Искусственный интеллект и машинное обучение: тенденции и прогнозы развития  

Дмитрий Мартынов, официальный представитель Infor в России и СНГ

По прогнозам аналитического агентства Gartner, к 2020 г. в 85% компаний будут реализованы пилотные проекты с использованием искусственного интеллекта (Artificial IntelligenceAI). Агентство IDC предсказывает, что в 2021 г. компании израсходуют на технологии когнитивных вычислений и искусственного интеллекта свыше 52 млрд долл. Среди отраслей, где влияние AI и связанных с ним технологий машинного обучения (Machine LearningML) будет особенно велико, ведущие аналитические компании Forrester, Gartner и McKinsey выделяют финансовый сектор, электроэнергетику, ритейл, машиностроение и тяжелую промышленность, здравоохранение, сферы высоких технологий и телекоммуникаций.

 

Решения на основе искусственного интеллекта постепенно входят в повседневную жизнь, кардинально меняя привычные действия и вещи. Уже сегодня миллионы людей используют возможности цифровых ассистентов – Siri, Google Now и Alexa. Беспилотный автомобиль теперь разрабатывает не только корпорация Google, но и такие автогиганты, как General Motors, Daimler, BMW, Ford. Развиваются технологии распознавания естественной речи, применяемые в сфере обслуживания клиентов.

 

При этом очевидно, что на горизонте ближайших пяти лет разработки с использованием AI и ML выведут на принципиально новый уровень автоматизацию бизнес-процессов в крупных и средних компаниях.

 

Что такое AI и ML?

Согласно ИТ-глоссарию Gartner, искусственный интеллект – это технология, воспроизводящая поведение человека в плане обучения, умения делать выводы, воспринимать сложный контекст, поддерживать естественный диалог с людьми и пр. Находит применение в автономном транспорте, системах распознавания, генерации, оценки речи и т. п.

В свою очередь, машинное обучение – это класс методов искусственного интеллекта, для которых характерна возможность контролируемого или неконтролируемого обучения в процессе применения решений большого количества однотипных задач.

 

Как AI и ML повлияют на бизнес и бизнес-процессы

На текущий момент во многих прогнозах выделяют шесть крупных областей, где трансформационное воздействие технологий AI и ML будет наиболее заметным и приведет к качественному скачку эффективности и преобразованию привычных процессов.

 

 

Аналитика, управление проектами и принятие решений

В первую очередь эксперты Gartner, Forrester и McKinsey выделяют сферу корпоративной аналитики, принятия решений и управления проектами. Так, дополненная аналитика (Аugmented Аnalytics) даст возможность автоматизировать подготовку данных, обнаружение скрытых взаимосвязей и составление наглядных аналитических отчетов с понятной визуализацией. Предсказательная аналитика, построенная на обработке огромного количества корпоративных данных с помощью AI, позволит руководителям принимать более взвешенные и качественные решения, снизить бизнес-риски предприятий. В управлении проектами возникнут новые возможности по автоматической оптимизации распределения ресурсов, контролю графиков работы смежных подразделений, корректировке процесса исполнения задач.

 

Обработка естественной речи

Как уже отмечалось, сейчас мы пользуемся возможностями виртуальных голосовых ассистентов – Siri, Alexa, Google Now, Cortana и др. Они научились с достаточно высокой степенью точности распознавать естественную человеческую речь, а не набор фиксированных команд с жестко заданной логикой и синтаксисом.

В сфере распознавания естественной речи (Natural Language Processing – NLP) машинное обучение позволит в короткие сроки значительно повысить качество обработки не только любых голосовых, но и текстовых сообщений. Ведутся разработки по отслеживанию интонаций клиентов, взаимодействующих с автоматизированной платформой, и распознаванию их намерений. Это даст возможность значительно улучшить обслуживание клиентов, повысить качество клиентского самообслуживания с помощью IVR и других автоматизированных приложений.

 

Персонализация маркетинга и обслуживания

В маркетинге алгоритмы машинного обучения помогут обеспечить персонализацию взаимодействия бренда и клиента. На смену ставшему традиционным контент-маркетингу придет так называемый диалоговый маркетинг, где на основе статистических данных и глубокого анализа истории взаимодействия с клиентом искусственный интеллект будет решать, каким должно быть содержание диалога с каждым отдельным человеком в тот или иной момент времени.

В плане обслуживания искусственный интеллект возьмет на себя управление маршрутами клиентов в различных каналах коммуникаций. Базируясь на сведениях о человеке, данных о предыдущих запросах, обращениях в компанию и статистических прогнозах, системы смогут заранее предвидеть сценарий маршрута клиента и с опережением предлагать ему необходимую помощь и персонализированный контент в каждой точке взаимодействия.

Одновременно с этим виртуальные ассистенты на основе AI существенно повысят продуктивность и эффективность сотрудников корпоративных контакт-центров. Помимо автоматизации рутинных задач искусственный интеллект сможет в режиме реального времени отслеживать диалог оператора с клиентом и своевременно предоставлять необходимые подсказки по скрипту, данные из базы знаний и полезную аналитику.

 

Интернет вещей и цифровые двойники

В производственном секторе будут активно развиваться промышленный Интернет вещей (Industrial Internet of Things – IIoT) и потенциально мощная смежная технология так называемых цифровых двойников.

Промышленный Интернет вещей, по определению TAdviser, представляет собой систему объединенных компьютерных сетей и подключенных производственных объектов со встроенными датчиками и ПО для сбора и обмена данными, с возможностью удаленного контроля и управления в автоматизированном режиме, без участия человека.

Фактически речь идет о совокупности датчиков, исполнительных механизмов, контроллеров и человеко-машинных интерфейсов, установленных на ключевых частях оборудования. Датчики собирают информацию с используемых в производстве машин и формируют общую информационную картину техпроцессов. Эту информацию можно обрабатывать с помощью алгоритмов AI и ML и использовать на разных уровнях деятельности предприятия – от принятия обоснованных решений до автоматического управления и корректировки исполнения технических процессов и снижения износа оборудования.

Совмещение возможностей IIoT и машинного интеллекта позволяет предотвращать простои, поломку оборудования, сокращать периоды внепланового техобслуживания и количество сбоев в управлении цепочками поставок.

Цифровой двойник – это цифровая модель, которая воспроизводит объект, процесс или систему в реальном мире. В промышленности речь идет о создании цифровых двойников предприятий – заводов, электростанций, нефтедобывающих комплексов. С помощью собранной с различных датчиков информации создается виртуальная модель промышленного объекта, в которой отображаются данные о бизнес- и технологических процессах, связях между ними, о работе и состоянии промышленного оборудования.

Цифровые двойники позволяют не только отслеживать состояние производства в динамике, они способны моделировать любые сценарии анализа «что если» – показывать, как будут меняться бизнес-результаты при изменении тех или иных параметров производства. Например, в нефтедобывающей отрасли цифровой двойник позволяет симулировать бурение новых скважин, заранее оценивать потенциальные риски и бизнес-ценность проектов.

 

Автономные устройства

Под автономными устройствами в данном контексте подразумеваются машины и механизмы, способные самостоятельно в течение определенного времени выполнять конкретные действия без участия человека.

В качестве примеров автономных устройств можно привести целый ряд механизмов – от робота-пылесоса до автономных машин для сбора урожая. Сейчас технологии AI и ML активно внедряются в этой области, появляется «умное» медицинское и сельскохозяйственное оборудование.

Одновременно с развитием функционала сложных одиночных устройств разрабатывается концепция «роя» небольших механизмов под управлением AI, например квадрокоптеров. Внедрение AI позволяет автономным устройствам повысить эффективность работы благодаря улучшенному восприятию факторов и параметров окружающей среды, а также своевременной реакции путем принятия оптимальных решений. Большая часть автономных устройств – это роботы, транспортные средства и беспилотные летательные аппараты.

Применение автономных устройств открывает новые перспективы в автоматизации производственных линий, цепочек поставок и логистики, позволяет освободить человека от выполнения рутинных, повторяющихся задач.

 

AI-разработка

Разработчики всегда стремились к использованию абстракций более высокого уровня. Максимальный теоретический уровень абстракции – система, самостоятельно пишущая программный код. Пока этот уровень недостижим, но уже сегодня существуют инструменты на базе AI, которые существенно упрощают и ускоряют разработку. В частности, Google разработала систему прогнозирования багов на основе ML-алгоритмов и предсказательной аналитики. Существуют системы, которые анализируют содержимое репозиториев GitHub, выявляют проблемы и предлагают возможные варианты их решения.

 

AI-разработка развивается по трем основным направлениям. Первое – инструменты для внедрения AI-алгоритмов в бизнес-приложения без участия специалиста по Data Science. Второе – инструменты дополненной аналитики, автоматизированного тестирования и создания программного кода для разработки решений с применением AI. Третье – AI‑инструменты для разработки решений с использованием бизнес-логики без привлечения консультантов из бизнес-подразделений.

 

AI и ML: отрасли на грани трансформации

Агентство McKinsey в докладе «Artificial Intelligence. The Next Digital Frontier?» предлагает рассматривать влияние прикладных решений на базе AI и ML на четырех уровнях бизнеса: ппроектирование, производство, продвижение и предоставление обслуживания.

Предполагается, что технологии искусственного интеллекта на уровне проектирования ускорят процесс разработки, позволят формировать прогнозы в режиме реального времени и более эффективно распределять ресурсы. На уровне производства – снизить затраты, повысить производительность и эффективность производственных процессов. На уровне продвижения – оптимизировать ценообразование, доставлять персонализированные сообщения точно по адресу. На уровне предоставления обслуживания речь идет об индивидуальном подходе к каждому клиенту и взаимодействии наиболее удобным для клиента способом.

 

Ритейл

На уровне проектирования – предсказание изменений спроса, оптимизация и автоматизация взаимодействия с поставщиками и заключения контрактов. На уровне производства – автоматизация управления складом и магазинами, оптимизация мерчандайзинга, управления ассортиментом. На уровне продвижения – оптимизация ценообразования, персонализированные предложения для клиентов, актуализация отображения товаров в интернет-магазинах в режиме реального времени. На уровне предоставления обслуживания – персональные советы, оперативное решение проблем с помощью виртуальных ассистентов, автоматическое обслуживание в магазинах, доставка товара с помощью квадрокоптеров.

 

Электроэнергетика

На уровне проектирования – улучшенное прогнозирование генерации и спроса на энергоресурсы, оценка надежности энергогенерирующего оборудования, автоматизация повышения генерации при скачке спроса. На уровне производства – оптимизация профилактического обслуживания оборудования, повышение эффективности генерации, снижение потерь, предотвращение краж энергоресурсов. На уровне продвижения – оптимизация ценообразования в зависимости от времени дня и динамическая тарификация. На уровне предоставления обслуживания – автоматический выбор наиболее выгодного поставщика, подробная статистика потребления, автоматизированное обслуживание клиентов, оптимизация энергопотребления с учетом привычек и поведения клиента.

 

Производственная сфера

На уровне проектирования – повышение эффективности разработки новых продуктов, автоматизированная оценка поставщиков и анализ требований к запчастям и деталям. На уровне производства – совершенствование процесса исполнения задач, автоматизация сборочных линий, снижение количества ошибок, уменьшение сроков доставки сырья. На уровне продвижения – прогнозирование объемов предоставления услуг поддержки и обслуживания, управление ценообразованием. На уровне предоставления обслуживания – улучшение планирования маршрутов парка транспортных средств, спроса на ресурсы автопарка, повышение качества подготовки сервисных инженеров.

 

Здравоохранение

На уровне проектирования – прогнозирование заболеваний, выявление групп пациентов с высоким риском заболеваний, организация профилактических мер. На уровне производства – автоматизация и оптимизация процессов в больницах, автоматизация и повышение точности диагностики. На уровне продвижения – управление ценообразованием, снижение рисков для пациентов. На уровне предоставления обслуживания – адаптация терапии и состава лекарств для каждого отдельного пациента, использование виртуальных ассистентов для построения маршрута пациента в поликлинике или больнице.

 

Финансовая отрасль

На уровне проектирования – прогнозирование востребованности банковских продуктов, предсказание изменений спроса, автоматизированная оценка рисков. На уровне производства – автоматизация и оптимизация взаимодействия с существующими и потенциальными клиентами, автоматизация обработки документов и одобрения кредитов. На уровне продвижения – предоставление персонализированных предложений в нужный момент времени, автоматическое регулирование процентных ставок в зависимости от истории клиента. На уровне предоставления обслуживания – развитие автоматизированных систем и интерфейсов самообслуживания во всех каналах коммуникации.

 

AI-платформы для бизнеса

Многочисленные разработчики программных решений предлагают различные варианты AI-платформ для бизнеса, ориентированных на автоматизацию бизнес-процессов. Для большей части платформ характерна специализация, хотя на базе некоторых из них предлагаются все возможности для комплексного внедрения AI.

 

Amazon

Amazon предлагает несколько решений в области искусственного интеллекта. Amazon Comprehend – сервис для распознавания естественной речи – анализирует документы, посты в соцсетях и другие текстовые источники, умеет понимать их смысл и взаимосвязь. Amazon Translate – сервис машинного перевода на основе нейронной сети. Amazon Lex – инструмент для встраивания в бизнес-приложения диалоговых интерфейсов уровня ассистента Alexa.

Google

Diagflow, ранее известный как API.AI, – универсальный сервис для встраивания текстовых и голосовых диалоговых интерфейсов в бизнес-приложения. Поддерживает интеграцию с Facebook, Twitter, Skype, Telegram, Kik, Cisco Spark, Google Assistant, Slack и другими сервисами. Позволяет выстраивать обработку конкретных запросов, вычленять важную информацию в диалоге и способы извлечения и доставки клиенту важной информации с учетом контекста разговора и понимания естественной речи.

Microsoft

Сервисы Microsoft Azure’s Machine Learning Studio поддерживают создание AI-приложений корпоративного уровня, предлагают инструменты для сбора, обработки и обучения на основе Big Data с возможностью выявления скрытых зависимостей, которые ускользают от внимания человека. Спектр их возможного применения – от выявления фальшивых кредитных карт до прогноза оттока клиентов и оптимизации ценообразования.

IBM

Комплексная AI-платформа для разработки широкого набора интеллектуальных бизнес-инструментов IBM Watson включает в себя модули для обработки любых видов данных и понимания их значения, для анализа и классификации информации, поиска ответов и обнаружения скрытых взаимосвязей. Обладает возможностями по оценке личностных характеристик клиентов на базе анализа речи и текста, умеет понимать тон и эмоциональную окраску диалога. Применяется для комплексной автоматизации бизнес-процессов.

Infor

Платформа Infor Coleman AI – комплексное решение с использованием машинного обучения, которое функционирует на уровне, предшествующем уровню бизнес-приложений. Coleman AI осуществляет сбор и анализ данных внутри предприятия и с помощью ML-алгоритмов повышает эффективность различных бизнес-процессов, таких как управление задачами, прогнозирование эффективности рекламных предложений, управление складом и складскими остатками, оптимизация маршрутов автопарка, прогнозы по профилактическому обслуживанию производственного оборудования, корректировка производственных планов.

Искусственный интеллект платформы обучается на данных из сети предприятия, корпоративных графах и наборах данных, характерных для конкретной отрасли. Решение поддерживает различные диалоговые интерфейсы, умеет анализировать текст, голос и изображения.

Платформа Infor Coleman AI, умеющая взаимодействовать с BI и аналитическими системами компании, предлагает необходимые инструменты для поддержки принятия управленческих решений. Функции по автоматизации рутинных задач оптимизации рабочих процессов позволяют высвободить ресурсы сотрудников и направить их на решение творческих задач.

Сейчас компании используют потенциал AI и ML в основном точечно. Совершенствуют только отдельные бизнес- или производственные процессы, обкатывая новые технологии. По данным последнего исследования Gartner, только 4% компаний внедрили AI-системы, у 21% есть пилотный проект или планы на краткосрочную перспективу, у 25% – на средне- или долгосрочную.

Согласно оценкам Gartner, в 2022 г. AI-технологии в мировом масштабе принесут бизнесу примерно 3,9 трлн долл., в основном за счет снижения прямых затрат, формирования новых источников прибыли и уменьшения непрямых расходов на обслуживание клиентов. Чтобы не упустить возможности по развитию бизнеса, компаниям стоит подумать о внедрении AI и ML уже сегодня.

Поделиться:
Спецпроект

Напряженный трафик или Современные требования к инфраструктуре ЦОД

Подробнее
Спецпроект

Специальный проект "Групповой спутниковый канал для территориально-распределенной сети связи"

Подробнее

Подпишитесь
на нашу рассылку