Хочу поделиться с Вами несколькими статьями моего хорошего товарища и коллеги по Минэнерго Ильи Епишкина.
Лично от себя скажу, что Илья в своей статье приходит к абсолютно аналогичным ограничениям, о которых говорю я на основе своего практического опыта и анализа практических кейсов.
Содержание:
Оригинал статьи в том числе и PDF
АНАЛИЗ ЭКОНОМИЧЕСКОЙ ЭФФЕКТИВНОСТИ И ОЦЕНКА ПЕРСПЕКТИВЫ ПРИМЕНЕНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В РОССИЙСКОЙ ФЕДЕРАЦИИ
ANALYSIS OF ECONOMIC EFFICIENCY AND ASSESSMENT OF PROSPECTS FOR THE USE OF ARTIFICIAL INTELLIGENCE IN THE RUSSIAN FEDERATION
Авторы:
Епишкин Илья Игоревич– исследователь новых медиа, создатель медиапроекта @AboutMoscow, Москва, Россия
Ilya Epishkin - a researcher of new media, creator of the media project @AboutMoscow, Moscow, Russia
Лаврик Анастасия Александровна – аспирант АНО ВО МГЭУ, Москва, Россия
Lavrik Anastasia - graduate studentat THE ELN, Moscow, Russia, e-mail: 3631904@mail.ru
Рост вычислительных мощностей, программных и аппаратных решений, а также их доступности широкому кругу исследователей и разработчиков в совокупности с формированием большого объема цифровых данных за последние годы позволили значительно улучшить качество продуктов и решений, базирующихся на технологиях искусственного интеллекта.
Позитивная динамика результатов работы данных продуктов в свою очередь стала драйвером формирования новой волны интереса к самим решениям в частности и технологиям искусственного интеллекта в целом.
Авторы делают выводы о том, что перспективным стратегическим направлением развития в области искусственного интеллекта можно считать сферу поддержки принятия управленческих решений и оцифровки компетенций.
The growth of computing power, software and hardware solutions, as well as their availability to a wide range of researchers and developers, combinedwith the formationof a large volume of digital data in recent years, has significantly improved the quality of products and solutions based on artificial intelligence technologies.
The positive dynamics of the results of these products, in turn, became the driver of the formation of a new wave of interest in the solutions themselves in particular and artificial intelligence technologies in General.
The authors concludethat a promising strategic directionof development in the field of artificial intelligence can be considered the sphere of support for management decision-making and digitization of competencies. Ключевые слова: интеллект, искусство, экономика, финансирование, анализ, прогноз, эффективность, управление, организация, планирование.
Key words: intelligence, art, Economics, Finance, analysis, forecast, efficiency, management, organization, planning.
DOI 10.37691/2311-5351-2020-0-2-106-113
По данным исследования McKinsey Global Institute [1] современные методы искусственного интеллекта с глубоким обучением имеют потенциал для повышения дополнительной ценности по сравнению с традиционными методами аналитики в пределах от 30 до 128 процентов, в зависимости от отрасли. В государственном и социальном секторе (Public and Social Sector) потенциальное влияние искусственного интеллекта оценивается в 356,1 миллионов долларов США.
Высокий интерес к данным технологиям в России подтверждает принятие Национальной стратегии развития искусственного интеллекта на период до 2030 года [2], которая была утверждена указом Президента Российской Федерации 10 октября 2019 года.
Цель ее реализации - создание условий для эффективного взаимодействия государства, организаций и граждан, чтобы позволить российским технологиям искусственного интеллекта занять значительную долю мирового рынка. Перед искусственным интеллектом ставятся задачи прогнозирования, оптимизации и автоматизации процессов в промышленных и социальных сферах.
Стратегия делает акцент на том, что по прогнозам долгосрочного социально- экономического развития Российской Федерации в случае недостаточного развития и использования конкурентоспособных технологий искусственного интеллекта реализация приоритетных направлений научно-технического развития страны замедлится, что впоследствии повлечет за собой ее экономическое и технологическое отставание.
Еще одним важным документом является дорожная карта развития “сквозной” технологии “Нейротехнологии и искусственный интеллект” [3], которая была разработана Сбербанком и представлена Министерством цифрового развития, связи и массовых коммуникаций России.
Согласно данной стратегии объем затрат на реализацию мероприятий дорожной карты в 2019-2024 гг. составит 391,6 млрд рублей, из которых 56,7 млрд рублей предоставит федеральный бюджет.
По сравнению с дорожными картами других “сквозных” технологий, суммарное финансирование которых составит 1 150,35 млрд рублей, это самые значительные расходы. Наглядно сравнить объемы финансирования можно на инфографике портала "Будущее России. Национальные проекты" [Рисунок1].
Таким образом, можно с уверенностью сказать, что технологии искусственного интеллекта являются одним из приоритетных направлений цифровой трансформации России, на которое делается ставка и возлагаются большие надежды руководством страны.
По возможному масштабу изменений, к которым могут привести технологии искусственного интеллекта, эксперты часто сравнивают его внедрение с электрификацией начала прошлого века, в результате которой принципиально изменилась промышленность.
Рисунок 1. Необходимое финансирование на реализацию дорожных карт по “сквозным” цифровым технологиям. Источник: https://futurerussia.gov.ru
Чтобы успешно разработать, внедрить и использовать технологии завтра, необходимо уже сегодня сформировать в обществе в целом и государственном секторе в частности понимание базовых принципов функционирования искусственного интеллекта, запрос на дискуссию по вопросам его развития как в профессиональной среде, так и за ее пределами.
В данной статье предполагается рассмотреть основные понятия и направления искусственного интеллекта, примеры использования данных технологий, а также попытаться сформулировать дискуссионные проблемы, с которыми нам предстоит столкнуться на пути развития и интеграции обозначенных технологических решений в Российской Федерации.
Прежде всего следует дать краткий обзор понятий, технологий и методов искусственного интеллекта, которые представлены в Национальной стратегии развития искусственного интеллекта и дорожной карте развития «сквозной» цифровой технологии «Нейротехнологии и искусственный интеллект».
Оба документа определяют искусственный интеллект как комплекс технологических решений, включающий информационно-коммуникационную инфраструктуру, программное обеспечение, процессы и сервисы по обработке данных и поиску решений, который позволяет имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека.
Стратегия и дорожная карта выделяют шесть технологий, основанных на использовании искусственного интеллекта: компьютерное зрение, обработку естественного языка, распознавание и синтез речи, интеллектуальную поддержку принятия решений и перспективные методы и технологии искусственного интеллекта. Рассмотрим данные технологии более детально.
Дорожная карта определяет как класс решений, которые находят, отслеживают и классифицируют объекты, а также синтезируют видео и изображения. Оценочная доля инвестиций на развитие технологии составляет 21,6%. Примерами решений в данной технологии являются система управления беспилотными автомобилями “Яндекса”, система распознавания лиц “Luna”компании “VisionLabs”.
Это, согласно стратегии, класс решений, направленных на понимание языка и генерацию текста, несущего смысл, а также общение на естественном языке при взаимодействии компьютера и человека. Доля инвестиций в технологию планируется на уровне 16,2%. Примеры решений: система потокового ввода данных “FlexiCapture” и система анализа текстовой информации “Compreno” от компании “ABBYY”.
Класс решений, позволяющих осуществлять перевод речевого запроса в текстовый вид, в том числе анализ тембра и тональности голоса, распознавание эмоций, а также синтезировать речь. Планируемая доля инвестиций - 16,2%. Пример решения - виртуальный помощник “Алиса” от компании “Яндекс”.
Согласно стратегии, включает в себя класс решений, обеспечивающий выполнение процесса без участия человека, поддержку в выборе решений, а также предсказание объектов, которые будут интересны пользователю. Доля инвестиций планируется в размере 35,1%. Пример решения - аналитический сервис “Smart Machine” компании “OneFactor”, представляющий поведенческий профиль абонентов с использованием искусственного интеллекта.
Включают в себя решения, которые оказывают влияние на все остальные технологии искусственного интеллекта и направлены на создание принципиально новой научно- технической продукции, в том числе в целях разработки универсального (сильного) искусственного интеллекта. Планируемая доля инвестиций - 10,8%.
Высокий потенциал коммерциализации и применения, а также приоритет имеют две технологии: “Компьютерное зрение” и “Интеллектуальная поддержка принятия решений”. Это обусловлено высоким уровнем развития технологий и наличием решений с высоким уровнем точности и стабильности.
Технологии “Обработка естественного языка” и “Распознание и синтез речи” имеют средний уровень, так как сильно зависят от языка. Технология “Перспективные методы и технологии искусственного интеллекта” имеют низкий приоритет, что продиктовано начальным уровнем развития.
Следует отметить, что процесс разработки и внедрения решений в области искусственного интеллекта имеет ряд существенный ограничений, выделим ключевые из них, которые представляются актуальными для Российской Федерации.
В качестве ключевого ограничения можно выделить отсутствие кадров. Причем данная проблема актуальна как для сферы исследований в области ИИ, так и для сферы управления в коммерции и государственном секторе.
По данным исследования Digital IQ [4] за 2018 год в компаниях, нацеленных на повышение эффективности, располагает высокой или достаточной квалификацией в области искусственного интеллекта всего 1% специалистов. Ситуация осложняется отсутствием программ подготовки, которые только начинают формироваться.
Эффективным решением на пути преодоления данного ограничения может стать внутрикорпоративная программа развития цифровых компетенций, реализуемая в формате участия заинтересованных специалистов в профильных форумах и конференциях, проведения познавательных лекций, экскурсий на инновационные предприятия, разборе эффективных кейсов в формате дискуссий и свободного общения.
Результатом такой работы должен стать рост цифровой культуры специалистов, повышения интереса к инновационным решениям и продуктам, формирование пула сторонников инноваций внутри компании, которые в перспективе должны стать для организации драйвером развития.
Рост цифровой культуры и погруженность в тему позволит организации не только находить внутренние ресурсы для движения вперед, но и не попасться в руки мошенникам, которые на волне высокого интереса к сфере ИИ под прикрытием сложных терминов и красивых презентаций уже сегодня стремятся занять свою нишу в новой области.
Вторым важным ограничением, на которое стоит обратить особое внимание уже сегодня - качество размеченных данных, пригодных для использования при реализации решений на базе искусственного интеллекта.
Данные должны быть не только размечены для применения в решениях на базе ИИ, но и верифицированы на максимально возможном уровне. Важно понимать, что для реализации даже самой простой задачи необходимы тысячи качественно размеченных примеров, ошибок в которых быть не должно.
Обучать искусственный интеллект на данных, качество которых вызывает подозрения, грозит не только низким качеством генерируемых рекомендаций и аналитики, но и инфляцией доверия к технологии в целом.
Идеальный продукт, обученный на некачественных данных, разочарует специалистов и руководство. В лучшем случае такое решение останется красивой игрушкой на полке разработчика, в худшем - станет источником сбоев и ошибок в работе.
Высокий процент ошибки и низкая эффективность внедряемых решений в совокупности с отсутствием у компьютеров того, что принято называть “здравым смыслом” может стать серьезным тормозом для развития технологии в целом и скомпрометировать ее в глазах общества.
Решение данной проблемы возможно только одно - масштабная и трудоемкая работа по разметке, проверке и верификации массивов данных, используемых для обучения алгоритмов, лежащих в основе решений. Подходить к этому процессу нужно основательно и фундаментально, с привлечением больших кадровых и вычислительных ресурсов.
Также следует иметь в виду программные, аппаратные и нормативные ограничения, которые вносят свои сложности на пути внедрения искусственного интеллекта.
Однако главный вопрос, который стоит сейчас перед всеми - где будет прорыв, как увидеть его первым и по какому пути развития технологии следует двигаться, чтобы оказаться на гребне волны цифровизации.
С высокой долей вероятности можно полагать, что прорывные технологии появятся в “гараже” - малых группах энтузиастов, объединенных в небольшую компанию, сообщество или исследовательскую структуру.
Для крупных игроков правильной моделью поведения в данном случае является активный поиск и анализ стартапов и среды разработчиков, посевное финансирование как проектов, так и энтузиастов, разносторонняя поддержка активности, начиная от информационной и до ресурсной.
С высокой вероятностью можно сказать, что правильным является путь прикладного тестирования пилотных проектов с простым функционалом, которые дают результат достаточно быстро и легко монетизируются, с дальнейшим постепенным усложнением задач и функций решений.
Перспективным стратегическим направлением развития в области искусственного интеллекта можно считать сферу поддержки принятия управленческих решений и оцифровки компетенций.
Создание таких инструментов, которые смогут распознавать составляющие эффективности отдельных сотрудников, команд, коллективов и передавать их в цифровом виде другим для сглаживания неравенства, сохранения уровня качества кадрового состава, упрощения и систематизации рабочих процессов.