».

Каждая организация, желающая осмысленно оседлать волну ИИ, нуждается в сильном лидере, который внесет изменения. Директор по информационным технологиям (CIO) - это предлагаемая роль для выполнения этой задачи. Хотя намерения и обязанности этой должности очень благородны, и набор сотрудников в этой области также резко увеличился, эффективность использования возможностей ИИ в некоторой степени сомнительна по опыту Сингха. Вот почему.

«Они являются ИТ-директорами, в некоторых местах директорами по данным, а иногда и директорами по ИИ. В общем, провал этих ролей. Вот в чем проблема. Если вы крупная технологическая компания, например Google, FB или что-то еще, неплохо было бы нанять директора по ИИ. Потому что вы знаете, как использовать этих людей. Но если у вас больничная система и вы нанимаете офицера ИИ

1) Вы не получите лучшего человека. Возможно, лучший в мире специалист в области искусственного интеллекта не захочет приезжать в ваш город и работать в вашей больничной системе. Я думаю, что кадровый резерв невелик.

2) Вы нанимаете этого человека, а сами плохо разбираетесь в том, что делает ИИ. Так что многое из того, что этот человек должен будет сделать, - это обучить вас, чтобы вы были взволнованы, заинтересовались, выяснили, как развернуть, и они создали процесс на месте и тому подобное. И дело в том, что место, где они могут оказать огромное влияние, находится в доме со стороны ИИ, что, вероятно, составляет 5% проблемы. 95% проблемы связаны с водопроводом - где данные, откуда они берутся, каков будет процесс, на кого это повлияет, кто будет управлять изменениями и тому подобное. Поэтому я думаю, что для большинства крупных предприятий не имеет смысла иметь директора по ИИ.

Давайте поговорим о директоре по данным (CDO).

Так что CDO, по общему признанию, - отличная вещь. Но проблема в том, что обычно компании нанимают CDO.

Они просто особенные люди. Обычно у них нет группы. Обычно они никем не управляют. Обычно они сидят в ИТ. Один из самых больших ресурсов, на котором сидят крупные предприятия, - это все их исторические данные. Но они не считают данные активом. Они не думают об управлении продуктами для своих данных. И я думаю, что это изменение, которое должно произойти. Чтобы действительно продвигать организацию вперед, вам действительно нужны менеджеры по продукту, которые входят в бизнес, могут подчиняться этому CDO, но они должны действовать как менеджер данных по продукту, как если бы это был продукт, актив. И это действительно будет иметь значение ».

Советы на многообещающее будущее

Обладая многолетним опытом работы в области искусственного интеллекта, Гурджит Сингх готов дать рекомендации любому предприятию, желающему правильно внедрить искусственный интеллект в своем бизнесе.

  • Плохие данные тоже могут быть хорошими

«Плохие данные существуют везде, на самом деле я думаю, что это свойство данных - быть плохими, данные будут плохими в некотором смысле вечно, в зависимости от того, что у вас есть и какую проблему вы пытаетесь решить, совпадения может не быть. . Плохие данные во многих случаях становятся козлом отпущения. Обычно люди используют это как предлог, чтобы ничего не делать. Тот факт, что люди цепляются за вход / выход мусора, - это своего рода неудачная ситуация. Да, это настоящий мусор на входе / выходе, кто с этим поспорит. Но в этих данных есть кое-что ценное. С технической точки зрения, я понял, что большинство людей не понимают, что в машинном обучении есть нечто, называемое обучением без учителя, которое не обязательно требует четкой цели и может решать множество различных классов проблем. И люди этого не знают. Поэтому крупным предприятиям, которые хотят добиться успеха в этом, следует перестать беспокоиться о неверных данных, потому что, по моему опыту, даже данные, которые они называют плохими, имеют ценность ».

  • Скорость исполнения

«Поскольку вы не знаете качества своих данных, вы не знаете качества своего процесса и не знаете, как управлять изменениями в середине, лучше всего сосредоточиться на продолжительности цикла. Сказать, что я хочу иметь возможность экспериментировать действительно очень быстро, и, если эксперимент будет успешным, я запущу его в производство. Скорость экспериментирования действительно важна. Это снижает стоимость и время »

  • Разрешение конфликта интересов

«Во многих случаях существует конфликт интересов. Например, одно из наших основных приложений в сфере финансовых услуг - это борьба с отмыванием денег, где в крупных банках работают от 5 до 10 000 человек, которые расследуют подозрительные транзакции. После расследования около 2% транзакций действительно оказываются подозрительными, а 98% - только следственными. Если вы думаете об этом с точки зрения банка, вы тратите 98% усилий тысяч людей, и это не снижает ни одного из ваших рисков. Это те 2%, которых вы действительно хотите достичь. Одно из наших основных приложений сокращает объем расследований на 20–30%, не упуская при этом никаких рисков. Когда приложение развернуто, никто не видит изменений, это не похоже на то, что банк увольняет две тысячи человек, потому что объемы также растут. В целом следователи видят меньше расследований. Если вы индивидуальный исследователь, ваш день не изменился. Есть места, где люди меняют повседневную работу. Но если вы ускоряете процесс или автоматизируете процесс, люди, которые делают этот процесс сегодня, по своей сути лишены стимулов к тому, чтобы говорить: «Эй, это здорово, замените меня». Так что вы должны управлять этим конфликтом интересов. И один из способов сделать это - запустить старую систему и новую систему параллельно, чтобы провести сравнение яблок с яблоками ».

  • Изменения в процессе неизбежны

«Чтобы ИИ был полезным, вам придется так или иначе изменить свои процессы. Даже в примере с борьбой с отмыванием денег ничего не изменилось для людей в повседневном процессе, но был этап в процессе, на котором вам нужно было изменить правила монитора транзакций или где-то еще, в зависимости от приложения. К этому нужно быть готовым. От этого никуда не деться. ”

  • Собственный центр разработки для разработчиков искусственного интеллекта

«Точно так же, как в каждой крупной компании сегодня есть центры передового опыта или центры разработки, например, Facebook претерпел огромные изменения, чтобы стать компанией, ориентированной прежде всего на мобильные устройства, Google теперь заявляет, что они хотят быть компанией, первоочередной для использования искусственного интеллекта. достичь остального мира. Таким образом, большинство предприятий сегодня находятся на пороге мобильной революции и облачной революции, но они сильно отстают. Точно так же будет центр разработки для ИИ, где обычные разработчики смогут использовать инструменты ИИ для создания вещей, им не нужно знать, как работают алгоритмы, но им нужно знать, каковы входные и потенциальные выходы и как подключить их и подключить ».

Заключение

AI здесь, чтобы остаться. Рынок все еще развивается, а решения тем более. Через десять лет большинство предприятий перешли бы на ИИ и просто отдышались бы от бурной революции. А пока нас ждут интересные взлеты и падения, смысл которых можно понять с помощью тех же методов машинного обучения, которые их вызвали.