Искусственный интеллект уже сегодня создает удобные интерфейсы

Как искусственный интеллект меняет работу ИТ-службы

В ИТ-отделах внедряют инструменты на основе искусственного интеллекта для улучшения процессов поддержки, оптимизации инфраструктуры и прогнозирования сбоев оборудования, освобождая тем самым персонал для решения более сложных задач.

Искусственный интеллект шаг за шагом завоевывает мир, и службы ИТ не стали исключением.

Внедрений пока немного, но уже сейчас в компаниях пользуются средствами искусственного интеллекта для улучшения технической поддержки и управления инфраструктурой.

В частности, ощутимую пользу приносят системы обработки естественного языка.

Обратите внимание

Будучи основой чат-ботов, применяемых в службах поддержки клиентов, они также внедряются в отделах ИТ, в том числе в качестве более удобного пользовательского интерфейса.

Например, в Credit Suisse Group начали использовать чат-боты для типовых задач, таких как сброс паролей и перезагрузка компьютеров. Прежде в банке техническая поддержка осуществлялась только людьми по телефону, и эффективность обработки обращений оставляла желать лучшего.

Сотрудники, которые звонили в центр поддержки, вынуждены были какое-то время ждать, пока освободится специалист. Чтобы покончить с потерей времени на ожидание, решено было создать еще один канал связи в форме чат-системы, способной быстро отвечать на вопросы пользователей.

Над планом перемен в Credit Suisse начали работать в конце 2016 года. В начале 2017-го решили остановить выбор на чат-боте Amelia компании IPSoft.

Как признаются в компании, сперва интеллект чат-бота был на уровне новорожденного, а сейчас – как у годовалого ребенка, и процесс обучения продолжается. Если чат-бот не способен обработать запрос, то он переадресуется человеку. Чат-бот обучается в процессе разговора, а затем специалисты проверяют его на системные ошибки перед вводом в рабочий режим.

Новая система обслуживает 76 тыс. пользователей в 40 странах. Благодаря ей в Credit Suisse около 80 сотрудников телефонного центра переведены на поддержку, требующую более высокой квалификации. В компании надеются к концу нынешнего года автоматизировать обработку 25% обращений, поступающих в службу, а в конечном счете – освободить для другой работы около трети всех специалистов центра.

Пример Credit Suisse показывает, что именно побуждает внедрять искусственный интеллект в ИТ-службах – это стремление дать возможность сотрудникам приносить больше пользы бизнесу за счет поручения низкоквалифицированной работы машинам.

Безопасность и мотивация

В сети техасских университетов A&M внедряют Artemis – интеллектуального ассистента, разработанного компанией Endgame, который будет помогать недавно нанятым сотрудникам защищать учебные заведения от кибератак.

Отдел информационной безопасности осуществляет мониторинг сетей 11 университетов и 7 ведомств штата.

В службе трудятся 9 штатных сотрудников, а еще подрабатывают 8 студентов, пока еще не обладающих достаточным опытом разрешения инцидентов безопасности.

Важно

Системе искусственного интеллекта можно задавать вопросы в произвольной форме на английском языке. Как отмечают в отделе безопасности, она помогает не только в поиске ответов, но и в обучении новичков. В январе были наняты новые сотрудники, и благодаря Artemis они освоили свои обязанности буквально за пару часов.

Кроме того, новшество позволило быстрее находить новых специалистов. Еще два года тому назад, когда понадобилось заполнить три вакансии аналитиков по безопасности, претендентов нашлось очень мало.

В январе же на семь ваканский поступило 88 заявок – благодаря молве о том, что в отделе интересно работать: вы не просто сидите целый день перед экраном, а проводите реальные расследования и набираетесь практического опыта.

Сегодня больше студентов выбирают специальности, связанные с информационной безопасностью.

Управление инфраструктурой

Murphy Oil – нефтяная компания со штатом 1200 сотрудников, работающая в США, Канаде и Малайзии.

Последний год в ней идут преобразования по модели SaaS: ИТ-инфраструктура, развернутая локально и у поставщиков услуг центров обработки данных, переносится в облако.

Причем наибольшую экономию принесло освоение интеллектуальных средств управления облачной инфраструктурой. Как уточняют в компании, если просто перенести рабочие нагрузки в облако без изменений, экономии не будет, напротив, возможны убытки.

Несмотря на всю ту гибкость, которую обеспечивают облака, для адаптации рабочих нагрузок может понадобиться труд многих людей и соответствующие затраты.

В Murphy Oil решили воспользоваться системой с искусственным интеллектом компании Turbonomic, способной давать советы по оптимизации инфраструктуры.

Но по-настоящему она окупилась, когда к системе привыкли и доверили ей задачи выбора размещения и масштаба систем.

Выяснилось, что система способна принимать более удачные решения, чем люди, поскольку руководствуется накопленными данными, а люди – интуицией и эмоциями.

Раньше в компании четыре сотрудника, работающих на полную ставку, и один с частичной занятостью занимались исключительно обработкой заявок в службу поддержки. Сейчас, как сообщают в Murphy Oil, на это требуется одна десятая часть полной штатной единицы.

В итоге персонал, занимавшийся простейшими задачами эксплуатации и сопровождения, был переведен на должности, связанные с поддержкой бизнеса. Например, сотрудники осваивают автоматизацию процессов, готовя новые преобразования в компании. Как подчеркивают в Murphy Oil, поскольку у отдела ИТ всегда есть запланированные проекты, увольнять никого не приходится.

Обеспечение связи

В школах округа Норт-Кантон, штат Огайо, имели место трудности обслуживания беспроводной сети – например, не всегда удавалось добиться надежного соединения с ней ноутбуков и мобильных устройств всех пользователей.

Всего в округе семь школ, в которых учатся 4,4 тыс. учеников и работают 650 сотрудников. К сети подключаются 6-8 тыс. устройств, а администрируют ее всего три человека. С лета прошлого года округ начал пользоваться для управления сетью решением Mist Systems, основанным на средствах искусственного интеллекта.

Как признаются сисадмины, процедуры управления сетью ощутимо ускорились, поскольку теперь причины неполадок выясняются быстрее. Так, системе можно просто задать вопрос «Что происходит с точкой доступа 1?», и она отобразит все сведения о ней с возможностью дальнейшей детализации.

Совет

Помимо интерфейса на основе естественного языка, система снабжена внутренними механизмами искусственного интеллекта, которые анализируют сетевую активность. По словам админов, решение помогло обнаружить ряд особенностей сети, о которых сотрудники даже не имели представления.

В прошлом году целых девять месяцев было потрачено на то, чтобы с помощью анализа пакетов доказать, что в ноутбуках сотрудников были неисправны адаптеры Wi-Fi. А после внедрения Mist аналогичную работу удалось проделать буквально за час, поскольку система отображает всю необходимую информацию в режиме реального времени.

Mist обнаруживает неполадки в сети, анализируя данные организации и анонимизированные справочные данные от других клиентов.

Обучение происходит как в непрерывном режиме (прогноз обновляется с учетом вновь поступающих данных), так и в пакетном (для обучения используется весь объем накопленной информации).

Применяются также модели обучения с учителем, уточняемые, по словам специалистов Mist, буквально каждые несколько часов.

В компании подчеркивают: чтобы использовать средства искусственного интеллекта, специальные знания в соответствующей области от клиентов не требуются.

Прогнозное обслуживание

В Konica Minolta внедрили систему управления ИТ-инфраструктурой на основе искусственного интеллекта компании ScienceLogic в начале 2017 года. Некогда известная как производитель камер, сейчас Konica Minolta является поставщиком офисной техники и ИТ-услуг. Решение ScienceLogic помогает предсказывать сбои оборудования.

Поначалу, как сообщают в компании, точность прогнозов составляла примерно 56%, но со временем система обучилась, и теперь двухнедельные прогнозы поломки техники сбываются на 95%.

В Konica Minolta планируют снабдить средствами прогнозирования ScienceLogic свою платформу управления ИТ-средами Workplace Hub.

Обратите внимание

Инструментарий прогнозного обслуживания также готовятся предложить в компании Nlyte Software. В ее решении используются технологии IBM Watson. Система Nlyte собирает сведения об оборудовании, используемом одновременно многими клиентами компании и, комбинируя их с данными по конкретным средам, расширяет свою компетенцию.

Как объясняют в Nlyte, система уже выявила немало закономерностей, и соответствующая информация по мере необходимости предоставляется клиентам. Кроме того, каждый клиент получает инструментарий машинного обучения, позволяющий обнаруживать закономерности, характерные для его конкретной среды.

Одно из популярных применений системы – оптимизация потребления энергии: она помогает выбирать место размещения новых серверов так, чтобы обеспечить лучшие температурные условия. Еще один распространенный сценарий – оптимизация размещения рабочих нагрузок.

Обычно подобные средства разрабатываются в компаниях собственными силами. Но теперь, с появлением готового программного обеспечения и уже построенных моделей, внедрять такие инструменты можно гораздо быстрее и без глубоких знаний в области искусственного интеллекта.

Добиться экономии благодаря применению машинного обучения удалось в компании Interxion, которая владеет 50 центрами обработки данных в 13 городах мира и предоставляет услуги колокации. Пару лет назад в компании начали внедрять систему управления инфраструктурой ЦОД (data center infrastructure management, DCIM) EcoStruxure компании Schneider Electric.

Обычно Interxion строит ежегодно четыре новых дата-центра, и в компании имеют возможность сравнивать показатели по ранее сооруженным ЦОДам, в которых EcoStruxure отсутствует, с показателями тех, где используется система старых версий, и самых новых, где развернута последняя версия.

В Interxion признают, что первые версии EcoStruxure были трудны в использовании. Они выдавали много информации, но, чтобы разбираться в ней и принимать решения, требовалось много работы. Последующие версии улучшились, но выдавали слишком много рекомендаций.

Самая новая версия обладает более развитыми интеллектуальными возможностями, и уже приносит экономию оператору дата-центров. В частности, бюджет, выделяемый на замену оборудования, уменьшился на 1-2%.

Что касается затрат на ремонт, в компании рассчитывают на то, что благодаря механизмам аналитики они в конечном счете уменьшатся на 10%.

Важно

Экономия достигается за счет ремонта оборудования еще до поломки, а также благодаря рекомендациям по оптимизации энергоэффективности.

Тем не менее даже самые новые версии системы нуждаются в доработке.

Например, типична такая ситуация: система рекомендует установить сегодня определенную температуру, на следующий день – другую, а на третий – снова первый вариант, поскольку считает его наилучшим на конкретный момент.

В Interxion полагают, что система должна выдавать рекомендации на основе долгосрочных прогнозов, отсортированных по приоритетности. Оператор ЦОДа помогает Schneider вносить улучшения в систему.

Возможности машинного обучения систем управления инфраструктурой ЦОДа, доступные Interxion, пока еще ограниченны, признают в компании.

Аналитики 452 Research уверены, что технические возможности средств искусственного интеллекта систем DCIM будут расширяться.

По их мнению, сегодня только начался процесс, который со временем приведет к интеграции управления физической инфраструктурой центров обработки данных и многих других сервисов, в том числе управления рабочими нагрузками, потреблением энергии, безопасностью, сетями и персоналом.

Читайте также:  Бесплатная площадка с демонстрацией онлайн обучения нейронной сети

Чем больше данных будут собирать поставщики систем, тем умнее и полезнее будут становиться платформы DCIM, а клиенты смогут приобретать такие инструменты по достаточно низкой цене.

Пока что – только точечные решения

Возможность появления основанной на искусственном интеллекте универсальной платформы управления эксплуатацией ИТ остается призрачной, полагают в Forrester Research: на сегодня еще нет систем искусственного интеллекта, способных заменить администратора баз данных или сисадмина. Пройдет несколько лет, прежде чем решения достигнут зрелости, а в организациях станут более четко понимать, каким образом проводить внедрения искусственного интеллекта в конкретных ИТ-средах.

Дело осложняется еще и тем, что системам нужны огромные объемы учебных данных, а на сегодня они доступны только для определенных видов задач. Кроме того, необходимы более оптимальные механизмы обмена данными между различными системами, полагают в IDC.

Например, идею интеграции управления ИТ-услугами и управления эксплуатацией ИТ-среды в теории можно реализовать за два-три года – технические возможности есть. Однако соответствующее направление развивается недостаточно, отмечают аналитики. Понадобится не только автоматизация процессов – нужен опыт и знания специалистов по поддержке и эксплуатации.

Совет

Ряд поставщиков делают определенные шаги, но до воплощения идеи в жизнь еще далеко. В IDC считают, что нужны комплексные интеллектуальные системы, формирующие уровень абстракции процессов.

Из 750 менеджеров по эксплуатации ИТ-сред, принявших участие в опросе, проведенном компаниями Turbonomics, Red Hat и AppDynamics, 68% сообщили, что пока вообще не пользуются средствами искусственного интеллекта для управления ИТ-системами, а 24% указали, что экспериментируют с такими технологиями.

Однако 84% выразили уверенность в том, что искусственный интеллект позволит упростить работу благодаря созданию самоорганизующихся систем. Таким образом, резюмируют в IDC, речь идет об области, которой интересуются многие профессионалы, однако занимаются ею всерьез лишь единицы.

– Maria Korolov. How AI is reshaping IT operations. CIO. June 13, 2018

Источник: https://www.cio.ru/articles/2371

Искусственный интеллект развивается не по дням, а по часам

Вы знаете, какая аудитория составляет большую часть фанатов «Гарри Поттера»? Молодые девушки. Они ежегодно собираются на выставки и их радует все, что так или иначе связано с волшебным миром Хогвартса. Они погружаются в фантастический мир магии, заклинаний и живых картин, даже не подозревая, что реальный мир развивается такими темпами, что очень скоро магия может стать реальностью.

Взять к примеру Орегонский выставочный центр в Портленде. Не так давно, как пишет The New York Times, там прошло собрание Leaky Con, где тусовались преимущественно фанатки «мальчика-который-выжил».

Ликующие и иногда повизгивавшие участники не имели ни малейшего представления, что по соседству группа волшебников реального мира демонстрирует технологию, которая всего пару лет назад могла сойти за волшебство.

Ученые и инженеры на конференции, посвященной компьютерному зрению и распознаванию образов, создают мир, в котором автомобили управляют собой самостоятельно, машины узнают людей и понимают их эмоции, а человекоподобные роботы гуляют без присмотра, выполняя все — от рутинных задач до спасения людей.

C.V.P.R., как известно, это ежегодный сбор ученых, студентов, хакеров, роботов и их хозяев, а также, все чаще и чаще, предпринимателей и бизнесменов, которые блуждают в поисках технологии, которая может осуществить технологический прорыв.

Растущая мощь компьютерного зрения является важным первым шагом для следующего поколения компьютеров, роботов и систем искусственного интеллекта. Как только машины смогут идентифицировать объекты и понимать среду, они смогут передвигаться по миру. И как только роботы станут подвижными, им найдется применение — они смогут расширить возможности людей или заменить их.

Самоходные автомобили, промышленные роботы и новый класс железных батраков, известных как ДР-роботы, уже демонстрируют, на что будут способны более мобильные машины.

На самом деле быстрое развитие компьютерного зрения это только одна из ряда технологий, ориентированных на искусственный интеллект; другие включают распознавание речи, удобные манипуляторы и навигацию — подчеркивают море изменений, которые произошли в сфере персональных компьютеров и Интернета, технологий, которые уже тридцать лет определяют развитие компьютерного мира.

Огромное количество данных, которые генерируются недорогими датчиками, стало ключевым фактором в смещении гравитационного центра компьютерного мира, говорит он, делая возможным использование централизованных компьютеров в дата-центрах, то есть в облаках, и выводя технологии искусственного интеллекта, такие как машинное обучение, далеко за пределы настольных компьютеров.

Apple была самым успешным новатором в популяризации того, что сегодня называют повсеместной компьютеризацией. Идея, впервые предложенная Марком Вайсером, компьютерщиком из Xerox, предполагает включение мощных микропроцессоров на чипах в повседневные объекты.

Обратите внимание

Стив Джобс, во время своего второго срока пребывания в компании Apple, быстро понял последствия падения стоимости компьютерного интеллекта. Воспользовавшись этим, он первым создал цифровой музыкальный плеер iPod, а потом преобразовал мобильную связь с iPhone. Сейчас такие инновации быстро вгрызаются во все сферы потребительских продуктов.

Перед вами несколько областей, в которых следующее поколение вычислительных систем и более мощных алгоритмов программного обеспечения могут трансформировать мир всего за пять будущих лет.

Искусственный интеллект

Все чаще и чаще на том конце провода будет оказываться компьютер.

Прошло два года с тех пор, как Watson, программа искусственного интеллекта, созданная IBM, обошла двух лучших игроков мира по «Jeopardy». Watson, обладающий доступом к 200 миллионам страниц информации, почти в состоянии понимать запросы на природном языке и отвечать на вопросы.

Первоначально производитель компьютеров планировал испытать систему в качестве эксперта по советам врачам; суть в том, что энциклопедические знания Watson могут помочь человеку диагностировать заболевание, равно как и другие знания из других областей медицины.

В мае IBM пошла еще дальше и выпустила общую версию своего программного обеспечения — «IBM Watson Engagement Advisor».

Идея в том, что система вопросов и ответов компании становится доступна широкому ряду call-центров, технической поддержки и приложений.

Компания утверждает, что 61 % всех телефонных звонков в call-центры остаются без ответа, потому что люди-сотрудники не в состоянии дать людям правильную и полную информацию.

Watson, говорят представители IBM, будет помогать человеческому оператору, но система также сможет работать в режиме «самообслуживания», когда клиенты напрямую смогут взаимодействовать с программой, вводя запросы в браузер или напрямую в программу распознавания речи.

Робототехника

Скоро на конвейерах появятся роботы, которые могут ходить, открывать двери, взбираться по лестницам и подменять людей в опасных ситуациях.

В декабре оборонное агентство перспективных исследований (DARPA), передовое исследовательское подразделение Пентагона, проведет первое из двух соревнований на 2 миллиона долларов по созданию робота, который может подменить спасателя в опасных условиях, например, на поврежденном ядерном реакторе в Фукусиме Daiichi.

Важно

Конкурс, который будет проведен в Майами, соберет роботов, которые будут соревноваться в выполнении таких задач, как передвижение, перемещение щебневых куч, используя электроинструмент, закрытии клапанов и переключении рубильников.

В дополнении к роботам DARPA, волна разумных машин для рабочих мест выдвигается из Rethink Robots, которая базируется в Бостоне, и Universal Robots из Копенгагена: эти компании начали продавать дешевых двуруких роботов для работы на заводах и фабриках. У этих роботов нет ног и колес. Но они первые коммерчески доступные роботы, которым не нужна клетка, потому что они могут видеть и слышать сотрудников завода, поэтому вреда им причинить не могут.

Для дома компании разрабатывают роботов, которые сложнее, чем современные роботы-пылесосы. Hoaloha Robotics, основанная бывшим руководителем Microsoft Тэнди Тровер, недавно сообщила, что намерена выпускать роботов для ухода за престарелыми людьми. Эта идея, в случае успеха, может дать старикам возможность жить самостоятельно. Если они захотят, конечно.

Семь участников соревнования DARPA будут построены на базе гуманоида ATLAS, созданного Boston Dynamics, исследовательской компанией из Уолтхэма, Массачусетс.

Среди широкого круга других вариантов, которые выглядят как угодно, но только не по-людски, есть несколько, которые работают словно «трансформеры» из фильма.

Конкурс вполне может напомнить о знаменитой барной сцене из «Звездных войн». Там будет всё.

Интеллектуальный транспорт

Амнон Шашуа, израильский ученый, модифицировал свою Audi A7, добавив камеру и программное обеспечение на основе искусственного интеллекта, что позволило автомобилю проехать 65 километров от Иерусалима до Тель-Авива самостоятельно, без управления рулевым колесом.

В 2004 году DARPA провело первую серию «Великих испытаний», чтобы разжечь интерес к развитию автомобилей, управляемых самостоятельно. Конкурс привел к значительному росту технологий, в том числе, например, «Super Cruise», автоматизировавшей вождение на шоссе, которую уже показывала General Motors, и других. Также в списке самостоятельная парковка — функция, уже доступная ряду автомобилей.

Источник: https://Hi-News.ru/technology/iskusstvennyj-intellekt-razvivaetsya-ne-po-dnyam-a-po-chasam.html

Интерфейсы усиления интеллекта. Рассказ о конференции

12 декабря в парке искусств «Музеон» в Москве прошла конференция «Интерфейсы усиления интеллекта», посвящённая 49-й годовщине проведённой Дугласом Энгельбартом (Douglas Carl Engelbart) демонстрации системы NLS (oN-Line System), на годы по многим параметрам опередившей развитие IT-отрасли и прозванной позже «Матерью всех демо» (The Mother of All Demos). По мнению организаторов московской конференции, научно-техническая революция 80-х была незавершённой. Некоторые возможности компьютера, представленные Энгельбартом в виде практической реализации ещё в 1968-м, так и не дошли до пользователя. Что именно пошло не так — было предложено обсудить. Приглашённые эксперты ответили на вопросы о том, что необходимо компьютерам, чтобы они действительно стали средством усиления человеческого интеллекта, как хотел Энгельбарт.<\p>

Компьютеры прошли большую эволюцию от мейнфреймов, которые занимали комнаты, до смартфонов, которые умещаются в ладонь. В 1936-м году Клод Шеннон (Claude Elwood Shannon) показал, что на базе простых логических операций можно построить сложные вычислительные устройства. То, что компьютер, подобно мозгу, может решать интеллектуальные задачи, послужило стимулом для «компьютерной революции». Сначала «компьютеры» использовались, чтобы облегчать работу зенитчиков, которым раньше приходилось выполнять непростые вычисления с помощью бумажных таблиц. Но были и визионеры, предполагавшие, что вычислительные устройства способны на большее. Вэнивар Буш (Vannevar Bush), человек, который возглавлял Национальный комитет по вопросам обороны США во время войны, был одним из них. В 1945-м году он опубликовал статью «As we may think» («Как мы можем мыслить») в журнале The Atlantic, в которой описывал устройство для хранения и обработки данных, построенное на микроплёнках. Энгельбарт вдохновился статьёй и решил создать персональный компьютер как устройство, которое решало бы комплексные проблемы. В 1968-м году учёный представил прототип персонального компьютера. За этим последовал огромный технологический прогресс: произошёл переход от ламповых к транзисторным архитектурам, — это облегчило задачу построения персонального компьютера. В 70-е каждый или работал с перфокартами, конкурируя за операционное время с другими участниками, или со своего терминала подключался к мейнфрейму (то есть большой вычислительной машине). Получалось что-то похожее на персональный компьютер. Далее перешли уже к тому, что ставили один полноценный компьютер (а не мейнфрейм с терминалами) в офис, затем и у каждого человека появился ПК.

Читайте также:  Российский банк систематизирует обращения клиентов при помощи искусственного интеллекта

Весь этот прогресс — последствие демонстрации Энгельбартом прототипа персонального компьютера в 1968-м году. Он тогда описал видеоконференции, гипертекст, электронную почту, одновременное редактирование документов несколькими пользователями.

Совет

В какой-то момент прототип компьютера был передан компании Xerox, которая стала работать над проектом Xerox Alto. В результате был создан первый персональный компьютер.

Наконец пользователь получил доступ к тому, что показывал Энгельбарт.

Идеи Энгельбарта оказались распространены, но они не были реализованы так, как это было задумано, они не изменили коренным образом модель интеллектуального взаимодействия людей.

В 60-е годы была такая практика, две лаборатории были соединены постоянной видеосвязью, на большом экране можно было увидеть коллег из другой лаборатории. Была возможность находиться на связи в реальном времени, и это облегчало научное сотрудничество.

Но победил не подход усиления интеллекта человека при помощи компьютера, а принцип «компьютер должен быть простым, дружественным, массовым и легко продаваться». В 90-е мы получили интернет, но качество организации информации оставляло желать лучшего.

Ведь и до сих пор нет возможности работать с единым рабочим пространством (по сравнению с тем, что было показано в 60-х, Dropbox — это очень слабенько).

Вернувшись в прошлое и посмотрев на идеи Энгельбарта, можно найти рецепты для создания компьютеров будущего.

В течение последних десятилетий мы являемся свидетелями «второй весны ИИ». Первая такая весна была в 50-е годы, и тогда казалось, что интеллектуальные задачи, которые решает человеческий мозг, скоро поддадутся компьютеру. Но этого не случилось.

Недавно мы наблюдали прорыв в решении ряда задач (например, компьютер обыграл человека в го, игру, в которую человек играет хорошо, а компьютер всегда играл плохо). То есть, ситуация меняется, и для этого есть три причины.

Это (1) повышение производительности компьютеров; (2) создание архитектур для решения специфических задач (раньше были центральные процессоры, CPU, потом GPU, и сейчас самое новое поколение — тензорные процессоры); (3) увеличение размеров обучающих корпусов (с развитием интернета появилось огромное количество информации в цифровом виде; автоматизация бизнес-процессов обеспечила большой объём доступных данных, например записей разговоров кол-центров). Последний фактор — (4) прогресс в области алгоритмов: были созданы многослойные рекуррентные нейронные сети — революционный метод обработки данных.

Есть четыре категории задач, которые можно решать с помощью нейронных сетей.

Обратите внимание

Это (1) прогнозирование продолжительной величины (например, можно на основе вашей фотографии спрогнозировать возраст); (2) создание новой информации на основе обучающего корпуса данных (этим занимаются т. н.

генеративные модели); (3) задача классификации данных (например, отличить картинки кошечек от собачек); (4) задача перевода последовательности одних данных в последовательность других (sequence to sequence, seq2seq), например, машинный перевод. Кстати, наша жизнь — это тоже почти задача seq2seq: органы чувств генерируют векторы активности, описывающие движения мышц, а наш мозг на их основе генерирует выходные данные — сигналы к действию.

Идея свёрточных сетей не нова, — их математическая модель подражает структуре сетчатки глаза. Свёрточные нейронные сети явились огромным прогрессом, позволившим достичь паритета с человеком в задаче распознавания речи, в задаче классификации (распознавание образов, аудио и т. д.

), в задаче перемещения стиля и в ряде других задач. Рекуррентные нейронные сети достигли рекордных успехов в задаче машинного перевода, построения чат-ботов (см. «Достижения в машинной обработке естественного языка»). Все лучше и лучше получается синтезировать речь (см. Сергей Марков.

«Искусственный интеллект, литературное творчество и естественный язык»).

Сейчас у каждого человека есть носимое мобильное устройство, в котором есть акселерометр и гироскоп. По снимаемым с них данным можно сказать очень много о вас и вашей деятельности. Когда телефон находится в кармане, можно угадать, стоит ли человек, бежит по лестнице или спит.

Какую бы сферу мы ни взяли, мы найдём много применений технологии нейронных сетей. Например, для медицины это поиск новых препаратов, диагностика лечения, анализ медицинских текстов, распознавание медицинских изображений (например, фМРТ).

Это гораздо дешевле, гораздо точнее и гораздо быстрее, чем человеческий труд (подробнее — «Искусственный интеллект в медицине»).

Что нас ждёт в ближайшие несколько лет и что может усилить эффект от существующих достижений? Крупные компании, которые специализируются на производстве процессоров, ввязались в гонку по изготовлению специализированных устройств для нейронных сетей. Идёт работа над нейроморфическими импульсными процессорами (TrueNorth

Источник: https://22century.ru/commerce/59802

5 выгод от применения искусственного интеллекта в малом бизнесе уже сегодня

Источник: https://8d9.ru/5-vygod-ot-primeneniya-iskusstvennogo-intellekta-v-malom-biznese-uzhe-segodnya

Искусственный интеллект как высокое искусство #тренды #СЭД #ECMJ

Манфред Зервас, SER Group

Наступил ли уже небывалый технологический прогресс, связанный с возможностями искусственного интеллекта (ИИ)? Во многих областях умные технологии уже применяются.

Тем не менее машинам нужно еще много времени, чтобы стать по-настоящему равными или превосходить людей.

Пока ученые не разработали супер-интеллект – «сильный ИИ», поэтому мы, люди, продолжаем сосуществовать и использовать машинный «слабый ИИ».

«Сильный ИИ» в будущем заменит людей, а «слабый ИИ» – это расширение когнитивных способностей человека, и уже сегодня он помогает в решении точных задач. Искусственный интеллект станет основной модернизации общества и экономики.

  ИИ поможет справиться и с более глобальными задачами – например, развитие умных городов, обеспечение более безопасного и бесперебойного движения транспортных средств, снижение потребления энергии, оптимизация электрических сетей, сокращение выбросов углекислого газа и даже более эффективная защита доступа в интернет.

Принимая во внимание демографическое развитие, повышение общей производительности за счет использования интеллектуальных технологий станет серьезным конкурентным преимуществом для предприятий.

Интеллект нужно стимулировать

«Слабый ИИ» и традиционные информационные системы, основанные на правилах, уже сегодня приносят ощутимую пользу компаниям. Они управляют финансовыми операциями, составляют предварительные расчеты, моделируют развитие экономики. Искусственный интеллект хорошо распознает различные нарушения, такие как мошенничество с кредитными картами. 

Кроме того, интеллектуальные инструменты отлично помогают ставить диагнозы и делать прогнозы в медицине. В частности, машинный интеллект может оценить рентгеновские снимки прежде, чем врач-рентгенолог сделает окончательное заключение. 

Когда нужно распознать шаблон текста, изображения в нем, почерк, материалы и вещества, ИИ справляется с этим лучше, чем люди.  Все это важно при упреждающем обслуживании и ремонте. 

«Когда нужно распознать шаблон текста, изображения в нем, почерк, материалы и вещества, ИИ справляется с этим лучше, чем люди».

Искусственный интеллект имеет большой потенциал в сфере экономики и бизнеса. ИИ не только избавит пользователей от выполнения рутинный операций или опасных задач, но и позволит намного быстрее анализировать большие объемы данных, принимать решения на основе полученных прогнозов.

 Более того, роботы найдут широкое применение в автоматизации производства, и это откроет много новых возможностей. Например, такие страны, как Германия, станут более привлекательными для создания производства, ИИ сделает его конкурентоспособным. Экономических причин для аутсорсинга производства в страны с более низкой заработной платой больше не будет.

Благодаря более интеллектуальным продуктам, процессам и машинам (Интернет вещей, IoT) появятся новые бизнес-направления.

Важно

ИИ превращается в революционную базовую технологию, которая изменит традиционные способы работы и программные приложения. Но надо понимать, что, подобно людям, машины также совершают порой ошибки.

 Пока здоровье человека и его жизнь не поставлены на карту, ошибки допустимы. Оценивая процент корректного выполнения задач, мы можем определить вероятность правильного вычисления алгоритма.

Нам больше не придется выполнять задачи вручную, но нужно будет отслеживать результаты обработки и корректировать работу машины при необходимости.

Информация – это ключ

Человеческие когнитивные способности ограничены. Мы не используем даже 80% всей информации, которую получаем. При этом день ото дня этой информации становится все больше. Эпоха Индустрии 4.0 и Интернета вещей увеличит объем мировых данных в 10 раз к 2020 году.

Сегодняшний шквал информации идеально подходит для приложений искусственного интеллекта. Однако ERP-системы, например, не способны обрабатывать основную часть корпоративной информации.

 Для этого требуется контекстно-зависимое программное обеспечение, которое может эффективно управлять большими объемами данных, хранить их и при необходимости горизонтально масштабировать базы данных.

Все это было и остается функциями систем управления корпоративным контентом – ECM. 

«Уже 20 лет назад большая часть информации, порядка 80%, в бизнес-контексте была не структурирована».

Уже 20 лет назад большая часть информации, порядка 80%, в бизнес-контексте была не структурирована. Ситуация до сих пор не изменилась: электронные письма, документы, контент в социальных сетях, веб-сайты, машинные данные, изображения, видео и т.д.

В эпоху искусственного интеллекта информацию, наконец, признали важной частью производства. В будущем информационная логистика станет одним из ключевых факторов, которые будут влиять на формирование стоимости продукта. Информационное хранилище – ядро ​​ECM, и именно системы этого класса свободно работают с новой валютой бизнеса – с информацией. 

Управление информацией является технологически сложной задачей для компаний. Помимо ECM- и ERP-cистем, используются множество других бизнес-приложений, а их содержимое хранится в отдельных базах данных и структурах.

Совет

 Это все влияет на производительность сотрудников предприятий. Кроме того, подобная ситуация осложняет внедрение искусственного интеллекта.

ИИ нуждается в данных из разных источников, чтобы учиться и составлять прогнозы, поэтому интеграция информационных систем компании важна стратегически, как никогда ранее.

Контакт с новой технологией

Человеко-компьютерный интерфейс больше не ограничивается клавиатурой, мышью, сканером и камерой.

 Вскоре все типы устройств, решений и программных приложений смогут отвечать на запросы пользователя, причем не на техническом языке, а точно так же, как общаются между собой люди.

Мы сможем установить человекоподобный диалог с машиной. В настоящее время многие компании работают над возможностью обрабатывать естественный человеческий язык в ECM.

«В отличие от людей виртуальным агентам не нужны пользовательские интерфейсы».

Больше никаких пользовательских интерфейсов

В отличие от людей виртуальным агентам не нужны пользовательские интерфейсы. В будущем уже не будет традиционных пользовательских интерфейсов для сбора данных, поиска и передачи информации. Как и в случае с финансовыми операциями, люди будут вовлечены в бизнес-процесс только в том случае, если система зарегистрирует отклонение или выйдет из-под контроля.

 С такими системами, как ECM, основанными на алгоритмах, бизнес-процессы и принятие многих решений можно будет по большей части автоматизировать. Если говорить на перспективу, управление информацией станет несколько иным: предсказывая потребности пользователя, система будет выводить информацию в контексте текущей работы, действий, решений, т.е.

искать вручную больше не придется.

https://www.youtube.com/watch?v=EFd1uWNT0AU

Скорее всего, первые компании, которые станут работать с ECM-системами на основе ИИ, будут из сферы финансовых услуг, где функции административного персонала заключаются главным образом в обработке информации.

Бухгалтерия также имеет дело с огромными объемами данных, при этом их сложность постоянно возрастает из-за новых правовых норм и более строгих требований.

 Автоматическая обработка входящих счетов уже сегодня заключается в полностью автоматизированном процессе или даже в автоматическом создании проводок при выставлении счетов-фактур.

Искусственный интеллект должен нести пользу и выгоду

Искусственный интеллект – это настоящее искусство, потому что, с одной стороны, технология должна служить людям, а с другой – не умалять ценности труда человека.

  Мы находимся лишь в начале огромного пути и интересных событий, и конца пока не видно. Несмотря на всю шумиху вокруг цифровизации, большую часть компаний сложно называть продвинутыми в этом деле.

Но цифровизация является предпосылкой к внедрению искусственного интеллекта.

Пока ИИ развивается, нужно цифровизировать предприятия. ECM-системы должны быть на повестке дня для большинства компаний, их ценность измерить трудно, но в практичности никто не сомневается – их просто нужно развернуть. 

Перевод – Екатерина Михеева, DIRECTUM

Источник: E3zine — E-3 Magazine International

Источник: https://ecm-journal.ru/docs/Iskusstvennyjj-intellekt-kak-vysokoe-iskusstvo.aspx

Искусственный интеллект сегодня

Разговоры о том, как индустрия искусственного интеллекта изменит мир в будущем, идут постоянно. Мы все еще думаем, что это что-то из области фантастики и будет возможно уже не при нашей жизни. Но мы ошибаемся. Венчурный капиталист из Bloomberg Beta Шивон Зилис рассказала о своем обзоре текущего состояния разработок ИИ.

Последние три месяца я провела, изучая все стартапы, относящиеся к искусственному интеллекту, машинному обучению или обработке данных, какие нашла. Сейчас в моем списке 2529 таких компаний. Может быть, свободное время можно было провести и получше, но что уж теперь…

Зачем?

Несколько лет назад инвесторы только и говорили, что о «больших данных». Теперь подобный взрыв переживают компании, относящие себя к создателям искусственного интеллекта и машинного обучения — я называю все это вместе «машинный интеллект».

Наш фонд, Bloomberg Beta, ориентирован на отрасли, за которыми, как мы надеемся, будущее, так что в подобные проекты мы также инвестируем. Я провела этот обзор, чтобы рассмотреть стартапы в контексте. При инвестировании я стараюсь представить себе будущий ландшафт и сверяю предполагаемые объекты инвестиций с этим представлением.

Поэтому я начинаю с того, что исследую плотно занятые области и пустые пространства — построив систему, легче увидеть в ней пробелы.

Что такое «машинный интеллект»

Это объединяющий термин для того, что другие называют искусственным интеллектом и машинным обучением. Этот термин использовали и раньше, но без определения, что невозможно, учитывая терминологические споры в этой области.

Я бы предпочла другую формулировку, но и «искусственный интеллект» и «машинное обучение» оказались слишком узкими понятиями; когда я употребляю первое определение, многие интересуются, правда ли компания разрабатывает «настоящий искусственный интеллект», а когда использую второе — возникают претензии, что в нем маловато об «интеллекте». А в случае с «машинным интеллектом» люди как-то сразу схватывают суть — вот и отлично.

Компьютеры учатся думать, читать и писать. Они обретают человеческие органы чувств: в первую очередь зрение и слух; осязание, вкусовые ощущения и запахи пока отстают.

Технологии машинного интеллекта используются в широком спектре задач (от классификации и кластеризации чего угодно до распознавания естественной речи и компьютерного зрения) и методов (от метода опорных векторов до глубоких сетей доверия). Все эти технологии нашли отражение в этом обзоре.

Чего здесь нет, так это технологий «больших данных». Этот термин иногда используют как синоним машинного обучения и искусственного интеллекта, но я бы хотела сосредоточиться на интеллекте, а не на данных, их хранении и обработке; хотя, конечно, технологии обработки данных лежат в основе машинного интеллекта.

Какие компании вошли в этот обзор

Я насчитала тысячи компаний. Таблица переполнена, но это лишь небольшая часть всей экосистемы. «Проходной балл» в таблицу был как в Гарвард или в Йельский университет.

Я пыталась подобрать компании, в основе технологий которых лежат методы машинного интеллекта. Очевидно, многие из этих предприятий принадлежат к нескольким отраслям, но для простоты я старалась классифицировать компании по их основной области деятельности и по тому, как они сами себя позиционируют.

Чтобы понять, где здесь инновации и машинный интеллект, нужно добраться до технологий, лежащих в основе бизнеса. Некоторые из этих компаний предоставляют интерфейс программирования приложений, другие продают свою платформу, часть находится на стадии, когда доступен только прототип, а про некоторые вообще почти ничего не известно.

Часть компаний уже предлагает революционные решения корпорациям или целой отрасли, но часть все еще замкнута в себе.

Если бы я сейчас стояла перед задачей определить область деятельности для новой компании, я бы использовала этот обзор и постаралась создать промышленное решение, использующее существующую технологию.

Обратите внимание

Многим нравится решать красивые теоретические проблемы, но существует огромный рынок «некрасивых» задач; нужно взять мощные технологические решения и создать на их основе прикладные приложения, отвечающее задачам индустрии.

Примеры: Watson Developer Cloud, AlchemyAPI.

Размышления над ландшафтом

В последнее время вышло несколько отличных статей с размышлениями их авторов о подъеме машинного интеллекта и перечислениями факторов, которые привели к этому подъему.

Кевин Келли, редактор журнала Wired, например, считает, что дело в дешевых параллельных вычислениях, больших объемах собранных данных и прогрессе в области алгоритмов.

Я же сосредоточилась на изучении экосистемы на уровне компаний.

Да, машинный интеллект меняет предприятия, людей и целые отрасли

В общих чертах легко понять, почему искусственный интеллект так важен, но, пока я не разобралась, чем именно занимаются эти компании и как они уже меняют окружающий мир, я не понимала этого в достаточной степени. Кевин Келли выразился так:

«Бизнес-планы следующих 10 тысяч стартапов легко спрогнозировать: берем X и добавляем к нему ИИ».

Во многих случаях можно даже обойтись без X. Машинный интеллект не только изменит существующие отрасли, но, вероятно, создаст совершенно новые.

Часть приложений машинного интеллекта вполне ожидаема.

Это автоматизированные помощники (Siri), милые роботы (Jibo), распознавание людей на изображениях (например, технически интересный, но неудачно названный DeepFace).

Но есть и неожиданные: защита детей от сексуального рабства, сокращение количества химикатов в салатных листьях, покупка обуви через интернет точно по ноге и уничтожение классических компьютерных игр 80-х годов.

Многие компании будут куплены другими игроками

Для меня оказалось сюрпризом, что 10% частных (непубличных) компаний из моей выборки уже куплены. Считается, что на этом поле пока мало поглощений.

Источник: https://ru.ihodl.com/technologies/2014-12-15/iskusstvennyi-intellekt-segodnia/

Блоги / Искусственный интеллект: ожидание и реальность

Глава Сбербанка Герман Греф пообщался с человекоподобным роботом Софией в Давосе. Она посоветовала снимать меньше фильмов вроде «Терминатора». Мы с ней согласны и рассказываем, почему фантазии об искусственном интеллекте сильно расходятся с реальностью.

Идеям о создании человекоподобного искусственного существа уже тысячи лет. У Гефеста были механические слуги, у Пигмалиона — Галатея, а у папы Карло — Буратино. 

Искусственный интеллект еще не окреп, не успел захватить мир и поработить человечество, но мы уже приклеили к нему ярлык DANGER.

Важно

В наше время появление киборга с искусственным разумом, всегда готового поддержать любой разговор или взять на себя все дела по хозяйству, возможно разве что в художественных произведениях и при неизвестных обстоятельствах.

Писатели-фантасты в середине прошлого века пророчили нам, нынешним обитателям счастливого будущего, совсем иные возможности и даже технологический апокалипсис.

Однако формула «Робот в каждый дом» воплотилась не так, как представляли ее футуристы и мечтатели.

Ожидание: Антропоморфный робот-помощник, который скрасит одиночество, последит за детьми в ваше отсутствие, выгуляет собаку, подскажет рецепт пасты с анчоусами и приготовит кофе. И будет ходить на двух ногах.

Реальность: Такие механизмы существуют, но они слишком дорогостоящие, поэтому остаются недоступными большинству покупателей.

Разработки вроде домашних роботов Aeolus Robotics остаются в статусе прототипов и красивых иллюстраций из-за сложности изготовления и уникальности материалов. Зато подобные машины хороши в промышленной работе. На складах Amazon по всему миру работает около 100 000 роботов, правда, людей они напоминают весьма отдаленно. 

Еще один перспективный вариант — робот-гиноид София, детище гонконгской компании Hanson Robotics.

Создатели наделили ее искусственным интеллектом, внешностью Одри Хепберн, технологией распознавания лиц и речи, а Саудовская Аравия — гражданством.

Сообщается, что недавно София обрела способность самостоятельно ходить и выражать 62 эмоции. Тем не менее она остается демонстрационной моделью и символом, но не практическим экземпляром для работы с людьми.

Ожидание:  Самообучающаяся программа, которая обретает сознание в потоке информации, словно Кукловод из «Призрака в доспехах» 1995 года.

Реальность: Нейросети, или искусственные нейронные сети (ИНС) — математические «двойники» биологических нейронных сетей — действительно способны обучаться самостоятельно.

Нейросети можно научить создавать литературные произведения. В прошлом году нейросети написали рассказ по «Гарри Поттеру», в котором главные герои говорили странные фразы и совершали странные действия вроде «Гарри вырвал глаза из своей головы и бросил их в лес».

Совет

ИНС умеют сочинять стихи в стиле Курта Кобейна и даже написать блэк-метал альбом. Возможности нейросетей работают в реальной жизни, например при создании умных операционных технологий, не требующих участия человека. Выйти за пределы человеческого контроля ИНС по-прежнему не могут.

Ожидание: Беспилотные автомобили с искусственным интеллектом, которые безопасно доставят пассажира в любую точку заданного маршрута, не требуя непосредственного контроля водителя за дорогой.

Реальность: Чаще всего в разговорах о губительных перспективах развития искусственного интеллекта для человечества вспоминают как раз беспилотные автомобили.

Они уже есть в нашей жизни. Их тестируют десятилетиями, с переменным успехом; разработками заняты компании по всему миру, новейшие технологии представляют на престижных выставках, а ошибки на поворотах и проезды на красный свет обсуждают всем миром.

В январе 2017 года на Международной выставке потребительской электроники (CES) в Лас-Вегасе представитель Ford рассказал, что компания планирует выпустить полностью автоматизированную машину уже в 2021 году.

Есть множество вопросов о ее доступности. Беспилотные такси Uber ездят по улицам Сан-Франциско с 2016 года и постоянно получают критические замечания.

Пока технология не получила массового распространения, но специалисты в области искусственного интеллекта уже ломают голову над дилеммой вроде: «Что выберет беспилотный автомобиль в экстренной ситуации — сбить старушку или ребенка?». Другой вопрос: «Кто понесет ответственность за несчастный случай?».

Ожидание: Искусственный интеллект на службе медиков. Устройства, помогающие быстро поставить диагноз, просчитать возможные варианты лечения, определить перспективу выздоровления и облегчить выполнение сложнейших хирургических операций.

Реальность: 

Источник: https://www.playground.ru/blogs/other/iskusstvennyj_intellekt_ozhidanie_i_realnost-285617/

Ссылка на основную публикацию