ИТ для нового стиля бизнеса
отмена
Отображаются результаты для 
Вместо этого искать 
Вы имели в виду: 

Как подготовить бизнес к использованию искусственного интеллекта

HPE_Russia

Приручение данных — одна из сложнейших задач, стоящих перед человечеством. Наш мозг уже не в силах справиться с обработкой закономерностей в больших массивах данных ни с помощью логики, ни с помощью интуиции.   

«Лавинообразный поток данных становится мировой проблемой», — говорит Эн Лим Го (Eng Lim Goh), вице-президент и технический директор SGI, Hewlett Packard Enterprise. «Но с искусственным интеллектом (ИИ) простые догадки превращаются в разумные предположения».

Если вы думаете над тем, чтобы сделать ИИ ключевой составляющей своей ИТ-инфраструктуры, вас это может заинтересовать. Несколько специалистов по ИИ из HPE делятся мнением о том, каковы перспективы ИИ, как он может изменить бизнес и с чего начать его внедрение.AI_crop_banner.jpg

 ИИ развивается

На протяжении нескольких лет ИИ демонстрирует высокий потенциал, и бизнес обратил на это внимание. По прогнозам IDC, глобальные затраты на когнитивные решения и ИИ-продукты в ближайшие несколько лет будут возрастать со среднегодовым темпом 54,4 % и к 2020 году превысят 46 миллиардов долларов США.

Высокий интерес бизнеса к ИИ продиктован тем, что ИИ позволяет находить закономерности в больших объемах данных. Сенсационные победы компьютера Deep Blue от IBM над Гарри Каспаровым в шахматном поединке в 1997 году и программы AlphaGo от Alphabet над Ли Седолем в го в 2016 году продемонстрировали способность ИИ ориентироваться в огромном количестве вариантов выбора и их последствий.

В этом году появился новый тип ИИ. Программа под названием Libratus на суперкомпьютере Bridges в Питтсбургском суперкомпьютерном центре победила четырех профессиональных игроков в покер в безлимитный техасский холдем. 

Шахматы и го — это игры с полной информацией. Каждый игрок видит положение всех фигур противника на доске. Но при игре в покер полной информацией не владеет ни один из игроков. (В безлимитном техасском холдеме две карты в руке у каждого игрока известны лишь ему самому). Подходы, которые помогли победить Каспарова и Седоля, не позволили бы обыграть опытных игроков в покер. 

Так, в случае го требуется глубокое обучение (deep learning), то есть применение глубоких искусственных нейронных сетей для задач обучения. Искусственные нейронные сети моделируются по образцу человеческого мозга и состоят из нескольких уровней вычислений: ввода, множества уровней обработки данных и вывода. Глубокое обучение позволяет системе автоматически обнаруживать скрытую семантику и представления данных, которые требуются для анализа сложных неструктурированных данных, состоящих из изображений, аудио и текста. Эти представления позволяют отличить то, что вы ищете, от фонового шума.

Программа Libratus работает не так. Вместо этого она применяет стратегическое мышление на основе равновесия Нэша, сценария в теории игр, при котором ни у одного из игроков не возникает стимула отклониться от выбранной стратегии после размышления над выбором оппонента. Этот подход не требует обучения ИИ путем загрузки в него большого набора данных. Вместо этого ИИ применяет набор правил и элементарную стратегию для выбора лучшего хода в каждый момент игры. 

Программа Libratus создана для поиска решений на основе неполной информации. В отличие от традиционных технологий машинного обучения, при которых происходит распознавание шаблонов данных, она предлагает наиболее подходящий отклик на каждую отдельную ситуацию. В отличие от других типов искусственного интеллекта, Libratus не просто предлагает «рекомендации» или прогнозный анализ, как объяснил Дэниэл У (Daniel Wu), технический руководитель в области систем данных и теории данных в HPE. Вместо этого она добавляет к обработке уровень «перспективы». Иными словами, программа может принимать решения на основании вывода о том, что данное действие с высокой вероятностью окажется самым полезным. 

Глубокое обучение, стратегическое мышление и другие виды ИИ используются в тех ситуациях, где нужен мгновенный отклик — более быстрый, чем позволяют способности человека. В таких сферах применения как автономное вождение или мониторинг сетей, где промедление может привести к физическим повреждениям или потере данных, «нужно просто позволить ИИ сделать работу за вас», — говорит Дэниэл У. 

В перспективе ИИ поможет сберечь время и деньги в таких сферах применения как обслуживание клиентов, где робот, дающий ответ за секунду, обойдется дешевле, чем человек, который тратит на это несколько минут. Сложность в том, что «каждый ИИ имеет узкую сферу применения», — объясняет Панкай Гойял (Pankaj Goyal), вице-президент HPE в отрасли ИИ. Словом, потребуется много времени, денег и умений, чтобы научить новый ИИ приносить пользу вашему бизнесу. 

Шаг за шагом

«Ни одна компания не сможет обойтись без ИИ», — заявляет У. «Помните, были такие, кто до последнего говорил, что не будет использовать Интернет? Сейчас они размещают рекламу в Google и Facebook. Для управления бизнесом нужны информация и аналитические выводы. Интернет дает информацию, но без выводов. ИИ дает все сразу».

Но при этом ИИ — новое «великое изобретение», сопровождаемое ажиотажем с одной стороны и опасениями — с другой. Мнение о том, что ИИ сможет решить все наши проблемы, почти так же широко распространено, как страх перед восстанием машин. Как же не потерять голову и научиться использовать реальные возможности ИИ на практике?

«Каждый из нас взаимодействует с ИИ ежедневно», — говорит Гойял. «Взять хоть персонального ассистента в смартфоне. Но корпоративные клиенты не воспринимают ИИ как нечто осязаемое. Им очень нравится сама идея, но как ее реализовать, они не знают». 

Гойял советует каждому, кто задумывается о применении искусственного интеллекта в своем бизнесе, предпринять следующие шаги.

  • Задайте себе вопросы. Как можно использовать ИИ в вашем бизнесе, чтобы он стал лучше? Изучите существующие сценарии использования ИИ и обратите внимание на те области, где вы могли бы применить ИИ для получения выгоды — например, для снижения количества рабочих часов, для ускоренного реагирования или для уменьшения расходов на ремонт и замену материальных ресурсов.
  • Проведите эксперименты. Невозможно внедрить ИИ в больших масштабах без предварительных экспериментов. Даже Google и Amazon потребовалось «много времени на то, чтобы ИИ стал их неотъемлемой частью», — утверждает Гойял. «Какая инфраструктура данных вам подойдет? Какие сотрудники вам потребуются?» Есть ли у вас требуемые данные — нужного объема и качества? Есть ли у вас соответствующий персонал? Знаете ли вы, как создать базовую инфраструктуру? Знаете ли вы, как настроить вашу модель? Грамотное внедрение ИИ требует времени. Убедитесь, что оно у вас есть.
  • Масштабируйте решение. В какой-то момент вам потребуется интегрировать ИИ в вашу деловую стратегию, в продвижение продукции, в поддержку клиентов, в задачи логистики и маркетинга. И после того, как все начнет получаться, нужно будет задумываться о масштабировании ИИ на остальные сферы вашего бизнеса. Это масштабирование должно происходить в нескольких направлениях: в области инфраструктуры, данных и бизнес-процессов.
    В итоге, — говорит Гойял, — вам захочется добиться такого совершенства, чтобы каждый день думать о том, какую пользу принесет ИИ в каждой области работы вашей организации.

Наука и творчество

Предпринимателям, планирующим внедрение ИИ в свой бизнес, придется смириться с неопределенностью. По словам Гойяла, «искусственный интеллект — это не только наука; это еще и область творчества».

Хотя ИИ пользуется математическими методами, в нем не все так четко, как можно было бы предположить. «Прогнозы в области ИИ — гиблое дело», — утверждает независимый специалист по работе с данными Миранда Моубрей (Miranda Mowbray). «Такие прогнозы часто бывает смешно вспоминать со временем: они получаются или излишне оптимистичными, или наоборот, пугающими; и даже когда эксперты сходятся во мнении, это мнение подчас оказывается глубоко неверным».

Одна из основных проблем сегодня состоит в том, что приложения на базе ИИ используют огромный объем данных. Типичной программе на основе ИИ требуется невероятное количество данных, чтобы научиться выполнять простые задачи: проехать по дороге, сыграть в шахматы или хотя бы распознать хот-дог. 

ИИ, по идее, должен помогать ориентироваться в потоке данных, а не увеличивать его. Например, для того, чтобы автономный автомобиль был «полностью безопасен», по словам У, «требуются данные о поездках общей протяженностью в 1 миллиард миль (1,6 миллиарда километров), а каждая миля занимает в хранилище 15 гигабайт».

Исследователи надеются, что получить необходимый объем данных для столь требовательных приложений можно будет с помощью общего искусственного интеллекта (ОИИ). ОИИ — это то самое заветное чудо техники: ИИ, способный выполнять больше одного строго определенного задания.

Но есть нюанс. «Когда вы учите современную систему на базе ИИ чему-нибудь, а затем — еще чему-то, система не только не обучится второму действию быстрее, но и может разучиться выполнять первое», — объясняет Моубрей.

В Google экспериментируют с «мультимодальными системами», и уже добились некоторого успеха в использовании результатов машинного обучения в одной сфере для решения задач в другой. Это шаг в нужном направлении, но до ОИИ все еще далеко.

ИИ необходимы высокоэффективные и мощные вычислительные способности; объемы данных, которые использует ИИ, все чаще обрабатываются на суперкомпьютерах. Но скоро закон Мура перестанет действовать — рост вычислительных мощностей упрется в физические ограничения. Современная архитектура вычислительных машин не сможет обеспечить мощности для обработки тех объемов данных, которые необходимы ИИ. Возможное решение — проект HPE по созданию архитектуры вычислений, ориентированной на память, The Machine. Учитывая потребности ИИ в данных, питании и памяти, для его дальнейшего развития потребуется сверхэффективная и мощная система, на которой он сможет работать. The Machine, решение, в котором память ставится во главу угла компьютерной архитектуры и которое дает пользователям возможность использовать любой вычислительный узел для работы с этим пулом памяти, — это инструмент, способный упростить практическое использование ИИ.

В то же время Libratus помогает нам уйти от потребности в исчерпывающей информации и успешно выполнять задачи с неполным набором данных. 

Вывод следующий: не стоит откладывать внедрение ИИ, дожидаясь, пока он станет идеальным — но и бросаться в омут с головой, не оценив возможные риски, тоже не следует. ИИ — всего лишь инструмент, который может как способствовать, так и помешать развитию бизнеса. Какой из них окажется полезен для вашего бизнеса, зависит от ваших потребностей, от грамотного внедрения технологий и процессов и от вашего терпения. 

Курт Хопкинс для Enterprise.nxt

0 баллов
Об авторе

HPE_Russia

Мероприятия
See posts for
dates/locations
HPE at 2018 Technology Events
Learn about the technology events where Hewlett Packard Enterprise will have a presence in 2018.
Подробнее
See posts for dates/locations
Reimagine 2018
Join us at one of the Reimagine 2018 stops and see how we Simplify Hybrid IT, innovate at the Intelligent Edge and bring it all together with HPE Poin...
Подробнее
Посмотреть все