ENG
Перейти в Дзен
Мнение, Прогнозы, Технологии

Искусственный интеллект: почему революция откладывается

Андрей Пономарев

Андрей Пономарев

Генеральный директор финансовой онлайн-платформы Webbankir

Технологии искусственного интеллекта грозят лишить многих людей работы: водителей — автомобили будут беспилотными, кассиров в магазинах — их заменят терминалы. В финансовых компаниях скоринговые системы на основе нейронных сетей оценивают потенциальных заемщиков. А предприятия сферы торговли и услуг активно используют роботов, чтобы отвечать на звонки и обзванивать клиентов. Но, несмотря на все эти достижения, до сих пор искусственный интеллект так и не сумел совершить качественный скачок, чтобы принимать решения полностью без вмешательства человека.

Начнем с того, что явление, которое мы называем искусственным интеллектом, имеет очень давние корни, которые уходят в сороковые годы прошлого века. Тогда математики создали теорию искусственных нейронных сетей, моделирующих функционирование нервных клеток живого организма. Примерно через 40 лет после этого появились такие понятия, как «бустинг» и random forest, связанные с алгоритмами обучения машин. Основные элементы этих подходов к машинному обучению (machine learning) — классификация, регрессия, кластеризация данных.

Классификация сводится к определению класса объекта по его характеристикам. Регрессия позволяет определить значение параметров объектов. А задача кластеризации заключается в поиске независимых групп (кластеров) и их характеристик. Основываясь на этих принципах, компьютерные алгоритмы находят зависимости в данных и тем самым предсказывают возникновение событий.

Все эти принципы были известны еще в XX веке. Но их распространение сдерживала аппаратная часть — использовать их могли только суперкомпьютеры, которыми владели крупные корпорации или научно-исследовательские институты. Ситуация изменилась благодаря появлению облачных технологий. Распределенная обработка данных, когда расчеты проводятся не на серверах самой компании, а где-то в общем облаке, сделала технологии ИИ массово доступными.

Сейчас они переживают настоящий бум. Только в финансовой сфере, по данным аналитиков IHS Markit, за счет использования ИИ в 2018 году банки во всем мире заработали около $41,1 млрд. В эту сумму входят как прямые доходы от внедрения таких технологий, так и объем сокращенных расходов, и выгода от повышения эффективности финансовых организаций. По прогнозам, к 2030 году коммерческие ИИ-проекты принесут банкам в общей сложности уже $300 млрд.

Согласно исследованию Thomson Reuters и Greenwich Associates, 56% инвестиционных фондов планируют активнее интегрировать искусственный интеллект в свои процессы. Но при этом пока только 17% компаний используют ИИ, например машинное обучение и обработку естественного языка, для анализа данных, новостей и контента. Почему?

Компании не умеют собирать и хранить данные

Искусственный интеллект сегодня многие воспринимают как волшебную кнопку: «нажал — получил результат». Но для этого ему нужны данные, а их многие компании просто не умеют собирать и хранить, хотя в проектах, связанных с внедрением машинного обучения, именно эта работа занимает основную часть времени. Проекты по управлению мастер-данными (master data management) нельзя недооценивать, но даже мировые гиганты и крупнейшие российские компании не всегда следуют этой истине. То есть информация хранится в неструктурированном виде, на не связанных друг с другом серверах, не говоря уже о том, что часть важнейших данных до сих пор находится лишь в головах или записных книжках менеджмента.

Не все данные можно систематизировать

Допустим, мы все же собрали большой массив данных и загрузили его в нейросеть, которая способна их интерпретировать. Положительный результат отнюдь не гарантирован и в этом случае, поскольку данные, на основании которых сеть должна сделать вывод, могут оказаться слишком противоречивыми. Например, одна крупная зарубежная авиакомпания решила создать решение, которое учитывает погодные условия и корректирует маршрут самолета с точки зрения оптимального расхода топлива. Казалось бы, прекрасная задача для искусственного интеллекта. Но в процессе разработки оказалось, что данных о погоде слишком много, они очень переменчивы, а значит, почти невозможно создать алгоритм, который достаточно точно рассчитывал бы расход топлива на их основе. В итоге, вложив несколько миллионов долларов в проект, авиакомпания была вынуждена от него отказаться.

ИИ неэффективен в нестандартных ситуациях

Этот тезис хорошо иллюстрируется на примере финансовой сферы, которая, по данным исследования TAdviser и системного интегратора «Инфосистемы Джет», сегодня лидирует в России по количеству связанных с ИИ проектов. Применяются эти проекты в основном в двух направлениях: в клиентском сервисе и в скоринге, для оценки потенциальных заемщиков.

Специалисты консалтинговой компании Capgemini утверждают, что внедрение и содержание роботов обходятся на 50-90% дешевле штатных и внештатных сотрудников, и это весьма скромная оценка. Роботы уже научились рассказывать клиентам о продуктах и услугах компании, находить банкоматы и офисы, давать справки о состоянии личных финансов, отправлять выписки по операциям и другую запрашиваемую информацию. Однако если собеседник задает нестандартный запрос, начинает активно перебивать, шутить или, напротив, бурно конфликтовать, машина зачастую оказывается не в состоянии решить вопрос.

То же самое происходит и в скоринге. В современных финансовых системах, в том числе на платформе Webbankir, решение о выдаче кредита более чем в 90% случаев принимается автоматически. Благодаря технологиям машинного обучения и по мере накопления статистической базы точность в принятии решений растет. Однако всегда сохраняются сложные пограничные случаи, когда алгоритм не в состоянии определить, кто перед ним — платежеспособный клиент или нет, добросовестный заемщик или мошенник. Тогда в дело приходится вступать сотруднику компании, который принимает решение в процессе общения с клиентом. Это не значит, что решение будет обязательно верным, но оно будет принято с учетом большего количества параметров — не только математических выкладок, но и психологических факторов. ИИ на нынешнем уровне развития не способен распознавать эмоции так же эффективно, как сами люди.

Таким образом, ждать, что ИИ сможет действовать полностью автономно, в ближайшее время явно не стоит. Но это не значит, что технологическая гонка бесполезна. Компании, которые выстраивают свои экосистемы на основе технологий ИИ, уже получают вполне ощутимые конкурентные преимущества.

Следите за нашими новостями в удобном формате
Перейти в Дзен

Предыдущая статьяСледующая статья