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