Автор: Артур Леонов, Эксперт по Agile и гибкому управлению персоналом.
Первая статья из цикла статей, посвящённых современной картине использования Artificial Intelligence. В этой статье я хочу поделиться с вами теми ключевыми идеями, которые необходимо учитывать, когда для решения бизнес-задачи вам предлагается использовать решение с AI. Я расскажу, что уже доступно AI на сегодняшний день и, главное, постараюсь рассказать, что доступно на рынке для компаний без бюджета Google и Amazon.
Мы с вами живём в эпоху технологических чудес, когда и яблочко на прямоугольной тарелочке показывает дальние края, и самоходные тесла-печки уже катаются по заморским странам, да и любое карманное «зеркальце» можно попросить что-то показать или рассказать. Подсознательно мы попадаем в парадигму сказки, в которой нет ограничений, в реальном мире это не совсем так. И, хотя ограничений действительно становится все меньше и меньше, техническая возможность реализации очередного «чуда» не равна повышению бизнес-эффективности.
Одна из ключевых компетенций Product Owner и заключается в искусстве баланса между стоимостью/временем внедрения и экономическим эффектом
Будучи экспертом в технической сфере, он должен не только находить эффективные технические решения, способные удовлетворить запросы бизнеса, но и чувствовать риски, когда преждевременное начало использования новой технологии не позволит получить действительно сильный бизнес-эффект. Тут мало поддерживать просто техническую экспертизу, важно ещё и постоянно удерживать фокус на бизнес-задачах.
СКАЧАТЬ КАТАЛОГ РАЗВИТИЯ УПРАВЛЕНЧЕСКИХ КОМПЕТЕНЦИЙ
В начале своей карьеры я отчаянно спорил с владельцами бизнеса, убеждая их инвестировать в новые решения, будучи уверенным, что все должны радоваться просто от факта технического развития, де факто я излагал концепцию Сингулярности, даже не зная о ее существовании. Так было в 00х с заменой модемов на оптику и с переходом от стационарной к ip-телефонии. Сейчас в это верится с трудом, но в 2004 году было решение от компании Lucent стоимостью в миллион $ USA, на фоне него решение от Cisco за несколько десятков, предложенное мной, выглядело уже приемлемым, а в 2006 я практически за бесплатно развернул такое решение на базе Asterix. Потом была эра интернет-магазинов и различных CRM. У крупного бизнеса строились ERP, затем все побежали в мобильные приложения.
Сейчас пришло время Artificial Intelligence (AI) и чат-ботов использующих эту технологию
Мои текущие проекты тесно связаны с использованием решений на базе Artificial Intelligence (AI). Как оказалось, AI — это по факту terra incognita для многих, даже технологически грамотных руководителей и бизнесменов. Причём, знания колебались от одной крайности, что AI это примитивный набор команд уровня вопрос — ответ, до другой, что AI уже во многом превосходит интеллект человека, ведь Deep Blue выиграл у Гарри Каспарова — действующего чемпиона мира по шахматам еще в 1997 году. Это очень сильный аргумент, особенно для людей, родившихся до 1991 года, когда понятие интеллектуал и шахматист были практически синонимом. Я помню, все сильные физики в моем университете хорошо играли в шахматы и преферанс. А с другой стороны, роботом-пылесосом управляет более сложная система, чем та, что позволила Deep Blue победить ведущего мирового шахматиста. Эта ситуация побудила меня перейти из аспекта понимания AI как чисто компьютерно-математической модели к понятийной модели. Так, ранее мне пришлось придумать термин SoftKanban, чтобы помочь не ИТ бизнесу отличать промышленный Канбан-систему, придуманную в Toyota, от термина «Канбан», предложенного Андерсеном Дэвидом, для обозначения методологии, использующей идеи ЛИН в процессах разработки интеллектуальных продуктов и управления ИТ инфраструктурой.
Очень сложно правильно оценить реальные возможности нового класса решений, не понимая что скрыто за названием, какие задачи AI сможет решить сегодня и в ближайшей перспективе. Так, например, системы класса CRM — это простые системы, реализующие субъект-объектную модель и эти системы в принципе не могут решить задач ERP-систем, которые должны решать уже процессные задачи.
Давайте выясним, какими реальными возможностями, доступными на текущий момент, обладает AI
Начну я с первого когнитивного искажения, которое вызвал неудачный перевод термина AI, который, в свою очередь, привёл к возникновению когнитивной ловушки. В англоязычной литературе в термине AI используется слово Intelligence а не Intellect. Слово Intelligence приводится как разумность и используется для обозначения разумности или сообразительности у животных, в то время как слово — Intellect интеллект применимо только по отношению к людям. Сразу становиться понятным, что при такой расстановке акцентов мы будем ожидать от нашей виртуальной «разумной» системы смышлёности в пределах братьев наших меньших, не пытаясь ожидать решений, на которые способен человеческий разум. Хотя иногда собаки и кажутся разумнее своих хозяев, ожидание от AI проявления полноценного Интеллекта становятся намного скромнее. Робот-пылесос уже не кажется тупым лишь потому, что он уронил хулахуп и поймал себя в плен. Далее я буду использовать англоязычный термин Artificial Intelligence (AI) вместо русского Искусственный Интеллект (ИИ).
Следующий фактор, мешающий понять текущую картину — это условная и достаточно запутанная классификация AI. Попытки просто загуглить, что есть AI будут приводить вас либо к практическим рекомендациям по использованию определённых библиотек Python или JavaScript или к другой крайности: вы будете находить философские рассуждения на тему AI и будущего человечества. Чтобы разобраться в реальной картине мира AI, придётся начинать с самого начала а именно, с истории развития AI.
Первое упоминание о мыслящих машинах можно найти ещё в античных сочинениях: Так в «Илиаде» Гомера рассказывается о том, как Гефест выковал необычные треножники для прислуживания гостям. Также до нас дошли манускрипты, описывающие работу уже вполне реальных механизмов с обратной связью — автоматов, которые приводились в движение после того, как в прорезь опускалась монетка, или после нажатия на ручку наливалась вода (Служанка-автоматон — изобретение Филона Византийского, механика III века до н. э.).
До наших дней сохранились и действуют автоматы самого известного механика — швейцарского часовщика из Ла-Шо-де-Фон, Пьера Жак Дро, работавшего более 250 лет назад. Его самый сложный автомат, «Писатель» — состоит из шести тысяч деталей. Этот автомат мог написать с помощью пера краткий текст размером до сорока слов! Это уже настоящий робот копирайтер. Также стоит отметить счётную машину Паскаля, которая умела «сама» производить вычисления — это, пожалуй, первый задокументированный случай, когда машина давала решение произвольной арифметической задачи (ограничением была только разрядность самой машины). И до сих пор любой калькулятор является, пусть и самым примитивным, но AI.
Конечно, настоящая история развития начинается со второй половины ХХ века с изобретением ЭВМ.
Мне кажется, что справедливо считать историю AI с 1950, когда великий Тьюринг опубликовал свою работу, в которой предложил рассмотреть очень простой вопрос ‘Can machines think?’, в которой в качестве критерия разумности машины предложил простой тест-игру: испытуемый человек должен определить, кто является его собеседником, машина или человек. Сам же термин AI был введен John McCarthy в 1956, как раз чтобы подчеркнуть тот факт, что их группа занимается исследованиями именно способности машин к мышлению, а не робототехникой или вымышленными автоматами, которые были в тренде исследований в те годы.
Продолжение в следующей части…..
- Как искусственный интеллект помог “Ленте” ускорить подбор персонала
- Знания из машины: профессор Роуз Лакин расскажет об искусственном интеллекте на конференции EdCrunch
- Кейс. Искусственный интеллект в HR сокращает время поиска специалистов в 25 раз
