- Какие области бизнеса наиболее подвержены нашествию искусственного интеллекта? Где в ближайшее время стоит ожидать кардинальных перемен?
Тема искусственного интеллекта сейчас, безусловно, крайне популярна, но довольно часто соответствующие термины не совсем корректно используются. Например, нередко смешиваются ИИ и машинное обучение. Под ИИ, как правило, понимается способность компьютерных систем выполнять задачи, которые обычно требуют привлечения человеческого разума. Методы машинного обучения по большей части основаны на методах математической статистики и часто применяются для предварительной обработки данных более продвинутыми самообучающимися системами, например нейросетями. Машинное обучение, наряду с ИИ, является одной из составляющих когнитивной науки, поэтому, чтобы избежать двусмысленности, лучше взять обобщающий термин «когнитивные технологии».
Практически все области бизнеса могут выиграть от внедрения когнитивных технологий, и особенно это касается крупных компаний с большим количеством клиентов. Одними из наиболее активных потребителей являются банки, они используют методы идентификации мошенничества с банковскими картами, системы распознавания речи для автоматизации работы службы поддержки клиентов и для идентификации клиентов. Ретейлеры, в том числе занимающиеся электронной коммерцией, довольно агрессивно применяют эти технологии для маркетинга и проведения промоакций. В медицине, особенно в США, применяются системы распознавания речи, которые трансформируют надиктованные врачами на диктофон записи в электронные.
Весьма показателен пример такого полноценного ИИ, как система поддержки принятия решений в онкологии IBM Watson. Широкое распространение носимых устройств – «умных» часов, браслетов и фитнес-трекеров – и сопряжение генерируемых ими данных с системами типа Watson позволит вывести медицину на принципиально новый уровень благодаря персонализированному подходу.
Фарминдустрия использует когнитивные технологии для разработки новых лекарств. Нефтегазовая отрасль применяет технологии, позволяющие производить геологическую разведку. Наконец, наступает Индустрия 4.0 – с приходом Интернета вещей в промышленности могут произойти серьезные изменения, обусловленные внедрением методов предиктивной аналитики, которые будут просчитывать вероятность выхода из строя того или иного агрегата в технологическом процессе.
- Какие принципы должна соблюдать компания при реализации подобных проектов?
Самый очевидный принцип – это принцип разумности. Надо понимать, какую ценность несет та или иная технология для каждой конкретной компании. Сегодня многое из того, что связано с ИИ и когнитивными технологиями в целом, диктуется маркетингом. Компания, намеревающаяся использовать когнитивные технологии, должна четко понимать, какую бизнес-задачу она хочет решить. Иначе разочарование и финансовые потери от неудачной попытки внедрения могут быть значительными – специалистов в данной области очень мало, а стоимость их услуг довольно высокая.
Не нужно забывать и об экономической эффективности, просчитывая эффект от внедрения наряду со сроком окупаемости. Использование когнитивных технологий неразрывно связано с Большими Данными, которые есть не у всех компаний. Совершенно очевидно, что далеко не всем организациям нужны эти технологии. Но те, кто сумеют извлечь выгоду из их внедрения (например, сократить издержки, снизить себестоимость, оптимизировать свои технологические процессы), безусловно, получат неоспоримые преимущества на рынке по сравнению с конкурентами.
- Массовое использование бизнесом когнитивных технологий – вопрос какого времени?
С ответом на этот вопрос все не так однозначно. Прогнозов много, но они часто основываются не только на фактах, но и на материальной заинтересованности того или иного эксперта. Если посмотреть только на факты, то в принципе можно ожидать массового внедрения когнитивных технологий в ближайшие 5-10 лет. Речь идет о беспилотных автомобилях, замене операторов контакт-центров, бухгалтеров и юристов. Но надо сказать, что все могут испортить близорукие политические решения и человеческие страхи.
Больше времени потребуется на такие масштабные проекты, как массовое использование когнитивных технологий в медицине. Есть масса причин, способных замедлить проникновение этих технологий в здравоохранение. Это и вопросы этики, и безопасность данных, и проблемы психологии.
Отдельно хотелось бы отметить: сфера когнитивных технологий обязательно нуждается в жестком регламентировании того, что человечество готово позволить подобного рода системам, а что – нет. Уже сейчас всем специалистам, работающим в этом направлении, понятно, что наступило время очертить рамки для когнитивных систем ввиду их впечатляющего прогресса.
- Можно ли после нескольких удачных инициатив по автоматизации рутинных процессов ожидать вала подобных проектов со стороны остальных компаний, которые сейчас внимательно следят за рынком?
Проблема кадрового голода существует уже сегодня, и это серьезно сдерживает рынок. Сказать, что специалистов по Большим Данным и когнитивным технологиям мало, – это не сказать ничего. Можно утверждать, что это доли процента от общего числа ИТ-специалистов в мировом масштабе, отсюда и получается высокая их стоимость. Например, при поглощении стартапов, работающих с ИИ, крупные компании выделяют колоссальные суммы – 10-20 млн долл. в пересчете на каждого члена команды. За специалистов мирового уровня в когнитивных технологиях платят столько же, сколько за ведущих футболистов! Человечество наконец-то начинает находить правильные критерии оценки индивидуального вклада отдельно взятой личности во всеобщее благо.
- Насколько серьезна угроза для сотрудников (в том числе занятых интеллектуальным трудом), которые могут попасть в волну автоматизации?
Хотелось бы выделить две категории специалистов, наиболее подверженных риску быть вытесненными когнитивными технологиями. Во-первых, это специалисты низкой и средней квалификации. Здесь когнитивные технологии (в частности, роботы) способны полностью «забрать» некоторые профессии себе. В качестве примера можно назвать водителей или бухгалтеров.
Вторая категория – люди с высокой квалификацией, например инженеры и врачи. В ближайшем будущем заменить полностью людей этих профессий вряд ли удастся, но часть их работы возьмут на себя системы с высокоразвитым интеллектом. Людям же, чтобы оставаться «на плаву», придется значительно повышать свою квалификацию, а основы (причем довольно глубокие) кибернетики придется изучать специалистам самых разных направлений. Инженерное образование станет базовым для многих специальностей. Отдельной категорией пока остаются творческие специальности, но и здесь тоже есть серьезные подвижки: недавняя победа компьютера в покерном турнире и победа над чемпионом мира в игру Го, состоявшаяся чуть раньше.
- А как насчет автоматизации работы ИТ-специалистов?
Рутинную работу, безусловно, возьмут на себя машины. Уже сегодня мы имеем возможность создавать веб-сервисы, в которых большая часть программного кода генерируется автоматически, причем даже без привлечения ИИ. Чтобы оставаться востребованным, каждому человеку придется постоянно повышать свою квалификацию, иначе можно оказаться не у дел.
Приведу пример хорошо мне знакомого французского ИТ-рынка, на котором происходят, на первый взгляд, парадоксальные вещи. Так, биржа труда заявляет о 40 тыс. безработных в области ИТ и телекоммуникаций, причем большинство имеют более 6-10 лет профессионального стажа! С другой стороны, есть тысячи открытых вакансий, на которые компании месяцами ищут сотрудников. Парадокс перестает быть парадоксом, если просмотреть резюме нескольких соискателей: люди предлагают работодателю навыки, полученные в эпоху мэйнфреймовых систем IBM, вместо того чтобы переучиться. Помните «Собачье сердце» Булгакова? «Разруха в головах!» Так и с работой ИТ-специалистов: надо постоянно развиваться.
- Как вы считаете, в каком направлении будут развиваться системы машинного обучения в обозримом будущем?
Очевидный сегодня тренд – это нейросети. Однако для их обучения требуются огромные массивы данных, иначе вероятность ошибки на выходе будет довольно высокой. Крайне интересными являются методы, основанные на полуавтоматическом обучении нейросетей. Эти методы позволяют значительно сократить количество данных, необходимых для обучения.
Также, думаю, все больше будет происходить перемешивание живых и кибернетических систем. Особо интересным направлением является психоэмоциональная сфера. Обучение ИИ эмоциям – задача весьма нетривиальная. Повышенный интерес уже проявляется (и дальше будет только нарастать) к этическим аспектам применения когнитивных технологий в целом.
