«Цифровая трансформация затрагивает не только IT-специалистов»: интервью с Артемом Федосеевым о сферах применения Big Data и ИИ
Поделитесь с друзьями
Big Data и искусственный интеллект традиционно ассоциируются только с программированием и техническими специальностями. Так ли это на самом деле? Мы решили разобраться в этом вопросе вместе с Артемом Федосеевым, кандидатом экономических наук, доцентом кафедры прикладных информационных технологий ИОН РАНХиГС. Артем ведет курсы «Поиск и обработка информации в неструктурированных массивах данных (Data Mining)», «Введение в методы искусственного интеллекта», «Обработка экспериментальных данных».
По данным Яндекс.Wordstat за прошедший месяц пользователи сети Интернет более 400 тысяч раз поинтересовались, что такое искусственный интеллект, аналогичный запрос про большие данные был задан почти 550 тысяч раз. Артем Федосеев предложил свои определения этих понятий.
Сегодня под искусственными интеллектуальными системами понимается достаточно узкий класс технических систем, которые предназначены для решения конкретных задач, обычно не решаемых алгоритмически. Big Data или большие данные — это структурированные или неструктурированные массивы данных большого объема. Их обрабатывают при помощи специальных автоматизированных инструментов, чтобы использовать для статистики, анализа, прогнозов и принятия решений.
Чем отличается ИИ от человеческого интеллекта?
Начнём с того, что практически каждый понимает под искусственным интеллектом что-то своё. Некоторые рисуют апокалиптические картины, навязанные массовой культурой. Другие начинают утверждать, что никакого «искусственного интеллекта» нет и быть не может. Джон Маккарти, один из основоположников исследований искусственного интеллекта, заявлял: «... Исследование основано на предположении, что всякий аспект обучения или любое другое свойство интеллекта может в принципе быть столь точно описано, что машина сможет его симулировать. Мы попытаемся понять, как обучить машины использовать естественные языки, формировать абстракции и концепции, решать задачи, сейчас подвластные только людям, и улучшать самих себя. Мы считаем, что существенное продвижение в одной или более из этих проблем вполне возможно…». Искусственный интеллект — это не робот с возможностями человека, и не программа, разговаривающая с вами на естественном языке на абсолютно произвольные темы. Вероятность того, что ИИ может осознать себя личностью, конечно же, существует. Однако давать оценки такой вероятности, пока сродни гаданию на кофейной гуще. Пройдёт сравнительно немного времени, прежде чем мы точно узнаем ответ на этот вопрос.
В каких отраслях используются большие данные и искусственный интеллект?
Большие данные нужны в маркетинге, перевозках, автомобилестроении, здравоохранении, науке, сельском хозяйстве и других сферах, в которых можно собрать и обработать нужные массивы информации.
Бизнесу большие данные нужны, чтобы:
- Оптимизировать процессы — например, крупные банки используют большие данные, чтобы обучать чат-бота — программу, которая заменит живого сотрудника по простым вопросам и при необходимости переключит на специалиста.
- Делать прогнозы — анализируя большие данные о продажах, компании могут предсказать поведение клиентов и покупательский спрос на товары в зависимости от времени года или ситуации в мире.
- Строить модели — с помощью анализа данных о прибыли и издержках компания может построить модель для прогнозирования выручки.
- Анализ больших данных позволяет не только систематизировать информацию, но и находить неочевидные причинно-следственные связи.
Каким образом ИИ справляется с обработкой больших массивов данных?
Большие данные — это топливо искусственного интеллекта. С одной стороны, Big Data — это то, что обучает ИИ, делает все более и более мощным, с другой стороны — то, к чему в итоге применяются системы ИИ, чтобы генерировать реальное понимание. На помощь с обработкой больших массивов данных ИИ приходят облачные сервисы, предлагающие всю необходимую инфраструктуру и модели машинного обучения для анализа данных в управляемой среде. В принципе, при незначительных настройках можно применять методы Big Data и меньшим массивам, хотя закономерности проявляются именно в больших массивах данных.
Применяются ли Big Data и ИИ в творческих сферах?
Самообучающиеся системы давно начали проверять на креативность. Например, в 1970 году ученые разработали алгоритм, который мог писать прозаические тексты — правда, довольно бессмысленные. С тех пор ИИ научился рисовать картины, сочинять музыку и стихи, а также придумывать сценарии к фильмам. Яндекс учит нейросети записывать музыкальные альбомы, похожие на альбомы популярных групп, и писать стихи в стиле Егора Летова. Принцип действия всех алгоритмов похож: они анализируют огромный массив произведений искусства, а потом на основе полученных закономерностей «создают» свое творение: картину, музыкальную композицию, роман и т.д. Картины, созданные алгоритмом DeepDream от Google, считаются практически искусством — в первую очередь именно потому, что их создал искусственный интеллект. Однако есть другой важный вопрос — новизна. По этому критерию мы оцениваем и творения художников. Если алгоритмы не срисовывают или не обрабатывают фотографии, а, например, пишут абстрактные картины, могут ли они действительно создать что-то новое? На этот вопрос можно с уверенностью ответить «да», ИИ уже может создать что-то новое.
Каким специалистам, не связанным напрямую с программированием, было бы полезно разбираться в принципах работы ИИ?
Существует стереотип, что принципы работы ИИ и, как следствие, цифровая трансформация затрагивает только IT-специалистов. На самом деле в этом процессе должны участвовать все сотрудники компаний, и даже те, чья работа напрямую не связана с IT и программированием. Могу выделить три ключевые роли, которые могут помочь трансформации и внедрению искусственного интеллекта: директор по маркетингу, финансовый директор и руководитель IT. Сегодня сфера применения Big Data весьма широка: технологии хранения и анализа больших данных востребованы не только в торговле, рекламе и индустрии развлечений, но и в сфере безопасности, медицине, сельском хозяйстве, промышленности, энергетике, науке и государственном управлении.
Можно ли разобраться в теме ИИ и Big Data не имея образования программиста?
Конечно, без профильного образования заниматься Big Data тоже можно, но нужно быть готовым самостоятельно изучать следующие разделы: линейная алгебра (перемножение матриц и векторов), дифференциальное исчисление (производная, градиент), теория вероятностей и математическая статистика. Если образования программиста нет, но вникнуть в тему больших данных всё же хочется, существует большое количество ресурсов и источников информации для достаточно простого вхождения в тему ИИ и Big Data. Тем, кто сомневается стоит ли посвятить своё время изучению ИИ и Big Data, можно с уверенностью сказать — это очень интересное и перспективное направление. Запросы работодателей и современные тренды Big Data и ИИ учитывались при формировании и постоянном совершенствовании образовательной программы магистратуры «Digital design в менеджменте (информационно-аналитический менеджмент)». Это авторская разработка внедрения передовых информационных технологий в процесс принятия решений, построенная на успешном опыте работы международной магистратуры. Студенты программы изучают инновационные принципы управления с применением информационных технологий, осваивают методы работы с визуализацией данных и нейромаркетинг.
