Три терміни в сфері AI, які повинні знати всі бізнес-менеджери

Розробки в галузі штучного інтелекту (Artificial Intelligence — AI) — сьогодні вельми гаряча тема. Як показав нещодавній звіт MIT Sloan Management Review, майже 85% керівників вважають, що AI «дозволить їхнім компаніям набути або підтримувати конкурентні переваги».

Втім, досі існує чимало плутанини в термінології і назвах програмних додатків, які застосовують компанії, навіть в тих сферах, де AI займає панівні позиції. Нерідко можна чути, що бізнес-професіонали використовують AI та інші терміни, такі як «машинне навчання» і «глибинне навчання», в якості синонімів, хоча в дійсності між ними існують серйозні відмінності.

AI — це наступна ера інформаційних технологій, і для бізнес-світу важливо зрозуміти, як розкрити його потенціал. На нещодавньому заході в Facebook Live Роб Хай (Rob High), віце-президент і головний технічний директор компанії IBM Watson, та Емі Вебб (Amy Webb), професор стратегічного передбачення в Школі бізнесу NYU Stern School of Business і засновник інституту Future Today, дійшли висновку, що AI не є «срібною кулею», і що реальна цінність технології формується шляхом індивідуального поєднання інструментів, призначених для вирішення конкретного бізнес-завдання.

Ставки для компаній, які хочуть інвестувати в AI, досить високі, а недостатнє розуміння в цій області може призвести до невдалого впровадження і повільного повернення інвестицій. Отже, що ж насправді означають всі ці терміни?

Штучний інтелект

Наукові дослідження в галузі AI з’явилися ще після Другої світової війни, проте спочатку технологія взяла за мету імітування людського розуму. В рамках досліджень вчені намагалися створити систему, яка б могла наслідувати те, як людина міркує, оцінює важливість різних обставин і робить внутрішні висновки. Згодом дослідники зрозуміли, що наш мозок набагато складніше, ніж вважалося раніше. І хоча люди в цілому досить добре роблять певні речі, є завдання, виконання яких їм просто не під силу. Наприклад, лікар не може прочитати і проаналізувати мільйони статей, опублікованих на платформі PubMed, так швидко, як це здатна зробити система штучного інтелекту. Мета технологій AI полягає в тому, щоб доповнити людські здібності, а не скопіювати чи замінити їх. Подібно до того, як будівельники використовують бульдозери й екскаватори замість простої кирки і лопати, так і штучний інтелект дозволяє нам обробляти величезні обсяги даних, відкривати закономірності і приймати кращі рішення, базуючись на результатах аналізу.

Кінцева мета AI — це те, що ми можемо назвати «розширеним інтелектом», який допоможе надихнути людину на використання систем аналізу величезних обсягів даних з метою генерації кращих ідей та альтернативних рішень. Крім того, система допоможе оцінити наші когнітивні упередження з тих точок зору, які в іншому випадку ми б могли і не побачити.

Машинне навчання

Машинне навчання (Machine learning — ML) — алгоритмічний метод, який існує вже багато десятиліть. На базовому рівні ML здатний прогнозувати тенденції або розпізнавати шаблони в масиві даних при умові, що дослідники описали модель попередніх зразків таких шаблонів. Наприклад, якщо у вас є ряд чисел, які ви можете пов’язати з якимось значним процесом, і якщо цей шаблон раніше повторювався, ви можете навчити алгоритми ML розпізнавати такі шаблони і потім використовувати їх для прогнозування того, чи буде знову досягнуто аналогічний результат.

Для компаній технологія машинного навчання грає дуже важливу роль. Завдяки ML підприємства можуть оцінювати поведінку покупців, щоб спрогнозувати їхні запити в майбутньому. В результаті бізнес-менеджери отримують можливість відкоригувати в разі необхідності свою стратегію.

Компанії застосовують ML для вирішення найрізноманітніших завдань. Наприклад, роздрібні магазини можуть використовувати машинне навчання в системах прогнозування, які повинні враховувати як минулі, так і поточні (з точністю до дрібниць) ринкові тенденції. А фінансові сервіси задіюють системи рекомендацій продуктів на основі ML, що враховують поточні відсоткові ставки і ринкові тенденції.

Глибинне навчання

Глибинне навчання (Deep learning — DL) — це найбільш інноваційна технологія в широкому наборі алгоритмів машинного навчання. DL є алгоритмічним методом, що моделюється за принципом нервових структур в мозку людини. Цей термін іноді називають «нейронними мережами», тому що дослідники були натхненні синапсами і нейронами в людському мозку і механізмом, за допомогою якого нейрони збуджуються і змушують синапси збирати і поширювати енергію цього нейрона.

Технологія DL використовує штучні нейронні мережі, щоб різко збільшити кількість сегментів даних, які вона здатна обробити, включаючи неструктуровані зображення і звуки. Цей багатовимірний підхід схожий на те, як люди в реальності відчувають світ. Завдяки навчанню нейронних мереж і обраним наборам якісних даних, DL пропонує широкі перспективи для потужного аналізу з використанням AI в різних галузях.

Хоча штучний інтелект використовує алгоритмічні методи ML і DL, важливо пам’ятати, що сам AI — набагато ширший термін. Адже AI об’єднує специфічні форми алгоритмічних методів для вирішення конкретної проблеми або виконання поставленого завдання.

Не прив’язуйтесь до однієї технології: шукайте оптимальну комбінацію

ML і DL доставляє багато переваг, але бізнес не повинен намагатися задовольнити всі свої проблеми тільки однією технологією. Реальна цінність полягає в індивідуальному поєднанні цих інструментів. Наприклад, якщо у продавця є великий обсяг даних про автомобільний трафік, і менеджери захочуть екстраполювати інформацію з цих даних для прогнозування трафіку в курортному сезоні, саме технологія машинного навчання виявиться найбільш корисною. Однак якщо той же роздрібний продавець захоче зіставити дані про трафік з типами погоди, більш цілісну картину запропонує глибинне навчання.

Сервіси AI, що пропонуються IBM Watson, здатні надати рекомендації, як саме слід використовувати алгоритми ML або DL. Інженери цих сервісів вже з’ясували, де найкращим чином використовувати методи ML, DL та інші методики, щоб спростити для підприємств створення додатків AI, найбільш придатних для їх конкретних завдань.

Досліджуйте всі нюанси

Штучний інтелект допоможе оновити метод ведення бізнесу, але тільки якщо керівники компаній знайдуть час, щоб усвідомити всі нюанси цих потужних технологій. І хоча гарне розуміння AI, ML і DL є важливим кроком у правильному напрямку, це тільки початок подорожі. Працівникам, відповідальним за прийняття рішень, знадобиться час, щоб подумати про те, як AI може допомогти їм у фундаментальному переосмисленні та оптимізації свого бізнесу.

Компанії, які вважають, що можуть ще почекати і подивитися, що буде далі, опиняться в невигідному становищі. Пам’ятайте, що навіть якщо ви не готуєтеся до впровадження AI, ваші конкуренти вже роблять це. Штучний інтелект — не якась далека перспектива, він актуальний тут і сьогодні.

БІЛЬШЕ ЦІКАВОГО:

Джерело: Venturebeat

Читайте также:

Штучний інтелект в сфері освіти: як використовувати нейромережі вчителям

Звіт State of AI 2024: головні тренди та гравці в галузі штучного інтелекту

Британська поліція тестує детектива на базі штучного інтелекту

Google DeepMind навчила робота грати в настільний теніс на рівні людини