Gartner сулит большое будущее композитному ИИ (Composite AI) для предприятий. Последний представляет из себя сочетание методов из различных областей ИИ, что может дать мощный мультипликативный эффект, пишет на портале InformationWeek главный менеджер по управлению аналитическими продуктами SAS Брэт Вуек.

Сегодня трудно найти компанию, которая не использует ИИ. В последние годы он стал более доступным и повсеместным, и этот термин закрепился в качестве основного компонента технологического лексикона. Что еще не вошло в него, но становится все более важным для успешного внедрения ИИ, так это концепция композитного ИИ.

Gartner включила композитный ИИ в число пяти новых инновационных профилей в своем исследовании «Hype Cycle for Artificial Intelligence, 2020» определив этот термин как «сочетание различных методов ИИ для достижения наилучших результатов».

Речь идет об использовании синергии различных типов ИИ — машинного обучения, традиционных систем на основе правил, методов оптимизации, обработки естественного языка и графовых методов — с целью повышения эффективности обучения систем ИИ, уровня «здравого смысла» и способности решать широкий спектр бизнес-задач.

Идея композитного ИИ на первый взгляд может не произвести должного впечатления, поскольку концепции, лежащие в его основе, так или иначе не новы. Но сочетание методов из различных областей ИИ, предлагающих уникальные подходы для решения различных аспектов общей бизнес-задачи, может дать мощный мультипликативный эффект. Благодаря ему организации могут создавать решения, которые исследуют и используют все аспекты знаний, заложенных в данных. Свидетельством могут послужить примеры ритейлеров, врачей и банкиров — новаторов во всех отраслях, которые уже сегодня используют его преимущества.

Композитный ИИ в действии

Многие компании часто задаются вопросом: «Какой алгоритм или технику ИИ использовать?». Однако по мере того, как ИИ решает все более сложные задачи, лучшим ответом становится сочетание нескольких методов и технологий. Взять, например, компанию, занимающуюся розничной торговлей. Используя композитный ИИ, она может оптимизировать свои усилия по ценообразованию и продвижению товаров, собирая и суммарно анализируя данные о транзакциях каждого магазина, существующих ценах и акциях, уровнях запасов, характеристиках клиентов и ценах конкурентов. Ритейлеры могут лучше понять ценовую эластичность (т. е. влияние любых предлагаемых изменений цен) для подмножества магазинов и/или товаров путем одновременного использования методов МО, многократного тестирования и итераций на основе реакции покупателей на любые изменения цен.

Что касается возможностей композитного ИИ в медицине, то Медицинский центр Амстердамского университета продемонстрировал его потенциал, объединив такие технологии, как компьютерное зрение, визуализацию данных и МО, для оценки эффективности лечения онкологических больных. Их сочетание позволяет врачам визуализировать реакцию организма на химиотерапию на основе изменения размера опухоли — анализ, который трудно проделать невооруженным глазом, но который может значительно улучшить общие показатели выживаемости.

Применение композитных ИИ-методов в финансовом секторе вообще меняет его организацию и характер деятельности. Переходя от ручных проверок соблюдения нормативных требований к автоматизированному процессу управления рисками на базе ИИ, организации используют обработку естественного языка для извлечения важнейших данных из торговых документов, проводят сотни проверок соблюдения нормативных требований в режиме реального времени и используют модель градиентного усиления для автоматизации процессов и сокращения числа ложных срабатываний. Автоматизация позволила ведущим финансовым учреждениям сократить количество проверок с 40 до одной минуты, что означает экономию в миллионы долларов.

С чего начать

Самым важным шагом в успешном использовании композитного ИИ является четкое определение бизнес-проблемы, требующей решения. После того как специалисты компании в области обработки данных и ИИ глубоко поймут суть бизнес-задачи, они смогут определить, какие имеющиеся наборы данных лучше всего помогут найти ответ на нее. Выбор, интеграция и внедрение наиболее продуктивной комбинации методов ИИ обычно сводится к количеству и типу имеющихся данных.

Например, если наиболее актуальная бизнес-проблема компании связана с обслуживанием и поддержкой клиентов, и при этом используются текстовые или голосовые данные, в стратегии ИИ должны присутствовать два метода — компьютерное зрение и обработка естественного языка. Если компания пытается решить финансовую проблему в рамках конкретного отдела, в которой задействованы преимущественно структурированные данные, в рецепте комбинированного ИИ может потребоваться сочетание статистики, МО и методов прогнозирования.

После выбора наиболее продуктивной комбинации методов ИИ аналитики и специалисты по работе с ИИ могут использовать конвейеры МО для создания моделей. Для их операционализации и скорейшего извлечения выгоды модели или даже потоки решений могут быть встроены в соответствующие процессы, устройства, датчики или базы данных.

Обеспечение бесшовной и безопасной интеграции всех методов ИИ в рамках композитной стратегии особенно важно, если используются библиотеки с открытым кодом и/или отраслевая принадлежность компании связана с высоким уровнем регулирования.

Постепенный, комплексный подход — ключ к успешному применению композитного ИИ

В конечном счете, композитный ИИ — это командный вид спорта, поскольку он требует междисциплинарных компетенций и участия экспертов по всему спектру методов ИИ. Вместо того чтобы перегружать себя или слишком концентрироваться на одном конкретном методе ИИ, компаниям следует постепенно выстраивать стратегию композитного ИИ на основе бизнес-задачи (задач), которую они больше всего хотят решить.

Вполне реально, что по мере изменения и роста потребностей бизнеса сочетание ИИ-методов будет меняться. Важно обеспечить итеративность процесса и доступность широкого спектра техник ИИ. Интегрируя наиболее подходящее сочетание методов ИИ и соответствующих экспертов для решения конкретной проблемы и постоянно внедряя модели и потоки решений для создания ценности, компании могут воспользоваться преимуществами композитного ИИ и реально решить свои самые сложные бизнес-задачи.