Представьте, что вы едете в полностью беспилотном автомобиле - без управления человеком - по узкой проселочной дороге, без фонарей и дорожной разметки. На выходе из извилистого поворота вам противостоит стадо овец. Что будет дальше?
Именно такие ситуации пытаются разблокировать такие программы, как Moral Machine, разработанная в Массачусетском технологическом институте. В течение последних четырех лет сайт собирал общественное мнение, представляя ряд этических дилемм: должен ли автономный автомобиль защищать, например, своего пассажира или пешехода в конкретном сценарии?
Больше всего, однако, то, что такая автономия - или, говоря более романтично, машины, думающие сами за себя, - требуют огромных объемов данных. Данные, которые на сегодняшний день не были откалиброваны. Вы бы доверили свою безопасность своему автомобилю?
Это аналогия, которую Дориан Зельц, соучредитель и генеральный директор Squirro, использует, чтобы объяснить, почему великая революция ИИ может занять больше времени, чем многие думают. «Я думаю, что в течение следующих 10 лет мы увидим значительный прогресс в базовой технологии - мы, вероятно, увидим некоторый уровень прорыва, чтобы иметь некоторый низкий уровень интеллекта в этих машинах», - сказал Зельц AI News. «Я могу себе это представить, но потребуется время, чтобы это действительно получило широкое распространение».
Для генерального директора поставщика платформы искусственного интеллекта это может быть интересной позицией, которую Зельц принимает. Тем не менее, бизнес-кейс Сквирро может дать представление. Метод работы компании заключается в том, чтобы брать неструктурированные наборы данных организаций - все, от электронных писем до рыночных отчетов, презентаций PowerPoint и документов Word - и использовать то, что она называет «дополненным интеллектом», для получения более глубокой информации.
Этот совместный процесс не только опирается на человеческий фактор, но и требует времени, чтобы его оценить.«Большинство компаний имеют соотношение от 90% до 99% всех данных, которые они генерируют или получают, никогда не используются после первого использования», - объясняет Зальц. «Это то же самое, что купить машину, отвезти ее из автосалона обратно в гараж, а затем выбросить ключ и больше никогда не садиться за руль этой машины.
«Если вы говорите, что данные - это новая нефть, в то же время компании не используют эти данные», - добавляет он. «То, что замечательно работает с числами, совсем не работает с текстом в Excel».
Зельц знает, о чем он говорит в отношении того, как компании используют и хранят данные. Squirro - четвертая компания, которую он создал совместно. Предыдущим успехом была швейцарская поисковая система local.ch. С Squirro, который обещает преимущества от анализа клиентов и услуг для когнитивного поиска, цель состоит в том, чтобы эти данные дополняли бизнес-процессы и методы работы.
Возьмем, к примеру, бухгалтерию, где данные могут показать не только то, заплатил клиент или нет, но и любые соответствующие новости или исследования рынка, которые могут повлиять на его платежеспособность. В цепочке поставок проблемы могут быть выявлены на нескольких уровнях ниже по цепочке, что может повлиять на прямого поставщика.
«Если вы посмотрите на любую сегодняшнюю компанию, маленькую или большую, то увидите, что их ИТ-ландшафт представляет собой комбинацию коробочных приложений: система цепочки поставок в задней части компании, система ERP в середине, некоторый уровень CRM на переднем плане и системы поддержки на заднем плане», - объясняет Зельц. «Чем крупнее компания, тем больше у вас всего этого, но по сути это все равно набор коробочных ИТ-приложений.
«Будущее, которое мы видим, - это будущее, в котором вы увидите слой, управляемый машинным обучением, который объединяет все эти разные хранилища данных», - добавляет Селз. «Мы предвидим будущее, в котором такие тесно переплетенные информационные ткани станут новой нормой на любом предприятии.
“Он тебя не заменит - я в это совсем не верю. Но это поможет вам в принятии решений».
Одним из клиентов, который является примером такого «переплетения» данных, является Brookson, местная бухгалтерская фирма в Великобритании для подрядчиков. Компания уже использовала Squirro для классификации поступающих данных, чтобы ускорить административные процессы и процессы колл-центра, но следующий шаг заслуживал особого внимания: использование технологии для оценки будущих отношений с клиентами. На основе дорожной карты, созданной на основе предыдущих клиентов, хороших, плохих или посредственных, каждое новое взаимодействие можно оценить и спрогнозировать с помощью заранее определенных путей.
«Мне нравится пересказывать эту историю, потому что она показывает, что ИИ как таковой предназначен не только для больших мальчиков», - говорит Зельц. «Как проворное, гибкое предприятие малого и среднего бизнеса, вы можете использовать этот тип технологии, чтобы существенно улучшить свое положение на рынке».
Это интересный момент; Многие исследования, не в последнюю очередь исследование венчурной компании Work-Bench в 2018 году, утверждают, что более крупные компании имеют естественное преимущество с ИИ, потому что они могут собирать лучшие таланты. Но поскольку опыт в области искусственного интеллекта автоматически не равен большому бизнесу, большие эффекты еще не являются результатом таких технологий, утверждает Зельц, возвращаясь к своей первоначальной теме трансформации.
«Все говорят об этих больших интеллектуальных машинах, которые делают фантастические вещи для компаний и автоматизируют их», - объясняет он. «Преобразовать целые отрасли? Я не особо в это верю.
«Если вы посмотрите на многие методы машинного обучения, используемые сегодня, от более простых, таких как SVM, байесовские алгоритмы, до более сложных моделей глубокого обучения, в конце концов, они не очень умны, - добавляет Зельц. «Это сопоставление с образцом на мощности любого вашего компьютера».
Зелз отмечает, что «ни один из прекрасных ИИ-движков не предвидел коронавирус». Учитывая реактивные, а не упреждающие шаги, предпринятые правительствами по всему миру, не только машины оказались в затруднительном положении. Глядя на различные истории, оценивающие влияние ИИ на Covid-19, многие утверждают, что его роль заключается в оценке того, что произойдет дальше, - скорее, в оценке ущерба после того, как лошадь убежала, - а сингапурское исследовательское подразделение в прошлом месяце с особой осторожностью предсказало, что пандемия закончится во всем мире к декабрю.
Это подтверждает общую теорию Зельца о том, что мы еще далеко не готовы к прайм-тайму в B2B. «Совершенно опасно думать, что такой механизм искусственного интеллекта может внезапно преобразовать ваш бизнес, если он настолько ограничен в своих возможностях и возможностях», - говорит он.
«Отношения с клиентами - это больше, чем то, что у вас есть в ваших наборах данных», - добавляет Селз. «Даже в сегментах розничных продаж ни у кого еще нет полностью оцифрованных отношений с клиентами. Если у вас нет полностью оцифрованного, каждого его аспекта, зачем вы доверяете какому-то анонимному методу вызова алгоритма оценивать и эффективно решать будущее этих отношений?
“Ни один здравомыслящий человек не стал бы этого делать”.