«Проснулись утром, а кругом — роботы»: куда нас приведет искусственный интеллект?
С искусственным интеллектом связано несколько модных страшилок. Одна из самых популярных: роботы вот-вот лишат людей работы. Российские инвесторы, владельцы и менеджеры компаний в сфере AI считают, что «не так страшен черт». О том, какие специальности будут востребованы в будущем, куда лучше инвестировать и что общего между ИИ и кликбейтом, говорилось на публичной дискуссии First Talk, организованной Сбербанком. Тема дискуссии — «Войны интеллекта: люди против машин». Inc. публикует самое интересное из этого разговора.
Участники встречи
Евгения Коновалова
генеральный директор компании Science Guide (модератор)
Николай Давыдов
сооснователь фонда Gagarin Capital
Дмитрий Мацкевич
сооснователь платформы Dbrain
Денис Филиппов
руководитель отдела разработки голосовых технологий и продуктов, Яндекс
Александр Ханин
основатель и генеральный директор VisionLabs
Роман Нестер
основатель Segmento
«Белочки» и «крысы»
Мацкевич:
По сути, весь этот хайп, связанный с искусственным интеллектом, во многом касается deep learning. Эта революция произошла за последние годы — появились достаточные вычислительные мощности для просчитывания сложных нейронных сетей и моделей, в которых очень много слоев. В то же время накопилось очень много данных, которые можно просчитать и получить какой-то результат.
Нестер:
Искусственный интеллект классически определяют как способность машины демонстрировать разумное поведение (например решать задачу без каких-либо дополнительных вводных и действовать в изменяющихся обстоятельствах). Исходя из этого, можно сказать, что даже в эскалаторе есть искусственный интеллект: он понимает, когда вас везти быстрее, а когда — остановиться.
Здесь употребили термин «хайп», а, как по мне, для искусственного интеллекта больше подходит определение «кликбейт». Когда СМИ пишут в заголовке: «У Леонардо ДиКаприо есть брат-близнец в Минске», — читатели начинают сразу кликать на новость. Похожим методом сейчас действуют компании, люди и СМИ по всему миру — все что ни попадя называют искусственным интеллектом. Поэтому стоит, наверное, придумать другое определение для AI, — использовать нынешний термин компаниям, которые в реальности применяют машинное обучение, становится «западло».
Филиппов:
Давайте перейдем к более простым терминам. Искусственный интеллект — это программа: на входе она принимает много данных, затем пытается решить задачу. А «хайп» сейчас — это технологии, которые базируются на программах, использующих подходы машинного обучения. Скажем, вы заказываете машину в Яндекс.Такси — и через 5 минут она уже около вашего подъезда. Это искусственный интеллект? Нет, это программа, умеющая хорошо просчитать, где вы находитесь и как далеко от вас ближайшая машина с нужным тарифом. Машинный перевод текста с одного языка на другой — это работа ИИ. Принципиальный момент лишь в том, что появились действительно большие вычислительные мощности и стало возможно применение глубоких нейронных сетей к решению понятных практических задач. После этого появился спрос на технологии и массовый пользователь увидел ИИ в реальных продуктах. Мы сейчас наблюдаем такой «хайп», потому что это начало реально работать.
Ханин:
Я не считаю, что это только «хайп», хотя тема сейчас и вправду перегретая и многие стартапы добавляют deep learning и blockchain для привлечения внимания. ИИ действительно помогает бизнесу, но пока наиболее эффективно решает те рутинные и массовые задачи, где люди допускают много ошибок или не могут действовать с масштабом и скоростью машины. В банках я часто сталкиваюсь с такой проблемой: операционист долго изучает фотографию многолетней давности в моем паспорте, а потом вместе с другими сотрудниками обсуждает — похож или нет. Одна из прикладных задач искусственного интеллекта — автоматизировать такие процессы, чтобы не доставлять никакого дискомфорта клиентам. Сейчас это готовы не просто обсуждать — за это готовы платить.
Давыдов:
Я могу пошутить. Знаете, чем отличаются белочки от крыс? Пиаром. Вот примерно тем же отличается AI от остальной математики.
Революции не будет
Коновалова:
Перейдем к будущему: сможет ли искусственный интеллект сделать 4-ю промышленную революцию?
Нестер:
Во-первых, я довольно скептически настроен по поводу реального влияния искусственного интеллекта на нашу жизнь. А во-вторых, если что-то и будет происходить — вы вряд ли на это обратите внимание. Знаете, я не читал ни одного интервью убитого горем кассира, вместо которого стали работать банкоматы (а это не что иное, как роботы, научившиеся хорошо выполнять одну функцию). Все будет происходить очень постепенно и плавно.
Сейчас AI больше всего похож на огромное количество умнейших людей, которые создают, скажем, классные блестящие ботинки. Они тратят силы на создание удобной подошвы и прекрасного равномерного блеска, но ходить в этой обуви мы еще не умеем. И в этом может быть проблема: мы видим огромные ожидания от индустрии, а заметный экономический эффект пока не наступает.
Мацкевич:
При этом есть компании, которым удается в отдельных узких индустриях (например продаже билетов) автоматизировать до 70% обращений. Это уже понятный value creation — на 70% ниже косты. Достаточно одного успешного кейса на 10 провальных, чтобы оправдать эту технологию.
Ханин:
Мне кажется, многие клиенты и команды совершают ошибку — полагают, что искусственный интеллект, машинное обучение или скачанная из интернета нейронная сеть в сочетании с данными совершат чудо. Наличие крутой технологии не гарантирует успех компании и счастье конечных пользователей. Последнюю милю делает все-таки сама команда — правильно упаковывает, преподносит и обосновывает продукт, показывает business value этой технологии.
Знаете, как мы поначалу продавали свои решения, связанные с компьютерным зрением? Приходили в банки и к ретейлерам и рассказывали про нейронные сети и методы обучения, показывали графики — какое место мы где-то заняли. Нам жали руку и просили порекомендовать, в какой вуз поступить сыну. Уже наученные горьким опытом, мы стали рассказывать, какой value получит компания: ускорится на 20% кредитный конвейер, вырастет индекс Джини или сократятся косты на персонал… Люди внедряли, покупали и после нескольких месяцев использования спрашивали: «Парни, а расскажите, что это такое? Черная магия?»
Мы живы и развиваемся, потому что в 2014-м решили перестать заниматься распознаванием всего, что движется, и стали заниматься вполне конкретной прикладной сферой. Выбрали сегмент рынка, который, по нашему мнению, был максимально близок к заключению контракта, — розничные риски в кредитных организациях (банках, МФО, кредитных бюро). Раньше мы распыляли ресурсы, а теперь сфокусировали их и попытались с учетом фидбэков заказчика сделать понятный продукт, который органично встроится в существующие бизнес-процессы и быстро докажет, что срок возврата инвестиций приемлемый. Лишь став лидерами в одной сфере, мы начали диверсифицироваться, — выбираем новые ниши, где применяется та же технология, и развиваем другие сферы компьютерного зрения.
Филиппов:
Сейчас IT-гиганты пытаются выстроить вокруг своих голосовых помощников целую экосистему. Дальше этот искусственный интеллект поселится во всех окружающих нас устройствах. Одновременно строится платформа, которая позволит различным бизнесам и сервисам зайти в эту экосистему со своими продуктами и услугами. Это и будет, наверное, ближайшее явное изменение.
Роботы vs Люди
Коновалова:
Когда роботы нас захватят и уволят с работы?
Ханин:
Наверное, стоит ожидать постепенного сокращения действительно рутинных профессий — юристов, охранников и операционистов. Но сократить их полностью невозможно — ряд профессий требуют абстрактного мышления для принятия решений. Кроме того, технологии сейчас сильно опережают темпы изменения законодательства: технически ряд операций уже можно автоматизировать, но по закону требуется физическое присутствие человека. Поэтому каких-то невероятных революций (проснулись утром, а кругом — роботы) мы не увидим. Все будет происходить плавно.
Мацкевич:
AI повышает эффективность людей: легально все тот же охранник может вести наблюдение за объектом, но ему больше не надо проверять каждую камеру. Просто теперь искусственный интеллект покажет ему ту картинку из миллиона, на которую надо посмотреть.
Нестер:
Сейчас есть колоссальное количество решений для рекламодателей. ИИ каждую неделю сам обсчитывает бизнес-площадки и решает, сколько денег куда направить. С другой стороны, есть система Segmento — она автоматически выбирает, кому показать рекламу. Эти две машины заменяют собой полный цикл рекламного медиапланирования. Думаю, рекламная индустрия практически полностью перейдет на работу без людей. Решения будут автоматическими — и исключительно на основе бизнес-эффектов.
Мацкевич:
Я могу привести пример, как внедрять ИИ, чтобы не возникало сопротивление сотрудников. Ты можешь прийти в клинику и сказать: «Теперь вместо 10 кейсов в день с этой технологией можно делать 20. И зарабатывать, допустим, на 20% больше, при этом делая услугу дешевле для клиентов, но эффективнее».
Филиппов:
Добавлю один пример: некоторое время я занимался автоматизацией контакт-центров с помощью речевых технологий. Мы делали проект в «Мегафоне» — его операторы делали огромную рутинную работу (представьте себе: в день отвечать на 100 одинаковых вопросов). Там барьеры внедрения преодолевались тем, что рутинные задачи забирала на себя автоматизированная система. У людей же появилась возможность решать более сложные, интересные и разнообразные задачи абонентов — в результате их работа может более высоко оплачиваться. В целом качество сервиса должно для конечного потребителя расти.
Время учиться технологиям
Мацкевич:
Есть много исследований о том, что выздоровление больного зависит, скажем, на 40% от лечения и на 60% — от общения с врачом и эмпатии (доктор тебя выслушает и подбодрит). То есть все профессии, где требуется общение между людьми (медики, учителя, менеджеры по продажам, возможно, инвесторы), никуда не денутся — потому что моделировать общение крайне тяжело.
Нестер:
Сейчас отличное время, чтобы учиться технологиям. Есть такая проблема: существуют прекрасные стартапы, все они что-то делают, но нет такой профессии как постановщик задач. Заказчик обычно плохо разбирается в технологиях и ставит задачу примерно таким же образом — максимально размыто. А инженеры — люди, которые занимаются технологиями, — страдают от того, что не получают точное ТЗ, но в итоге бизнес вынуждает их что-то придумывать. И получается довольно уродливая картина:бизнес-консультированием занимаются инженеры, а заказчик получает странный продукт, который часто даже не воспринимает как результат. Люди, которые станут промежуточным звеном между технологиями, инженерами и бизнесом, будут очень востребованы. Для этого им необходимо понимать и как устроен бизнес, и как работают технологии, и как людям ставить задачи.
Ханин:
Действительно, нужен «мостик» между фантазиями заказчиков и суровой реальностью. Такие консультанты помогут структурировать данные, описывать текущие бизнес-процессы и выявлять узкие места. Они смогут обосновать и реализовать типовые сценарии, которые ранее в других местах и схожих ситуациях принесли какую-то ожидаемую выгоду.
Есть и другой аспект — противодействие технологиям (этот сегмент сейчас очень сильно растет). Если вы занимаетесь распознаванием людей — всегда найдутся те, кто будет пытаться затруднить этот процесс. Это как гонка вооружений или противоядие. Разрабатываются методы и алгоритмы действий для того, чтобы скрыться от распознавания или обмануть нейронную сеть.
Во что инвестировать?
Ханин:
Мы сейчас видим — например по своей практике, — что нужно на какие-то кроссплатформенные технологии обращать внимание. Здесь, наверное, универсального совета нет.
Мацкевич:
С точки зрения логики, я обычно рассуждаю так: не стоит инвестировать туда, куда инвестируют все, — скорее всего, там уже перенасыщен рынок. С этой же позиции, я бы в искусственный интеллект не инвестировал — разве что в его узкие применения, где количество вариативности данных ограничено (на текущем уровне развития это реально будет продуктивно).
Нестер:
Я рекомендую смотреть на производителей «железа», которое в дальнейшем станут использовать в машинном обучении: устанавливать на предприятиях и собирать какие-то данные. Также я бы рассматривал компании, которые в реальности занимаются оптимизацией крупного бизнеса. Те, кто делает что-то умное и прорывное в технологиях, чаще всего смогут продать это большому количеству клиентов, — поэтому и здесь стоит идти от клиента.
Куда инвестируют все — идти точно не стоит. Не занимайтесь «дата сайнс» и программированием — ваш поезд уже ушел. Даже если вы сейчас чему-то научитесь — скорее всего, уже через 5-6 лет это будет с успехом делать машина. Мне кажется, стоит идти в те направления, где изучают человека, особенности принятия решений и взаимодействия с другими людьми.
С точки зрения того, что внедрять конкретно в своей компании: на мой взгляд, машинное обучение приносит больше всего пользы для бизнеса в двух направлениях — цифровом маркетинге и HR. В этих сферах есть реально работающие технологии — они дадут вам проценты прироста эффективности.
Филиппов:
В сегодняшнем мире нас окружает огромное количество информации — развлечения, музыка, фильмы… Нам очень сложно ориентироваться в этом потоке, при этом задача развлечь себя всегда есть. Поэтому важно создавать такие решения (например голосового помощника), которые смогут очень точно рекомендовать, на что обратить внимание в потоке информации. Мы движемся в сторону таких вот правильных рекомендательных систем.
Советую также инвестировать в диалоговые технологии — мне кажется, это следующий виток после смартфонов.
«Перегрето» ли здравоохранение?
Коновалова:
Сфера health care считается самой «перегретой» в России. Действительно ли так сложен порог входа в эту сферу, особенно с точки зрения ИИ?
Мацкевич:
Согласен с этим. Мы стараемся не браться за индустрии, которые являются частью повседневной жизни большого количества людей. Например, в медицине очень много конкуренции и все думают, что сейчас внедрят ИИ и сделают индустрию лучше.
Давыдов:
А я бы не назвал health care перегретой индустрией: всегда люди хотят жить и не болеть — это первичная потребность человека. Поэтому в медицине достаточно денег и огромное количество вещей, требующих автоматизации. Есть еще фармакология — там огромный простор, а стартапов недостаточно.
Нестер:
В медицине — огромный объём оффлайн-составляющей. Разнообразное «железо» не умеет контактировать между собой, и пристраивать к нему ИИ — абсолютно бессмысленная затея. Вот почему я не верю, что в российской системе здравоохранения свершится какой-то прорыв.
