Дмитрий Каштанов: Пока искусственный интеллект обучаем только для ограниченного спектра прикладных задач

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».

На текущий момент подобные способности могут быть реализованы в относительно узких прикладных задачах. Одной из самых активно развивающихся областей, расширяющих текущие возможности применения искусственного интеллекта, является машинное обучение. Новые возможности доступных высокоскоростных вычислений открыли дорогу сложным нейронным сетям, обучаемым на огромных массивах данных. Данный набор технологий, известный под названием глубинное обучение, в последнее время активно увеличивает перечень прикладных задач, решение которых становится доступно искусственному интеллекту.

Примерами прикладного применения ИИ являются определение спама в почте и рекомендаций товаров, фильмов на соответствующих сайтах, также технология используется для распознавания изображений, рукописного текста, диагностики заболеваний.

CNews: Насколько требователен он к качеству исходных данных? И что делать в случае, если исходные данные несовершенны?

Дмитрий Каштанов: Здесь важно понимать, что даже зрелые технологии на данных низкого качества не смогут продемонстрировать свой потенциал и показать впечатляющий результат, поэтому я рекомендую запускать проекты по внедрению Business Intelligence, а также исследовательские (НИОКР) проекты по применению технологий машинного обучения для задач автоматизации и прогнозирования. Подобные проекты дадут много обратной связи по полноте и качеству текущих данных, которую надо будет использовать для дополнения систем сбора и хранения данных, чтобы быстрее получить выгоду от использования технологий искусственного интеллекта.

Некоторые практические шаги по внедрению технологий машинного обучения в бизнес-процессы даже при несовершенных данных я раскрыл в своем выступлении на конференции CNews.

CNews: Насколько «обучаем» искусственный интеллект?

Дмитрий Каштанов: Пока ИИ обучаем только для ограниченного спектра прикладных задач. Обучение ИИ может быть достаточно долгим и даже очень дорогим процессом. Когда исследования в области ИИ только начинались, специалисты поняли, что некоторые задачи не поддаются решению ранними методами, используемыми в области искусственного интеллекта. Здесь нужно понимать, что нельзя упускать ни одной детали.

Я рекомендую при работе с ИИ подходить к таким проектам как к исследовательским. В частности, имеет смысл формулировать ключевые гипотезы, ставить четкие критерии их проверки и соответствующие цели на период 3-6 месяцев (желательно, ближе к 3 месяцам). И принимать решение по продолжению, приостановке, остановке или переходу на другую модель проекта после каждого такого этапа. Такой подход позволит реализовывать необходимые технологические и организационные изменения для цифровой трансформации в более эффективном и органичном для бизнеса порядке.