Нередки случаи, когда реальные данные оказываются слишком сырыми и непригодными для использования без предварительной обработки: содержат пропуски, шумы, противоречия и ошибки.
Данные должны быть собраны тоже не абы как, а грамотно и продуманно. Иначе обученная сеть может вести себя странно и даже решать совсем не ту задачу, которую предполагал автор.
Также нужно представлять себе, как грамотно организовать процесс обучения, чтобы сеть не оказалась переученной. Сложность сети нужно выбирать исходя из размерности данных и их количества. Часть данных нужно отложить для теста и при обучении не использовать, чтобы оценить реальное качество работы. Иногда различным объектам из обучающего множества нужно приписать различный вес. Иногда эти веса полезно варьировать в процессе обучения. Иногда полезно начинать обучение на части данных, а по мере обучения добавлять оставшиеся данные. В общем, это можно сравнить с кулинарией: у каждой хозяйки свои приемы готовки даже одинаковых блюд.
Отберут ли роботы работу у людей?
Они уже это делают. С одной стороны, они отбирают работу у человека, а с другой ими управляют люди и, получается, они создают для людей, которые их обслуживают, рабочие места. То есть, благодаря роботам, рабочий процесс скорее становится более эффективным, так что правильнее сказать, что они не отбирают работу у человека, а сотрудничают с ним.
Если посмотреть на этот вопрос в историческом аспекте, мы увидим, как в процессе эволюции менялись орудия труда. Вспомнить хотя бы промышленную революцию XVIIIXIX веков, когда аграрное общество сменялось индустриальным. Машинный труд заменял человеческий, и люди, не способные к освоению новых средств производства, оставались без работы. Другие, способные к обучению, перебирались в города и принимали новую систему существования. Однако тогда машины были скорее механизмами и требовали управления людьми. Сегодня роботы не механизмы, но алгоритмы. Технологии эволюционировали, появляются роботы, которые могут выполнять более сложный набор функций. Например, российскими учеными по заказу Роскосмоса был создан робот-космонавт, который был призван снизить риски жизни людей, работающих на МКС и в открытом космосе. Робот выполняет рутинную работу, от которой, в отличие от человека, он никогда не устает.
Однако так или иначе каждый робот создается и существует на основе программы, заложенной людьми. Каким бы умным и человекоподобным ни казался робот, он никогда не сможет повторить чувства людей и стать креативным. Именно поэтому робот не сможет заменить человека творческой и интеллектуальной профессии, он не способен создавать новое в этом его главное отличие от человека. Важно помнить, что с приходом машин на место человека появлялись абсолютно новые профессии. Главное уметь приспособиться к веянию нового времени и прогресса, который уже не остановить.
Учитываются ли законы робототехники Азимова при проектировании и производстве современных роботов?
Законы робототехники Азимова написаны для разумных роботов. Для роботов, обладающих самосознанием, оценивающих свои поступки и поступки окружающих, в том числе оценивающих их с моральной точки зрения.
Современные роботы не являются разумными, они настолько же далеки от понятия разумности, как станок с ЧПУ. Либо они созданы, для того чтобы повторять одну-единственную задачу, либо они вообще управляются человеком вручную при помощи дистанционного управления.
Максимум, чего удалось ученым достичь в экспериментальных моделях, не выходящих пока за пределы лабораторий, это научить роботов с грехом пополам распознавать зрительные образы. Например, отбивать летящий к ним белый шарик для пинг-понга на черном фоне. Оценка поступков, предсказание последствий и уж тем более моральная их оценка понятия, бесконечно далекие от нынешней робототехники.
Чтобы создать разумных роботов, надо создать некое функциональное подобие человеческого мозга. А для этого надо понимать, как человеческий мозг функционирует.
И хотя за последние двадцать лет человечество узнало об устройстве мозга больше, чем за всю предыдущую историю, неизученного остается пока больше, чем изученного. А без этого понимания разумных роботов не создать. И пока невозможно даже оценить масштаб предстоящей работы.
Современные роботы не являются разумными, они настолько же далеки от понятия разумности, как станок с ЧПУ. Либо они созданы, для того чтобы повторять одну-единственную задачу, либо они вообще управляются человеком вручную при помощи дистанционного управления.
Максимум, чего удалось ученым достичь в экспериментальных моделях, не выходящих пока за пределы лабораторий, это научить роботов с грехом пополам распознавать зрительные образы. Например, отбивать летящий к ним белый шарик для пинг-понга на черном фоне. Оценка поступков, предсказание последствий и уж тем более моральная их оценка понятия, бесконечно далекие от нынешней робототехники.
Чтобы создать разумных роботов, надо создать некое функциональное подобие человеческого мозга. А для этого надо понимать, как человеческий мозг функционирует.
И хотя за последние двадцать лет человечество узнало об устройстве мозга больше, чем за всю предыдущую историю, неизученного остается пока больше, чем изученного. А без этого понимания разумных роботов не создать. И пока невозможно даже оценить масштаб предстоящей работы.
Как можно применить нейронные сети в банковской сфере?
Мы видим текущий фокус применения нейросетей (алгоритма, который фильтрует информацию, анализирует ее и постоянно обучается) не в сфере кредитования, как это принято считать, а в оптимизации и дигитализации, потому что кредитование вряд ли в ближайшее время будет сильно развиваться в силу макроэкономической обстановки. (Сейчас не ожидается бума кэш-кредитования).
Сейчас в области кредитования в части автоматизированных риск-стратегий используется в основном регрессионный анализ. Потенциально его можно заменить на нейронные сети и ИИ (искусственный интеллект).
Как нейронная сеть могла бы работать в принятии решений по кредитам? Вы обучаете нейронные сети на большом количестве примеров, потом подаете на вход новые данные в том же формате и получаете результат, который не могли заранее запрограммировать. Допустим, вам нужно принять решение по заемщику: дать ему кредит или не дать. Вы структурируете набор параметров этого заемщика (возраст, стаж, наличие просроченных кредитов и многие другие характеристики), а потом выгружаете примеры: каким заемщикам какие кредиты предоставлялись и как они платили. Так вы получаете большой массив информации из примеров плохих и хороших заемщиков. Задаете 100 тысяч таких примеров сети: нейронная сеть обучается на 100 тысячах примеров. Когда вы заводите нового клиента с такими же параметрами, она вам предсказывает, будет он хорошим или плохим на основе предыдущего опыта.
Мы же используем не такой механизм, а математические модели, которые также способны предсказать, будет ли человек плохим или хорошим заемщиком. Можно сказать, что такие модели обучаются на основе опыта банков алгоритмами регрессионного анализа.
Сейчас мы экспериментируем с искусственным интеллектом, но пока далеко не продвинулись: не достигли более высокой точности предсказания результата, чем тот, что мы достигаем регрессионными путями. Как только эта технология станет эффективнее, мы будем использовать ее, а пока работаем над этим.
Главными направлениями в применении нейросетей в банковской сфере для нас являются оптимизация и диджитализация. Существует масса действий и операций, которые пока что выполняются вручную и при этом с трудом поддаются алгоритмизации. Автоматизация таких операций возможна как раз через замену заранее созданного алгоритма на машинное обучение.
Как это работает? Есть банк с определенным количеством людей и компьютеров. Компьютеры выполняют работу вместо людей. Постепенно мы автоматизируем все процессы, и людям остается все меньше и меньше работы, но за счет появления новых продуктов инноваций работа все равно остается. Основной вектор развития это применение практик искусственного интеллекта в тех областях, которые до этого не поддавались алгоритмической автоматизации. Например, такой процесс, как открытие счета. При открытии счета работают сотрудники верификаторы по процессу верифицирования документов, которые подаются для открытия счета для юридического лица. Необходимо выполнить кросс-чек реквизитов, чтобы исключить потенциальное мошенничество и ошибки. Сейчас практически во всех банках эти действия выполняют люди, потому что алгоритмов, которые могут разобрать неструктурированные документы произвольного формата, учесть абсолютно все параметры и полностью их автоматически сверить без человека, не существует. Это большая функциональность банка, и достаточно много людей этим занимаются. Алгоритм искусственного интеллекта позволяет этот участок частично автоматизировать, тем самым, с одной стороны, сократить издержки банка, а с другой существенно ускорить.
Конечно, технологии, которая уверенно распознает все тексты, пока нет. Наши текущие эксперименты позволяют разобрать тексты с точностью до 60 % неструктурированного текста. Выглядит это таким образом: 60 % информации поднимается автоматически нейронными сетями из документов, и есть человек, который поднимает остальные 40 % данных. Например, адрес прописки очень часто бывает написан ручкой в штампе и очень плохо распознается текущим алгоритмом. Мне кажется, это закономерно: технологии в полной мере не должны заменить человека в банковской сфере. Наш опыт показывает, что такая автоматизация пока имеет определенный предел.
Гаджеты
Возможно ли в будущем появление на IT-рынке новых игроков масштаба Google или существующие гиганты будут подминать под себя все новые технологии?
Конечно, возможно. IT очень интересная сфера, невероятно гибкая, стоимость входа в этот рынок может быть ценой в зарплату одного человека, компания в десятки человек оценивается в сотни миллионов и миллиарды. Знания и смекалка становятся рычагом, который может очень малыми ресурсами перевернуть целую область рынка. Все ли помнят, как скептически относились к айфону, только смелые говорили, что это узкий нишевой продукт, который будет популярен у приверженцев марки? И как они снесли буквально в кювет Нокию лидера многомиллиардного рынка. А где гигант Microsoft с его MSN? Нигде, до покупки Skype. И даже при наличии в мире Skype зачем-то же нужен людям WhatsApp? Люди только нащупываю ту массу возможностей, которую дают современные технологии. Когда сформулировать вопрос становится сложнее и важнее, чем получить ответ. Когда кинуть ссылку быстрее, чем объяснить новость. Когда люди привыкают к возможности работать, делать результат, не видя друг друга ни разу в жизни, и фактически мыслят как один коллектив, то Google это цветочки. На нашем веку урожая будет предостаточно.