Некоторые системы РАП уже в определенной степени наделены интеллектом. Они могут «наблюдать» за тем, как работают их коллеги-люди (например, как они отвечают на частые вопросы клиентов), и имитировать их действия. Другие сравнивают процесс автоматизации с машинным зрением. Как и физические роботы, системы РАП постепенно становятся более интеллектуальными, а для управления их поведением начинают использоваться другие типы технологий ИИ.
Я описал эти технологии по отдельности, но все чаще они объединяются и интегрируются. Однако сегодня человеку, принимающему бизнес-решения, очень важно знать, какие технологии какие задачи выполняют. Директор по информационным технологиям Global Inc. Кришна Натан отмечает, что в 2018 г. один из ключевых приоритетов его компании – «помочь акционерам понять, на что способен и не способен ИИ, чтобы использовать его должным образом»[17]. Возможно, в будущем эти технологии окажутся так тесно переплетены, что необходимость в таком понимании исчезнет, а возможно, технологии вообще станут неотделимы друг от друга.
ИИ в сообществе поставщиков технологий
В этой книге я в основном рассказываю об использовании когнитивных технологий крупными предприятиями в таких сферах, как предоставление финансовых услуг, производство и телекоммуникация. Но большая часть работы, выполняемой крупными коммерческими предприятиями, стала возможной благодаря исследованиям и разработкам, проводившимся в тех же местах, где в 2000-х гг. развивались технологии больших данных (включая Hadoop, Pig и Hive). В этот период Google, Facebook и в меньшей степени Yahoo! направляли значительные усилия на развитие технологий ИИ. Эти компании располагали огромным объемом данных для анализа, огромным количеством денег (по крайней мере в случае Google и Facebook) и прочными связями с учеными.
Пожалуй, не стоит удивляться, что компания Google стала самым активным разработчиком и пользователем технологий ИИ среди интернет-гигантов (а возможно, и среди всех компаний мира). Работая в сотрудничестве со стэнфордским профессором Эндрю Ыном, Google начала исследовать ИИ (в частности, глубокое обучение) в лабораториях Google X еще в 2011 г. Этот проект получил название Google Brain. Главным образом в рамках него изучалась технология глубокого обучения, которая использовалась для распознавания изображений и решения других задач. К 2012 г. группа исследователей решила одну из самых важных проблем человечества – как заставить машину распознать фотографию кота в интернете.
В следующем году Google наняла исследователя из Университета Торонто Джеффри Хинтона, который помог возродить нейронные сети. В 2014 г. Google купила лондонскую компанию DeepMind, весьма компетентную в сфере глубокого обучения. Инструменты группы были использованы, чтобы помочь созданной Google программе AlphaGo, играющей в древнюю игру го, победить одного из лучших игроков в мире. В 2016 г. команда Google Brain помогла Google существенно улучшить точность переводов Google-переводчика. К тому году Google и ее материнская компания Alphabet использовали машинное обучение более чем в 2700 проектах, включая разработку алгоритмов поиска (RankBrain), создание беспилотных автомобилей (теперь этим занимается Waymo – дочерняя компания Alphabet) и усовершенствование медицинской диагностики (дочерняя компания Calico)[18]. Как это принято в Кремниевой долине, в 2015 г. Google также открыла бесплатный доступ к своей библиотеке машинного обучения TensorFlow, которая стала проектом с открытым кодом и завоевала популярность среди компаний более узкой направленности, использующих ИИ.
Возможно, Facebook внедряет когнитивные технологии в свои продукты и процессы не столь успешно, как Google, но получается все же довольно неплохо. Вместо Эндрю Ына и Джеффа Хинтона исследованиями ИИ в компании занимается Ян Лекун, который также преподает в Нью-Йоркском университете. Лекун уделяет особое внимание распознаванию изображений, что стало ключевым направлением разработок Facebook. У компании есть приложение для распознавания изображений Lumos, которое анализирует фотографии в Facebook и Instagram и предлагает пользователям персонализированную рекламу на основании их материалов. Lumos также помогает идентифицировать запрещенные порнографические материалы или материалы, содержащие насилие (хотя в этом процессе по-прежнему задействовано и большое количество людей), неправомерное использование брендов и логотипов и материалы террористической направленности.
Сноски
1
Memorial Sloan Kettering press release, "Memorial Sloan Kettering Cancer Center and IBM Will Collaborate on Powerful New Medical Technology," June 5, 2012, https://www.mskcc.org/blog/mskcc-and-ibm-will-collaborate-powerful-new-medical-technology.
2
Laura Nathan-Garner, "The Future of Cancer Treatment and Research: What IBM Watson Means for Our Patients," M.D. Anderson Cancerwise blog, November 12, 2013, https://www.mdanderson.org/publications/cancerwise/2013/11/what-ibm-watson-means-for-our-patients.html.
3
Spencer E. Ante, "IBM Struggles to Turn Watson Computer into Big Business," The Wall Street Journal, January 7, 2014, https://www.wsj.com/articles/ibm-struggles-to-turn-watson-computer-into-big-business-1389142136.
4
Ariana Eunjung Cha, "IBM Supercomputer Watson's Next Feat? Taking on Cancer," The Washington Post, June 27, 2015, http://www.washingtonpost.com/sf/national/2015/06/27/watsons-next-feat-taking-on-cancer/.
5
"Research Platform for the Moon Shots Program – APOLLO," M.D. Anderson Cancer Center website, accessed February 12, 2018,
https://www.mdanderson.org/cancermoonshots/research_platforms/apollo.html.
6
"Machine Learning at AWS" website, accessed February 11, 2018, https://aws.amazon.com/machine-learning/.
7
Glassdoor, Amazon.com "data scientist" openings, accessed February 11, 2018.
8
"Bezos Letter to Shareholders," CNBC, https://www.cnbc.com/2017/04/12/amazon-jeff-bezos-2017-shareholder-letter.html.
9
Susan Ratcliffe, ed., "Roy Amara 1925–2007, American Futurologist," Oxford Essential Quotations (4th ed.) (Oxford University Press, 2016).
10
Kevin Kelly, "The Three Breakthroughs That Have Finally Unleased AI on the World," Wired, October 27, 2014, https://www.wired.com/2014/10/future-of-artificial-intelligence/.
11
Daniel Schreiber, "AI Eats Insurance," Lemonade blog post, January 8, 2018, https://www.lemonade.com/blog/ai-eats-insurance/.
12
Kris Hammond, "A Periodic Table of AI," AI XPrize website, December 14, 2016, https://ai.xprize.org/news/periodic-table-of-ai.
13
James Somers, "Is AI Riding a One-Trick Pony?" MIT Technology Review, September 29, 2017, https://www.technologyreview.com/s/608911/is-ai-riding-a-one-trick-pony/.
14
Mathew Mayo, "The Current State of Automated Machine Learning," KDNuggets blog post, January 25, 2017, https://www.kdnuggets.com/2017/01/current-state-automated-machine-learning.html.
15
Alex Irpan, "Deep Reinforcement Learning Doesn't Work Yet," Sorta Insightful blog post, February 14, 2018, https://www.alexirpan.com/2018/02/14/rl-hard.html.
16
Doug Williams, "How Is RPA Different from Other Enteprise Automation Tools Such as BPM/ODM," IBM Consulting Blog, July 10, 2017, https://www.ibm.com/blogs/insights-on-business/gbs-strategy/rpa-different-enterprise-automation-tools-bpmodm/.
17
Steven Norton, "The Morning Download," The Wall Street Journal CIO Journal, December 29, 2017, https://blogs.wsj.com/cio/2017/12/29/cios-aim-to-make-ai-useful-hire-the-right-people-to-manage-it-in-2018/.
18
Jack Clark, "Why 2015 Was a Breakthrough Year in Artificial Intelligence," Bloomberg.