14 сентября в Высшей школе менеджмента Санкт-Петербургского государственного университета (ВШМ СПбГУ) состоялась лекция об искусственном интеллекте (ИИ) в бизнесе. Сооснователь и директор по продукту Mechanica AI Елена Самуйлова рассказала студентам о том, чем искусственный интеллект отличается от машинного обучения, как сформировался новый рынок решений на основе технологий машинного обучения и анализа данных и что в этой области могут делать специалисты с управленческим образованием.

 

Искусственный интеллект — это способность компьютера выполнять сложные задачи и демонстрировать человекоподобный интеллект. По словам Елены, сегодня искусственный интеллект в своих сервисах используют практически все крупные IT-компании. «Поиск Google — это ИИ, прогноз поездки в Uber — это ИИ, рекомендации Netflix — это ИИ. Мы все уже используем ИИ каждый день, просто некоторые из нас не обращают на это внимание»,— объяснила Елена.

 

Специалисты различают два типа искусственного интеллекта: сильный и слабый. Сильный ИИ можно увидеть в фильмах — это тот самый универсальный помощник из фильма «Она» или суперкомпьютер Скайнет из «Терминатора». Ничего подобного в реальности пока не существует и вряд ли появится в ближайшее время. При этом слабый ИИ уже используется — это способность компьютера автоматически и качественно выполнять конкретные узкие задачи.

 

Сегодня искусственный интеллект основан на машинном обучении, и эти понятия на практике стали почти взаимозаменяемыми. Машинное обучение — это набор технологий, позволяющих компьютерам обучаться решать конкретные задачи, не будучи на это явно запрограммированными. Как отметила Елена Самуйлова, в основе активного распространения машинного обучения лежат три компонента: математика, доступность данных и вычислительная мощность.

 

Часто в связи с понятием «искусственный интеллект» упоминают нейронные сети. Елена рассказала, что нейронные сети — это всего лишь один из методов, который применяется в машинном обучении. Для каких-то задач он подходит, а для каких-то нет. «Поэтому забудьте о нейронных сетях. Не думайте о них, как о самом важном в машинном обучении. Думайте о конкретных способах использования машинного обучения и о том, как с его помощью можно принести ценность для бизнеса»,— посоветовала она студентам и рассказала о том, для чего бизнес уже использует ИИ и сможет применить его в будущем.

 

Во-первых, с помощью ИИ можно создать совершенно новые продукты и сервисы, например, беспилотные автомобили и боты. 

Во-вторых, ИИ может стать важным, но не единственным, компонентом новых решений и бизнес-моделей. Например:

1. Сервисизация. Первым этот метод использовала компания Rolls Royce при продаже двигателей по модели "power by the hour" еще полвека назад, но с распространением технологий анализа данных доля подобных бизнес-моделей будет только возрастать.
2. Снижение роли посредников. Например, в недалёком будущем у производственных компаний появится собственный Amazon, и они смогут самостоятельно напрямую заказывать материалы, которые им нужны, а ИИ позволит эффективно связывать поставщиков и потребителей.
3. Массовая персонализация. Способность производителей кастомизировать продукцию, основываясь на нуждах потребителей. С помощью ИИ стоимость кастомизации, например, автоматической перенастройки станков можно значительно сократить. 

В-третьих, ИИ используют для оптимизации уже существующих процессов, например, на производстве. Именно этим занимается компания Mechanica AI.

 

Елена рассказала, что с помощью машинного обучения можно прогнозировать качество продукции, «виртуально» измерять нужные параметры или эффективней управлять производственным процессом. Например, можно в каждом конкретном случае точно подсчитать, сколько дорогостоящих ингредиентов понадобится для того, чтобы получать сталь нужного качества.

 

По словам Елены, рынок ИИ сейчас растет. Уже есть множество компаний, которые производят оборудование и инструменты для аналитики данных, занимаются хранением и обработкой информации и разрабатывают решения для бизнеса на основе ИИ. При этом во всех таких компаниях работают не только технические специалисты, но и люди, которые занимаются маркетингом, продажами, консалтингом, цифровой трансформацией корпораций или менеджментом проектов.

 

«Управление проектами в области data science — это почти искусство»,— считает Елена Самуйлова. По ее словам, в понятии «наука о данных» слово «наука» используется неслучайно. «Если сравнивать data science с разработкой программного обеспечения, когда можно примерно рассчитать, сколько времени уйдет на ту или иную задачу, и оценить ее, так как процесс реализации виден, то с data science все по-другому. Там применяется итерационный метод, то есть вы провели один эксперимент, увидели результаты, алгоритм не подходит, вы меняете данные, меняете что-то еще, и продолжаете»,— пояснила Елена. Поэтому когда специалист по большим данным работает в крупной корпорации, этой компании необходимо научиться с ним взаимодействовать, и за эту работу отвечает менеджер проекта. «Идея о том, что из-за ИИ мы потеряем работу, немного преувеличена. ИИ помогает автоматизировать не целые рабочие позиции, а лишь конкретные задачи»,— объяснила Елена. По ее словам, в будущем останется меньше профессий, связанных с рутинными действиями, но появится больше работы, для которой нужны разносторонние специалисты.