Заменит ли нейросеть человека?

Роман Баранов, директор по развитию бизнеса Navicon, объясняет, почему нейросети не панацея от всех болезней, в каких областях они действительно становятся лучше человека, а в каких никогда не обойдут естественный интеллект.

08.05.2018


			Заменит ли нейросеть человека?			Заменит ли нейросеть человека?

В 2018 нейронные сети впервые опередили человека в понимании текстов: система быстрее, чем профессиональные юристы, обработала документы на предмет юридических проблем. Чипы для нейросетей или блокчейн-ИИ – самые неожиданные разработки из футуристических фантазий становятся каждодневной реальностью.

Зачем люди придумали нейросети?

До недавнего времени большинство ИТ-систем было выстроено на алгоритмах, использующих понятные подходы к обработке данных: например, для планирования производства строились имитационные модели методом перебора различных сценариев развития событий.

Однако развитие технологий не стоит на месте: мощность компьютеров за последние 10 лет выросла настолько, что они стали способны обрабатывать миллионы строк кода в режиме реального времени. Удешевление мощного оборудования сделало процессы создания, обучение и дальнейшего использования «умных» алгоритмов более доступными и для разработчиков, и для конечных пользователей. В итоге появились новые типы нейросетей, которые начали применять для решения бизнес-задач во всех тех областях, где использование классических подходов к прогнозированию или оптимизации было дорого и длительно по времени.

Во-первых, создатели «умных» алгоритмов поняли, что нейросетевые технологии лучше людей справляются с задачами по обработке огромных массивов данных – больших как по количеству атрибутов, так и по количеству экземпляров. Такие системы могут находить в информации неочевидные причинно-следственные связи, скрытые от глаз человека. Поэтому разработчики начали применять «умные» алгоритмы для сегментирования, распознавания лиц, пола, возраста. Для иллюстрации, стало возможно по набору атрибутов автоматически определить с высокой степенью вероятности, есть ли автомобиль у человека, и использовать эту информацию для планирования целевой рекламной кампании.

Во-вторых, нейросети хороши там, где нужно обрабатывать информацию и принимать решения в срочном режиме. Бизнес-пользователи получили возможность мгновенно обрабатывать огромные объемы информации о клиентах, продажах, работе оборудования и производств – и предсказания практически в режиме реального времени. С применением нейронных алгоритмов не обязательно ждать, когда новая модель управления логистической цепью или найма сотрудников принесет плоды – можно оценить результаты за счет ускоренного «проигрывания» модели и всего за день увидеть смоделированный результат на несколько месяцев работы вперед.

Зачем нейросети бизнесу?

Лучше всего нейросети «прижились» в маркетинге, где назрела потребность в качественных прогнозных решений на базе крупного, постоянно обновляемого набора данных, поддерживающих принятие управленческих решений. В первую очередь их начали использовать для управления маркетинговыми компаниями, появился термин микросегментирование, где есть не просто 10 сегментов по полу и возрасту, а тысяча сегментов по полному спектру признаков, что позволяет с высокой точностью делать предложение и значительно повышать эффективность коммуникации.

Другие задачи, с которыми справляются нейросети в маркетинге, — предотвращение оттока покупателей, а также прогнозирование спроса: «умные» технологии позволяют бизнесу формировать реалистичные планы продаж, оптимизировать товарную линейку в конкретных розничных точках и своевременно пополнять запасы продукции, избегая ситуаций out-of-stock или over-stock.

Одновременно, благодаря универсальности интеллектуальных алгоритмов, их стали применять в других сферах: управление производством (прогнозирование поломок и оптимизация загрузки производственных мощностей) или HR (обработка резюме и интервьюирование кандидатов).

Стоит ли бояться, что нейросеть отнимет вашу работу?

У машины есть свои преимущества перед человеком: например, она может показывать и даже предсказывать «выбросы» в данных, то есть результаты, выделяющиеся из общей статистики, – а человек замечает их только по факту. Тем не менее, на многих задачах нейросети все еще «пасуют». «Умные» системы – все еще машины: они работают по четко заданному, логически обоснованному алгоритму и могут решать только те задачи, для которых созданы. Изменение модели принятия решений (расширение и уточнение) требует долгосрочного переобучения. Другими словами, их решения всегда однотипны – система не может реагировать на непредвиденные ситуации или самостоятельно, без привлечения разработчика, менять свои настройки. В то время как сознание человека постоянно совершенствуется за счет синергетического эффекта от множества факторов, как рациональных, так и эмоциональных: опыта, человеческих амбиций, да даже простейшего инстинкта выживания! В итоге человек оказывается «мудрее» машины.

Поэтому создатели «умных» систем уделяют огромное внимание процессу обучения и тестирования нейросетевых программ. Прежде всего, они заботятся о минимизации ошибок нейросети, ведь все ошибки, которые система совершит и запомнит на тестовых дата-сетах, будут перенесены на реальные бизнес задачи. Для проверки нанимают отраслевых специалистов: они верифицируют каждое решение, принятое прототипом нейросети, и исправляют неточности. Такой подход, в частности, применяют в разработке ИИ для медицины и здравоохранения, где ошибка или неучтенные данные при принятии решения (например, несовместимость лекарств или аллергические реакции пациента на набор веществ) могут привести к летальному исходу.

Кроме того, огромное внимание уделяется грамотному выбору предикторов. Например, цвет автомобиля не сильно влияет на его скорость, а количество зрителей заезда – на время прохождения круга.  В других задачах работает тот же принцип.

Подводя итог, моментального магического эффекта от нейронных сетей ждать не следует: «умные» машины – технология новая, и, несмотря на фантастическую скорость развития, все еще работающая в тестовых режимах. Точность ее долгосрочных прогнозов и эффективность использования можно будет оценить не раньше, чем по прошествии нескольких лет активного применения в бизнесе. Пока же использование искусственного интеллекта, базирующегося, в том числе, на нейронных сетях, значительно помогает в решении сложных задач оптимальным способом, но не освобождает человека полностью от участия в этом процессе.

Статья опубликована на сайте Fast Salt Times

Gartner включил Navicon в список поставщиков CRM для фармацевтических и биотехнологических компаний

Navicon стал «Партнёром года» Microsoft в России

Выручка Navicon от аналитики выросла на 198%

Как выбрать надежного партнера по маркировке

Navicon стал одним из ключевых бизнес-партнёров IBM по аналитике в России