Применение систем искусственного интеллекта в бизнесе

В наше время искусственный интеллект – это уже не фантастика, а вполне реальный инструмент для развития бизнеса. Но стоит ли доверять ему, и какие компании уже применяют искусственный интеллект? Расскажем в статье.

Знаете ли вы, что объем информации, созданной за последние 30 лет, равен такому же объему за предыдущие 3 тысячелетия? И это еще не предел – количество информации постоянно растет. В бизнесе ее потоки просто огромны – покупательский спрос, статистика продаж по каждому региону, процент инфляции, уровень эффективности производства, количество обращений в службу поддержки… В любом бизнесе рано или поздно наступает то время, когда обрабатывать вручную потоки информации становится просто невыгодно – пока вы работаете над статистикой за октябрь, уже наступает ноябрь. Бизнес-аналитики видят спасение в искусственном интеллекте.

Немного цифр: число компаний, работающих в сфере ИИ растет примерно в 5 раз каждые 4 года. Примерно $31,7 миллиарда уже инвестировано именно в развитие машинного обучения. По прогнозам, к 2022 году выручка от BigData и бизнес-аналитики в мире составит примерно в $274,3 миллиарда.

Машины намного быстрее, чем люди, могут обрабатывать огромные потоки информации и прогнозировать решения на их основе. Применение искусственного интеллекта в бизнесе – это не просто модное веяние, а необходимость, которая помогает вам развиваться быстрее и избавляться от рутинных задач в пользу более важных. Переложите на машины утомительную деятельность по обработке данных, составлению отчетов и прогнозированию – и вплотную занимайтесь развитием компании на основе этих прогнозов.

Стоит ли доверять?

Руководители бизнеса, которые до этого не имели дела с искусственным интеллектом, часто сомневаются – а стоит ли вообще доверять машине? Все-таки, это не человек, и каким образом искусственный разум выдает свои прогнозы? Он же не может самостоятельно думать.

На самом деле, здесь достаточно хотя бы поверхностно изучить, как работает машинное обучение. Любой сервис на основе искусственного интеллекта не рождается «умным» изначально. До этого он проходит своеобразную учебу – на основе заданных алгоритмов и огромного количества информации он находит закономерности, классифицирует данные и «запоминает» правильные и неправильные ответы. Например, анализируя терабайты данных о покупках в определенном супермаркете, компьютер учится определять, какие продукты берут чаще всего, что обычно покупают клиенты магазина в возрасте от 25 до 35 лет, что еще часто берут вместе с молоком определенной марки и т.д. Чем больше данных обработано – тем машина становится «умнее».

Существует несколько типов машинного обучения, часто они используются в гибридном виде. Мы не будем подробно останавливаться на них в этой статье – это очень крупная тема. Мы просто хотим показать, что искусственный интеллект – это не что-то неопределенное и непредсказуемое, а вполне логичное поведение машин, действующих по заданному алгоритму. И, естественно, искусственному интеллекту можно доверять. Ведь его главное преимущество перед человеческим мозгом – это скорость обработки информации.

Какие средства с искусственным интеллектом можно применять в бизнесе?

Продукты для кибербезопасности

Защита от кибермошенников и фишинговых программ – одна из самых важных опций для бизнеса. И в этом поможет искусственный интеллект. Службы, работающие на основе ИИ, запрограммированы на предугадывание и предотвращение атак – они отслеживают необычное поведение программ, источников или файлов, сравнивают его с поведением безопасных ресурсов и блокируют, если деятельность покажется им подозрительной.

Статистика продаж и прогнозирование покупательского спроса

Загрузив в программу на основе ИИ данные о продажах, можно получить детализированные отчеты и даже прогноз покупательской активности. Регулярно составляя такие отчеты, вы сможете отследить, как покупатели реагируют на те или иные акции, как меняется их спрос в зависимости от сезона и т.д. Вам не нужно будет самостоятельно сортировать данные – достаточно просто загрузить их в специальную службу с ИИ, например, Microsoft Power BI. Так вы сможете не только регулировать выпуск и продажу своих товаров, но и делать покупателям индивидуальные предложения.

Автоматизация обслуживания клиентов

Службам поддержки постоянно приходится отвечать на горы однотипных вопросов, многие из которых можно решить в два счета, а в это время действительно сложные проблемы ждут своей очереди. Чтобы этого не происходило, можно поставить бота или автоответчик, которые могут подсказать простую информацию, на первичный контакт с клиентом. Если бот не в состоянии решить вопрос клиента, он может адресно направить его именно в тот отдел, где ему помогут. Такие автоответчики используются, например, в банковской сфере или у провайдеров связи – наверняка, вы имели с ними дело, когда звонили в «Сбер» или «Билайн».

Сможет ли искусственный интеллект рассказать мне, как работать?

На противоположном берегу от недоверчивых предпринимателей стоят владельцы бизнеса, которые убеждены в чудодейственной силе искусственного интеллекта. Они уверены, что как только начнут использовать ИИ в своем бизнесе, сразу получат все ответы на свои вопросы и четкий план развития на ближайшие годы.

Если бы такой сервис существовал, это было бы чудом, и все бизнесы становились бы прибыльными. Но пока во взаимодействии «предприниматель – ИИ» главным остается предприниматель. Да, вы можете на полную мощность использовать возможности искусственного интеллекта, но только вы определяете, какие именно данные хотите получить и как потом применять в своем бизнесе. Сначала поставьте цели, а потом – подключайте «умные» сервисы. Что может быть такой целью:

После определения целей достаточно загрузить в сервис необходимые данные и получить аналитику или прогноз.

Резюмируем: что может искусственный интеллект?

1. Обрабатывать огромные пласты любых данных;

2. Работать с разрозненными данными из разных источников, приводя их к «общему знаменателю»;

3. Выдавать четкую аналитику или прогнозы на основе обработанных данных.

Таким образом, искусственный интеллект – это всего лишь инструмент для развития вашего бизнеса. Но очень мощный инструмент, ведь его главная роль – это быстрая обработка большого количества информации, с которой незамедлительно можно работать. Это и позволяет быстрее принимать решения, и освобождать время ценных сотрудников для более важных и сложных задач.

Как компании используют возможности искусственного интеллекта

Кратко рассмотрим несколько кейсов по использованию ИИ в разных областях бизнеса.

Банковское дело

Компания Morgan Stanley занимается финансовым консалтингом. А чтобы решения было принимать проще, в компании разработали собственную интеллектуальную платформу. Она обрабатывает цель клиента, сопоставляет ее с имеющимися в базе данными и предлагает наиболее выигрышные инвестиционные стратегии. Также интеллектуальные решения используются и в работе с постоянными клиентами – сервисы анализируют поведение клиентов, выявляют их потребности и предлагают на основе этого наиболее подходящие продукты и услуги.

Такое решение помогает намного быстрее обрабатывать обращения клиентов. Если раньше для составления персонального предложения нужно было затратить несколько недель, теперь для этого требуется пара дней. К тому же, платформа помогает составлять персонализированные предложения для клиентов на основе их интересов – например, предлагает инвестировать в новый перспективный IT-стартап, если клиент интересуется этой темой.

Колл-центры

Еще одна область применения ИИ – это голосовые помощники. Такие есть во многих банках – например, в «Сбере» или «Тинькофф-банке». Помощники с легкостью справляются с простыми задачами пользователей – проверить баланс счета, составить заявку на перевыпуск карты, отследить подозрительный звонок. На голосовых помощников вместо оператора постепенно переходят провайдеры связи, крупные маркетплейсы, службы доставки.

Интересную статистику по использованию помощников предоставила «Додо-пицца». Разработчики столкнулись с некоторыми трудностями – например, робот не всегда верно распознавал интонацию и не различал схожие слова, постоянно появлялись новые запросы, которые нужно было прописывать в скрипте. Но тем не менее, запуск голосового бота позволил отлично сэкономить на услугах колл-центра. По итогам месяца ботом было обработано 250 000 звонков – 1 минута разговора оператора стоила 7 руб, в среднем каждый звонок длился 2 минуты, значит, с помощью бота было сэкономлено 500 000 руб. При этом, в 97% звонок был обработан успешно.

Компания «ТНС энерго Ростов-на-Дону» использует голосовых ботов для напоминания клиентам о задолженностях по оплате электроэнергии. Раньше для этих целей использовались заказные письма и обзвон пользователей с помощью колл-центра. Это было достаточно затратным – на одно письмо уходило 55 руб, а работники колл-центра тратили до 70% времени на однотипные звонки с напоминаниями. Роботизация позволила не только сократить траты, но и увеличить количество погашенных задолженностей на 8%.

Производство автомобилей

Компания Bosch использует искусственный интеллект для разработки автономных автомобилей. Одним из гарантов безопасности таких авто является их способность оценивать состояние дорог. Оценка происходит при помощи датчиков, программирование которых осуществляется на основе интеллектуального решения Azure Data Explorer. Датчики «обучаются» определять поведение машины в определенных погодных условиях на основе гигантского количества реальных данных о тормозном пути машины, угле заноса и других параметрах при снеге, дожде, разбитой дороге и т.д. В процессе эксплуатации датчики способны мгновенно предугадать поведение автомобиля на дороге и предотвратить негативные последствия.

Обучение датчиков с помощью искусственного интеллекта позволило значительно сократить время разработки. Если раньше на обработку информации о погодных условиях и поведении автомобиля в одном регионе требовались месяцы, сейчас для этого нужно потратить всего пару недель.

Торговля

Сеть супермаркетов «Лента» применяет возможности искусственного интеллекта для прогнозирования спроса и разработки рекламных акций. Для обработки информации компания использует интеллектуальную службу Azure Databricks – это позволяет обрабатывать огромное количество данных в режиме реального времени и составлять прогнозы. «Лента» использует обработанные данные для сокращения количества списанного товара и планирования акций по регионам. Искусственный интеллект позволяет спрогнозировать, какой товар будет пользоваться пониженным спросом – а значит, его нужно будет поставлять меньше – а какой, наоборот, популярен, и акция с его участием вызовет ажиотаж.

Но это не единственные функции, которые искусственный интеллект может выполнять в торговле. Например, существуют интеллектуальные решения для контроля сотрудников – перед началом смены весь персонал магазина надевает браслеты, которые распознают популярные виды рабочей активности: раскладку товара, смену ценников, работу на кассе и т.д. Моменты бездействия тоже фиксируются. К концу смены каждый работник получает данные о своей продуктивности. А если какие-то важные задачи не были выполнены, такой отчет поможет понять, почему – из-за высокой нагрузки или из-за низкой продуктивности самого сотрудника. Эксперимент показал, что такие браслеты могут повысить эффективность работы на 20-25%.

Еще одно интересное решение для торговли. Автоматический сканер на основе искусственного интеллекта освобождает работников склада от необходимости вручную инвентаризировать товары. Погрузчик с таким сканером автоматически двигается по складу, считывает шрихкоды и моментально загружает их в базу. Точность такой инвентаризации составляет до 90%, при этом нет необходимости останавливать работу склада и мобилизовать всех сотрудников на переучет.

Аналитика тоже играет большую роль в успехе торгового бизнеса. Например, если продажи в магазине резко упали, это повод посмотреть статистику. Часто наибольшую прибыль магазинам приносят определенные товары-флагманы. Аналитические системы на основе ИИ – например, Power BI – способны быстро обработать терабайты данных о продажах за предыдущие периоды, выделив наиболее популярные товары.

Если ожидаемых продаж этих товаров не происходит, повод проверить, что с ними не так. Возможно, что они просто неудобно расположены после последнего мерчандайзинга, или производитель сменил упаковку, и покупатели не могут найти любимый товар. В любом случае, эти проблемы решаемы после получения данных от искусственного интеллекта.

E-commerce

В интернет-торговле особую важность играет контекстная и таргетированная реклама. Искусственный интеллект способен прогнозировать конверсии, отслеживая поведение пользователя на сайте и в рекламных объявлениях. Таким образом, приложение с ИИ поможет не таргетировать на пользователя «лишнюю» рекламу и подогреть его интерес тогда, когда это необходимо.

Компания «Эльдорадо» использовала такое автоматизированное решение. Приложение отслеживало действия пользователей и последующую конверсию, а затем строило прогнозы по поводу зависимости покупок от того или иного поведения клиента магазина. С каждой новой конверсией прогнозы становились все точнее. Таким образом было выделено 10 категорий пользователей с различным поведением – при этом учитывалось среднее время, проведенное на сайте, количество заходов на сайт за последнюю неделю, используемое устройство, источники трафика и другие параметры. На каждую категорию была создана своя рекламная кампания. Чтобы вручную проанализировать такой объем данных и выделить категории, понадобилось бы несколько недель, а искусственный интеллект смог предоставить данные в течение суток. В результате, ROI кампаний вырос в 2,2 раза по сравнению с предыдущими, а количество выкупленных заказов – в 2,7 раз.

Недвижимость

Прогрессирующий рост количества сделок в области недвижимости делает искусственный интеллект просто необходимым в этой сфере. Приложения на основе ИИ способны обрабатывать большое количество информации о состоянии рынка недвижимости на данный момент и выдавать прогнозы, помогать риелторам назначать адекватные цены и анализировать рынок в целом.

Также ИИ ускоряет время заключения контрактов – если загрузить в такое приложение данные договоров и документы на недвижимость, оно способно быстро подготовить все нужные документы для совершения сделки и проверить данные на предмет мошенничества. А созданные на основе ИИ базы данных могут составлять прогнозы инвестирования.

Вместо заключения

Таким образом, инструменты с искусственным интеллектом – это наши незаменимые помощники в развитии бизнеса. Конечно, не нужно воспринимать их как волшебную палочку против всех предпринимательских проблем, но искусственный интеллект способен значительно разгрузить вашу команду и получить ответы на стратегические вопросы в кратчайшие сроки.

А как думаете вы – стоит ли доверять решениям искусственного интеллекта? Или все-таки стоит полагаться только на «человеческих» специалистов?

Наступление 2020 года ознаменовано одними из самых сильных прорывов в создании искусственного интеллекта и машинного обучения. Это позволяет отойти от привычных концепций к практической сфере применения технологий в быту и повседневности, ведь ИИ (искусственный интеллект) все меньше походит на описание фантастов и все больше выполняет функции, свойственные специалистам в различных отраслях деятельности. Порою он справляется с подобными задачами куда эффективнее человека.

Машинное обучение же, представляющее собой совокупность методов развития путём решения множества схожих задач, выводит процесс создания ИИ на новый уровень, делая его доступным многим людям.

Создание умного «помощника», способного выполнять различные задачи, – основной вектор при разработке любого ИИ. Уже сейчас интеллектуальные системы внедрены во многие сферы жизни. На их основе подбираются рекомендации в сети, благодаря им вы можете в любой момент поговорить с «Алисой» или «Siri».

Иные же программные комплексы решают «закулисные» вопросы, невидимые простому человеку, но не менее важные (например, помощь в навигации и управлении самолётом, отслеживание и регулирование дорожно-транспортного движения и т.д).

Далее — интереснее. Оставайтесь с нами.

Искусственный интеллект простыми словами

Наиболее доступным определением ИИ является следующее.

Искусственный интеллект – это интеллект, созданный человеком, способный к мышлению и базирующийся на основе электронно-вычислительной техники. Ранние концепты подобного были заложены Аланом Тьюрингом в середине прошлого столетия.

Первый искусственный интеллект же был разработан Фрэнком Розенблаттом. Последующие годы технологии улучшались, исходя из чего сформировалась следующая классификации ИИ:

• Слабый ИИ – бот, используемый в компьютерных играх, простых процессах, подразумевающих систематичное повторение ограниченного ряда действий. Отлично выполняет узкие задачи, но непредсказуемость загоняет их в тупик.
• Сильный ИИ – программный комплекс, сопоставимый с человеческим мозгом по возможностям. Самый продвинутый представитель этого класса – Warson.
• Совершенный ИИ – искусственный интеллект будущего, который многократно превзойдёт по вычислительной мощности и динамике процессов огромные совокупности человеческих умственных ресурсов.

Последний тип не был достигнут до сих пор. Наиболее передовые разработки проводятся в сфере сильных ИИ, которые имеют шанс перерасти в класс совершенных.

Использование искусственного интеллекта в бизнесе

Использование искусственного интеллекта в бизнесе – одно из направлений, которое активно поддерживается инвесторами. Разработка нейросетей, методы математического построения компьютерного интеллекта, аналогичного человеческому мозгу, все активнее спонсируется различными компаниями (по приблизительным данным — треть мировых брендов активно разрабатывают собственные программные решения из сферы ИИ).

Нейросети являются наиболее частыми представителями искусственного интеллекта в бизнесе. С ними можно столкнуться повсеместно.

Учёные расходятся во мнениях относительно того, как ИИ повлияет на цивилизацию. В то же время он незаметно для глаз меняет мир, внедряясь во многие деловые сферы. Так, искусственный интеллект в малом и среднем бизнесе – явное преимущество в конкурентной борьбе.

Не стоит недооценивать искусственный интеллект, говоря, что еще вчера подобные программные комплексы годились только для игры в шахматы. На данный момент использование искусственного интеллекта в бизнесе перестало быть «необоснованным усложнением деловых циклов». Теперь он подчас гораздо более эффективен, чем работник с аналогичными задачами.

Преимущества ИИ дополняются также тем, что Вам нет необходимости интегрировать сильный искусственный интеллект, чтобы решать большую часть информационных и логических задач, каким бы типом бизнеса Вы не управляли.

Допустим, искусственный интеллект в гостиничном бизнесе не потребует огромного сервера и дорогостоящего оборудования. Использование подобного программного решения подойдёт для всех, у кого есть минимальное или среднее техническое оснащение в виде компьютеров и интернета. Усиление этого набора в сторону наращивания мощностей безусловно является плюсом, но совсем не обязательно.

Способы применения искусственного интеллекта в бизнес-процессах

Использование искусственного интеллекта для сбора, анализа и обработки данных

Когда даже самые малые предприятия и организации получают доступ к аналитическим инструментам, их эффективность возрастает. Частично или полностью автономный ИИ способен взять на себя задачи по сбору и работе со статистическими данными, определяя различные факторы, стимулирующие клиентов совершать повторные действия. Подобными функциями обладает, например, Facebook, рекламные алгоритмы Яндекса или ДоДо Пицца!

Улучшенная организация бэкэнда

Рассматривая информационные системы в роли дополнения и инструмента для работы человека, становится понятно, что ИИ может улучшить выполнение задач в сфере бэкэнда. Благодаря ИИ происходят улучшения в сфере разумного использования человеческого труда, увеличивается ресурс бизнеса. Так, соучредитель inniAccounts, Джеймс Пойзер, демонстрирует оптимизацию бухгалтерии с использованием ИИ. Подобные технологии избавляют сотрудников от рутинных и монотонных задач, позволяя фокусироваться на главном.

Маркетинговые инновации

Применение искусственного интеллекта в сфере маркетинга – наиболее перспективная отрасль. Охватывая широкую аудиторию, малый и средний бизнес рискует тратить определённую часть средств на привлечение нецелевых клиентов. В свою очередь маркетинговые программные решения с машинным обучением позволят составить «портрет» идеального клиента, а также отыскать его на различных площадках. Тем самым показ рекламы происходит более точечно, таргетированно, то есть бьет по целевой аудитории.

Повышение уровня качества сервиса

Благодаря искусственному интеллекту бизнес может стать более клиенториентированным. Различные чат-боты и виртуальные помощники уже сейчас взяли на себя более четверти всего мирового объёма консультаций и поддержки. Безусловно, на нынешнем этапе развития технологиий подобный виртуальный консультант не способен в полной мере заменить человека, однако справки по базовым вопросам уже предоставляются. Вы сами можете увидеть множество таких «виджетов» на сайтах, продающих товары или продвигающих услуги.

Подбор персонала

Используя ИИ, бизнес может уменьшить нагрузку на отдел кадров или вовсе обойтись без него. Алгоритмы машинного обучения способны выделять лучшую стратегию для найма, сортировать полученные данные из анкет, систематизировать информацию об опыте и задачах конкретного кандидата. Однако в данном случае требуется сотрудник, который будет взаимодействовать с кандидатами, оформляя и передавая данные о них ИИ.

Искусственный интеллект — FAQ

Научитесь: Философия искусственного интеллекта
Узнать больше

Введение

Актуальность темы. В ХХI веке
сбывается давняя мечта человечества о создании умной машины, которая, если не
решит все проблемы, то станет верным помощником человеку. По мнению экспертов,
к 2023 г. элементы искусственного интеллекта (ИИ, Artificial Intelligence, AI)
будут присутствовать во всех новых программных продуктах и сервисах [20]. ИИ станет
приоритетом для инвестиций свыше 1/3 компаний в мире и основой для роста
мирового внутреннего валового продукта (ВВП) [1, 4, 21] (Arkhipov, 2020;
Babich, Kirillova, 2019; Alizada,
Muradli, 2020).

Задачи, на решение которых человек раньше тратил довольно
продолжительное время, искусственный интеллект может выполнить за несколько
секунд. Уже сегодня с помощью ИИ в десятки раз быстрее открывают банковские
счета и проводят закупки, разрабатывают новые лекарства, инвестируют на
фондовом рынке и могут с точностью до минут определить время задержки рейса.
Искусственный интеллект называют «новым электричеством»: он меняет целые
отрасли бизнеса, а в будущем, возможно, изменит и облик всей цивилизации. Согласно
формулировке профессионального
медийного ресурса Techtarget.com, искусственный интеллект – это способность
технологий имитировать интеллектуальную деятельность, например, обучаться на
основе информации и заданных правил, делать логические выводы и корректировать
свои решения. ИИ применяется для создания экспертных систем, обработки данных
на естественном языке, распознавания речи и машинного зрения и т.п. [1]
В связи с вышеизложенным тема произведенного исследования приобретает еще
большую актуальность.

Цель работы – проанализировать
результаты использования высокоинтеллектуальных решений в различных сферах
бизнеса и определить перспективные направления внедрения алгоритмов
искусственного интеллекта в бизнес-процессы.

Научная новизна исследования
заключается в изучении результатов внедрения программ и сервисов искусственного
интеллекта в различные сферы бизнеса, что позволило определить основные
направления дальнейшего развития систем искусственного интеллекта, а также
обозначить основные проблемы, риски и угрозы, связанные с широким
использованием искусственного интеллекта и информационных технологий в жизни
общества, человека и государства.

Гипотеза: основная цель внедрения
сервисов искусственного интеллекта заключается не в полной замене человека в
технологических и бизнес-процессах, но в повышении эффективности труда человека и показателей бизнеса в целом.

Основная часть. Внедрение сервисов искусственного интеллекта в бизнес-сферу

Объем информации, созданной человечеством за
последние 30 лет, равен объему за
предыдущие 3 тысячелетия и продолжает стремительно расти, формируя, таким
образом, огромные массивы данных (Big Data), которые не могут быть
эффективно использованы без применения возможностей искусственного интеллекта
(ИИ) [1, 4] (Arkhipov, 2020; Babich,
Kirillova, 2019).

Включение в жизнедеятельность человека алгоритмов ИИ в качестве
помощника с дополнительными возможностями и опциями позволяет получить основное
преимущество такой интеграции – это не только ускорить процесс принятия
решений, но и существенно повысить их качество [6] (Gorodnova, 2021).

Стремительное развитие систем ИИ позволяет ему самосовершенствоваться на
основе нейронных сетей глубокого обучения. Это подтверждается ростом количества
ИИ-стартапов,
число которых в период с 2015 по 2018 г. увеличилось в пять раз и составило 3465 млрд долл. США,
причем в Соединенных Штатах – 1393 млрд долл. США. Наибольшее количество таких ИИ-компаний
в 2017 г. было зарегистрировано именно в США, их на тот момент насчитывалось
2905 ед. По данным информационного портала DataProt, к 2027 г. мировой
рынок искусственного интеллекта достигнет 267 млрд долл. США. При этом сегодня
37% компаний применяют алгоритмические сервисы и ИИ-технологии. Это
свидетельствует о том, что возможности использования новых
высокоинтеллектуальных технологий в будущем будут неуклонно возрастать [9] (Zhilin,
Safaryan, 2020).

Большинство компаний, работающих на рынке ИИ, вкладывают средства
в разработку приложений для машинного обучения. Объем инвестиций в разработки
на основе искусственного интеллекта в 2020 г. составил 67,9 млрд долл. США. [2]
Доля частных инвестиций в развитие технологий ИИ интеллекта в 2020 г.
показала рост на 9,3% и составила 40 млрд долл. США [3].
Также
гигантские денежные ресурсы вкладываются в программы, способные распознавать
человеческую речь. Этот сегмент, по данным аналитиков, в 2020 г. составлял
свыше 12,5 млрд долл. США. [4]

Объемы выручки от применения BigData и сервисов бизнес-аналитики в
мире на 2018 г. составляли 168,8 млрд долл. США. По прогнозу, уже в 2022 г.
данный показатель превысит отметку в 274,3 млрд долл. США [1] (Arkhipov,
2020).

Сегодня ядром сервисов искусственного интеллекта, применяемых в
бизнес-сфере, являются ИИ-рекомендации онлайн-магазинов и виртуальные ассистенты
(например, Alex, Cortan и Siri) [3] (Bukhtiyarova, 2019). Искусственный
интеллект сортирует контент по предпочтениям и популярности пользователей, распознает,
понимает и самостоятельно пишет тексты, фильтрует и блокирует СПАМ, распознает человеческую
речь, идентифицирует людей по фотографии, селфи, сетчатке глаза и другими
способами. Это приводит экономистов и экспертов к противоречивым выводам по
вопросу влияния ИИ на рынок труда вследствие ограниченных данных о негативных
последствиях такого воздействия [6, 23] (Gorodnova, 2021; Kitzmann, Yatsenko,
Launer, 2021).

В целях коммуникации с клиентами ИИ-компании используют чат-боты,
которые вступают во взаимодействие и отвечают на вопросы. Системы
искусственного интеллекта активно применяются при оказании телекоммуникационных
услуг, в автомобильной промышленности и финансовом секторе. Указанные
технологии внедряются и в розничных сетях, при производстве FMCG (пер. с англ.
fast moving consumer goods – товары повседневного спроса), медийном бизнес и
пр. [13, 19] (Leksin, 2020; Fedorchenko, 2020).

Технологии искусственного
интеллекта широко используются в таких разных сферах бизнеса, как ритейл,
строительство, информационные технологии, образование и т.д. В каждой из указанных
бизнес-сфер применяются технологии управления поведением потребителей, изучения
будущих тенденций рынка и автоматизации различных рутинных процессов.
Рассмотрим сектора применения возможностей искусственного интеллекта.

1. Транспорт. Беспилотные автомобили, использующие алгоритмы искусственного
интеллекта с возможностью полного автономного вождения без вмешательства
человека, могут существенно трансформировать транспортную систему. Машины с
использованием ИИ анализируют трафик и альтернативные маршруты, сокращая время
в пути [5].

2. Производство. Применение высокопроизводительных роботов способствует быстрому
и качественному выполнению задач, более эффективной, чем у человека,
деятельности. Благодаря использованию 3D-технологий и машинного зрения роботы
способны в разы ускорить процесс производства в любой сфере.

3. Здравоохранение. Автономные хирургические роботы, виртуальные помощники медицинского
персонала и автоматическая диагностика изображений – это новейшие разработки,
благодаря которым искусственный интеллект начинает играть решающую роль в технологическом прогрессе сферы здравоохранения,
а также в развитии услуг телемедицины в трансграничном режиме [8] (Ermakova,
Kovyazin, 2002).

4. Сфера развлечений. Машинное обучение на нейронных сетях позволяет предсказывать сценарии
поведения пользователя и предоставлять рекомендации по подбору фильмов, музыки,
телешоу и другого интересующего потребителя контента. ИИ в зависимости от
предпочтений пользователя осуществляет персонализированный подбор рекламы, что способствует
повышению эффективности маркетинга в аспекте таргетированной рекламы и
увеличению объемов продаж.

5. Спорт.
Предиктивный анализ и автоматизация, осуществляемая алгоритмами искусственного
интеллекта, применяются в целях принятия бизнес-решений, продажи билетов и прогнозирования результатов спортсменов.

Искусственный интеллект,
применяемый в бизнесе, способствует улучшению показателей во всех сферах. К
примеру, к процессам, в рамках которых ИИ решает определенные узконаправленные задачи,
следует отнести следующие:

1. Ценообразование. Искусственный интеллект
осуществляет изучение статистики и выполняет прогностические функции,
обрабатывая гигантские массивы информации в целях подбора наиболее оптимального
распределения цен на конкретный вид продукции. Это позволяет в несколько раз
повысить объемы выручки и доходов компании.

2. Безопасность. Самообучающиеся нейронные сети анализируют поведение клиентов и вычисляют
подозрительные операции, существенно снижая таким образом негативные
последствия действий кибермошенников и киберпреступников, что приводит к
значительному снижению финансовых потерь, повышенной защищенности системы и росту
доверия пользователей [7] (Dudin, Shkodinskiy, 2021).

3. Маркетинговая сфера. Системы
искусственного интеллекта на основе изучения предыдущих продаж и глубокого изучения
рынков осуществляют прогнозирование сценариев развития событий. Алгоритмами
изучаются контактные данные клиентов, суммы сделок
и приобретенные ими товары или услуги [20] (Shkor, Sevzyuk, 2020). Кроме того, ИИ анализирует поведение конкурентов в целях
сопоставления эффективных и неудачных решений и действий. Это позволяет
компании разрабатывать и реализовывать грамотную маркетинговую стратегию,
которая с высокой степенью вероятности завершится финансовым успехом.

4. Скорость обработки данных. Big Data (большие данные) – это основной
инструмент работы искусственного интеллекта. ИИ позволяет быстро и эффективно анализировать
большие объемы информации, разрабатывать пути реакции, а также осуществлять
построение стратегического планирования. В качестве примера можно привести
применение систем искусственного интеллекта при реализации биржевых операций.
Следует отметить, что традиционные программные алгоритмы не в состоянии
самостоятельно адаптироваться к быстро меняющимся условиям и данным без
предварительного обучения. Алгоритмы искусственного интеллекта предоставляют
такую возможность и повышают продуктивность работы на бирже [4] (Babich,
Kirillova, 2019).

5. Процессы автоматизации. Существует большое количество факторов, вызывающих возможные
ошибки в работе персонала. Искусственный интеллект, у которого отсутствуют
эмоции и чувства, характерные для человека (человеческий фактор), используя
данные, функции и технологии, позволяет осуществлять безошибочную и точную
работу [12] (Lapaev, Morozova, 2020). Однако следует отметить, что уже сегодня
ведется ряд исследований, которые позволяют ИИ выявлять сарказм и двойной смысл
человеческих сообщений. В частности, американскими учеными из Университета
Центральной Флориды на основе тренировок и обучения нейронных сетей создан
искусственный эмоциональный интеллект (Emotional AI). Это перспективная подсистема ИИ, которая способна распознавать
и интерпретировать проявления человеческих эмоций. Благодаря этому достигается более
естественное и непринужденное взаимодействие человека и ИИ [6].

6. Виртуальные помощники.
Чат-боты, Siri
и Ok Google – это не единственные примеры [21] (Alizada, Muradli, 2020).
К примеру, чат-бот Олег, применяемый в приложении интернет-банка Тинькофф, с
помощью распознавания
речи общается
с клиентами банка посредством цифровых устройств и выполняет стандартные
банковские операции, например, осуществляет денежные переводы. Эти же функции
осуществляются первым в мире семейством виртуальных ассистентов «Салют»
экосистемы «Сбер» [7].

Использование виртуальных
помощников – это один из ИИ-инструментов, который со временем будет более
широко внедряться в бизнес-процессы и повседневную жизнь современного человека.
По статистике Facebook, более 10 тысяч компаний занимаются разработкой
чат-ботов [8]. К примеру, Juniper Research отмечается
высокая популярность применения виртуальных помощников. Использование чат-ботов
в финансовом секторе и медицине способно сэкономить до 20 млн долл. США в год, к
2022 г. такая экономия составит около 8 млрд долл. США. [9]
Постоянный контроль и мониторинг инфраструктуры различных компаний – это еще
одно направление применения искусственного интеллекта. К текущему моменту
времени на мощностях французской энергетической компании Engie успешно
применяются дроны с программами распознавания
изображений на основе машинного обучения, которые следят за
оборудованием и изучают инфраструктуру в целях предотвращения технологических и
иных нарушений.

ИИ-системы контроля и
мониторинга широко используются и в городской среде. Наиболее простой пример –
система распознавания автомобильных номеров с помощью камер видеослежения, применяемая муниципальными
организациями. Кроме того, подобные алгоритмы применяются для систем распознавания
лиц [17] (Porokhovskiy, 2020).

Искусственный интеллект
способен снижать риски износа и повреждения оборудования, а также создавать
систему безопасности для различных компаний. Автоматизация ручного труда также
является важной и неоднозначной темой, поскольку использование алгоритмов искусственного
интеллекта в промышленности способно вытеснить из этой сферы человеческий
труд. Автоматизированные технологии выполняют сложные процессы быстрее и
качественнее, чем человек, они способны работать 24 часа в сутки. Следует
подчеркнуть, что основная цель внедрения высокоинтеллектуальных решений сегодня
– это не полная замена человека в производственных и бизнес-процессах, но
повышение эффективности человеческого труда. К примеру, японская страховая
компания Fukoku Mutual Life Insurance установила программу от IBM-Watson Explorer AI.
Данная система анализирует данные медицинских полисов по операциям и процедурам
в целях вычисления размеров страховых выплат. По расчетам представителей
Fukoku, внедрение искусственного интеллекта позволит им увеличить
производительность на 30%.

Еще одно направление
применения алгоритмов искусственного интеллекта – это предиктивная аналитика.
ИИ-алгоритмические технологии способны обрабатывать огромные массивы данных,
выявлять закономерности и осуществлять прогностические функции. В одном из
R&D-проектов разрабатывают систему
рекомендаций для крупной розничной сети супермаркетов. Система анализирует характеристики
покупателей и товаров и на основании данного анализа автоматически составляет качественные
рекомендации [18] (Sergeev, 2020).

Другой
пример применения искусственного интеллекта в бизнесе – это Expedia,
крупнейшая в мире онлайн-платформа по планированию путешествий. В рамках этой
платформы осуществляется целый ряд процедур от бронирования отелей до аренды
транспорта. Компанией довольно эффективно используется сеть машинного обучения
для персонализации процесса планирования поездки каждого клиента. В отличие от
традиционных типов прогнозирования, предиктивная аналитика легко адаптируется к
изменениям поведения, используя массивы вновь поступающих данных.

В результате применения
возможностей анализа неструктурированных данных с помощью ИИ-сервисов в
процессе распространения
мобильного контента, в частности сообщений в мессенджерах, электронных писем, фото
и видео, осуществляется структурирование сгенерированных данных и сведений в
целях получения возможностей их дальнейшей обработки. Указанный принцип заложен
в основе работы сервиса Siri, который с помощью алгоритмов программы позволяет
обрабатывать и структурировать человеческую речь, обеспечивая тем самым ее
подготовку к проведению дальнейшего анализа. В системах анализа
неструктурированных данных заложен огромный потенциал для производственных и
ресурсодобывающих предприятий, которые накапливают массивы смешанной информации
в течение долгого периода времени. Такой анализ способен облегчить работу
инженеров, в том числе сэкономить время на сортировку и организацию данных
перед тем, как оценить их и выявить важные взаимосвязи.

Кроме того, искусственный
интеллект – это возможность делегировать роботам утомительные и трудоемкие для
человека задачи. Например, роботизированный онлайн-ритейлер Ocado разработал
систему компьютерного зрения и сеть роботов в целях замены процесса
сканирования баркодов на своих торговых складах. Это позволяет ускорить поиск и
выдачу нужных товаров [21] (Alizada, Muradli, 2020).

Внедрение искусственного интеллекта
в различные бизнес-сферы начинается, как было показано выше, со сбора и обработки
необходимых данных, трансформирования и систематизации их в нужный структурированный
вид. Следующим шагом является разработка ИИ-алгоритмов, которые будут способны
к самообучению. Здесь необходимы квалифицированные ИТ-специалисты, которые
смогут научить систему искусственного интеллекта всем необходимым для компании
или бизнеса действиям. Сегодня на рынке создано достаточно большое количество
готовых ИИ-решений, которые помогут настроить алгоритмы искусственного
интеллекта быстрее и качественнее. После получения необходимой информации от
системы искусственного интеллекта осуществляется перестройка всех технологических
и бизнес-процессов, на которые оказывают влияние алгоритмы ИИ. На этом этапе,
бесспорно, требуется участие не только машин, но и человека. Однако в
дальнейшем ИИ с помощью нейронных сетей способен оптимизировать свою работу
самостоятельно.

Применение цифровых
продуктов и моделей искусственного интеллекта в компаниях по нефтепереработке

В качестве примера применения возможностей искусственного
интеллекта в различных сферах бизнеса в данном исследовании представлены результаты
работы IT-компании DD, функционирующей в г. Екатеринбурге (Свердловская область). Указанная
компания занимается созданием моделей оптимизации процессов принятия ИИ-решений
с 2018 г.

Магистральным
направлением деятельности рассматриваемой компании является разработка и внедрение
ряда цифровых продуктов, позволяющих получить решения ключевых проблем
непрерывного производства нефтеперерабатывающих и нефтехимических циклов в
целях повышения их экономической эффективности. В основе цифровых систем,
разрабатываемых и внедряемых в проектах нефтепереработки, лежит цифровая
платформа dataCORE. Этот объект интеллектуальной собственности создан
непосредственно IT-специалистами
компании [10].
Рассматриваемый цифровой продукт dataCORE представляет собой систему базовых IT-моделей,
посредством которых возможно описание кинетических, физико-химических и
термодинамических процессов, происходящих в производственных установках
нефтеперерабатывающего цикла. Следует отметить, что сегодня dataCORE содержит в
себе как отдельно функционирующие IT-элементы,
так и готовые модули установки. При этом заказчик в качестве итогового
цифрового продукта получает IT-решение,
представляющее собой цифровую систему, которая решает конкретную проблему, но
не набор кодов. К основным свойствам и характеристикам указанной цифровой
системы следует отнести следующие:

1)
запрограммированный
и ограниченный функционал;

2)
решение
конкретной актуальной проблемы;

3)
возможность
модификации системы в зависимости от изменения входных параметров и факторов.

Базовый
вариант системы dataCORE позволяет решать наиболее распространенные на
сегодняшний день проблемы. Основные направления подготовленных решений для
функционирующих технологических установок нефтеперерабатывающих предприятий приведены в таблице 1.

Таблица
1

Примеры
разрабатываемых IT-решений
для наиболее распространенных технологических установок нефтеперерабатывающих
комплексов

Источник: составлено автором по: Передовая
математика для производства. DataData. –
[Электронный ресурс]. – режим доступа: https://datadata.ru/#solution (дата обращения
14.05.2021 г.).

Специалистами компании DD даются прогнозы следующих экономических
показателей, представленных в таблице 2.

Таблица 2

Прогнозируемые экономические показатели деятельности компании DD по состоянию на 2025 год [11]

На рисунке, представленном ниже, приведены прогнозные значения
ожидаемой компанией DD валовой прибыли до 2025 года.

Рисунок. Прогнозируемая валовая прибыль компании DD

Источник: составлено автором по: Компания DataData, – [Электронный ресурс]. – режим доступа: https://datadata.ru/ (дата обращения:
17.05.2021 г.).

Объемы
валовой прибыли спрогнозированы на основе уже реализуемых
в настоящее время цифровых проектов в сфере нефтепереработки.

На
современном этапе компания DD
сотрудничает с такими гигантами отрасли, как «Газпромнефть», «Сибур», «Роснефть»,
«Башнефть», выстраивает взаимовыгодное партнерство с Schneider
Electric и Инфосистемы Jet.
Анализ показателей нефтеперерабатывающих производств
с применением продуктов указанной IT-компании DD за 2018–2020 гг. свидетельствует о повышении эффективности деятельности
компаний в целом на 5–10%.

Перспективные направления
развития искусственного интеллекта в бизнес-сфере

Перспективными направлениями
применения искусственного интеллекта являются те процессы, в которых отслеживаются и
повторяются действия человека. Подчеркнем, разработка и внедрение таких технологий
на сегодня не развиты до такого уровня, чтобы заменить человека абсолютно во
всем.

Крупными технологическими
компаниями получены впечатляющие результаты, связанные с созданием
компьютерного зрения, модулей управления движением, понимания речи, организации
и предоставления доступа к информации с помощью компьютерного обучения [17] (Porokhovskiy,
2020). Среди
наиболее популярных применений систем с ИИ следует отметить системы
распознавания образов (face recognition), обработки естественного языка
и синтеза речи (natural language processing), а также автоматизированные
аналитические системы для прогнозирования результатов (predictive analytics). Несмотря на это,
современные компании не обладают достаточно надежными интеллектуальными технологиями,
которые могут воспроизводить точность работы человеческих глаз или отдельных зон
мозга, ответственных за речь [11, 14] (Karpova, Evtodieva, 2020; Lyubimov, 2020).

ИИ открывает новые
возможности для решения экологических проблем планеты. Основные риски в этой
области связаны с безопасностью технологий и контролем за ними. Также
необходимо учитывать этические вопросы и социально-экономические последствия
применения ИИ. Несмотря на это, новые технологии способны помогать людям
контролировать состояние растений и животных и оказывать влияние на
климатические условия.

Медицина – это еще одна
отрасль, в которой применение ИИ пока не может быть
полноценным и полностью замещающим участие человека. Однако уже сейчас искусственный
интеллект оказывает врачам огромную помощь в аналитических и прогностических
сферах медицины [8] (Ermakova, Kovyazin, 2002). В таблице 3
представлены перспективные направления применения возможностей искусственного
интеллекта в крупных цифровых компаниях.

Таблица 3

Перспективы применения
искусственного интеллекта в цифровых компаниях

Источник: составлено автором по: [10, 13, 16] (Zhukov, 2020; Leksin, 2020; Morozova, Korobeynikova, Korobeynikov, Glazova, 2020).

Следует отметить, что
компанией Facebook разработан новый метод хранения информации в нейронных сетях,
получивший название Expire-Span [12]. В основу метода положен принцип присвоения
срока годности отдельным фрагментам данных в зависимости от их актуальности и
важности. Поскольку системы ИИ пока неспособны различать уровень важности и
второстепенности различных сведений, внедрение новой модели позволит нейронным сетям
повысить избирательность в систематизации и хранении информации, осуществляя тем
самым существенную экономию вычислительных ресурсов алгоритмов [9] (Zhilin,
Safaryan, 2020).

В бизнесе применяется так называемый слабый искусственный
интеллект, умеющий решать только узкие специализированные задачи с помощью
методов BigData и алгоритмов машинного обучения. Сильный
искусственный интеллект, способный к многозадачности, – это обладание когнитивными способностями и возможностями,
аналогичными человеческим. Его функционал решения задач одновременно в нескольких
контекстах практически не ограничен: игра в шахматы, сочинение стихов, решение
математических задач, бизнес-аналитика и осознание своего интеллекта как
отдельной личности. Сильный ИИ, по прогнозам специалистов, появится в интервале
2040–2075 гг.

Следует отметить, что
развитие ИИ и BigData тесно связано между собой. Для машинного
обучения необходимы огромные массивы данных [1, 9] (Arkhipov, 2020; Zhilin, Safaryan, 2020). Умение правильно подбирать
исходные данные для процесса обучения нейросетей является одной
из специфических компетенций профильных специалистов,
но не единственной. Процесс обучения ИИ также необходимо контролировать
и корректировать. Например, если в результате работы нейронных сетей
получены неверные или сомнительные результаты, требуется изменение наборов исходных
данных и «переучивание» системы. Процесс обучения тоже не всегда может
быть полностью автоматизирован, для большинства задач наряду с «машинным
обучением» требуется еще и «экспертное», в ходе которого человек вручную
указывает системе искусственного интеллекта, какие решения для данной
задачи являются правильными, а какие таковыми не являются [15] (Morgunova,
2020). Как видно, необходима отладка, которая выглядит совершенно иначе,
чем в процессе привычного программирования. Разумеется, созданный
результат необходимо тщательно тестировать, как и любую другую систему. Практика использования искусственного
интеллекта, его внедрения в различных компаниях представлена в таблице 4.

Таблица 4

Практика применения
возможностей искусственного интеллекта

Источник: составлено автором
по [2, 22] (Afanasev, 2019; Clauberg, 2020).

Сегодня
искусственный интеллект, постепенно заменяя возможности суперкомпьютеров в
интеграции с нейросетями на основе глубокого обучения, также широко применяется
в метеорологии (климатической информатике), в решении экологических проблем, в
сельском хозяйстве, в системах эффективного управления пространством мегаполиса
[6] (Gorodnova, 2021).

Тем не менее существует и негативный
опыт применения ИИ. К примеру, онлайн-ритейлер «Амазон» использовал алгоритмы ИИ
в подборе кандидатов при приеме на работу. В целях оценки претендентов был разработан алгоритм, который обучался на
анкетах ранее принятых в компанию сотрудников. В результате сотрудников-мужчин в штате компании стало гораздо больше, чем
женщин, поскольку ИИ принимал решения и делал определенное предпочтение. Разработчиками
были предприняты попытки осуществить корректировку программных алгоритмов, но
полной уверенности в отсутствии дискриминации по каким-либо другим признакам достигнуто
не было, и в 2017 г. руководство «Амазона» в процессе подбора сотрудников
вынуждено было отказаться от применения систем ИИ.

Применение систем искусственного интеллекта порождает ряд проблем,
которые требуют устранения или дополнительного контроля со стороны человека. Во-первых, требуется формирование
новой нормативно-правовой базы (цифрового права) и определение ответственной перед законом стороны за возможные
ошибки роботов (проектировщик, разработчик, создавший алгоритм или сотрудник,
бухгалтер, оператор, не проверивший результат).

Во-вторых, необходимо
определить, каким образом будет соблюдаться конфиденциальность данных и
обеспечиваться экономическая безопасность, если машины будут анализировать
здоровье, пол, возраст, распознавать лица автоматически, не запрашивая согласия
человека. Кроме того, остается проблемой качество баз данных, на которых строятся
модели и машинное обучение, поскольку огромный массив данных после очистки и
предобработки может существенно сократиться и оказаться недостаточного объема для
целей построения качественной модели для решения первоначальной задачи [22] (Clauberg,
2020).

В-третьих, быстрое устаревание
исходных баз данных, что может стать причиной получения неверных выводов и
некорректных результатов при машинном обучении.

В-четвертых, наличие
человеческого фактора, поскольку люди (человек) становятся посредниками, автоматизаторами,
контролерами для систем ИИ, и этот процесс неизбежно приводит к сокращению
рабочих мест. Еще одна проблема, связанная с человеческим фактором, – это рост
числа желающих
работать в данной области и заниматься Data Science, однако простого знания
теории на фоне отсутствия понимания тонкостей и специфики сферы, для которой
решаются задачи, явно недостаточно.

Развитие информационных
технологий и взятый высокий темп включения в повседневную жизнь общества
возможностей искусственного интеллекта ставят одну из сложнейших проблем по защите
государства и социума в современных напряженных геополитических и экономических
реалиях [5, 10] (Bykov, 2020; Zhilin, Safaryan, 2020). В этой связи на проводимом
2–5 июня 2021 г. Петербургском международном экономическом форуме (ПМЭФ) в
рамках сессии «Цифровой суверенитет и кибербезопасность» главой Минцифры были
обозначены серьезные опасения в связи с недостаточной защищенностью российских
организаций и госкорпораций от киберугроз, в связи с чем необходимо
своевременное совершенствование российской законодательной базы в сфере
функционирования сети Интернет и IT-технологий. Кроме того, в целях сохранения
цифрового суверенитета России приоритетной задачей государства является защита
прав граждан и государственно важной инфраструктуры [13].

Заключение

Процесс развития инновационных
цифровых технологий XXI века является стимулом для экономического роста благодаря автоматизации,
точности и наличию других возможностей повышения эффективности управления
бизнесом. Цифровая трансформация и алгоритмы искусственного интеллекта
применимы к различным бизнес-процессам, поскольку способствуют устранению
некоторых системных противоречий и конфликтов путем целенаправленного
использования специфических индивидуальных ресурсов. Это дает основание для
устойчивого экономического развития, роста производительности труда и дальнейшей
оптимизации бизнес-процессов.

Сегодня вполне реально применять
алгоритмы ИИ в малом и среднем бизнесе при наличии достаточного объема и
качества данных, которые обеспечат построение процесса эффективного обучения ИИ.
В этих целях существует ряд доступных платформ, которые предоставляют свои
мощности и инструменты для машинного обучения, примерами являются Amazon (Azure), Yandex, Mail.ru, узкоспециализированные площадки и т.п. С
помощью алгоритмов ИИ возможно получение персональных предложений от банков и
магазинов, информации в поисковых системах с учетом индивидуальных предпочтений,
обращение к онлайн-доктору и пр.

По данным британской Gartner,
в 2022 г. в системы искусственного интеллекта будут инвестировать 1/3 от
общемирового количества компаний. Благодаря использованию ИИ глобальный валовый
внутренний продукт (ВВП) к 2030 г. увеличится на 14% и составит 15,7 трлн долл.
США [14]. Ожидается рост объемов
промышленного производства на 900%.

В ходе исследования сделан основной вывод, что современный бизнес,
технологии, сервис широко применяют возможности искусственного интеллекта. Экспертами
прогнозируется рост числа ИИ-стартапов и различных мобильных приложений на
основе машинного обучения, одни рабочие места будут замещаться
совершенно новыми рабочими местами, осуществляя перераспределение задач, творческие и
сложные виды деятельности останутся за человеком. В процессе работы нашла свое
аргументированное подтверждение гипотеза автора о том, что роботизированные
комплексы и алгоритмы искусственного интеллекта должны стать не оппонентами, но
партнерами для человека. Таким образом, технологический прорыв в сфере ИИ станет решением
наблюдаемой в настоящее время глобальной проблемы экономической рецессии.

[1] TechTarget. Данные о намерениях покупки для
корпоративных технологий продаж и маркетинга. – [Электронный ресурс]. – Режим
доступа: https://www.techtarget.com/
(дата обращения: 10.06.2021 г.).

[2]Искусственный интеллект. Мировой
рынок. – [Электронный ресурс]. – Режим доступа: https://www.tadviser.ru/index.php/Статья:Искусственный_интеллект_(мировой_рынок) (дата обращения: 09.06.2021 г.).

[3] Там же.

[4] Там же.

[5] Автопилот. Беспилотный автомобиль.
– Электронный ресурс. – Режим доступа: https://www.tadviser.ru/index.php/Статья:Автопилот_(беспилотный_автомобиль) (дата обращения: 05.06.2021 г.).

[6] Корелина А. Ученые научили
искусственный интеллект определять сарказм в постах пользователей. –
Электронный ресурс. – Режим доступа: https://secretmag.ru/technologies/uchyonye-nauchili-ii-opredelyat-sarkazm-v-postakh-polzovatelei.htm (дата обращения 07.06.2021 г.).

[7] Официальный сайт Сбер. Салют. –
[Электронный ресурс]. – Режим доступа: https://salute.sber.ru/ (дата обращения 10.06.2021 г.).

[8] Сергеева
Ю. Вся статистика Интернета на 2020 год – цифры и тренды в мире и в России. –
[Электронный ресурс]. – Режим доступа: https://www.web-canape.ru/business/internet-2020-globalnaya-statistika-i-trendy/ (дата обращения
05.06.2021 г.).

[9] Research, Forecasting & Consultancy for Digital Technology
Markets. – [Электронный ресурс]. – Режим доступа: https://www.juniperresearch.com/home (дата обращения 09.06.2021 г.).

[10]
Составлено
автором по: DataData, официальный сайт. – [Электронный ресурс]. – режим доступа: https://datadata.ru/ (дата обращения
07.06.2021 г.).

[11] Составлено
автором по: DataData, официальный сайт. – [Электронный ресурс]. – режим доступа: https://datadata.ru/ (дата обращения:
16.05.2021 г.).

[12] Суворов А. Исследователи из Facebook
научили искусственный интеллект забывать ненужную информацию. – Электронный
ресурс. – Режим доступа: https://secretmag.ru/technologies/issledovateli-iz-facebook-nauchili-ii-zabyvat-nenuzhnuyu-informaciyu.htm (дата обращения: 08.06.2021 г.).

[13] Разчиков А. Эксперт назвал
главные направления защиты цифрового суверенитета России. – [Электронный ресурс].
– Режим доступа: https://vz.ru/news/2021/6/4/1102744.html (дата обращения: 07.06.2021 г.).

[14] PwC в России. – [Электронный ресурс]. – Режим доступа: https://www.pwc.ru/ (дата обращения
10.06.2021 г.).

Искусственный интеллект (ИИ) — мощный инструмент для развития бизнеса. Для компаний, работающих с огромными потоками информации, он буквально становится спасением — помогает выполнять рутинные операции, обрабатывая данные и предоставляя аналитику. Благодаря работе искусственного интеллекта бизнес получает реальную основу для принятия правильных и оперативных решений — цифры, критерии, рекомендуемые действия. И это позволяет улучшать и развивать бизнес-процессы, повышать прибыльность. О том, как внедрение и использование искусственного интеллекта в бизнесе влияет на разные процессы, стоит ли доверять интеллектуальным системам и как компании уже его их используют, расскажем в статье.

Как работает искусственный интеллект

Применение ИИ в бизнесе — это возможность переложить на машины утомительную деятельность по обработке больших данных, прогнозированию решений и составлению отчётов. Любой сервис на основе искусственного интеллекта становится умным в результате машинного обучения: используя заданные алгоритмы он собирает информацию, анализирует её, определяет закономерности, классифицирует данные и формирует выводы. 

Преимущества и возможности искусственного интеллекта уже активно используют в таких процессах:

1. Обеспечение кибербезопасности (защиты от кибермошенников и фишинговых программ).

Сервисы, основанные на ИИ, отслеживают необычное поведение программ, файлов, сравнивают с поведением безопасных ресурсов, блокируют подозрительную активность. Так компании защищаются от утечки данных и мошенничества. 

1. Продажи и прогнозирование спроса.

На основе чеков и другой покупательской информации компьютер может выяснить:

• Какие продукты являются самыми востребованными.

• Что складывают в корзину покупатели определённой возрастной категории.

• Что чаще покупают вместе с каким-то исследуемым продуктом.

• Как меняется спрос.

• Как покупатели реагируют на акции.

И чем больше данных обрабатывает искусственный интеллект, тем умнее он становится, тем лучше аналитика и прогнозы. 

1. Обслуживание клиентов.

Службы поддержки и консультационные отделы раньше решали все вопросы клиентов компаний, от самых простых до требующих глобальной проработки. При этом сложные вопросы могли долго ожидать своей очереди из-за мелких проблем, решающихся в два счёта. Теперь же службам помогают боты (голосовые помощники), которые умеют вести сложные диалоги и обрабатывать десятки звонков в минуту. Боты автоматически провожают клиента к решению его вопроса, если он стандартный. А операторы берут на себя только те вопросы, которые бот решить не в силах. В результате бизнес экономит на трудовых ресурсах, а вопросы решаются значительно быстрее и эффективнее. 

Искусственный интеллект — это волшебная палочка для бизнеса?

Да, но только при осознанном участии предпринимателя. IT-компании могут предложить бизнесу много готовых решений на основе искусственного интеллекта. Но без взаимодействия с человеком ИИ не сделает в один момент бизнес прибыльным. Сначала необходимо поставить цель, дать ИИ задачу и только потом использовать его на полную мощь. Цель задаёт предприниматель, он сценарист, а искусственный интеллект — режиссёр. И если сценарий будет безупречным, шанс на успех режиссуры увеличивается. 

Какие цели могут быть:

• Улучшение маркетинговой стратегии через анализ интересов клиентов.

• Повышение качества и оперативности процессов через тестирование разных подходов. 

• Выявление потребности в усилении ресурсов компании через изучение текущих процессов.

• Определение ведущих направлений через исследование спроса.

Имея конкретную цель, искусственный интеллект:

• Соберёт и приведёт к общему знаменателю данные из разных источников.

• Выдаст чёткую аналитику.

• Сформирует прогнозы.

Практика внедрения искусственного интеллекта в бизнес российских компаний

Приведём примеры, как реализуются бизнес-идеи с искусственным интеллектом. 

Голосовой помощник

Интересной статистикой делится сеть пиццерий «Додо Пицца». Внедрение робота, который отвечает на звонки и обрабатывает обращения клиентов, без трудностей не обошлось: неоднократно приходилось дорабатывать скрипты. Но по итогам первого месяца было обработано 250 тысяч звонков, причём в 97 % случаев — успешно. В 2021 году компания благодаря роботу стала экономить более 1 млн рублей в месяц на обработке входящих звонков, а клиенты стали тратить меньше времени в ожидании ответа оператора. Те вопросы, которые можно решить без оператора, например, изменение способа оплаты, отмена заказа, предоставление информации о сделанном заказе, робот берёт на себя. 

Компьютерное зрение

Крупнейший российский ритейлер Х5 Retail Group использует технологии компьютерного зрения. Искусственный интеллект распознаёт фото- и видеопотоки с целью повышения доступности товаров на полках. Как это происходит: камеры в магазине направлены на стеллажи и фиксируют пустые места. Компьютер обрабатывает фото и видео, распознаёт товары, определяет необходимость заполнения и привлечения для этого персонала. Работники магазина получают точную информацию по ассортименту и выкладке. Система распознаёт любые товары на полках с точностью более 95 %. А скорость формирования отчёта составляет от 10 до 30 секунд. 

Чат-бот контакт-центра

В Wildberries искусственный интеллект «Ева Вайлет» отвечает на 6 из 10 сообщений пользователей. По словам представителей маркетплейса, для них развитие ИИ и роботизация контакт-центра — один из важнейших проектов в 2021 году. Чат-бот запущен ещё 3 года назад, но эффективно он стал работать с момента последней прокачки. В 2021 году контакт-центр WB получил более 12 млн запросов от покупателей, и чат-бот обработал около 58 %.

Помощник бухгалтера

Сеть «Леруа Мерлен» внедрила программных роботов для автоматизации сравнения и обновления цен на мебель. Такое решение было необходимым, так как обрабатывать информацию от 1,6 тыс. поставщиков тяжело. Реализованный робот распознаёт в документах суммы, даты, штрихкоды и артикулы товаров, а затем вносит корректировки в учётную систему. «Леруа Мерлен» отмечает ускорение процессов в 4 раза. Благодаря качественной роботизации существенно увеличилась скорость обработки документов и согласования с отделом закупок, упростился менеджмент этого бизнес-процесса. Теперь 10 % вычитки и сверки цифр выполняют бухгалтеры, а 90 % — роботы.

Искусственный интеллект для поиска нефти

В 2019 году «Газпром нефть» впервые успешно применила машинное обучение для поиска скрытых запасов нефти. ИИ предсказал участки залежей нефти, которые исследователи не могли определить традиционными методами. Первое испытание на Ямале дало дополнительный приток нефти в пределах 70 баррелей в сутки. При этом себестоимость извлечения нефти составила всего $1,5 за баррель, и разработка технологии окупилась по итогам пилотного проекта.

Вывод

Как видно, использование ИИ в бизнесе даёт большие возможности для развития самых разных бизнес-процессов и компании в целом. И это не модное веяние, а реальная необходимость в условиях, в которых компании работают сейчас. Особенно это касается сферы продаж. 

Искусственный интеллект для вашего бизнеса — это средство повышения конкурентоспособности и прибыльности через автоматизацию рутинных процессов. У СберКорус есть инструмент, помогающий руководителю управлять эффективностью сотрудников — Интеллектуальная система управления сотрудниками для CRM. Она собирает и анализирует данные по действиям сотрудников, показывает точки роста, формирует конкретные рекомендации для повышения эффективности работы. Руководитель компании получает прозрачную аналитику, с помощью которой может принимать решения и влиять на качество работы и доходность бизнеса. Подробную информацию о том, как работает Интеллектуальная система управления сотрудниками, можно получить по ссылке.

Библиографическое описание:

Кочкин, Т. Н. Сферы применения искусственного интеллекта в бизнесе России / Т. Н. Кочкин. — Текст : непосредственный // Молодой ученый. — 2022. — № 3 (398). — С. 180-181. — URL: https://moluch.ru/archive/398/88090/ (дата обращения: 22.03.2023).

В статье автор рассматривает возможные сферы применения искусственного интеллекта в различных бизнесах в России. Для исследования были использованы статистические данные опросов, проведенных «Инфосистемы Джет» и «Tadviser». Также проанализированы основные направления применения, как анализ поведения клиентов, анализ покупок и формирования клиентов, логистика и т. д. В выводе проанализированы результаты эффективности, а также рассмотрена этическая сторона внедрения ИИ.

Ключевые слова:



искусственный интеллект, этический аспект ИИ, драйвер развития бизнеса, нейронные сети, ИИ в бизнесе.

Технологии ИИ можно использовать для решения большого количества задач и создания новых возможностей к развитию бизнеса. Согласно опросы компании «Инфосистемы Джет» и аналитического центра Tadviser респонденты выделяют следующие сферы применения ИИ в бизнесе:

— Снижение издержек — 72 % опрошенных респондентов.

— Повышение качества продуктов/услуг — 68 % опрошенных респондентов.

— Поддержка принятия решений — 60 % опрошенных респондентов.

— Повышение производительности труда — 56 % опрошенных респондентов.

— Получение новых экономических выгод — 52 % опрошенных респондентов.

— Повышение эффективности взаимодействия — 40 % опрошенных респондентов.

Как видно из опроса технологии ИИ характерны широким спектром возможностей применения, охватывая все сферы работы организации. Того факта, что 72 % выделяют снижение издержек как основную сферу уже достаточно для внедрения ИИ, так как это однозначно позволяет судить об окупаемости инвестиций за счет экономии на издержках.

Анализ поведения клиентов.

Вданной области технологии ИИ применяются наиболее широко практически во всех составляющих. Возможно анализировать как офлайн, так и онлайн поведение клиентов. В случае офлайн применяются технологии распознавания лиц, взгляда и поведения, что некоторые компании называют «компьютерным зрением». Рассматривается маршрут клиента по торговым залам, направление взгляда, длительность задержки клиента перед товарами и т. д. На основании данного анализа можно сформировать усредненную карту перемещений клиента и его поведения, причем с учетом личностных характеристик — пол, возраст, какие товары предпочитает и т. д.

Анализ покупок и


формирование предложений для удерживания клиентов.

При помощи ИИ можно анализировать покупки клиентов компании, причем с учетом ранее описанных технологий анализа поведения и других факторов (погода, время года, суток и т. д.). Пионерами в применении данной технологии можно считать классический ритейл, для чего ими были введены скидочные/накопительные карты, благодаря использованию которых можно было собирать большое количество информации о каждом клиенте. В итоге компания может предсказывать спрос на ту или иную товарную позицию, возможные покупки пользователя, компания Amazon запатентовала технологию, которая позволяет отгружать товары клиенту еще до того, как он закажет их. Также это увеличивает продажи комплементарных товаров путем их грамотной рекомендации в нужный момент, когда пользователь их купит с наибольшей вероятностью.

Таргетирование рекламных предложений.

На данный момент информация — один из наиболее ценных товаров на рынке, в том числе и для применения в рекламной сфере. Большинство ресурсов, благодаря этому, могут предоставлять свой функционал пользователю бесплатно, взамен получая разрешением на полный сбор данных о пользователе. Крупные агрегаторы собирают данные со всех возможных ресурсов, которыми пользуется человек, формируя о нем колоссальную базу данных, обработать которую возможно только с применением технологий ИИ. Благодаря этому почти вся реклама становится таргетированной и адаптированной под каждого пользователя, что увеличивает конверсию рекламных предложений. На этом зарабатывают как покупатели рекламы, которым выгоден действительно работающий инструмент увеличения выручки, так и рекламодатели, к которым и обращаются клиенты, что можно считать драйвером развития бизнеса.

Логистика.

Технологии ИИ также в полной мере раскрываются и в логистике. Если у компании есть большое количество данных за предыдущие периода и налажена система непрерывного потока поступлений актуальных данных, то ИИ сможет управлять всеми потоками поставок. Например, автоматически заказывать необходимые комплектующие, если речь идет о производственной компании, наиболее оптимально формировать отгрузки клиентам, что уменьшает временные и финансовые издержки [1]. В почтовых компаниях ИИ может рассчитывать необходимое количество рейсов и то, как необходимо формировать посылки для отгрузок. Применять технологию можно не только для внешней, но и внутренней логистике.

Безопасность

. Технологии ИИ могут найти несколько сфер применения в безопасности фирмы. Во-первых, это внешняя безопасность. Система с ИИ может непрерывно и эффективно защищать внутренние информационные системы от вмешательства извне, превентивно исследовав ее на наличие внутренних брешей в системе безопасности. Также подключение всех камер к системе безопасности сможет обеспечить контроль за всеми лицами, находящимися на территории организации и информировать службу безопасности. Вторая сфера применения — внутренняя безопасность [2]. ИИ может отслеживать внутренние утечки информации, подозрительные транзакции со стороны компании, воровство материалов и продукции сотрудниками компании. Если речь идет о магазине, то «компьютерное зрение» может отслеживать «шоплифтеров», которые занимают воровством в магазинах.

Искусственный интеллект может применяться во всех аспектах функционирования организации увеличивая эффективность большого количества показателей. Внедрение современных технологий способно сделать бизнес значительно более конкурентоспособным по сравнению с другими компаниями, причем чем раньше компания начнет внедрять ИИ в свою работу, тем больше у нее шансов обеспечить свое будущее на рынке. В изучении вопроса эффективности нельзя не упомянуть об этической стороне вопросы. Внедрение технологий ИИ, во-первых, способно вызвать увольнения части сотрудников, обязанности которых будут возложены на программу. Это может быть экономически целесообразно и эффективно, однако в случае технических сбоев, эффективность организации будет поставлена под угрозу.

Литература:

1. Нифедьева Д. О., Крылова В. А. Нейросети: как искусственный интеллект помогает в бизнесе. В сборнике: Цифровизация экономики: направления, методы, инструменты. Сборник материалов I всероссийской студенческой научно-практической конференции. 2019. С. 201–204.
2. Гонтарь А. А. Искусственный интеллект в системе обеспечения экономической безопасности банка. В сборнике: Фундаментальная наука и технологии — перспективные разработки. Материалы XIII международной научно-практической конференции. н.-и. ц. «Академический». 2017. С. 133–136.

Нейросети: как искусственный интеллект помогает в бизнесе и жизни

Читайте оригинал статьи в Блоге DTI.

В работе Oxford Martin School 2013 года говорилось о том, что 47% всех рабочих мест может быть автоматизировано в течение следующих 20 лет. Основным драйвером этого процесса является применение искусственного интеллекта, работающего с большими данными, как более эффективной замены человеку.

Машины теперь способны решать все больше процессов, за которые раньше отвечали люди. Кроме того, делают это качественнее и во многих случаях дешевле. О том, что это значит для рынка труда, в июле этого года говорил Герман Греф, выступая перед студентами Балтийского федерального университета им. Канта:

“Мы перестаём брать на работу юристов, которые не знают, что делать с нейронной сетью. <…> Вы — студенты вчерашнего дня. Товарищи юристы, забудьте свою профессию. В прошлом году 450 юристов, которые у нас готовят иски, ушли в прошлое, были сокращены. У нас нейронная сетка готовит исковые заявления лучше, чем юристы, подготовленные Балтийским федеральным университетом. Их мы на работу точно не возьмем.”

Продолжая освещать #технобудущее, команда DTI подготовила все, что необходимо знать для первого погружения в нейронные сети: как они устроены, почему все больше компаний предпочитают нейросети живым сотрудникам и какой потенциал по оптимизации различных процессов несет эта технология.

Искусственный интеллект, машинное обучение и нейросети: в чем разница

Нейронная сеть – один из способов реализации искусственного интеллекта (ИИ).

В разработке ИИ существует обширная область — машинное обучение. Она изучает методы построения алгоритмов, способных самостоятельно обучаться. Это необходимо, если не существует четкого решения какой-либо задачи. В этом случае проще не искать правильное решение, а создать механизм, который сам придумает метод для его поиска.

#справка Во многих статьях можно встретить термин «глубокое» — или «глубинное» — обучение. Под ним понимают алгоритмы машинного обучения, использующие много вычислительных ресурсов. В большинстве случаев под ним можно понимать просто “нейронные сети”.

Чтобы не запутаться в понятиях «искусственный интеллект», «машинное обучение» и «глубокое обучение», предлагаем посмотреть на визуализацию их развития:

#интересное Существует два типа искусственного интеллекта (ИИ): слабый (узконаправленный) и сильный (общий). Слабый ИИ предназначен для выполнения узкого списка задач. Такими являются голосовые помощники Siri и Google Assistant и все остальные примеры, которые мы приводим в этой статье. Сильный ИИ, в свою очередь, способен выполнить любую человеческую задачу. На данный момент реализация сильного ИИ невозможна, он является утопической идеей.

Как устроена нейросеть

Нейросеть моделирует работу человеческой нервной системы, особенностью которой является способность к самообучению с учетом предыдущего опыта. Таким образом, с каждым разом система совершает все меньше ошибок.

Как и наша нервная система, нейросеть состоит из отдельных вычислительных элементов – нейронов, расположенных на нескольких слоях. Данные, поступающие на вход нейросети, проходят последовательную обработку на каждом слое сети. При этом каждый нейрон имеет определенные параметры, которые могут изменяться в зависимости от полученных результатов – в этом и заключается обучение сети.

Предположим, что задача нейросети – отличать кошек от собак. Для настройки нейронной сети подается большой массив подписанных изображений кошек и собак. Нейросеть анализирует признаки (в том числе линии, формы, их размер и цвет) на этих картинках и строит такую распознавательную модель, которая минимизирует процент ошибок относительно эталонных результатов.

На рисунке ниже представлен процесс работы нейросети, задача которой — распознать цифру почтового индекса, написанную от руки.

История нейросетей

Несмотря на то, что нейросети попали в центр всеобщего внимания совсем недавно, это один из старейших алгоритмов машинного обучения. Первая версия формального нейрона, ячейки нейронной сети, была предложена Уорреном Маккалоком и Уолтером Питтсом в 1943 году.

А уже в 1958 году Фрэнк Розенблатт разработал первую нейронную сеть. Несмотря на свою простоту, она уже могла различать, например, объекты в двухмерном пространстве.

Mark I Perceptron — машина Розенблатта

Первые успехи привлекли повышенное внимание к технологии, однако затем другие алгоритмы машинного обучения стали показывать лучшие результаты, и нейросети отошли на второй план. Следующая волна интереса пришлась на 1990-е годы, после чего о нейросетях почти не было слышно до 2010 года.

Почему нейросети вновь популярны

До 2010 года попросту не существовало базы данных, достаточно большой для того, чтобы качественно обучить нейросети решать определенные задачи, в основном связанные с распознаванием и классификацией изображений. Поэтому нейросети довольно часто ошибались: путали кошку с собакой, или, что еще хуже, снимок здорового органа со снимком органа, пораженного опухолью.

Но в 2010 году появилась база ImageNet, содержащая 15 миллионов изображений в 22 тысячах категорий. ImageNet многократно превышала объем существовавших баз данных изображений и была доступна для любого исследователя. С такими объемами данных нейросети можно было учить принимать практически безошибочные решения.

Размер ImageNet в сравнении с другими существовавшими в 2010 году базами изображений

До этого на пути развития нейросетей стояла другая, не менее существенная, проблема: традиционный метод обучения был неэффективен. Несмотря на то что важную роль играет число слоев в нейронной сети, важен также и метод обучения сети. Использовавшийся ранее метод обратного шифрования мог эффективно обучать только последние слои сети. Процесс обучения оказывался слишком длительным для практического применения, а скрытые слои глубинных нейросетей не функционировали должным образом.

Результатов в решении этой проблемы в 2006 году добились три независимых группы ученых. Во-первых, Джеффри Хинтон реализовал предобучение сети при помощи машины Больцмана, обучая каждый слой отдельно. Во-вторых, Ян ЛеКан предложил использование сверточной нейронной сети для решения проблем распознавания изображений. Наконец, Иошуа Бенджио разработал каскадный автокодировщик, позволивший задействовать все слои в глубокой нейронной сети.

Примеры успешного применения нейросетей в бизнесе

Медицина

Команда исследователей из Ноттингемского университета разработала четыре алгоритма машинного обучения для оценки степени риска сердечно-сосудистых заболеваний пациентов. Для обучения использовались данные 378 тыс. британских пациентов. Обученный искусственный интеллект определял риск кардиологических заболеваний эффективнее реальных врачей. Точность алгоритма — между 74 и 76,4 процентами (стандартная система из восьми факторов, разработанная Американской коллегией кардиологии, обеспечивает точность лишь в 72,8%).

Финансы

Японская страховая компания Fukoku Mutual Life Insurance заключила контракт с IBM. Согласно нему, 34 сотрудников японской компании заменит система IBM Watson Explorer AI. Нейросеть будет просматривать десятки тысяч медицинских сертификатов и учитывать число посещений госпиталей, перенесенные операции и другие факторы для определения условий страхования клиентов. В Fukoku Mutual Life Insurance уверены, что использование IBM Watson повысит продуктивность на 30% и окупится за два года.

Машинное обучение помогает распознавать потенциальные случаи мошенничества в различных сферах жизни. Подобный инструмент использует, например, PayPal – в рамках борьбы с отмыванием денег компания сравнивает миллионы транзакций и обнаруживает среди них подозрительные. В результате, мошеннические транзакции в PayPal составляют рекордно низкие 0,32%, тогда как стандарт в финансовом секторе — 1,32%.

Коммерция

Искусственный интеллект существенно улучшил механизмы рекомендаций в онлайн-магазинах и сервисах. Алгоритмы, основанные на машинном обучении, анализируют ваше поведение на сайте и сравнивают его с миллионами других пользователей. Все для того, чтобы определить, какой продукт вы купите с наибольшей вероятностью.

Механизм рекомендаций обеспечивает Amazon 35% продаж. Алгоритм Brain, используемый YouTube для рекомендации контента, позволил добиться того, что практически 70% видео, просматриваемых на сайте, люди нашли благодаря рекомендациям (а не по ссылкам или подпискам). WSJ сообщало о том, что использование искусственного интеллекта для рекомендаций является одним из факторов, повлиявших на 10-кратный рост аудитории за последние пять лет.

Алгоритм Yandex Data Factory способен предсказывать влияние промоакций на объем продаж товаров. Анализируя историю продаж, а также тип и ассортимент магазина, алгоритм дал 87% точных (с точностью до коробки) и 61% ультраточных (с точностью до упаковки) прогнозов.

Нейросети, анализирующие естественный язык, могут использоваться для создания чат-ботов, позволяющих клиентам получить необходимую информацию о продуктах компании. Это позволит сократить издержки на команды колл-центров. Подобный робот уже работает в приемной Правительства Москвы и обрабатывает около 5% запросов. Бот способен подсказать, в том числе, расположение ближайшего МФЦ и график отключения горячей воды.

На технологии нейронных сетей также основана Albert – маркетинговая платформа полного цикла, самостоятельно осуществляющая практически все операции. Использующая ее компания-производитель нижнего белья Cosabella в итоге расформировала собственный отдел маркетинга и полностью доверилась платформе.

Транспорт

Беспилотные автомобили – концепт, над которым работает большинство крупных концернов, а также технологические компании (Google, Uber, Яндекс и другие) и стартапы, в своей работе опирается на нейросети. Искусственный интеллект отвечает за распознавание окружающих объектов – будь то другой автомобиль, пешеход или иное препятствие.

Так видит наш мир нейросеть

Потенциал искусственного интеллекта в этой сфере не ограничивается автопилотом. Недавний опрос IBM показал: 74% топ-менеджеров автомобильной индустрии ожидают, что умные автомобили появятся на дорогах уже к 2025 году. Такие автомобили, интегрированные в Интернет вещей (см. наш предыдущий лонгрид), будут собирать информацию о предпочтениях пассажиров и автоматически регулировать температуру в салоне, громкость радио, положение сидений и другие параметры. Помимо пилотирования, система также будет информировать о возникающих проблемах (и даже попытается решить их сама) и ситуации на дороге.

Промышленность

Нейросеть, разработанная Марком Уоллером из Шанхайского Университета, специализируется на разработке синтетических молекул. Алгоритм составил шестистадийный синтез производного бензопирана сульфонамида (необходим при лечении Альцгеймера) всего за 5,4 секунды.

Инструменты Yandex Data Factory помогают при выплавке стали: использующийся для производства стали металлический лом зачастую неоднороден по составу. Чтобы сталь соответствовала стандартам, при ее выплавке всегда нужно учитывать специфику лома и вводить специальные добавки. Этим обычно занимаются специально обученные технологи. Но, поскольку на таких производствах собирается много информации о поступающем сырье, применяемых добавках и результате, эту информацию с большей эффективностью способна обработать нейросеть. По данным Яндекса, внедрение нейросетей позволяет на 5% сократить расходы дорогих ферросплавов.

Аналогичным образом нейросеть способна помочь в переработке стекла. Сейчас это нерентабельный, хотя и полезный, бизнес, нуждающийся в государственных субсидиях. Использование технологий машинного обучения позволит значительно сократить издержки.

Сельское хозяйство

Инженеры Microsoft совместно с учеными из ICRISAT применяют искусственный интеллект, чтобы определить оптимальное время посева в Индии. Приложение, использующее Microsoft Cortana Intelligence Suite, также следит за состоянием почвы и подбирает необходимые удобрения. Изначально в программе участвовало всего лишь 175 фермеров из 7 деревень. Они начали посев только после соответствующего SMS уведомления. В результате, они собрали урожая на 30-40% больше, чем обычно.

Развлечения и искусство

В прошлом году вышли и мгновенно стали популярными приложения, использующие нейросети для обработки фото и видео: MSQRD от белорусских разработчиков (в дальнейшем сервис выкупила Facebook), и российские Prisma и Mlvch. Другой сервис, Algorithmia, раскрашивает черно-белые фотографии.

Яндекс успешно экспериментирует с музыкой: нейронные сети компании уже записали два альбома: в стиле Nirvana и “Гражданской обороны”. А музыка, написанная нейросетью под композитора-классика Александра Скрябина, была исполнена камерным оркестром, что заставляет вновь задуматься над вопросом о том, сможет ли робот сочинить симфонию. Нейросеть, созданная сотрудниками Sony, вдохновлялась Бахом.

Японский алгоритм написал книгу “День, когда Компьютер написал роман”. Несмотря на то что с характерами героев и сюжетными линиями неопытному писателю помогали люди, компьютер проделал огромную работу – в итоге одна из его работ прошла отборочный этап престижной литературной премии. Нейросети также написали продолжения к Гарри Поттеру и Игре Престолов.

В 2015 году нейросеть AlphaGo, разработанная командой Google DeepMind, стала первой программой, победившей профессионального игрока в го. А в мае этого года программа обыграла сильнейшего игрока в го в мире, Кэ Цзэ. Это стало прорывом, поскольку долгое время считалось, что компьютеры не обладают интуицией, необходимой для игры в го.

Безопасность

Команда разработчиков из Технологического университета Сиднея представила дронов для патрулирования пляжей. Основной задачей дронов станет поиск акул в прибрежных водах и предупреждение людей на пляжах. Анализ видеоданных производят нейросети, что существенно отразилось на результатах: разработчики утверждают о вероятности обнаружения и идентификации акул до 90%, тогда как оператор, просматривающий видео с беспилотников, успешно распознает акул лишь в 20-30% случаев.

Австралия занимает второе место в мире после США по количеству случаев нападения акул на людей. В 2016 году в этой стране были зафиксированы 26 случаев нападения акул, два из которых закончились смертью людей.

В 2014 году Лаборатория Касперского сообщала, что их антивирус регистрирует 325 тыс. новых зараженных файлов ежедневно. В то же время, исследование компании Deep Instinct показало, что новые версии вирусов практически не отличаются от предыдущих – изменение составляет от 2% до 10%. Самообучающаяся модель, разработанная Deep Instinct, на основании этой информации способна с высокой точностью определять зараженные файлы.

Нейросети также способны искать определенные закономерности в том, как хранится информация в облачных сервисах, и сообщать об обнаруженных аномалиях, способных привести к бреши в безопасности.

Бонус: нейросети на страже нашего газона

В 2016 году 65-летний инженер NVIDIA Роберт Бонд столкнулся с проблемой: соседские кошки регулярно посещали его участок и оставляли следы своего присутствия, что раздражало его жену, работающую в саду. Бонд сразу отсек слишком недружелюбную идею соорудить ловушки для незваных гостей. Вместо этого он решил написать алгоритм, который бы автоматически включал садовые разбрызгиватели воды при приближении кошек.

Перед Робертом стояла задача идентификации кошек в поступающем с внешней камеры видеопотоке. Для этого он использовал систему, основанную на популярной нейросети Caffe. Каждый раз, когда камера наблюдала изменение в обстановке на участке, она делала семь снимков и передавала их нейросети. После этого нейросеть должна была определить, присутствует ли в кадре кошка, и, в случае утвердительного ответа, включить разбрызгиватели.

Изображение с камеры во дворе Бонда

До начала работы нейросеть прошла обучение: Бонд “скормил” ей 300 разных фотографий кошек. Анализируя эти фотографии, нейросеть училась распознавать животных. Но этого оказалось недостаточно: она корректно определяла кошек лишь в 30% случаев и приняла за кошку тень Бонда, в результате чего он сам оказался мокрым.

Нейросеть заработала лучше после дополнительного обучения на большем количестве фотографий. Однако Бонд предупреждает, что нейросеть можно натренировать слишком сильно, в случае чего у нее сложится нереалистичный стереотип – например, если все снимки, использующиеся для обучения, сняты с одного ракурса, то искусственный интеллект может не распознать ту же самую кошку с другого угла. Поэтому чрезвычайно важным является грамотный подбор обучающего ряда данных.

Через некоторое время кошки, обучившиеся не на фотографиях, но на собственной шкуре, перестали посещать участок Бонда.

Заключение

Нейронные сети, технология середины прошлого века, сейчас меняет работу целых отраслей. Реакция общества неоднозначна: одних возможности нейросетей приводят в восторг, а других – заставляют усомниться в их пользе как специалистов.

Однако не везде, куда приходит машинное обучение, оно вытесняет людей. Если нейросеть ставит диагнозы лучше живого врача, это не значит, что в будущем нас будут лечить исключительно роботы. Вероятнее, врач будет работать вместе с нейросетью. Аналогично, суперкомпьютер IBM Deep Blue выиграл в шахматы у Гарри Каспарова еще в 1997 году, однако люди из шахмат никуда не делись, а именитые гроссмейстеры до сих пор попадают на обложки глянцевых журналов.

Кооперация с машинами принесет гораздо больше пользы, чем конфронтация. Поэтому мы собрали список материалов в открытом доступе, которые помогут вам продолжить знакомство с нейросетями:

• Курс “Машинное обучение” от Школы анализа данных (ШАД) Яндекса
• Курс по Deep Learning от Google
• Книга «Математические методы обучения по прецедентам (теория обучения машин)» К. В. Воронцова
• Книга «Нейрокомпьютерная техника: Теория и практика» Ф. Уоссермена
• Movidius Neural Compute Stick – нейронная сеть размером с флешку
• Подборка фреймворков для машинного обучения