Если пару лет назад самым модным термином, который многие журналисты и популяризаторы употребляли к месту и не к месту, были облачные технологии, то сегодня на первое место, пожалуй, вышел искусственный интеллект (ИИ). Именно он придает любому ИТ-инструменту и решению дополнительную ценность. Но чем на самом деле является ИИ и насколько эффективно его внедрение в различных сферах человеческой жизнедеятельности? За ответами на эти и другие вопросы мы обратились к эксперту Константину Горбачу, директору по продажам Yandex Data Factory.
− Зачастую, говоря об искусственном интеллекте, под этим термином подразумевают несовпадающие вещи. Если постараться дать какое-то более четкое определение темы нашего разговора, то что сегодня понимают под ИИ? Это какие-то переборные задачи, интеллектуальная обработка статистики или нейросети?
− Действительно, тема искусственного интеллекта (Artificial Intelligence) сегодня в фокусе внимания, поэтому неудивительно, что вокруг нее возникает множество дискуссий. Даже среди серьезных исследователей ИИ не существует какой-либо доминирующей точки зрения на критерий интеллектуальности, есть лишь набор различных гипотез по данному вопросу.
Результаты, которые были достигнуты в свое время с помощью технологий, причисляемых к искусственному интеллекту, постепенно девальвируются. Этот процесс даже начали обозначать специальным термином − эффект ИИ. Например, такие вещи, как чат-боты, всевозможные «интеллектуальные помощники» или технологии распознавания образов, не так давно находились на передовом крае технологий и относились к проявлениям искусственного интеллекта. Однако уже сегодня все эти решения стали обыденными, применяемыми повсеместно ИТ-инструментами, которые никто больше не называет искусственным интеллектом.
Не будем лукавить: да, существует маркетинговое применение термина ИИ, которое зачастую связано с высокой ценностью, ассоциируемой большинством с этим понятием. И в этом нет ничего предосудительного.
Приведу известный пример из сферы шахмат. Когда компьютер впервые обыграл Каспарова, все писали о «победе искусственного интеллекта над человеческим разумом», но позже общество сошлось во мнении, что, поскольку шахматы содержат в себе весьма ограниченную вариативность, победа над человеческим гением в данном случае не является признаком интеллектуальности. Так на передовой оказалась китайская логическая игра го, в которой количество разрешенных комбинаций на много порядков больше, чем в классических шахматах. Стали говорить о том, что именно здесь требуется настоящий искусственный интеллект. Что же, прошло не так много времени, и компьютер научился обыгрывать мастеров го.
Научные основы методов машинного обучения, на которых строится ИИ, были заложены еще в 60-70-е гг. прошлого века. И в такой сфере, как, например, борьба с компьютерными вирусами или поиск в Интернете, достаточно давно используются алгоритмы, связанные с искусственным интеллектом. Причем они начали применяться задолго до того, как само понятие ИИ стало «модным» маркетинговым термином. Технологии быстро развиваются, сложность решаемых задач постоянно растет и, как результат, требования к экспертизе сотрудников в части машинного обучения для решения этих задач нисколько не ниже, чем там, где решаются задачи современного ИИ.
Итак, если подходить к термину ИИ с академических позиций, то он является совокупностью подходов к моделированию деятельности человеческого разума. На мой взгляд, искусственный интеллект – это попытка воссоздать алгоритмы, которыми оперирует человеческий мозг.
Если же давать определение ИИ в парадигме именно ИТ и компьютерных систем, то ИИ – набор алгоритмов, реализованных в программном коде, которые позволяют решать конкретные задачи в свойственной человеку манере: через обучение в процессе решения множества схожих задач.
− За последние несколько лет эксперты больше стали говорить о широком применении ИИ в промышленности. Скажите, что принципиально изменилось в технологии ИИ? Чем вызван переход от абстрактных теорий к практике? Дешевизной вычислительной мощности? Повышением скорости и простоты разработки программного обеспечения?
− Соглашусь с вами, что в промышленности технология ИИ имеет сегодня высокую популярность и переживает бурное развитие. На мой взгляд, это вызвано несколькими факторами, которые удачным образом совпали.
Первый фактор. В последнее время достаточно высокими темпами развивается машинное обучение, и уже появилось большое количество инструментария, оптимизирующего процесс анализа данных. Сейчас гораздо проще, например, построить модель анализа данных благодаря наличию готовых библиотек, которые позволяют существенно повысить эффективность работы инженера.
Второй фактор. За последние 10−15 лет промышленность прошла этап автоматизации и цифровизации, появились цифровые данные, на основе которых и можно строить какие-то модели.
Третий фактор лежит в плоскости бизнеса. Современная промышленность является высококонкурентной средой, и классические способы повышения производительности уже практически исчерпаны. Поясню простым примером: процесс производства стали сегодня во многом схож на всех металлургических заводах мира, будь то в Бразилии, Индии или на Урале. Более того, зачастую все эти предприятия используют и оборудование одних и тех же производителей. Так что поле оптимизации производственных процессов сужено до предела и нередко связано с существенными капитальными вложениями.
Машинное обучение позволяет предприятиям без особых капитальных вложений и без изменения технологического процесса повышать собственную эффективность. Причем речь здесь идет о получении достаточно быстрого эффекта – проект по внедрению ИИ можно окупить за шесть месяцев. К тому же мы говорим о небольших вложениях: для крупного металлургического комбината стоимость подобного ИТ-проекта является незначительной величиной (в масштабах всего бюджета). Все это придает мощный импульс развитию данного направления.
− Вы затронули очень важный вопрос, о котором зачастую забывают, – стоимость внедрения подобных технологий. Если мы говорим о бизнесе, то все эти проекты с ИИ должны окупаться. Как сегодня обстоит дело с экономическим аспектом?
− В этом отношении ситуация с ИИ становится с каждым годом все лучше и лучше, что обусловлено двумя причинами.
С одной стороны, повышается конкуренция на рынке с соответствующей экспертизой, да и в целом технология становится более доступной, сокращаются разного рода издержки – все это, безусловно, снижает порог внедрения таких проектов. Я имею в виду как общемировой, так и внутрироссийский рынок, поскольку ИИ является сегодня одним из немногих направлений, которые, на мой взгляд, в России развиваются в ногу с лучшими мировыми практиками.
Отмечая снижение порога по стоимости, необходимо все-таки понимать, что речь идет, как правило, о крупных предприятиях. И дело здесь даже не столько в абсолютной стоимости проекта, сколько в том, что ИИ приносит выгоду в виде оптимизации, а она, в свою очередь, измеряется единицами процентов (максимум от 3 до 10%). Соответственно встает вопрос о масштабах производства, при которых целесообразно заниматься подобными проектами. На малых предприятиях эффект от такой оптимизации может оказаться не очень интересен бизнесу, зачастую мы сталкиваемся и с проблемой отсутствия достаточных объемов исторических данных для машинного обучения.
С другой стороны, мы уже отмечаем «взросление» рынка ИИ и все увеличивающееся понимание бизнесом того, как работают указанные технологии. Это в определенной степени снижает ожидания от ИИ какого-то чуда.
На рынке произошел существенный сдвиг сознания и понимания ИИ. Если раньше к нам поступали порой просто абсурдные запросы, то сейчас уже большинство потенциальных заказчиков понимают, что эта технология, равно как и другие, требует перед внедрением тщательной проработки, в том числе с экономической точки зрения. Таким образом, растут компетенции и со стороны создателей ИИ-решений, и со стороны заказчиков. Теперь оценка экономической целесообразности появляется не в конце проекта, а на самых ранних стадиях, когда ранжируются задачи и принимаются решения.
«Вау-эффект», особенно если говорить о промышленном производстве, мало кого интересует сам по себе. Технология ИИ в каком-то смысле прошла стадию «дикого хайпа» и переходит в нормальную прикладную плоскость, когда трезво оцениваются риски и потенциальные выгоды.
− Какую роль в применении ИИ в индустриальной области играют технология глубокого обучения и нейронные сети?
− Глубокое обучение и нейронные сети применяются, как правило, в задачах, связанных с обработкой изображений, распознавания образов или голоса/речи. С прикладной точки зрения для крупных промышленных предприятий это могут быть задачи, связанные с техникой безопасности, визуальным контролем качества, оценкой брака/отклонений от нормы. Довольно часто эти алгоритмы используются на производстве для выявления дефектов: например, на конвейерном производстве отследить дефект какой-либо детали гораздо проще машинным способом – человек быстро устает и не может фокусироваться длительное время на одном объекте, а компьютер эти операции выполняет без проблем.
− Расскажите о той роли, которую в недалеком будущем будет играть искусственный интеллект в индустрии перевозок, на транспорте.
− На мой взгляд, момент, когда самостоятельно на автомобиле можно будет поездить только на специально выделенных для этого автодромах, не за горами. Человек-водитель до сих пор является основным источником аварийности, поэтому ИИ понемногу начинает его замещать. Как и в промышленности, такое замещение поначалу имеет лоскутный характер: не меняя ничего принципиально, мы просто автоматизируем какую-то одну функцию только потому, что это удобно. Например, адаптивный круиз-контроль на авто, которым уже никого не удивишь. Дальше мы наделяем автомобили способностью самостоятельно парковаться и так далее…
Через какое-то время мы обнаружим, что вынуждены делить дорогу с ИИ. Скорее всего, массово это начнется с каких-то коммерческих проектов, потому что это выгодно: автобусы, такси, грузоперевозки… А дальше уже произойдет повсеместное вытеснение «белковых» водителей. Если это не какая-то экстремальная гонка на автомобилях в заранее неизвестных условиях, а простое монотонное вождение, пусть и в плотном потоке, то со временем роботы будут делать это гораздо более эффективно.
Конечно же, пока здесь еще много преград, в том числе юридического характера: законодательство зачастую отстает от быстро развивающихся технологий, и это касается не только роботизированного транспорта. На мой взгляд, эта проблема будет решаться в зависимости от экономической целесообразности: чем выше будет эффект от внедрения технологии, тем скорее наступит прорыв и в юридической плоскости.
− Каковы реальные бонусы от сегодняшнего применения искусственного интеллекта в промышленности и к каким изменениям на предприятиях оно приведет в ближайшие десять лет?
− Как правило, внедрение ИИ связано с повышением операционной эффективности. В этом отношении промышленность − подходящая область для применения технологии, поскольку в ней есть много повторяющихся операций с большим количеством факторов, участвующих в процессе. Поскольку порой факторов очень много, при этом связаны они между собой далеко не очевидным и линейным образом, человек просто не в состоянии самостоятельно все проанализировать или построить какие-то явные зависимости. Отсюда появляются всякого рода допуски и нормы на производстве. Например, когда мы говорим про какую-то марку стали, то подразумеваем, что в ее составе наличествуют конкретные элементы, и их количество находится в каком-то диапазоне. Соответственно, если имеется вариативность в составе одного и того же продукта, существует и вариативность в его себестоимости, а именно это – поле для оптимизации.
Сегодня на производстве множество операционных решений принимаются операторами – узкими экспертами в той или иной области. Решения они принимают, опираясь на две вещи – технологический регламент и собственный опыт. При этом опыт у всех операторов разный, да и результативность принимаемых решений одного конкретного человека не отличается стабильностью. Искусственный интеллект как раз и позволяет обеспечивать стабильный результат на уровне лучшего эксперта или даже превосходящем его. В подобном случае можно говорить об автоматизации процесса принятия операционных решений при помощи ИИ.
Если говорить о десятилетней перспективе, то произойдет переход от построения «цифровых двойников процесса», когда мы обучаем модель на данных конкретного производственного передела, к «цифровым двойникам предприятия», где оптимизация будет осуществляться на более высоком уровне и носить сквозной характер. Проще говоря, на верхнем уровне уже не человек будет контролировать работу роботов, а одни роботы будут контролировать работу других роботов – некий конгломерат роботов.
Это очень интересная задача: много проблем, связанных с данными, с ответственностью за принимаемые решения, с алгоритмами и ограничениями, которые будет необходимо накладывать на такие модели.
− Как искусственный интеллект может помочь финансовым организациям в борьбе с мошенническими схемами?
− Банки и страховые компании в числе первых стали применять технологии ИИ, поскольку у них имелось много данных и было что анализировать.
Сегодня банки активно используют «умные» антифрод-системы, скоринг кредиторов, оценку дебиторской задолженности контрагентов и т. д. Понятно, что мошенники тоже не стоят на месте, постоянно развиваются, применяют новые тактики и методы… Это в каком-то смысле игра двух сторон, и, боюсь, такой процесс искоренить полностью никогда не удастся.
Одна из наиболее оригинальных идей в этой сфере − скоринг по лицу клиента. Существует предположение, что у человека ширина лица и уровень его тестостерона взаимосвязаны и соответственно можно судить о его склонности к риску и авантюрам. Помимо ширины лица могут быть десятки других факторов, о которых мы пока не догадываемся.
При помощи машинного обучения можно сопоставить прецеденты мошенничества и какие-то элементы черт лица и добавить в сводную таблицу скоринг-баллов. Естественно, если в банк придет широколицый клиент, ему не откажут в кредитовании, но если сразу по нескольким десяткам параметров у него возникнут проблемы, то фактор лица будет принят во внимание и отказ будет более уверенным. Справедливости ради стоит отметить, что для применения подобного рода практик обществу еще предстоит решить ряд вопросов морально-этического характера.
− Если говорить о внедрении ИИ в здравоохранении, к каким качественным изменениям это приведет в диагностике и персонифицированной медицине?
− С точки зрения математики персонифицированная медицина и персональные рекомендации в онлайн-магазине мало чем отличаются, кроме, разумеется, цены ошибки: одно дело – дать неправильный совет при покупке сумочки и совсем другое – выдать некорректное назначение на лечение.
Но, поскольку все модели вероятностные, это легко регулируется выставлением уровня уверенности рекомендации. На самом деле я вижу больше сложностей на регуляторном и административном уровнях. В здравоохранении до сих пор очень актуальна проблема с данными: и с их полнотой, и с их чистотой. На мой взгляд, это сдерживает активное применение ИИ в здравоохранении. Если говорить о России, то далеко не все данные у нас имеются в цифровом формате. Еще одна проблема связана с необходимостью передачи данных: для обучения сотни поликлиник должны раскрыть доступ к чувствительной информации о своих пациентах, поскольку полнота данных является одним из ключевых параметров качественной модели.
В то же время уже есть реализованные системы по диагностированию некоторых видов заболеваний по анализам, по КТ/МРТ-снимкам и даже с рекомендациями относительно последующего лечения. Подобные системы, как правило, работают в формате советников. Они не замещают лечащего врача, и экономического эффекта тут ждать не стоит. Однако такие системы снижают влияние человеческого фактора, повышают доступность медицинской услуги и среднее качество принимаемых врачами решений. Особенно это актуально в тех местах, где уровень медицины относительно невысок.
