ИТ-руководитель должен обладать способностью разъяснить бизнес-лидерам, что такое искусственный интеллект и другие его компоненты — от этого зависит, примут ли предприятия их на вооружение или откажутся от них. Мэри Шеклет, президент консалтинговой компании Transworld Data, рассказывает на портале InformationWeek, как это правильно сделать.

Топ-менеджеры не связанных с ИТ компаний, когда их спрашивают об ИИ, машинном обучении (МО) и обработке естественного языка (natural language processing, NLP), говорят, что у них уже есть инициативы в стадии реализации, но на самом деле они не совсем точно представляют себе, что скрывается за этой терминологией. Объяснить, что такое ИИ, МО и NLP, как они работают и каким образом дают результаты для бизнеса — довольно непросто. Тем не менее, по мере развертывания всех этих технологий они играют все более важную роль в аналитике, и как CIO, так и другим ИТ-руководителям нужно найти способ, чтобы простым и понятным языком донести до заинтересованных сторон, не обладающих техническими познаниями, значение этих технологий и приносимые ими бизнес-результаты.

Ниже дается несколько простых объяснений, которые могут оказаться полезными.

Искусственный интеллект

ИИ — это компьютерная система, которая может выполнять задачи, ранее выполнявшиеся людьми. К нему прибегают для решения повторяющихся задач или обработки огромных объемов данных, которое заняло бы у человека многие часы. ИИ работает на основе заложенных в него человеком правил и базы знаний, запрограммированной в форме программируемой логики и алгоритмов. ИИ нельзя сравнивать с творческим человеческим началом — он не сможет качественно выполнять работу, если вывести его за рамки установленных для него правил. Это связано с тем, что он строго следует бизнес-правилам, которые запрограммированы пользователями и экспертами.

Что касается применения ИИ в бизнесе, то он лучше всего подходит для узкоспециализированных конкретных сценариев использования, где его действия контролируются при помощи четких наборов бизнес-правил, прописанных экспертами. Ярким примером является система медицинской диагностики, которая просматривает терабайты данных, содержащихся в медицинских журналах, историях болезни и других источниках данных. ПО на базе ИИ просеивает все эти данные намного быстрее человека и предлагает на рассмотрение лечащему врачу четыре или пять вероятных диагнозов. Затем последний собирает консилиум, где они обсуждаются с другими врачами и в итоге ставится окончательный диагноз.

ИИ также можно задействовать для прогнозирования погодных условий на основе имеющейся истории, прокладки наиболее оптимальных маршрутов для грузоперевозчиков или для прогнозирования покупок для занимающихся э-коммерцией веб-сайтов, исходя из истории продаж и просмотров товаров.

Большинство компаний начинают развертывание ИИ с аналитического ПО. По мере накопления опыта компании стремятся «обучить» свой ИИ, внедряя МО. Оно является подкатегорией ИИ и предназначено для того, чтобы ИИ мог самостоятельно получать дополнительную информацию о данных, распознавая повторяющиеся шаблоны данных, делать из них выводы и «обучаться» на них.

Машинное обучение

МО — это подкатегория ИИ, которая позволяет ИИ-системе учиться и адаптироваться к новым данным и событиям, чтобы она могла стать «умнее». МО обучается за счет просмотра повторяющихся шаблонов данных, а затем принимает решения, основываясь на наборе алгоритмов и логики, разработанных людьми-экспертами.

Примером его применения в логистике является повторяющийся шаблон задержки движения на конкретном перекрестке. Многократно изучая последовательность событий, МО-компонент ИИ выделит закономерность и придет к выводу, что для того, чтобы разгрузить перекресток, трафик лучше всего перенаправить другим путем.

Обработка естественного языка

Как и МО, NLP также является подкатегорией ИИ. Она используется для понимания, интерпретации и работы с человеческим языком. Примером этого являются голосовые помощники на смартфонах. Заложенные в них ИИ-компоненты способен распознавать голосовые команды и отвечать на том же языке. В качестве других примеров NLP можно назвать автоматизированные системы телефонной связи и чаты, которые распознают человеческие языки и могут общаться с человеком в автоматическом режиме, а также домашние системы безопасности, которые распознают и реагируют на голосовые команды.

Вместе с возможностями базовой обработки данных и аналитики, которыми обладает ИИ, NLP способен автоматизировать многочисленные бизнес-процессы, которые включают чтение, озвучивание и написание текстов на человеческом языке.

Совокупность ИИ-компонентов

Хотя на первый взгляд эти описания ИИ, МО и NLP могут показаться ИТ-специалистам, которые привыкли изъяснятся аббревиатурами и техническими абстракциями, слишком упрощенными, они все же могут быть полезны для привлечения интереса владельцев бизнеса, руководителей и конечных пользователей. Что наиболее важно, разговоры с бизнесом о технологиях на простом языке необходимы для искоренения страха, который многие руководители и конечные пользователи испытывают по поводу того, что ИИ, МО и NLP — таинственные «черные ящики».

«Многие топ-менеджеры и бизнес-лидеры отчаялись понять, как ИИ может повлиять на их бизнес, — сказал Томас У. Мэлоун, директор Центра коллективного интеллекта при Массачусетском технологическом институте. — Я думаю, что руководители все больше обеспокоены тем обстоятельством, что их неведение, как эффективно использовать ИИ, может оставить их на обочине прогресса».