Руководитель подразделения IBM Data and AI Роб Томас приводит на портале InformationWeek данные о составе компонентной базе и схему работы с искусственным интеллектом, которые помогут предприятиям внедрять его правильно.

На протяжении веков электричество рассматривалось как нечто из ряда вон выходящее, подвластное воле магов, тогда как широкие круги населения не имели представления о физической природе этого явления. Бенджамин Франклин был первым, кто привел доказательство электрической природы молнии, однако в 1752 г. ему сложно было найти практические пути применения электричества. Фактически, наиболее ценное его изобретение (молниеотвод) оказалось связанным не с применением электричества, а с тем, как от него уберечься. Аналогичную эволюцию проходят все виды инноваций: сначала они не воспринимаются, затем их избегают, потому что они вызывают страх, и, в конце концов, новинки проникают в массы, закрепляясь на функциональном уровне.

Многие сегодня рассматривают ИИ как еще одну «магическую» технологию, поскольку они не имеют представления о том, как она работает. Как следствие, они превозносят ИИ и пополняют ряды тех «экспертов», которые занимаются одурачиванием широких слоев населения, насаживая им идею всемогущества ИИ. Естественно, что вместо того, чтобы попытаться проникнуть в суть технологии, последние начинают опасаться ее вплоть до враждебного отношения. Нужно запомнить следующее: ИИ — это технология и она не имеет никакого отношения к магии.

Впервые термин «искусственный интеллект» появился в 1956 г. С тех пор технология прогрессировала, но происходило это скачкообразно: ученые то загорались энтузиазмом, придумывая новые сферы для применения ИИ, то на некоторое время их запал утихал. Однако очевидно, что путь к массовому внедрению ИИ проложат массовые эксперименты. Хотя многие из них потерпят неудачу, будут и успешные — они окажут существенное влияние на развитие технологии. Кстати, по подобному сценарию развивались технология электричества.

По мнению доцента Стэнфордского университета и исследователя в области робототехники и машинного обучения Эндрю Ына, ИИ — это «новое электричество». Помимо того, что ИИ становится повсеместным и все более доступным, он расширяет и меняет методы ведения бизнеса по всему миру. К примеру, он повышает точность и прогнозируемость бизнес-процессов, а также качество принятия решений. Начиная с повышения качества обслуживания клиентов и заканчивая интеллектуальными продуктами и услугами, оказываемое ИИ воздействие на общество и достижение экономического эффекта на уровне стран огромно.

Организации, которые проводят массовые эксперименты в области ИИ, в ближайшие год-два откроют перед собой новые рыночные возможности. Для того, чтобы приступить к демистификации ИИ и сломать сложившиеся стереотипы, нужно рассмотреть два ключевых элемента: его компонентную базу и схему работы.

Компонентная база

Подобно тому, как для управления электрической сетью требуются такие базовые компоненты, такие как резисторы, конденсаторы, диоды и т. д., управление ИИ осуществляется при помощи следующих современных программных компонентов:

  • унифицированная, современная платформа данных (data fabric). ИИ — это огромный агрегатор данных, но, как известно, они бывают всевозможных форматов и объемов, поэтому нужно провести их предварительную подготовку. Платформа данных на предприятии должна обеспечивать логическое представление всех активов данных в любом облаке, для чего их нужно предварительно подготовить и маркировать. Должен быть обеспечен беспрепятственный доступ к данным при помощи средств виртуализации — от брандмауэра до самого периметра сети.
  • среда разработки и движок. Предприятию нужно создать условия для разработки, сквозного глубокого обучения (от ввода до вывода) и запуска ИИ-моделей. Модели машинного обучения служат для поиска шаблонов и структур в данных, которые подразумеваются, но не являются явными.
  • человеческие особенности. Для воплощения в жизнь ИИ-моделей их потребуется связать с такими особенностями человеческой организации, как голос, язык, зрение и мышление.
  • управление и эксплуатация. Налаженный ИИ-менеджмент откроет возможности для встраивания ИИ в любое приложение или бизнес-процесс с учетом версионности и понимания того, как ИИ может изменить и улучшить их работу. Модели позволят управлять жизненным циклом всего ИИ. Управление ИИ требуется для того, чтобы получить доказательства его работы и объяснить принятые им решения.

Схема работы

Вышеописанные компоненты помогают компаниям раскрыть ценность данных, однако для полного внедрения ИИ этого недостаточно. Для этого следует предпринять следующие фундаментальные шаги:

  • определите подходящие бизнес-возможности. Потенциальные области для применения ИИ обширны: обслуживание клиентов, повышение производительности сотрудников/компаний, выявление производственных дефектов, сокращение расходов на логичтику и многое другое. Многие операции могут быть запрограммированы, более того, ИИ перманентно ищет варианты для усовершенствования операций. Очевидно, что возможности ИИ практически бесконечны и нам еще только предстоит их понять.
  • подготовьте организацию к внедрению. Работа с ИИ требует более тщательного подхода к организации данных и даже научной экспертизы. С ростом его популярности многие из сегодняшних повторяющихся и ручных операций будут автоматизированы, и это высвободит творческий потенциал штатных сотрудников. Пока что ИИ не может целиком заменить ни одну профессию, но также верно и то, что не существует практически ни одной профессии, которую бы он не смог усовершенствовать. Важно запомнить: ИИ бесполезен без наличия талантливых сотрудников, поэтому образуйте команду экспертов, которые будут вдохновлять и обучать других.
  • выберите технологии и партнеров. Маловероятно, что СЕО лично выберет подходящую ИИ-технологию, скорее эта обязанность будет возлагаться на CIO. Чтобы осуществить выбор, организация должна протестировать много технологий, сравнивая, противопоставляя и изучая их. Ей также нужно будет выбрать партнеров, которые обладают как технологиями, так и опытом внедрения ИИ.
  • не принимайте неудачи близко к сердцу и продолжайте внедрение. Нужно быть готовым к тому, что некоторые из ИИ-проектов могут потерпеть неудачу. С другой стороны, есть все шансы на то, что успешно внедренные проекты компенсируют эти неудачи. Создайте на предприятии культуру, которая позволит сотрудникам принять неудачи, учиться на них и двигаться к намеченным целям.

ИИ становится такой же фундаментальной технологией, как электричество, Интернет или мобильная связь. В отличие от последних, которые двигались эволюционным путем развития, машинное обучение развивается очень агрессивно и поэтому организации не могут позволить себе роскошь откладывать эксперименты с ним «на потом». Фактически, отсутствие ИИ-стратегии в 2019 г. можно сравнить с отсутствием мобильной стратегии в 2010 г. или интернет-стратегии в 2000 г. Относитесь в этот исторический момент к ИИ как верному другу, который поможет вам справиться с накопленными данными.