Секция №6 «Самостоятельность машин: ИИ, нейронные сети, машинное обучение»

Фотоматериалы с Конгресса доступны для скачивания здесь.

Желающие ознакомиться с презентациями спикеров - пишите на team@4cio.ru

Елена Новикова (Polymedia, Генеральный директор) выступила модератором секции, посвященной ИИ и МО - она предложила поговорить не об отвлеченных теоретических вещах вроде разума из машины или кибернетических революций, а о применимости реально существующих технологий в реально существующих отраслях.

Секция началась с представления приглашенных экспертов:
Кирилл Корнильев (Vice President, Enterprise and Midmarket, IBM CEE);
Константин Истомин (Directum, Исполнительный директор);
Искандер Бариев (Проректор по проектной и научно-исследовательской деятельности Университета Иннополис);
Иван Вахмянин (Visiology, CEO);
Марат Черкесов (ИНТЕР РАО ИТ, Исполнительный директор).

Первым вопросом на повестке дня стали реальные истории применения ИИ и МО, их экономическая эффективность - причем интерес, естественно, возбуждает в первую очередь российская действительность.
Кирилл заметил, что российские проекты пока рано судить с точки зрения экономической эффективности, однако уже можно с уверенностью сказать, что основные успехи IBM проявляются в области медицины. Если говорить конкретнее, ИИ успешно сдал экзамены медицинского колледжа, специализируясь на онкологических заболеваниях.

По факту живой человек, работающий врачом, физически не успевает поглощать всю новую информацию, появляющуюся в его профессиональной области. Именно здесь искусственный интеллект может оказаться незаменимым помощником профессионала, с ним можно проконсультироваться по возникающим вопросам и получить недостающие данные. Причем госпиталь покупает не продукт, а конкретные консультации - поскольку сам по себе Watson стоит неподъемных для больницы или поликлиники денег.

Отдельный момент - локализация. На сегодняшний день Watson говорит на девяти языках, включая английский, однако нормативные базы разных стран могут весьма и весьма серьезно отличаться в области конкретных лечебных мер, рекомендованных и предписанных для различных случаев того или иного заболевания. Соответственно, решение должно быть адаптировано для конкретной страны, области или штата.

Константин Истомин описал ряд инструментов, позволяющих фильтровать входящую информацию, на примере типичной службы поддержки: любому предприятию было бы выгодно выстроить рабочую систему ответов на типовые запросы, скрытые в потоке неструктурированной информации. Проще говоря, если пользователь задает типичный вопрос, формулируя его своими словами, вовсе не обязательно переключать его на специалиста - есть средства распознавания типовых запросов, способные найти ответ самостоятельно. Таким образом, штат helpdesk можно сократить на треть, не теряя при этом в эффективности.

Далее слово взял Искандер Бариев, также обратившийся к медицинской области. По базе анализа рентгеновских и флюорографических снимков количество ошибок составляло до внедрения ИИ порядка 10-15%, а с внедрением решений для помощи врачам (пока что в тестовом режиме) этот показатель удалось значительно снизить.

Вторая история в Иннополисе - беспилотные автомобили, причем имеет место несколько команд разработчиков, занимающихся легковыми и грузовыми беспилотниками. Уже сейчас есть значительный багаж наработок, опыт взаимодействия с зарубежными инноваторами и серьезный план разработки собственных продуктов.

Еще один момент - распознавание и имитация эмоций. В Университете Иннополиса в данный момент разрабатывается серьезный проект робота-собеседника по кличке Гагарин. В сети есть множество примеров диалога с ним, и с каждым днем разработчики делают его все более живым и «умным».

Также Иннополис работает и в направлении «умного города», способного самостоятельно регулировать транспортные потоки, снижая загрузку улиц и делая окружающий мир более удобным для жизни.

Иван Вахмянин заметил, что вообще-то примеров внедрения искусственного интеллекта на предприятиях достаточно много, куда больше, чем обсуждаемых на мероприятиях кейсов. Не в последнюю очередь это обусловлено новизной тематики и большой долей исследовательской деятельности - практические результаты попросту еще рано обсуждать.

Опыт Visiology показывает, что, как ни странно, ключевой вопрос - правильный выбор области для внедрения ИИ, а конкретно - подходящей бизнес-задачи. Многочисленные пилоты на рынке показывают, что зачастую сложные интеллектуальные внедрения не приносят выгоды просто потому, что их применяют в неверных местах. Если взять неверную задачу, затраты на внедрение продукта могут легко превысить полученную выгоду. Конечно, это не означает, что ИИ и МО - тупиковые ветви. Правильный подход может принести серьезное конкурентное преимущество.

Марат Черкесов отметил, что ИИ и МО - одна из самых тяжелых в развитии областей, не в последнюю очередь из-за того, что мало компаний на рынке могут собрать достаточно качественные данные для того, чтобы опереться на них при внедрении решений подобного калибра. Не всегда получается верно определить, какие именно данные нужно хранить, потому что они могут пригодиться в будущем.

К тому же в условиях необходимости снижения затрат на ИТ и оптимизации эксплуатируемых активов в первую очередь избавляются от непродуктивных отраслей - естественно, подобные инновации подпадают под это определение в силу своей молодости. Соответственно, прежде чем внедрять подобные решения, нужно все-таки взвесить все «за» и «против» целесообразности такого внедрения.

Далее дискуссия перешла в плоскость конкретных практических кейсов, их сложности и уникальности конкретных внедрений, а также доверия к результатам их проведения. Подробнее - смотрите видео!