BIG DATA 2018: от анализа к выбору возможностей

Анна Румянцева: «В скором времени можно ожидать переквалификации работников с увеличением доли технологий искусственного интеллекта в компаниях»


08:59 03.05.2018  (обновлено: 12:31 17.08.2018)   |   6769 |  Дмитрий Гапотченко |  Computerworld Россия

Рубрика Индустрия



Эксперт Hitachi Vantara рассказала о текущем состоянии внедрения искусственного интеллекта в России и в мире.

Одним из ключевых докладчиков форума Big Data 2018, проведенного издательством «Открытые системы», стала Анна Румянцева, исследователь данных (Data Scientist) компании Hitachi Vantara. Ее доклад был посвящен тому, как перейти от бизнес-аналитики к искусственному интеллекту, а мастер-класс — внедрению методов машинного обучения в бизнес. Computerworld Россия поговорил с Анной о направлениях развития искусственного интеллекта, проблемах и перспективах его внедрения.

- Ваше выступление на BIG DATA 2018 называлось «Как перейти от бизнес-аналитики к искусственному интеллекту?» Каковы критерии отличия результатов работы систем бизнес-аналитики от результатов работы искусственного интеллекта?

Бизнес-аналитика основана на работе со структурированными данными. В ней используются традиционные методы математического анализа и статистики. По большей части бизнес-аналитика является «описательной аналитикой» (descriptive analytics).

Искусственный интеллект позволяет перейти к предсказательной и предписывающей (prescriptive) аналитике. С их помощью компании могут предсказывать события или даже выбирать наилучший алгоритм действий для решения актуальных задач. Ценность этих видов аналитики для бизнеса гораздо выше. И они подразумевают работу с разными типами и большим объемом данных, а также внедрение сложных математических методов в бизнес-процессы.

- Сегодня, говоря о практическом применении искусственного интеллекта, как правило, подразумевают технологии машинного обучения и нейронных сетей. Справедливо ли это и можно ли выделить еще какие-то актуальные направления искусственного интеллекта?

Практическое применение систем искусственного интеллекта не ограничено выбором алгоритма или математической модели. Крайне важно выстроить систему работы для интеграции, обработки, процессирования данных, тренировки алгоритмов и моделей и применения их на новых потоках данных.

В плане методов искусственного интеллекта и машинного обучения, в настоящее время большую популярность набирают нейронные сети, байесовские сети (сеть, объединяющая переменные и вероятностные зависимости между ними. — Прим. ред.), автоматизированное машинное обучение, обработка естественного языка. Методы искусственного интеллекта крайне разнообразны и требуют привлечения специалистов в этой области. Но помимо знания математической базы этих методов, важно понимать, как они могут быть внедрены в бизнес-процессы и как может быть выстроена работа с ними.

- Чего не хватает для того, чтобы превратить большие данные в «разумные», полноценный источник информации для систем искусственного интеллекта?

Существует три основных составляющих для решения этого вопроса. Во-первых, в команде должны быть специалисты по подготовке данных (их выгрузке из внешних источников, трансформации и очистке), интеграции больших данных, передовой аналитике, искусственному интеллекту и машинному обучению. Во-вторых, в компании должен быть подходящий набор программного обеспечения для координации разных рабочих процессов. В-третьих, очень важны скоординированные действия специалистов разного профиля при работе с данными.

- Каково положение с внедрением искусственного интеллекта в разных странах, как на общем фоне выглядит Россия?

Этот процесс определяется наличием интеллектуальных ресурсов, финансированием проектов, связанных с технологией, и общим развитием ИТ-сферы в стране. По этим критериям в области внедрения технологий искусственного интеллекта доминируют США, Китай, Россия, Япония и некоторые страны Европы. У России есть возможность стать одним из мировых лидеров в области искусственного интеллекта, если будет продолжаться поддержка и развитие проектов, а также будут совершенствоваться навыки профильных специалистов.

- Какие есть страновые особенности в области внедрения искусственного интеллекта (например, где-то он более популярен в ретейле, где-то — в логистике, в одних странах много дискутируют об опасностях в духе «восстания машин», в других больше озабочены потенциальным ростом безработицы, в третьих развивают искусственный интеллекта не философствуя)?

Внедрение и адаптация методов искусственного интеллекта сильно отличается в разных областях бизнеса. Например, их применение достаточно развито в области высоких технологий и связи, а также в финансовой и банковских сферах. В то же время внедрение искусственного интеллекта отстает в таких отраслях, как транспорт и логистика, здравоохранение и образование.

На данном этапе развития технологии я бы не стала говорить о существенном замещении рабочей силы роботами и искусственном интеллекта. Но в скором времени можно ожидать переквалификации работников с увеличением доли интеллектуальных технологий в компаниях.

Действительно, существует много опасений и фантазий, связанных с развитием искусственного интеллекта. Однако могу заверить, что на нынешнем этапе применение методов искусственного интеллекта направлено на повышение эффективности производственных процессов, уменьшение рисков производственных травм и поломки оборудования, а также на другие аспекты деятельности компаний, а не на захват власти над миром.


Теги: Большие данные Бизнес-аналитика Искусственный интеллект Машинное обучение Hitachi Vantara Big Data 2018
На ту же тему: