Что такое настоящий искусственный интеллект? Какие задачи он может решать? Способен ли он превзойти человека и если да, то в чем? И, самое главное, в каких направлениях внедрение искусственного интеллекта может принести реальный экономический эффект? Об этом говорили участники организованной CNews Conferences конференции «Искусственный интеллект 2019».
Понятие «Искусственный интеллект» ворвалось в нашу жизнь стремительно и, похоже, надежно там закрепилось. Правда, пока большинство людей понимают под этим что-то вроде Терминатора или, в лучшем случае, амазоновской Алексы или яндексовской Алисы. На организованной CNews Conferences конференции «Искусственный интеллект 2019» прозвучало достаточно много реальных кейсов, доказывающих, что искусственный интеллект – это не просто модно и интересно, но и экономически эффективно.
Что такое искусственный интеллект
Юрий Сирота, руководитель департамента искусственного интеллекта и анализа данных банка «УралСиб», уверен, что однозначного понимания, что такое искусственный интеллект, до сих пор не существует. По его мнению, сильный ИИ имеет самосознание, способен ощущать, формировать суждения, заниматься самоанализом. На сегодняшний день создан только слабый ИИ, который не имеет разума и ориентирован на решение прикладных задач. Он не способен функционировать без контроля человека и помогает ему в решении узкого спектра задач.
Карта методов ИИ
Источник: «УралСиб», 2019
Наиболее популярно использование ИИ в сфере интеллектуальной автоматизации монотонных, часто повторяющихся процессов (IPA). В отличие от человека, который может совершать ошибки, робот четко следует правилам. Однако IPA не может покрыть все процессы как по экономическим, так и по техническим причинам.
Еще одно направление – интеллектуальный анализ данных с целью их дальнейшей монетизации или получения конкурентных преимуществ. Речь идет об анализе отчетности для контроля и выявления трендов, предиктивной аналитике, преобразующей данные в выводы, на основании которых затем принимаются решения, и предписательной аналитике, которая говорит о том, что нужно сделать для того, чтобы интересующие показатели достигли желаемых значений. Предписательная аналитика – самая сложная, но и самая ценная, уверен Юрий Сирота.
Владимир Трофименко, генеральный директор представительства группы компаний Mankiewicz, тоже считает, бизнес еще не до конца осознал, что такое искусственный интеллект. «Мы находимся на переходном этапе. Люди больше доверяют эмоциям, а не фактам. Но может быть это и к лучшему – они верят, что могут сделать самое невероятное», – говорит он.
К сожалению, настоящий искусственный интеллект используется редко, по крайней мере в промышленности, где все предлагаемые решения известны еще с 60-х годов XX века. По словам Владимира Трофименко, Mankiewicz – приятное исключение. Компания входит в топ-3 производителей лакокрасочной продукции в мире. И добиться этого удалось за счет минимизации участия человека в разработке продукции – ведь он часто находится под влиянием стереотипов, в то время как робот полностью лишен этого недостатка.
Не только разговоры
Дмитрий Каштанов, заместитель исполнительного директора по цифровой трансформации ICL Services, рассказал о проекте автоматизации обращений клиентов в Service Desk с использованием робота. На первом этапе робот не мог квалифицировать около 60% поступающих обращений, выполнял около 15% и отправлял на верификацию человеку около 25%. Тем не менее, уже благодаря этому трудозатраты на обработку обращений сократились на 7%.
Автоматизация обращений в Service Desk с использованием робота
Источник: ICL Services, 2019
Для повышения точности распознавания были применены технологии машинного обучения. В процессе обучения экспертам отправлялся алгоритм принятия решения, для того, чтобы они могли внести в него правки. В результате точность распознавания удалось увеличить до 70%.
Для повышения эффективности машинного обучения необходимо интегрировать его с бизнес-правилами, другими системами и технологиями, делится опытом Дмитрий Каштанов. Развитие таких решений тесно связано с качеством исходных данных. Эксперт посоветовал при реализации проектов не бояться формулировать и проверять гипотезы, анализировать ошибки и использовать весь имеющийся цифровой арсенал компании.
Дмитрий Романов, генеральный директор компании «Преферентум» (ГК «Аплана») рассказал об использовании искусственного интеллекта для обработки текстовой информации. Разработанные компанией решения встраиваются в уже имеющиеся у заказчика системы и позволяют классифицировать документы, выделять из них любые информационные объекты, проверять документы с помощью настраиваемых шаблонов, анализировать их структуру, проводить морфологический, синтаксический, семантический анализ текста. Перед внедрением рекомендуется провести анализ бизнес-процессов компании для того, чтобы понять, где использование искусственного интеллекта будет наиболее эффективно.
Область применения систем интеллектуальной обработки текстовой информации
Источник: «Преферентум», 2019
Для обработки неструктурированных текстов Дмитрий Романов предложил использовать технологию Preferentum вместе с российской RPA-платформой ROBIN, разработанной в компании «Аплана Бизнес Решения».
Сергей Попов, директор департамента роботизированных систем Naumen, рассказал о разработанной его компанией роботизированной платформе для колл-центров Erudit. Erudit способен работать с любыми – и голосовыми, и текстовыми – каналами и при помощи API интегрироваться с любыми решениями.
Как работает виртуальный помощник
Источник: Naumen, 2019
Для решения разных задач в платформе имеются различные алгоритмы машинного обучения. Бизнес-заказчик может настраивать и управлять системой без привлечения специалистов разработчика.
Сергей Попов привел несколько примеров использования платформы Erudit. Это виртуальный помощник в чате на сайте и в мобильном приложении в «ОТП Банке», робот-коллектор в Мосэнергосбыте, робот по приему показаний счетчиков в более чем 10 сбытовых компаниях, сервис трекинга почтовых отправлений «Почты России» и т.д.
Искусственный интеллект должен замещать человека в каждодневных рутинных процессах. Качество его работы зависит от того, какую исходную информацию готов предоставить заказчик, уверен Лев Голицын, директор департамента информационных систем управления Naumen. Он привел еще несколько примеров использования технологии. Так, прежде чем начать заниматься научными исследованиями в какой-либо области, надо понять, что уже сделано в России и за рубежом. Искусственный интеллект может помочь проанализировать имеющиеся публикации и извлечь данные из огромного числа научных документов.
Крупные компании могут использовать ИИ при подготовке новых нормативных актов для того, чтобы проверить, не противоречат ли они уже существующим, какие коррективы придется в них внести и как довести эти изменения до всех подразделений. Кроме того, ИИ может сократить период от момента инициации проекта до его старта благодаря быстрому сбору необходимой информации.
За время существования ABBYY создаваемые ей решения для распознавания документов постепенно превратились в решения для распознавания текстов на естественном языке, говорит Дмитрий Черноус, заместитель директора по консалтингу ABBYY. Сегодня компания использует в своих продуктах алгоритмы NLP, ML, DL. Например, при интеллектуальной обработке документов на первом этапе используются сверточная нейронная сеть (CNN) и генеративно-состязательная сеть (GAN). Анализ структурированных и полуструктурированных документов производится при помощи машинного обучения (ML), сверточной нейронной сети (CNN) и долгой краткосрочной памяти (LSTM). Для анализа неструктурированных документов и извлечения информации применяются технологии Natural Language Processing (NLP).
Основные сферы коммерческого применения искусственного интеллекта
Источник: ABBYY, 2019
Дмитрий Черноус продолжил список примеров практического использования ИИ. Например, при реализации проекта в МОЭК заказчику требовалось сократить трудозатраты на обработку первичной документации, упростить предоставление документов в контролирующие органы и снизить риски потери и порчи документов. В результате внедрения «умных» решений ABBYY финансовые операции в МОЭК проходят в 3 раза быстрее, а время поиска первичных документов сократилось в среднем в 3 раза.
В ВТБ роботизация открытия счета позволила привлечь на 25% больше клиентов за счет существенного сокращения временных затрат и добиться экономии в размере около 100 млн руб. в год.
Алмаз Мельников, специалист по машинному обучению «АК Барс Цифровые технологии», рассказал о концепции диалогового банка, в рамках которой общение с клиентом происходит при помощи голосового и текстового чат-бота. Созданный его компанией виртуальный ассистент Aimee принимает информацию их всех источников, сравнивает ее с данными о клиенте и если вопрос простой, отвечает на него сам. В противном случае, он предлагает оператору 5 вариантов ответа.
Благодаря использованию виртуального ассистента оператор вводит в 2 раза меньше символов, что позволяет существенно сэкономить время. Кроме того, он имеет возможность отправить клиенту виджеты, например, для моментальной оплаты. Сегодня Aimee используют уже 20% операторов банка.
ИИ для заказчиков
НМЛК – третья по эффективности компания среди всех производителей стали. Процесс автоматизация производства в ней очень сложный, рассказал Анджей Аршавский, директор по анализу данных и математическому моделированию НЛМК. Пока промышленность находится в начале пути к цифровизации. Искусственный интеллект внедряется лишь в отдельных операциях.
Следующий шаг – научиться рассчитывать KPI сложных бизнес-процессов и управлять отдельными их участками в зависимости от того, какой результат необходимо получить на выходе. В конечном итоге надо научиться оценивать работу всего предприятия и в зависимости от этого производить настройку каждого бизнес-процесса. Именно для этого нужна цифровизация, говорит Анджей Аршавский. Однако пока до такого подхода еще очень далеко. Рынок ИТ-решений для промышленности еще очень незрелый и по-настоящему инновационных, эффективных решений на нем чрезвычайно мало.
О том, как «Почта России» пыталась навести порядок в данных, хранящихся в Центральном хранилище данных о почтовых адресах (ЦХДПА), рассказал Ильдар Бикташев, руководитель отдела по развитию каналов сбора данных «Почты России». При их сравнении с информацией, содержащейся в Федеральной информационной адресной системе (ФИАС) расхождение составило 33%, с базой данных ГИБДД – 27%, с данными «Яндекс» – 25%, «Ростелеком» – 15%.
Таким образом, в России на настоящий момент фактически отсутствует эталонная база данных адресов объектов недвижимости. Не существует и единого механизма сбора, проверки и поддержания в актуальном состоянии таких данных. Геопривязанные данные имеются только на территории городов с населением более 100 тыс. человек, однако даже там она не всегда актуальна и точна.
В такой ситуации государство не имеет возможности качественно собирать налоги и штрафы, правильно нормировать объекты социальной сферы, а бизнес – правильно прогнозировать востребованность услуг населением. В конечном итоге, это приводит к торможению развития сервисов цифровой экономики, говорит Ильдар Бикташев.
Александр Соколовский, директор по технологиям «Леруа Мерлен Восток» поделился с участниками конференции идеями «умных» устройств, которые же тестируются в магазинах «Леруа Мерлен» в разных странах. Например, в Бразилии по торговому залу передвигается робот, который следит за наличием товаров на полках и в случае необходимости сам оформляет заказ. В России проходит тестирование подобный робот, задача которого – контролировать работу продавцов и следить за тем, чтобы они были внимательны к покупателям.
Адель Валиуллин, руководитель направления машинного обучения ДИТ Москвы, рассказал о проектах, которыми сейчас занимаются в ведомстве. Первый – прогнозирование результатов ЕГЭ школьников. Второй – сегментация и классификация раковых опухолей. В ответ на его выступление из зала прозвучал вполне резонный вопрос о том, зачем государственное ведомство самостоятельно занимается R&D вместо того, чтобы воспользоваться уже имеющимися на рынке наработками. Спикер не нашелся, что ответить.
О том, в каких направлениях уже используется искусственный интеллект, рассказал Артем Пермяков, R&D-директор компании Directum.
CNews: Что такое, в вашем понимании, искусственный интеллект (ИИ)?
Артем Пермяков: Под искусственным интеллектом сегодня принято понимать всю совокупность методов, с помощью которых создаются интеллектуальные системы: машинное обучение, нейронные сети, технологии распознавания естественного языка, обработки голоса, компьютерное зрение и т. д.
О том, как внедрить технологии искусственного интеллекта в бизнес-процессы, рассказал Дмитрий Каштанов, заместитель исполнительного директора по цифровой трансформации ICL Services.
CNews: Что такое искусственный интеллект в вашем понимании?
Дмитрий Каштанов: Согласно определению Андреаса Каплана и Майкла Хенлейна, искусственный интеллект – это «способность системы правильно интерпретировать внешние данные, извлекать уроки из таких данных и использовать полученные знания для достижения конкретных целей и задач при помощи гибкой адаптации».
Презентации участников
