14 мая 2020 г.
Тема искусственного интеллекта не теряет популярности, но понимают ли руководители компаний его суть? Попкультура и Голливуд свели понимание ИИ к очеловеченному образу умной машины, и это совсем не играет на руку бизнесу. Любые новые разработки в области ИИ тут же обрастают мифами и возбуждают страхи и восторг общества. Но запрос компаний на решения в области ИИ не ослабевает, и чтобы поддержать верное представление об этих технологиях, стоит разрушить пару мифов.
«Хайп» вокруг ИИ подогревается весьма интересными цифрами. Так, объем мирового рынка ИИ к 2025 г., по прогнозам аналитиков, будет оцениваться в 169,41 млрд долларов, хотя еще в 2016 году он оставался на уровне 4,06 млрд. Интерес к ИИ растет. Число предприятий, так или иначе внедряющих решения на базе ИИ, выросло с 2015 по 2019 год на 270% — цифра очень показательная. Но выражение «внедрение технологий ИИ» по-прежнему звучит слишком общо и может означать подчас все что угодно. Чтобы понять реальный масштаб внедрений ИИ, нужно обратиться к его основам.
Настоящий ИИ
Искусственный интеллект — способность вычислительных систем создавать и использовать определенные алгоритмы, напоминающие и берущие за основу алгоритмы человеческого мышления. Применение ИИ охватывает ряд задач, где не обойтись без человеческого — естественного — интеллекта. Например, решение задач, перевод, распознавание речи и визуальное предприятие. Мы уже видим, как с успехом используется ИИ в различных отраслях — будь то разработка новых антибиотиков, бизнес-аналитика или решение повседневных задач с помощью виртуальных помощников. ИИ не принимает человеческого облика и далеко отстает по уровню сложности от человеческого интеллекта — вопреки популярным мифам и научной фантастике.
ИИ можно разделить на 2 категории. Первая больше всего соответствует описанию научно-фантастических легенд — это так называемый «общий искусственный интеллект», гипотетический «разум» машины, обладающий способностями понимать или решать любую интеллектуальную задачу подобно человеку — то есть когнитивными способностями. Вторая — «узкий искусственный интеллект», который заточен под решение отдельных аспектов мышления и восприятия человека — к примеру, распознавание лиц или голосов. Этот тип ИИ мы и используем сегодня: под «капотом» у ИИ-решений именно такие функции.
Машинное обучение — вид ИИ, который использует алгоритмы для изучения данных. Вместо того, чтобы действовать по программе, эти алгоритмы строят модель на базе полученных данных и, используя промежуточные данные их анализа, предлагают решения или прогнозы. Этот механизм используется, чтобы предложить интересные вам сериалы на Netflix, отсортировать важные письма от спама или распознать махинации с кредиткой. Такие модели машинного обучения можно разработать довольно легко и быстро. С другой стороны, чтобы обработать точные результаты во время этого «обучения», нужно время — но если данные меняются, машина «переучится». Модели машинного обучения настолько хороши, насколько применимы определяющие свойства.
Глубокое обучение — это тип машинного обучения, который использует слои нейронных сетей, чтобы дать алгоритмам больше свободы — без всяких правил. Более точное сопоставление входных данных с классификацией через слои абстракции напоминает работу человеческого мозга. Глубокое обучение определяет свои критерии — оно не опирается на предопределенные функции или характеристики, как машинное обучение, — и алгоритм сам решает, что верно, а что нет. Прогресс в этой области знаменует революцию компьютерного зрения и распознавания речи, но для его развития требуется невероятное количество данных и вычислительных мощностей.
Поддержать канал в освоении ИИ
Сегодня технологии ИИ можно встретить повсюду, ведь мы стали автоматизировать все, от таргетированной рекламы до умных домашних устройств. Глубокое обучение меняет будущее здравоохранения, а машинное обучение трансформирует бизнес. ИИ это не игрушка. С экспоненциальным ростом данных мы получаем колоссальные бизнес-возможности: ИИ — это ценные идеи и инновационные продукты и услуги. Но не все данные одинаково полезны, и важно понимать, что ваше ИИ-решение будет настолько хорошо, насколько и данные, которые он анализирует. Поэтому компании должны сначала привести свои данные в порядок, а затем овладеть доступными им инструментами ИИ.
Пришло время инноваций, а значит и искусственному интеллекту пора реализовывать свой потенциал, а развитие сетей 5G придаст этому процессу турбоускорение. Но отношение к искусственному интеллекту как к научной фантастике и пробелы бизнеса в технологических навыках — это проблема, решение которой нужно начать с осознания ценности ИИ — и его реальной необходимости для бизнеса.
Канал играет важную роль в поддержке клиентов на их пути к автоматизации. Чтобы использовать возможности ИИ, партнеры по каналу должны развивать свой опыт в этой области, в этом залог лидерства. Развитие навыков и понимание сложности ИИ, машинного и глубокого обучения — это первый шаг к тому, чтобы стать надежным консультантом для клиентов. Поддержка заказчика в разработке стратегии внедрения искусственного интеллекта, адаптированной к потребностям бизнеса, имеет решающее значение получения всех его технологических преимуществ — это переход от ИИ-хайпа к реальным интегрированным приложениям.
Источник: Константин Исаакян, директор департамента по работе с партнерами Dell Technologies в России
