Технология искусственного интеллекта оказывается востребованной бизнесом

8 новых профессий в сфере искусственного интеллекта

Источник: https://8d9.ru/8-novyx-professij-v-sfere-iskusstvennogo-intellekta

Гонка технологий. Как искусственный интеллект помогает бизнесу | Технологии

Исследователи сообщили, что лидером по количеству проектов остается финансовая отрасль. Здесь технологии позволяют снизить издержки, минимизировать риски, предотвратить фрод, проверять заемщиков, оценивать их платежеспособность, осуществлять прогнозирование и т.д.

В частности, ПАО «Банк УРАЛСИБ» применяет ИИ для анализа данных о клиентах, что позволяет более персонализировано подходить к своим предложения. Также в банке недавно перевели каталог продуктов на нереляционную базу данных под управлением ИИ, которая при изменении тарифа сама структурирует данные, не требуя менять код ПО.

«Финансовый сектор всегда был в авангарде использования технологии, и еще 15 лет назад банки начали использовать ИИ для прогнозирования дефолтов с помощью самообучающихся нейронных сетей.

Сейчас ИИ позволяет нам решать более широкий круг задач: минимизировать риски, предотвращать фрод, проверять заемщиков, оценивать их платежеспособность, осуществлять прогнозирование и так далее», — объясняет Руководитель департамента «Цифровой банкинг» ПАО «Банк УРАЛСИБ» Александр Сахаров.

Обратите внимание

В ретейле основное направление внедрений искусственного интеллекта связано с обслуживанием клиентов, оптимизацией логистики, инвентаризацией складских запасов, снижением затрат и прогнозированием спроса. Среди примеров из ретейла была представлена компания «М.

Видео», которая внедрила у себя технологии искусственного интеллекта для улучшения клиентского сервиса через онлайн-магазин.

Анализируется поведение клиента на сайте, переходы между страницами, просмотры разделов, после чего система готовит персональные товарные рекомендации, которые направляет зарегистрированному пользователю по почте.

Чтобы увеличить конверсию за счет возврата ушедших посетителей и повысить отклик от маркетинговых рассылок, компания внедрила решение на базе машинного обучения, которое определяет оптимальное время взаимодействия с клиентом для совершения покупки.

В частности применяется механизм, который анализирует предпочтения других покупателей. По словам, директора по информационным технологиям «М.

Видео» Сергея Сергеева, в результате этих и ряда других мер по оптимизации работы сайта интернет продажи за 9 месяцев выросли на 30%, а конверсия посетителей в покупателей — на 10%.

В страховании искусственный интеллект применяется для управления документооборотом, обработки клиентских данных, селекции рисков, борьбы с мошенничеством, определения персонализированных страховых услуг и распределения страховых выплат.

В России среди лидеров этого сегмента можно выделить компанию «Альфа Страхование», которая одна из первых внедрила элементы ИИ для решения главной проблемы страхового рынка — мошенничества при урегулировании убытков.

Важно

Система, анализируя данные страховых случаев ОСАГО, в том числе клиентские данные, это позволяет выделить среди общего количества сомнительных случаев те, в которых действительно существует вероятность мошенничества со стороны клиента, для последующего проведения расследований.

Это помогает выявить мошенничество и отгородить остальных клиентов от дополнительных трат.

«Мы можем наблюдать, как на рынке страхования происходит революция — от объектного подхода, когда раньше мы пытались по группам клиентов агрегировать факторы, то есть всем людям с одинаковым возрастом, стажем, машиной и т.д.

предложить общий тариф, на индивидуальный подход, когда каждый клиент теперь имеет возможность получить персональный тариф, исходя из своих навыков», — объясняет Сергей Шишкин, заместитель финансового директора компании «Альфа Страхование».

Он же отмечает и важную особенность ИИ, которая возможно тормозит его внедрение: «Машине не доверят зарабатывать деньги, потому что с нее не спросишь результат. А с человека менеджера — спросишь».

Директор по продажам отраслевых решений Yandex Data Factor Константин Горбач представил кейсы в промышленности, в первую очередь, внедрение искусственного интеллекта на магнитогорском металлургическом комбинате.

Запущенное решение помогает принять решение по диапазону химического состава сырья для стали для оптимизации качества и себестоимости продукции. Заявленная эффективность составила около 5%. Далее, по подобной модели компания внедрила искусственный интеллект в производство шоколада и экстракцию золота.

Окупаемость таких проектов, по данным разработчика, составляет 6-9 месяцев.

Как отмечают эксперты, несмотря на высокий потенциал роста рынка, в России практическое внедрение технологий тормозят достаточно высокие инвестиции в проекты при существующих сомнениях в финансовой отдачи.

Помимо этого, для развития бизнес-ориентированного ИИ барьером является недостаток вычислительных мощностей, наличие высокопроизводительной инфраструктуры позволит скорректировать ситуацию.

Совет

Несмотря на это на отечественном рынке уже существуют примеры внедрения ИИ, которые доказывают эффективность их применения и пользу для бизнеса.

Многие компании осознают необходимость активного инвестирования в ИИ, это подтверждается желанием лидеров венчурного рынка в лице инвестфондов Сбербанка и Larnabel Enterprises, намеревающиеся вложить более $100 млн в проекты на базе ИИ. Исходя из этого, эксперты утверждают, что уже сегодня применение технологий ИИ/МО в бизнесе — это «гонка вооружений». Кто первый внедрит, оптимизирует бизнес процессы, сделает клиенту лучшее предложение, тот выиграет.

Источник: https://www.forbes.ru/tehnologii/354727-gonka-tehnologiy-kak-iskusstvennyy-intellekt-pomogaet-biznesu

Как искусственный интеллект помогает бизнесу

Способность к обучению и отсутствие эмоций — главное преимущество ИИ в борьбе с рисками

Данных становится все больше, а принимать решения нужно все быстрее. IBM считает, что всего через пять лет бизнес не сможет принимать большинство важных решений, не прибегая к помощи когнитивных сервисов на базе искусственного интеллекта (ИИ).

PwC идет в своих выводах еще дальше: согласно их опросам, топ-менеджеры более 2000 крупных компаний уже сегодня в 41% случаев опираются на аналитические данные, полученные в результате использования технологий машинного обучения.

Управление рисками — не исключение.

Ручное управление

Современные компании сталкиваются более чем с 20 видами рисков — финансовых, технологических, юридических, временных и др. Ситуация риска предполагает несколько вариантов развития событий, можно выиграть или потерять.

Для управления риском выявляют значимые факторы, действуя по принципу «предупрежден — значит вооружен». Чем более качественно собирается ключевая информация, тем быстрее можно продумать выход из положения.

 Так, например, работают трейдеры на бирже: в реальном времени они ведут анализ данных с крупнейших мировых торговых площадок, отслеживают последовательности событий и определяют закономерности, которые могут привести к росту или падению цен на акции.

Профессии в финансовом секторе, связанные с принятием решений, находящихся в зоне риска, входят в тройку самых стрессовых: к ним, помимо уже упомянутых трейдеров, относятся риск-менеджеры и инвестиционные банкиры.

Укол иголки в стоге сена

Обратите внимание

Что отличает интеллектуальные системы риск-менеджмента от человека? Во-первых, они могут одновременно оценивать риски со всех сторон. Это важно, потому что незнание или игнорирование даже одного из аспектов зачастую становится тем кусочком «пазла», который рушит картину стабильности и процветания компании.

Американский банк Wells Fargo, входящий в первую тридцатку Fortune 500, был вынужден уволить 5,3 тыс. сотрудников за мошенничество и заплатить штраф $185 млн. Сотрудники открыли более 2 млн счетов и 500 тыс. кредитных карт без согласия клиентов.

Менеджеры Wells Fargo не учли потенциальные риски, заложенные в банковской системе поощрений: оценка эффективности сотрудников, премии и повышение зарплаты напрямую зависели от вновь выпущенных кредитных карт.

Во-вторых, интеллектуальные решения анализируют неструктурированные данные из самых разных источников с огромной скоростью.

Уже сейчас ИИ может справиться с большинством задач в десятки раз быстрее человека: проверить, соблюдает ли компания требования регулятора, обнаружить рискованные действия на фондовом рынке, найти финансовые нарушения.

Большой общественный резонанс вызвало дело Rolls Royce: преступные действия в компании впервые раскрыла система отбора и анализа документов на базе решения, использующего углубленную текстовую аналитику.

Всего за несколько месяцев программа проверила, сопоставила и нашла взаимосвязи более чем в 30 млн документов компании и помогла следователям выявить нарушения законодательства в 12 странах. На такое масштабное расследование рядовые юристы потратили бы несколько лет. Аналитики McKinsey полагают, что к 2025 году подобные системы будут проводить до трети всех корпоративных проверок.

Кредит по соцсетям

Искусственный интеллект эффективно работает на ключевых этапах оценки рисков — от сбора и анализа информации до разработки алгоритмов управления. Как это работает, можно понять на примере семантической технологии анализа и понимания текстов на естественном языке. Такая технология применяется при кредитном скоринге.

Платформа собирает информацию из клиентской заявки, документов и разных отраслевых баз (например, налоговой) и «рисует» портрет клиента — возраст, стаж работы, род деятельности. Затем ИИ обогащает его неструктурированными данными из соцсетей, поисковых систем, отраслевых баз и ищет потенциальные источники риска.

Например, определяет, не находится ли имущество клиента в суде. Единственный ли он владелец квартиры или машины. Есть ли у заемщика дети. Насколько надежны организации, в которых он работает. Получив всю информацию из разных источников, система определяет, насколько критично ошибочное решение.

Это позволяет банкам одобрять необходимое количество кредитов, при этом сохраняя минимальный уровень риска. Другой пример — мониторинг финансирования сомнительных операций. Такой сервис недавно запустила в работу Mastercard. Решение Decision Intelligence, основываясь на глубинном анализе поведения клиента, помогает определять, действительно ли он совершает транзакцию.

Важно

В основе лежат способности ИИ-систем к обучению, позволяющие распознавать признаки и сигналы мошеннических операций и даже предсказывать вероятность мошеннических действий до их совершения.

Предвидеть разрушения

Врачи уже используют ИИ, чтобы заранее обнаруживать риски для здоровья больных. В Philips разработали технологию, которая позволяет автоматически выявлять туберкулез на рентгеновских снимках грудной клетки.

Используя множество изображений для глубокого машинного обучения, специалисты научили ИИ находить у больного малейшие признаки туберкулеза на ранней стадии развития болезни.

Технологии помогают и коммунальным службам: например, компания HitBot USA создала робота для проверки миллионов водопроводных труб по всем США. Система определяет, в каких областях трубы больше подвержены старению и порче.

Для этого она изучает старые трубы, поднятые из-под земли ранее, оценивает динамику почвенных процессов, а также электромагнитное излучение от силовых линий. По оценкам компании, это позволит коммунальным службам страны сэкономить $400 млрд в год.

Как будут дальше развиваться технологии риск-менеджмента? Можно предположить, что люди все больше будут полагаться на ИИ. Инвестиционная компания Sanlam создает автоматизированный сервис на основе машинного обучения, который будет прогнозировать целевую доходность клиента с минимальными рисками.

Использование ИИ позволит полностью исключить человеческий фактор при выборе тех или иных инвестиций — в первую очередь эмоции.

В феврале разработчик информационных технологий для воздушного транспорта, компания SITA, объявил о планах по созданию технологии, которая будет заранее находить возможные сбои в расписании полетов — это помогает вовремя принять решение об организации альтернативных рейсов. По некоторым расчетам, это поможет авиакомпаниям сэкономить до $25 млрд в год.

Совет

Полиция Дубая будет использовать искусственный интеллект для прогнозирования преступлений. Алгоритм машинного обеспечения, проанализировав огромные базы данных о преступлениях, будет выявлять закономерности и показывать, в каких районах имеется наибольшая вероятность совершения преступления. Это позволит стражам правопорядка заранее высылать патрули в зоны риска.

Мастерство обучения

Источник: https://www.rbc.ru/newspaper/2017/04/13/58edfdeb9a7947b642aeffd9

Как искусственный интеллект завоевал бизнес

Сегодня ИИ трансформирует все отрасли, уверен гендиректор «ABBYY Россия» Дмитрий Шушкин

Андрей Гордеев / Ведомости

Хотя идея искусственного интеллекта (ИИ) не нова, в последнее время область его применения заметно расширилась. Появилось больше данных для обработки, а компьютеры не только поумнели, но и стали умещаться на ладони.

Иногда технология напоминает о себе, лишь когда речь идет о громких новинках – например, в прошлом году весь мир узнал о стартапе Prisma, который с помощью искусственного интеллекта стилизовал фотографии под картины известных художников.

Но для ИИ найдется место и в крупном бизнесе.

По оценкам PwC, внедрение ИИ к 2030 г. даст 14%-ный прирост мировому ВВП (на $15,7 трлн). Это больше, чем нынешний суммарный объем промышленного производства Китая и Индии. Поэтому эксперты PwC считают технологии ИИ наиболее перспективным направлением развития бизнеса.

Сегодня ИИ трансформирует все отрасли, уверен гендиректор «ABBYY Россия» Дмитрий Шушкин.

В банках он обрабатывает документы, в корпорациях – автоматизирует процесс закупок, в телекоммуникациях и ритейле – обрабатывает запросы и комментарии клиентов, сторожит репутацию.

В строительстве и промышленности ИИ читает проектную документацию и находит расхождения на ранних стадиях, что помогает снижать расходы на проект. Постепенно переходят на ИИ индустрия развлечений, медийный бизнес, производство повседневных товаров.

«Если ваша компания относится к одной из этих отраслей, то, скорее всего, ваши конкуренты уже тестируют или используют эти решения», – уверяет Шушкин.

Робот даст взаймы

По данным oneFactor (предлагает бизнесу сервисы ИИ), в конце 2016 г. больше 75% всех решений по работе с клиентами в кредитных договорах банки принимали с учетом рекомендаций ИИ.

Многие российские банки так управляют рисками: определяют платежеспособность клиентов, оценивают вероятность дефолта или мошенничества.

Принятие решений почти целиком автоматизировано, уверяет гендиректор компании Роман Постников.

Обратите внимание

При одобрении кредитов ИИ самостоятельно сопоставляет данные клиента и запрошенную им сумму со скоринговыми моделями и за несколько секунд формирует индивидуальное кредитное предложение, рассказывает представитель «Тинькофф банка».

Робот следит за финансовым поведением и тратами клиента и сам принимает решение, можно ли увеличить лимит кредита конкретному клиенту. При этом робот анализирует результаты и самостоятельно обучается, рассказывает представитель банка.

Традиционно банки (и другие компании) используют ИИ в чат-ботах, которые помогают сотрудникам обслуживать клиентов, напоминает представитель «Тинькофф банка». Уже сейчас боты обрабатывают около 20% запросов, говорит он. Боты не только отвечают на вопросы клиента, но и понимают, что именно он хочет спросить.

Представитель Сбербанка тоже приводит в пример чат-боты. Кроме них в госбанке технологии ИИ ускоряют выдачу кредита, прогнозируют нужные объемы наличной валюты в отделениях и собирают от клиентов обратную связь.

С помощью ИИ Сбербанк развивает компьютерное зрение и биометрию, речевую аналитику и синтез речи, работу с естественным языком и текстом.

ВТБ начал применять алгоритмы машинного обучения в начале этого года. Цель – управлять рисками, объясняет директор по управлению проектами больших данных банка Василий Гаршин.

В будущем банк надеется с помощью технологии более точно прогнозировать дефолт по клиентам и спрос на продукты банка.

Вряд ли роботы полностью заменят сотрудников банка, считает Гаршин, но вот принятие решений по кредиту на основе моделей машинного обучения – уже реальность, подтверждает он.

Робот позвонит

Системы автоматического распознавания речи самостоятельно повышают точность распознавания голоса, рассказывает представитель компании «Ситроникс». Эта технология используется, например, в проекте «Автоматическая классификация обращений», которым «Ситроникс» занимается вместе с МГТС.

МТС использует ИИ в клиентских сервисах. Компания планирует развивать продукты в цифровой медицине и онлайн-образовании, сообщает представитель оператора.

Например, ИИ сможет автоматизировать диагностику, удаленно контролировать здоровье пациентов и давать рекомендации для врачей и преподавателей. Оператор использует ИИ и для анализа больших массивов данных, что помогает улучшить работу салонов связи.

Важно

Прогнозы посещаемости розничных точек позволили МТС на 15% сократить фонд рабочего времени, указывает представитель компании.

Как и банки, операторы пользуются чат-ботами. В МТС и «Вымпелкоме» они отвечают на вопросы абонентов. А «Мегафон» делал чат-бот в поддержку тура группы «Ленинград», партнером которой является оператор, рассказывал представитель «Мегафона».

Смысл существования этого бота представитель оператора видит в вовлечении и развлечении людей. Также «Мегафон» с помощью ИИ анализирует предпочтения абонентов тарифа «Включайся», сервис «Мегафон.ТВ» анализирует предпочтения подписчика.

Еще «Мегафон» предлагает применять ИИ в анализе геоданных: передвижение абонентов по городским артериям позволяет прогнозировать, как открывать салоны и строить сеть.

Робот в погонах

Элементы ИИ использует и оборонно-промышленный комплекс.

Представитель «Ростеха» приводит в пример решения для боевых самолетов, которые, например, позволили сократить экипаж Су-35 и Су-57 до одного пилота. Другая задача – охрана государственных границ.

ИИ просчитывает действия и маршруты нарушителей и может вести боевые действия: технология сама решает, какой машине отдать цель и из какого оружия стрелять.

Технологии концерна «Калашников» распознают местность, одежду людей, манеру поведения, рассказывает представитель «Ростеха».

Затем ИИ выбирает оружие и ликвидирует преступника или переводит огонь в сторону, если из-за укрытия появился ребенок, женщина или безоружный мужчина.

ИИ самообучается в процессе работы и, соответственно, способен имитировать работу человеческого мозга, уверяет представитель «Ростеха».

В других отраслях

Несмотря на интерес, некоторые отрасли (например, традиционно консервативная промышленность) часто недооценивают возможности ИИ, сокрушается исполнительный директор Yandex Data Factory Александр Хайтин. Но в консервативности он видит плюсы: предприятия накапливают большие объемы данных, которые потом и предложат обработать роботу.

Хайтин уверен в потенциале внедрения ИИ в отраслях непрерывного производства – нефтегазовой, химической, металлургии. В них, продолжает Хайтин, с помощью ИИ можно предсказывать качество продукции, оптимизировать параметры производства и расхода сырья. Даже небольшое улучшение отдельного процесса на 3–5% может вылиться в многомиллионную экономию, подсчитывает эксперт.

Что такое ИИ

ИИ стремится к тому, чтобы синтезировать информацию и делать обобщения, но полноценных примеров работы такой технологии нет. Пока что мы имеем дело с ИИ, который не пытается имитировать человеческое мышление, а решает четко сформулированную проблему с помощью методов обучения.

Совет

Ритейл с помощью ИИ может прогнозировать спрос, улучшать логистику и внутренние процессы в магазине, формировать индивидуальные предложения для покупателей, рассказывает IT-директор X5 Retail Group Фабрисио Гранжа. Например, рассказывает Гранжа, компания внедрила машинное обучение для маркетинга в сети «Перекресток».

ИИ учитывает частоту и сумму покупок, стиль жизни, приемлемый уровень цен, любимые категории товаров, продолжает Гранжа. Такие знания увеличивают эффективность целевого маркетинга на 5% и сокращают расходы на коммуникации на 40%. Система уже сформировала персональные предложения для участников программы лояльности, и сегодня более 70% целевых акций создается с ее помощью.

Подготовка целевых предложений ускорилась в 7 раз, резюмирует Гранжа.

А холдинг «Росэлектроника» (входит в «Ростех») интересуется работой с языком.

Он создает лингвистический процессор, для того чтобы компьютер «чувствовал» морфологию и синтаксис языка, понимал семантику текста.

Получившийся продукт должен искать необходимые сведения, читать СМИ, анализировать большие массивы данных, систематизировать документооборот и статистическую информацию, обещает представитель «Ростеха».

Любой сельхозпроизводитель, сталкивающийся с дефицитом грамотных управленцев и агрономов, рано или поздно придет к идее использования искусственного интеллекта, уверен директор по развитию ExactFarming (IT-сервис управления сельским хозяйством) Егор Заикин. Но в ближайшие 15 лет полноценное использование возможно лишь там, где растения живут в контролируемых условиях. В открытом поле пока нельзя оцифровать все факторы, влияющие на урожай, а они нужны для полноценной работы ИИ, указывает Заикин.

Плюсы и минусы

По данным PwC, 74% российских компаний планируют инвестировать в ИИ в ближайшие три года. Они стремятся автоматизировать рутину, отмечает руководитель центра компетенции по прикладному анализу данных PwC в России Олег Данильченко.

Примерно 40% российского рынка труда изменится за счет использования систем ИИ, уверен Постников. По его наблюдениям, лидером автоматизации труда является финансовый сектор. Вслед за ним современные методы оценки рисков на основе ИИ активно внедряют страховые компании.

Для них это возможность увеличить прибыль страхового портфеля на 5–10%, утверждает Постников.

Обратите внимание

А президент Сбербанка Герман Греф пригрозил, что перестанет брать на работу юристов, которые не знают, что делать с нейронной сетью (одна из технологий ИИ).

Если компания смогла обучить сотрудников, то обучит и машину, которая будет работать быстрее и дешевле, уверяет Шушкин. В среднем проекты с ИИ окупаются за два года, ссылается ABBYY на данные компании Сylance.

Почти на каждом предприятии, с которым работает Yandex Data Factory, находятся десятки кейсов успешного внедрения ИИ, указывает Хайтин.

При этом в отличие от других технологий ИИ не требует существенных капитальных вложений.

Но не стоит забывать и о рисках.

67% руководителей компаний в мире полагают, что в ближайшие пять лет ИИ будет отрицательно сказываться на доверии к отрасли, рассказывает руководитель практики контроля рисков PwC в России Тим Клау.

Безопасность технологии вызывает вопросы: данные должны быть проверены, а машины должны четко выполнять распоряжения человека. Есть и вопросы этического характера: приемлемо ли влиять на выбор человека и представляют ли потребители, кто имеет доступ к данным.

В жестко регулируемых отраслях (например, здравоохранении и финансах) внедрение ИИ может столкнуться с нормативными ограничениями. А законодательство пока что переменчиво, указывает Клау.

ИИ не заменяет человека, а лишь оптимизирует ситуации, когда уже понятны принципы принятия решений людьми, указывает партнер KPMG Николай Легкодимов. Многие ждут, что ИИ будет думать за них, но реальность не соответствует ожиданиям, отмечает эксперт.

Источник: https://www.vedomosti.ru/technology/articles/2017/11/23/742795-iskusstvennii-intellekt

Технологии искусственного интеллекта: четыре волны развития

Первые технологии искусственного интеллекта появились более 50 лет назад, но только недавно эта сфера начала активно развиваться.

Хотя современным алгоритмам еще очень далеко до классического в нашем понимании ИИ, но уже сейчас они способны решать множество задач в медицине, бизнесе, науке и других сферах. В конечном итоге автономные системы превзойдут человека.

В статье мы рассмотрели основные принципы работы искусственного интеллекта, этапы и направления развития, а также дальнейшее влияние на экономику, промышленность и человечество.

Суть и принципы работы ИИ

Термин «искусственный интеллект» (ИИ) впервые прозвучал в 1956 году на конференции в Дартмуте, но только в последнее десятилетие он стал активно развиваться.

Сейчас мы видим лишь первые значимые проблески его потенциала и применения.

Основной задачей ИИ является выполнение задач, изначально предназначенных для человеческого познания: распознавание паттернов, прогнозирование и принятие сложных решений.

Алгоритмы могут воспринимать и интерпретировать окружающий нас мир, а некоторые полагают, что скоро они будут способны ощущать эмоции, сострадать и творить. Хотя мечта об ИИ полностью идентичному человеческому разуму, все еще очень далека.

Важно

Переломным моментом развития компьютерных технологий стало «глубоко обучение» (deep learning) – архитектура, основанная на принципах функционирования человеческого мозга, нейронов и связей между ними.

Такие системы могут состоять из тысяч слоев, миллиардов параметров и анализировать огромное количество переменных данных.

Однако в отличие от человеческого мозга, их развитие основано на математическом выборе и распознавании шаблонов из массивов данных.

Для ввода первоначальных параметров может быть использован любой тип информационной системы: изображения, звуковые сегменты или расчеты кредитной картой. После их обработки, искусственный интеллект предоставляет решение или прогноз. Например, какие слова произнесены на записи, является ли сделка мошеннической или дальнейшее поведение рынка.

Прорыву способствовал «взрыв данных», поступающих из Интернета и связанных с деятельностью, намерениях, предпочтениях людей.

В то время как человеческий разум сосредотачивается на наиболее очевидных связях между входящей информацией и результатами, алгоритмы машинного обучения, проанализировав море данных (big data), могут выявить настолько тонкие корреляции, что мы не сможем даже описать их логически.

Объединение сотен или тысяч слоев, обеспечивает преимущество в сравнении с самыми опытными экспертами. Алгоритмы ИИ сейчас превосходят людей в распознавании речи и лиц, различных играх, диагностике некоторых видов рака на основе результатов МРТ.

Однако для анализа им требуется масса данных для обучения и огромные вычислительные мощности для обработки всего этого. Современные ИИ также функционирует только в конкретных областях и не способны обобщать или использовать здравый смысл.  Например:

  • AlphaGo, который побеждает мировых чемпионов в древней игре Go, не играет в шахматы;
  • алгоритмы, обученные определению андеррайтинга займов, не могут распределять активы.

Несмотря на существующие ограничения, под влиянием компьютерных технологий, искусственный интеллект перешел от эпохи открытий в эпоху реализации. В данный момент центр тяжести уже переместился из исследовательских лабораторий в реальные приложения.

Компании и правительства активно изучают эту область, ищут способы применения современных возможностей ИИ в своей деятельности, чтобы выжать максимум производительности из этой инновационной технологии.

Потенциал искусственного интеллекта увеличивает и то, что его можно применять практически в любой сфере.

Четыре волны развития ИИ

Технологии искусственного интеллекта можно разделить на четыре волны, которые способны существовать параллельно, но с различными начальными точками и темпами развития.

Первый этап можно назвать «Интернет-ИИ». Его работа основана на огромном количестве информации, расположенной в сети.

Алгоритм использует то, что пользователи автоматически помечают данные в процессе их просмотра: совершают покупки или нет, кликают или игнорируют.

Совет

Эти массивы с маркированными данными формируют подробный профиль наших личностей, привычек, запросов и желаний: идеальный способ для составления более индивидуального контента, удержания потребителей на определенной платформе, максимизации прибыли.

Вторая волна – «бизнес-ИИ». Алгоритмы могут быть обучены на частных наборах данных: от покупок клиентов до записей обслуживания машин и сложных бизнес-процессов.

Это в конечном итоге позволяет управляющим совершенствовать процесс принятия решений.

Например, система может изучить тысячи банковских кредитов и ставки погашения, выявив для какого типа заемщиков характерен скрытый риск невыполнения обязательств или наоборот, упущенных клиентов с отличными перспективами.

Медицина также может использовать глубокое обучение. Обработка огромного количества данных о диагнозах, геномных профилях, результатах терапии и последующем состоянии здоровья, поможет разработать алгоритм лечения для каждого конкретного пациента.

Источник: https://BitCryptoNews.ru/analytics/chetyire-volnyi-texnologii-iskusstvennogo-intellekta

Искусственный интеллект в бизнесе — опыт российских брендов — Будущее на vc.ru

Кейсы от МТС, «Мегафона», «Сбербанка», ABBYY, Aviasales и других компаний.

Редакция vc.ru узнала у представителей российских ИТ-компаний о том, как они используют технологии искусственного интеллекта, чтобы снизить затраты и увеличить доходы, оптимизировать рабочие процессы и повысить производительность.

1. Создание персональных рекомендаций

Технологии искусственного интеллекта помогают МТС узнать, какие услуги понадобятся клиенту. Так компания увеличивает продажи и эффективность рекламных кампаний.

2. Повышение эффективности работы розничных магазинов

С помощью технологий искусственного интеллекта «Мегафон» оптимизирует работу салонов. Также на основе анализа больших данных оператор разработал линейку тарифных планов.

3. Помощь в планировании отдыха

Сервис по поиску авиабилетов Aviasales использует алгоритмы машинного обучения, чтобы улучшить рекомендации по отдыху для пользователей. Компания задействует технологии искусственного интеллекта для развития собственного поисковика и предоставления помощи пользователям в покупке билетов.

4. Оптимизация работы технической поддержки

Сеть магазинов «ВкусВилл» разработала бота в Telegram, чтобы сократить нагрузку технической поддержки. Бот помогает клиентам найти ближайший магазин, совершить простые операции с картой и подбирает индивидуальные скидки.

5. Оптимизация рутинных процессов

В январе 2017 года «Сбербанк» рассказал о планах заменить три тысячи сотрудников на одного робота-юриста.

А в июле 2017 года президент банка Герман Греф заявил, что у специалистов без знаний технологий искусственного интеллекта нет перспектив.

Компания использует эти технологии, чтобы обслуживать клиентов в колл-центре, бороться с мошенничеством, персонализировать предложения для клиентов и повышать эффективность сотрудников.

6. Оптимизация производства в промышленности

В 2014 году «Яндекс» открыл международное подразделение Yandex Data Factory, которое создает инновации для решения задач промышленности. Разработки основаны на технологиях машинного обучения и искусственного интеллекта, которые развиваются в компании с момента её основания.

Технологии «Фабрики» используютcя для оптимизации расходов сырья и разработки рекомендаций по оптимальным настройкам устройств. С 2015 года «Яндекс» обрабатывает большие данные «Билайна» для помощи в принятии решений. Например, при выборе оптимального канала рекламы.

В феврале 2017 года команда подразделения разработала для «Райффайзенбанка» модель, чтобы спрогнозировать спрос на наличные в банкоматах. В июне 2017 года «Яндекс» и «Газпром Нефть» подписали соглашение о сотрудничестве, согласно которому ИТ-компания предоставит технологии машинного обучения и искусственного интеллекта для обработки данных при бурении скважин.

7. Обработка и подготовка документации

ABBYY Compreno — технология для понимания и анализа текстов на естественном языке. В основе технологии лежит семантическая иерархия, которая обеспечивает анализ и понимание текста на основе его смысла.

Compreno можно использовать для распределения платежей по статьям выплат, обработки проектной документации, сбора информации для формирования аналитических отчетов. Разработка помогает компаниям сократить затраты на хранение документов и оптимизировать время на поиск информации.

8. Моделирование данных о компании

Российские вузы также занимаются разработкой технологий искусственного интеллекта для бизнеса. Университет ИТМО ведет исследования в области онтологического моделирования.

9. Автоматизация рабочих процессов компании

Команда Akil.io создаёт решения для бизнеса и работает на базе Технопарка Университета ИТМО. Продукт представляет собой систему анализа, постановки и выполнения задач с элементами искусственного интеллекта, которая помогает автоматизировать исполнение процессов.

10. Оптимизация процесса разработки лекарств

Компания «Оптимальное движение» — резидент Технопарка Университета ИТМО — разработала компьютеризированную систему odgAssist. Она охватывает деятельность фармацевтического производства — от контроля отклонений до ведения электронного досье на серию. Сейчас система установлена на шести производствах.

#Будущее

Материал опубликован пользователем. Нажмите кнопку «Написать», чтобы поделиться мнением или рассказать о своём проекте.

Написать

Источник: https://vc.ru/future/25645-ai-business

​Искусственный интеллект в РФ: что мешает его развитию?

Одна из интереснейших встреч прошедшей в конце ноября Russian Tech Week 2018 — панельная дискуссия «Перспективы и барьеры в развитии искусственного интеллекта в России».

Тем интереснее стала беседа, когда выяснилось, что вместо троих запланированных экспертов, перед публикой предстанут четверо: человек от науки — Владимир Веселов, человек от бизнеса — Юрий Сирота, «айтишник» Павел Доронин и «безопасник» Рустэм Хайретдинов.

Как уже применяют ИИ в российском бизнесе?

Павел Доронин как представитель «молодых и перспективных» рассказал о «примерах из жизни». Он опросил нескольких сидящих в зале об отраслях их бизнесов и, как фокусник достает кроликов из шляпы, начал предлагать решенные кейсы в соответствующих областях. Энергетикам Павел рассказал об оптимизации распределения электричества среди пользователей сети на основе анализа истории затрат.

В сфере логистики специалист раскрыл опыт решения задачи для компании Сибур. У нее собственный парк железнодорожных вагонов — 3 тыс. единиц. Каждый из них регулярно требует ремонта. Этот процесс ежегодно поглощает огромный бюджет: на логистику вагона до пункта обслуживания, пока вагон простаивает, есть просадка по выработке, и плюс сам ремонт.

Человек эту задачу решал на уровне Excel. Провели хакатон: команды разрабатывали алгоритмы, которые не только предсказывают какой вагон где окажется, и когда его нужно отцепить, но и автоматически строят план ремонта по всему парку. Только на старте программа дает прирост в 10-20% эффективности, которые при объемах Сибура — деньги не малые.

Владимир Веселов, заместитель директора ГУ НПК «Технологический центр» МИЭТ

Обратите внимание

20 лет назад мы занимались проектом, который сейчас существует под названием «Карта москвича». В проект были вложены предложения, которые потом были реализованы в виде патентов: «Способ обеспечения конфиденциальности отношений» и «Способ обеспечения устойчивости информационных систем». Сегодня по сути дела они являются блокчейном и Телеграмом.

В этом отношении тема, которая сегодня заявлена — «Барьеры и перспективы развития Искусственного Интеллекта в России» — они, барьеры, прослеживаются ещё вот оттуда. Сегодня Россия, к сожалению, борется с Телеграмом, хотя то, что собирается сделать Павел Дуров — это по сути дела и было тем проектом, который закладывался в «Карту москвича».

Поэтому если говорить о барьерах, то… да, есть барьеры. Но, в тоже время, можно говорить и о том, что произошло за эти 20 лет. То, что тогда считалось мало возможным и технологически не осуществимым, сегодня уже произошло.

Сегодня под искусственным интеллектом понимается гораздо больше, чем подразумевали мы, создавая карту москвича. Искусственный интеллект во многих сферах сам преодолевает те барьеры, которые государство может попытаться ему создать.

Я думаю, что перспективы у ИИ в России очень большие. Посмотрите на тот же блокчейн: доля русскоговорящих программистов существенно больше чем доля российских денег, вложенных в биткоин. Ну, а возможности там кроются очень большие.

В ближайшее время появится новая технология, связанная с аутентификацией пользователя, и в основе нее будут лежать совместные знания информационной системы и пользователя, который с ней взаимодействует.

Юрий Сирота, руководитель дирекции искусственного интеллекта и анализа данных банка Уралсиб

Что мы называем искусственным интеллектом? Определений много. Мне больше нравится название «интеллектуальные системы» — та самая, слабая форма ИИ, которая позволяет решать узкие задачи лучше, чем это делает человек. На данный момент SkyNet пока нет, есть интеллектуальные системы, которые в каких-то случаях превосходят возможности человека.

Прежде чем внедрять какую-то технологию, мы строим финансовую модель. Если финансовый результат этой модели оказывается положительным, эта технология будет внедряться.

Важно

При разработке любой математической модели, при внедрении любого механизма, который позволяет улучшить операционную составляющую работы банка, рассчитывается прогнозный финансовый результат.

Когда он положительный, банк туда идет.

Так или иначе спектр применения машинного обучения для банков известен. Традиционно это был алготрейдинг — туда методы предиктивной математики пришли уже давно, а на западе уж лет как тридцать. Безусловно, пробными центрами компетенции в части предиктивной математики являются департаменты рисков.

В розничных департаментах присутствует математическая экспертиза: realtime-системы, best offer, модели склонности оттока, продаж, кросс-продаж, upsell и тому подобное — эти методы математического анализа применяются достаточно давно. Их применяют не только крупные банки, но и средние.

Традиционно методы машинного обучения используются в антифрод-делах, в вопросах финансового мониторинга — антиотмывочные модели, модели, которые позволяют выявлять токсичных клиентов.

Недавно у нас был успешный кейс: предложенное решение расширило долю открываемых счетов чуть ли не на 30%. В рамках крупного банка федерального масштаба — это огромные деньги. Вопрос здесь в точности прогноза.

Есть экспертные оценки, на которые обычно полагаются специалисты, а есть математические модели. Да, экспертные оценки они трактуемы, можно объяснить, почему мы открываем счет юридическому лицу или не открываем, но так или иначе человеческий мозг способен мыслить в двух-, трех-, четырех-мерном пространстве.

Когда у вас признаков и характеристик на входе гораздо больше, включаются инструменты искусственного интеллекта — нейронные сети, «деревья» решений, градиентные бустинги и так далее. Они справляются с этой задачей гораздо лучше.

Так, благодаря внедрению этой конкретной технологии, мы смогли глубже анализировать клиентов и количество отказов по открытию счетов снизилось. Финансовый результат оказался внушительным. И это сподвигает другие бизнес-подразделения внедрять технологии искусственного обучения.

Бизнес идет туда, где можно заработать или сэкономить

Совет

Когда я общаюсь с бизнес-подразделениями, я прежде всего говорю: «Вы составляете какую-то отчетность?». Отчетность — она ретроспективна. То есть, мы получили какой-то результат. Он нас порадовал или огорчил, но мы не знаем, что делать дальше. Это — нулевой, первый уровень управления.

Затем, на основании того, что мы наблюдаем в отчете — не важно выручка, открываемые счета, рисковость, любая финансовая сущность, — мы можем к ней задать второй вопрос: «Куда она движется?». Как говорится: «Знал бы куда упаду, соломку бы подстелил». Соответственно, вопрос к предсказательной аналитике — куда эта сущность движется, при текущем уровне управления, действующей стратегии.

Следующий вопрос: «Что надо сделать для того, чтобы эта сущность двинулась в ту сторону, которая нам более интересна — стала более доходна, менее рискованна, менее затратна».

То есть тут вступает следующий уровень — предписательная аналитика.

И потихонечку бизнес-подразделения свыкаются с этой мыслью: мы совместно вырабатываем эти кейсы и пытаемся анализировать, прогнозировать и монетизировать. Да, идет это совсем не просто, но идет.

Какие барьеры стоят перед ИИ в России? Никаких!

Бизнесу не хватает молодых, но фундаментально подкованных кадров. Молодым кадрам не хватает опытных и заинтересованных заказчиков, наука пеняет на легкомысленность государства и бизнеса в вопросе подготовки и тех и других, а прагматичные безопасники рисуют мрачное будущее поспешных решений, ответственность за которые будет не на кого возложить.

Но общий итог все же видится. То, что мы сейчас называем барьерами, это не барьеры, а временные трудности, без которых, естественно, немыслим прогресс. Значит, нужно просто учиться их преодолевать, учить друг друга и, главное, начать, наконец, думать о будущем.

Юрий Сирота, руководитель дирекции искусственного интеллекта и анализа данных банка Уралсиб

В банковской отрасли искусственный интеллект и его применение достаточно ограничены. Мы знаем, что это, в основном, чат-боты, механизмы оптимизации операционной деятельности, роботизация, распознавание документов, может быть где-то эмоциональное распознавание, но главным образом это, все таки, Data Science.

Появился Data Science относительно недавно в том виде, в котором мы его видим. Это, к примеру, Deep Learning и методы градиентного бустинга.

С помощью именно этих методов в основном и идет монетизация технологий, которые мы обсуждаем.

Говоря о роботизации какой-то операционной деятельности и ее автоматизации, мы присматриваемся к этим технологиям, наблюдаем за тем, что делают наши коллеги, но в основном это все тот же Data Science.

Трудности мы испытываем прежде всего кадровые. Технологии новые, еще сырые. Много Open Source, но целиком на него полагаться нельзя. Надо понимать, что в основе Data Science так или иначе лежит математика.

Обратите внимание

На рынке сейчас появилось очень много молодых специалистов, стремящихся в популярную и оплачиваемую отрасль, но они не обладают фундаментальными математическими знаниями, необходимыми для правильного использования технологий.

Много людей, которые умеют жать на кнопочки, но при этом, интерпретировать результаты, с точки зрения бизнеса и, даже, с точки зрения математики, разумно использовать их могут совсем не многие.

Хотя на рынке есть и хорошие математики, и хорошие инженеры, и хорошие Data scientists, но отсутствует звено специалистов, которые понимали бы как можно применить к бизнесу те или иные алгоритмы машинного обучения и искусственного интеллекта, как можно их монетизировать.

И второе: существует, к сожалению, огромная пропасть между бизнесом, который привык работать в «эксельке» или, в лучшем случае в BI-инструменте, и современными методами искусственного интеллекта, которые остаются уделом узкой категории специалистов, как правило недавних выпускников института.

Павел Доронин, основатель «AI Community»

Жуткая нехватка специалистов на рынке — это, на самом деле, не только российская специфика. Проблема возникла по одной простой причине: сегодня машинное обучение, как индустрия, как новая технологическая эра, развивается так быстро, что люди не успевают за ней.

Например, в Америке наши ребята провели исследование: опросили тысячу крупных компаний и выяснили, что спрос в 20 раз превышает предложение. Тысяча кейсов есть, приходите, делайте. И в двадцать раз меньше тех, кто может прийти и сделать. У нас пока не так, но будет так через два-три года.

Второй барьер: бизнес не всегда может озвучить задачу, поскольку еще нет понимания, о чем вообще идет речь. Нет опыта взаимодействия с этими технологиями, тем более — опыта внедрения.

Даже если есть в компании один человек, который понимает, о чем речь, обычно его ресурса недостаточно.

Важно

Потому что решения принимаются коллегиально: кто-то со стороны бизнес-юнита заказчика, кто-то со стороны IT.

Это тоже барьер, хотя я бы это назвал просто действительностью: индустрия не поспевает. Или мы пока просто находимся на такой стадии развития индустрии.

Рустэм Хайретдинов, генеральный директор компании Attack Killer

Там, где искусственный интеллект начинает принимать решения, сейчас есть проблема, которая известна разработчикам робота-водителя, — кто будет отвечать, если самоуправляемая машина собьет человека, тот кто учил или тот кто производил? Такие же вопросы есть в законодательстве и в других сферах.

Я был в рабочей группе ЦБ. Там есть проблема: они завалены жалобами на отказ в отмене, например, каких-то операций, блокировки и неправильную оценку какого-нибудь залога, потому что сейчас это все поручили нейросетям, искусственному интеллекту. На самом деле, когда вам в чем-то отказывают в банке, никто в банке не может сказать, почему вам отказывают.

Возможно, вы голубоглазый и триста предыдущих мошенников были голубоглазыми, и вес так распределился, что нейросеть поставила вам повышенный риск, хотя вы в общем-то ни в чем не виноваты. Тоже самое бывает с оценкой имущества и с любым скорингом.

Пока законодательство не может ничего с этим сделать. Потому что, с одной стороны, это точка зрения банка, но вы, как потребитель, лишаетесь права что-то изменить, чтобы улучшить свою оценку, потому что вы не знаете, почему именно вам отказали.

Вы заполнили анкету, вам тут же пришел отказ. В случае с классическим скорингом, было понятно: вам недостаточно лет, у вас есть судимости и другие какие-то четкие вещи.

Как только все перешло на не четкие критерии, потребители начали страдать, хотя для бизнеса это может быть и эффективно.

Совет

Итак, первая проблема искусственного интеллекта — непонятное положение в законодательном поле.

Вторая: пока эффективность большинства методов искусственного интеллекта не доказана. Если бы это приносило бешеные деньги, бизнес бы бежал за технологиями сам. Но сейчас я вижу, что есть целая проблема: как объяснить бизнесу необходимость.

Да бизнесу не надо ничего объяснять. Я сам бизнесмен, покажите мне эффективность, и я сам принесу вам деньги и буду умолять их взять. А вообще при разговорах об искусственном интеллекте, у меня есть хороший маркер.

Если в предложении словосочетание «искусственный интеллект» заменить на, например, «нелинейная регрессия», и смысл от этого не меняется, то можно дальше и читать эту статью.

Вот, например, в название нашей встречи давайте подставим… «Какие барьеры стоят на пути развития нелинейнойрегрессии?». Никакие.

Потому что математика не знает границ. Это инструмент. А вот то, что мы это не можем эффективно использовать и правильно внести в правовое поле, — вот в этом, наверное, и есть проблема.

Владимир Веселов, заместитель директора ГУ НПК «Технологический центр» МИЭТ

Я представляю тех, кто готовит специалистов и технологическую базу для задач бизнеса. Не могу, к сожалению, ничем порадовать не могу. Существует некое противоречие. Российская математика, с одной стороны считается одной из самых сильных в мире — и на уровне студентов, и на уровне ученых высокого уровня.

Вот какой парадокс: в свое время я окончил 18 интернат (школа-интернат имени А.Н. Колмогорова — специализированного учебно-научного центра МГУ — прим.), теорию алгоритмов мне преподавал еще Колмогоров. Мои одноклассники, кто всерьез занялся наукой, практически все сегодня за рубежом.

Почему это происходит?

Обратите внимание

Из ста процентов мировых затрат на создание новых знаний в области искусственного интеллекта, больше половины производится в Китае. На втором месте Соединенные Штаты, а не Российская Федерация. И в этом хорошо видно, кто куда движется, к сожалению. Проблема здесь существует и, наверное, решать её нужно совместными усилиями.

Надо все-таки отличать. То, что мы здесь называем «искусственным интеллектом» — это больше математика в области повышения уровня автоматизации бизнеса. Не надо заблуждаться, здесь мы можем быть на хорошем уровне. А то, что реально называется искусственным интеллектом, в России развито не сильно.

В свое время к нам пришли крупные западные системы, их оказалось купить выгоднее, чем развивать что-то свое. Где-то бизнесу выгоднее купить готовое решение, чтобы получить сиюминутную прибыль. Но могу сказать однозначно — в этом случае мы проигрываем будущее: скоро придется покупать еще более современную систему, но она опять будет не наша.

Источник: https://www.e-xecutive.ru/management/itforbusiness/1989677-iskusstvennyi-intellekt-v-rf-chto-meshaet-ego-razvitiu

Ссылка на основную публикацию
Adblock
detector