Эндрю Берджесс - Искусственный интеллект – для вашего бизнеса. Руководство по оценке и применению

• Название: Искусственный интеллект – для вашего бизнеса. Руководство по оценке и применению
• Автор: Эндрю Берджесс
• Жанр: Прочая научная литература
• Год: 2021
• ISBN: 978-5-9073-9400-1

Сначала роботы лишат нас рабочих мест, а затем поработят весь мир. Если вам нравятся подобные апокалиптические теории о всемогущем искусственном разуме, то эта книга точно не для вас. А вот если вы хотите разобраться, как использовать искусственный интеллект (ИИ) в своем бизнесе, чтобы сделать его более конкурентоспособным, инновационным и ориентированным на будущее, то вы, несомненно, на верном пути. Так что же на самом деле умеет ИИ? Как и при каких условиях он будет способствовать росту бизнеса? С чего вообще следует начинать? Цель этой книги – дать максимум информации об искусственном интеллекте, не отвлекаясь на сложные технологические подробности и терминологию. Признанный международным бизнес-сообществом консультант по ИИ Эндрю Берджесс призывает руководителей не слишком доверять рекламе, не завышать ожидания, связанные с применением ИИ, и не впадать в крайности от эйфории до паники. Вместо этого он предлагает прагматичный и лишенный хайпа подход к описанию искусственного интеллекта. В основе книги лежит разработанная автором структура, которая рассматривает восемь основных практических функций ИИ, например распознавание образов, обработку естественного языка и прогнозирование трендов. Особенности применения и реальные возможности каждой функции подробно рассмотрены на реальных примерах.

---

Второй «ледниковый период» продолжался для искусственного интеллекта с 1987 по 1993 год и был в основном связан с неспособностью «экспертных систем» в 1985 году оправдать завышенные ожидания целого ряда корпораций, потративших миллиарды долларов на совершенствование этой технологии. Как и в случае с моим собственным чат-ботом, о котором я упомянул выше, экспертные системы в конечном итоге оказались сложными для написания, «сборки» и запуска на компьютере. Это делало их чрезмерно дорогими, и в начале 1990-х годов они быстро утратили популярность, чему способствовал одновременный крах на рынке сопутствующего оборудования (так называемых машин Lisp). В 1981 году в Японии стартовала программа стоимостью 850 млн долларов по разработке «компьютера пятого поколения», который мог бы «вести разговоры, переводить языки, интерпретировать картинки и рассуждать, как люди», но даже через десяток лет она не смогла достичь ни одной из своих целей (впрочем, некоторые из них остаются неосуществленными и поныне). И хотя в 1983 году DARPA начала снова финансировать в Соединенных Штатах проекты по развитию искусственного интеллекта в ответ на амбициозные планы Японии, дотации прекратились в 1987 году, когда в Отдел технологий обработки информации DARPA (который и направлял усилия и средства в разработку искусственного интеллекта, суперкомпьютеров и микроэлектроники) пришло новое руководство и заключило, что искусственный интеллект «не в тренде». Начальство отвергло экспертные системы на том основании, что это было просто «мудрствование на тему программирования», и, оглядываясь назад, можно считать это весьма прозорливой оценкой.

Я рассказываю о тяжелых для искусственного интеллекта временах потому, что возникает совершенно резонный вопрос: не является ли нынешний бум технологий искусственного интеллекта еще одним прецедентом, связанным с завышенными ожиданиями? Быть может, нас всех ждет уже третье по счету разочарование и прекращение дальнейших разработок? Как мы увидели в предыдущей главе, вся маркетинговая индустрия и аналитика бурлит от восторга по поводу искусственного интеллекта и его нынешних и потенциальных возможностей. Ожидания, следовательно, чрезвычайно высоки, однако если бизнес начнет сейчас верить всему, что говорится и пишется про искусственный интеллект, итогом может стать сильнейшее разочарование. Вот почему нам нужно как следует разобраться в том, что вынесло искусственный интеллект на нынешнюю волну популярности и почему в этот раз «заморозки» вряд ли повторятся.

С технологической точки зрения единственный термин, который вам следует запомнить на данный момент, – это «машинное обучение». Оно представляет собой современную версию экспертных систем, которую сейчас интенсивно финансируют, разрабатывают и применяют в самых различных областях. Но прежде чем я опишу (разумеется, в упрощенной форме), что такое машинное обучение, нам нужно понять, что представляют собой все остальные силы, участвующие в текущем компьютерном прорыве, и почему на этот раз для искусственного интеллекта все может сложиться по-другому. На мой взгляд, в области ИИ сейчас действуют четыре основные движущие силы.

Роль больших данных

Первой из движущих сил, породившей огромный интерес и создавшей высочайшую активность в области искусственного интеллекта, является колоссальный объем данных, доступных в современном мире. Специалисты называют разные цифры, но все они сходятся на том, что объем данных, генерируемых человечеством, удваивается каждые два года. Это означает, например, что в 2022 году будет создано (или скопировано) 88 зетабайт (то есть 88 трлн гигабайт) данных. Для нашей темы это исключительно важно, потому что большая часть технологий искусственного интеллекта подпитывается массовыми данными – без них искусственный интеллект был бы бесполезен, как электростанция без топлива.

Чтобы обучить систему искусственного интеллекта (например, нейронную сеть) с той или иной степенью точности, требуются миллионы примеров, и чем сложнее модель, тем больше примеров необходимо. Вот почему крупные интернет-компании и социальные сети, такие как Google и Facebook, настолько активны в сфере искусственного интеллекта – именно у них в первую очередь достаточно данных для такой работы. Поиски, выполняемые с помощью Google, создают около 3,5 млрд запросов в день, а публикации в «Фейсбуке» ежедневно обновляют 421 млрд статусов, загружают 350 млн фотографий и генерируют почти 6 трлн «лайков» – так вот и возникает топливо для этих систем. Один только Facebook формирует около 4 млн гигабайт данных каждые 24 часа.

Этот огромный объем данных используется искусственным интеллектом для создания тех или иных «ценностей» – в самом широком понимании. Воспользуемся снова простым примером, который я использовал в предыдущей главе: когда систему DNN обучают распознавать изображения собак. Чтобы научить систему, вам понадобится множество изображений собак, помеченных для системы как «собака», и такое же множество других изображений, где собаки отсутствуют и которые, соответственно, помечены как «собак нет». Только после того, как система научится распознавать собак с использованием исходного набора данных и пройдет этап предварительной проверки, на котором алгоритм дополнительно настраивается с использованием обучающих данных, разбитых на подмножества, систему можно (и нужно) протестировать на «чистом», то есть немаркированном наборе изображений.

Не существует строгих указаний относительно того, сколько именно данных необходимо для подобного тестирования, но, как правило, потребность в обучающих данных составляет около 30 % от общего массива.

Огромные объемы данных, которые мы постоянно создаем, используются в компьютерном мире каждую минуту и большей частью без нашего ведома, но с нашего согласия (как правило, невольного или неявного). Взять, к примеру, ваши поиски в Google. Когда вы вводите поисковый запрос, вы периодически пишете слова неправильно, или с ошибками, или не вполне стандартным (например, просторечным) образом. В ответ на это Google обычно предлагает вам результаты, основанные на правильном, или более распространенном, или более литературном написании этого слова. Скажем, если я пишу «Эндрю Дерджесс» (англ. Andrew Durgess), Гугл показывает мне результаты для Эндрю Берджесса (англ. Andrew Burgess), хотя я могу заставить его выполнить поиск именно для написанного мной варианта. Это означает, что Google постоянно собирает данные о версиях слов с ошибками и, что еще важнее, о том, какие предлагаемые системой исправления являются приемлемыми для пользователя, а какие – нет. Все эти данные затем используются для настройки проверки орфографии с помощью искусственного интеллекта. Но если, как в моем примере, существует реальный человек по имени Эндрю Дерджесс, который завтра внезапно станет знаменитым, то множество людей бросятся искать информацию о нем, и Google быстро отменит исправление «Эндрю Берджесс», поскольку все меньше и меньше людей принимают его и вместо этого выберут поиск: «Эндрю Дерджесс, точно как написано».

Экспоненциальный рост объема данных происходит сейчас не только в социальных сетях и поисковых системах. Все больше и больше нашей коммерческой деятельности осуществляется в интернете или обрабатывается с помощью корпоративных систем, что создает огромный поток информации. Так, в секторе розничной торговли для создания новых данных нам совершенно необязательно совершать покупки именно онлайн. Даже когда наша покупка регистрируется в обычном магазине (причем здесь нет даже необходимости фиксировать наше имя), розничные компании смогут использовать эти данные для прогнозирования тенденций спроса и выбора товаров, что уже помогает им оптимизировать цепочку поставок. А когда эти покупки удается связать с отдельным клиентом (например, с помощью карты постоянного покупателя или учетной записи в интернете), данные становятся гораздо информативнее и, следовательно, намного ценнее. Теперь фирма может предсказывать, какие еще товары или услуги вы также можете купить на ее торговых площадках, и будет активно их вам предлагать. Если вы совершаете покупки в интернете, то записываются не только данные о самих покупках: каждая посещенная вами страница, время, которое вы проводите на них, просмотренные вами продукты – все это отслеживается, увеличивая объем и ценность данных, «скармливаемых» искусственному интеллекту.

Как только покупка совершена, торговая компания тут же начнет создавать и собирать новые данные и извлекать из них ценность. Каждый раз, когда вы взаимодействуете с продавцами через веб-сайты, контакт-центры или оставляете отзыв у них на сайте или через сторонние агрегаторы (либо социальные сети), вы сами создаете все больше полезных для них данных. Даже бытовое использование продуктов или услуг, подключенных к интернету или зарегистрированных онлайн, создаст дополнительные сведения, выгодные для коммерции. Например, телекоммуникационные компании будут использовать данные о любой вашей сетевой активности и взаимодействиях, чтобы с помощью искусственного интеллекта попытаться предсказать, не захотите ли вы (и если захотите, то как скоро) перейти от них к конкуренту. Данные для обучения искусственного интеллекта поступают даже от клиентов, которые фактически расторгли контракты (то есть в одностороннем порядке перестали пользоваться услугами): искусственный интеллект использует эти сведения для определения всевозможных факторов, формирующих отток клиентов, и затем применяет их для анализа активности и особенностей поведения существующих клиентов. Аналогичным образом банки могут выявлять мошеннические транзакции на вашем счету благодаря тому, что у них имеется множество обработанных данных о подлинных, сомнительных и откровенно нелегальных транзакциях по различным счетам: ведь ежедневно в мире совершается около 300 млн транзакций по кредитным и дебетовым картам.