На протяжении всей истории были кондратьевские волны, обычно называемые инновационными волнами, включая изобретение электричества, печатного станка и паровой машины. Все эти технологии вызвали смену парадигмы, в результате которой изменился способ функционирования мира. Сегодня многие считают, что искусственный интеллект — это следующая волна Кондратьева, и что он будет нести ответственность за преобразование того, как предприятия создают ценность, как люди работают и, в конечном счете, как они живут.
Чтобы компании выжили в эпоху ИИ, они должны быть готовы отказаться от устаревших технологий и инвестировать в новые способы ведения дел, иногда достаточно быстро, чтобы оставаться актуальными. Это явление называется эффектом «горящей платформы» и основано на идее о том, что для того, чтобы оставаться конкурентоспособными, предприятия должны принять стратегию радикальных изменений, как если бы их нынешний способ ведения дел был в огне.
Хотя очень важно внедрять новые технологии с чувством безотлагательности, популярный аргумент против эффекта горящей платформы заключается в том, что создание чувства страха для достижения изменений противоречит здравому смыслу. В статье Forbes говорится, что страх заставляет людей быть более консервативными — меньше рисковать и сохранять статус-кво. Чтобы успешно провести изменения в культуре, лидеры должны обеспечить, чтобы их команды чувствовали себя в достаточной безопасности, чтобы активно участвовать в этих преобразованиях.
Истинное принятие организационной трансформации исходит из готовности ее сотрудников к инновациям. Инновации основаны на способности людей пробовать что-то и терпеть неудачу без осуждения или наказания. Обеспечение общей веры в то, что каждый член команды может безопасно рисковать (включая реализацию идей, которые имеют высокую вероятность провала), приводит к более долгосрочному успеху, называемому эффектом прототипирования, популярным методом в инженерии. которые внедряют такие компании, как Google, вместо идеологии горящей платформы.
Эффект прототипирования показан ниже и объяснен Адрианом Отто, техническим директором Google: «По нашему опыту, лучший способ добиться большего успеха и укрепить доверие к вашей культуре — это увеличить количество идей, которые вы пробуете. В Google мы делаем это, продвигая небольшие постепенные изменения и стремясь совершенствоваться с каждой итерацией. Наши знания в основном поступают из категории «опробованных идей», поэтому, чем активнее мы там, тем быстрее мы учимся и совершенствуем наши действия для достижения успеха».
Чтобы понять важность волны А. И. Кондратьева и как добиться успеха с подходом быстро терпит неудачу, терпит неудачу часто, вот 10 главных выводов, составленных из книги Harvard Business Review of Artificial Intelligence.
1) Важнейшей технологией общего назначения в нашу эпоху является искусственный интеллект.
Термин искусственный интеллект был придуман в 1955 году Джоном Маккарти, профессором математики Дартмутского колледжа. Хотя ИИ добился значительных успехов за последние 66 лет, самое существенное улучшение произошло даже не за последние десять лет, а только за последние пять лет с 2016 года.
Руководители видят в этом разрушитель; сотрудники рассматривают его как разрушителя рабочих мест, а консультанты преподносят его как панацею. Тем не менее, ИИ является наиболее важным технологическим достижением нашей эпохи. По данным McKinsey, к 2030 году он внесет 13 триллионов долларов в ВВП, что делает его самой заметной коммерческой возможностью в сегодняшней быстро меняющейся экономике.
2) Разные вкусы ИИ.
Искусственный интеллект (ИИ): широкая область или термин, описывающий любую машину, способную действовать автономно.
Машинное обучение (ML): вид ИИ, при котором компьютеры учатся на основе данных без использования сложных правил. Машинное обучение — это способ использовать стандартные алгоритмы или модели для анализа данных, чтобы получать прогностические идеи и повторяющиеся решения в масштабе. Он учит компьютер решать задачи, снабжая его примерами правильных ответов.
Глубокое обучение (DL): это тип машинного обучения, который имитирует то, как люди получают определенные типы знаний. В то время как традиционные алгоритмы машинного обучения являются линейными, алгоритмы глубокого обучения имеют возрастающую сложность и иерархию абстракций.
Обучение с подкреплением (RL): передовой метод машинного обучения, который позволяет моделям изучать сложное поведение без помеченных обучающих данных, а затем принимать краткосрочные решения, оптимизируя их для достижения долгосрочных целей. Любимым примером RL является AWS DeepRacer, полностью автономный миниатюрный гоночный автомобиль, управляемый с помощью обучения с подкреплением, у которого даже есть глобальная гоночная лига!
3) ИИ в своей самой простой форме — это прославленная формула Excel.
ИИ может быть пугающим для технарей, не говоря уже о тех, кто не является техническим специалистом. В интервью с Хоакином Канделой, руководителем отдела искусственного интеллекта в Facebook он упрощает искусственный интеллект и дает простое и понятное объяснение любому, кто знаком с Excel. Он утверждает, что алгоритм машинного обучения — это, по сути, справочная таблица ключевых входных данных и их значений. Например, алгоритму даются изображения лошадей и изображения, не являющиеся лошадьми. Затем эти изображения помечаются как таковые, и алгоритм сохраняет ответы в таблице. Если появляется новое изображение или пример, алгоритм переходит к предыдущим примерам, чтобы определить, действительно ли новое изображение является лошадью или нет.
Это гораздо больше, чем это, но определение Хоакина делает его реалистичным, почти осязаемым и, следовательно, достижимым.
4) Нетехнический персонал должен знать, как работает ИИ.
Сильная стратегия ИИ заключается в том, чтобы внедрить ее в саму ДНК культуры компании, а позитивная культура — в том, чтобы сотрудники чувствовали себя в достаточной безопасности, чтобы внедрять инновации. Сильная стратегия ИИ также учитывает преимущества того, что люди, не являющиеся техническими специалистами, понимают концепции ИИ и варианты его использования. Машинное обучение уже присутствует во всем, к чему они прикасаются. Это в PowerPoint с его рекомендациями по дизайну, и это в их программе расходов, такой как Concur, классифицирующая квитанции. Это в Gmail, когда он делает предложения о том, как завершить свои предложения.
Более широкое понимание ИИ и того, как он в настоящее время играет роль в жизни людей, может привести к тому, что многие различные бизнес-подразделения, а не только инженеры, будут разрабатывать идеи о том, как ИИ может решать фундаментальные бизнес-задачи. Повышая свою производительность с помощью автоматизации или повышая удовлетворенность клиентов с помощью моделей прогнозирования. По словам Эммы Мартиньо-Трусвелл, есть три вопроса об ИИ, на которые сотрудники, не имеющие технического образования, должны уметь ответить; как он работает, в чем он хорош и что он никогда не должен делать?
То, что ML может решить проблему, не означает, что так и должно быть. Мы можем обучить ИИ обнаруживать человеческие эмоции, но должны ли мы снабжать менеджеров умными очками, чтобы определять эмоции их сотрудников во время каждой встречи? Сотрудники должны понимать этические ограничения ИИ. Отличный способ обнаружить этические ограничения — оценить, насколько комфортно люди будут чувствовать себя при вмешательстве ИИ в конкретные сценарии. Например, ИИ может определить, насколько продуктивны сотрудники на основе их активности за компьютером. Следует ли использовать ИИ в этой ситуации для выговора непродуктивным сотрудникам, или это неэтичное использование ИИ?
5) Цель ИИ должна заключаться в экономии человеческого времени и энергии, а не в захвате рабочих мест.
Распространено опасение, что искусственный интеллект заменит человеческие рабочие места, что приведет к массовой безработице и экономической депрессии. Это рисует очень антиутопическое и пугающее будущее, но обширные данные свидетельствуют о более обнадеживающем и утопическом будущем. ИИ фокусируется на экономии человеческого времени и энергии, что побуждает людей сосредоточить свои усилия на проектах, увлеченных страстью, или на том, чтобы сделать мир лучше для всех существ.
Наиболее реалистичным будущим будет то, что ИИ будет работать вместе с людьми, автоматизируя различные утомительные задачи, делая людей более эффективными в своей работе, более чем сейчас. Руководители, которые хотят, чтобы их компания процветала в будущем ИИ, должны поставить перед собой следующие цели:
- Используйте технологии для расширения человеческих навыков и переосмысления операционных моделей
- Воспользуйтесь возможностью переопределить рабочие места и переосмыслить организационную структуру
- Сделайте сотрудников партнерами в построении интеллектуального предприятия
6) Компании, которые ждут, чтобы внедрить ИИ, могут никогда не наверстать упущенное.
Компании, которые планируют использовать подход «быстрого последователя» к ИИ, могут никогда не наверстать упущенное. Первые пользователи займут значительную долю рынка, работая с меньшими затратами и более высокой производительностью.
В отчете Softchoice Отчет о состоянии облачного ИИ за 2021 год, в котором были опрошены как руководители высшего звена, так и отдельные участники, было показано, что более 60 процентов бизнес-лидеров знают, что расширенная аналитика данных и машинное обучение окажут преобразующее влияние на их бизнес уже в 2022 году. Тем не менее, более 40% индивидуальных участников заявили, что им не хватает поддержки со стороны их менеджеров и навыков машинного обучения в их командах.
Изучение управляемых или профессиональных партнеров по обслуживанию — это вариант для компаний, которым в настоящее время не хватает собственного опыта при разработке стратегии ИИ.
7) Как ИИ изменит стратегию.
Авторы книги Машины прогнозирования: простая экономика искусственного интеллекта заявили, что их наиболее часто задаваемый вопрос руководителей — Как ИИ изменит стратегию. Хотя мы не можем точно сказать, на что способен ИИ, мы можем основывать наши стратегии на его текущем состоянии, особенно на моделях прогнозирования. Прогнозы ИИ станут более интеллектуальными по мере того, как все больше компаний будут обучать модели на существующих данных, постоянно собирая новые данные.
Бизнес-лидеры должны разрабатывать свою стратегию с учетом этих текущих возможностей, а затем брать на себя просчитанные риски в отношении возможных состояний ИИ в ближайшем будущем.
Примером стратегии с текущим и будущим состоянием ИИ являются покупки на Amazon. Мы уже знаем, что Amazon в настоящее время предсказывает, какие продукты могут быть интересны, основываясь на их истории поиска и прошлых покупках. Amazon также может предложить выкупить товары. В прошлые выходные моя Алекса устно предположила, что пришло время изменить порядок листового чая, который я покупаю каждые три месяца.
В статье также поднимается интересный вопрос: что, если Amazon изменит свою бизнес-стратегию с предиктивных покупок на предиктивную доставку? Например, что, если Amazon решит доставлять чай, который я покупаю каждые три месяца? Может быть, они также решили отправить чайные пакетики, чтобы положить в них листовой чай? Скорее всего, я бы сохранил оба предмета и принял бы на себя расходы. Amazon, вероятно, уже сначала работает над этим кораблем, покупая за предиктивной моделью, но, вероятно, все еще находится на стадии исследования, отреагируют ли потребители положительно или отрицательно на эту функцию.
8) Качественные данные будут более актуальными, чем количественные.
По мере развития ИИ он будет меньше полагаться на искусственный интеллект, обученный работе с большими данными, который называется «снизу вверх», и больше внимания будет уделяться искусственному интеллекту, работающему с данными в реальном времени, который называется «сверху вниз». Восходящий ИИ обучает модели делать прогнозы на основе больших объемов данных. Обучение ИИ сверху вниз требует меньшего количества данных, но больше наблюдения и обучения с подкреплением. Например, упомянутым ранее AWS DeepRacers требуются данные в режиме реального времени и текущие данные об окружающей среде, чтобы быстрее мчаться по трассе.
Хотя теория искусственного интеллекта «сверху вниз» впервые была упомянута в 1950-х годах, искусственный интеллект «снизу вверх» был более достижим и, следовательно, более популярен. Поскольку мы наблюдали такое значительное развитие с восходящим движением, компании теперь могут начать экспериментировать с нисходящим, что исключительно выгодно для стартапов, у которых нет петабайтов в озерах данных, таких как традиционные предприятия.
Со временем мы освоим прогностические модели и научим машины здравому смыслу, пытаясь имитировать человеческое познание, но мы еще не достигли этого. Эта идея подводит нас к следующему пункту в гонке по созданию эмоционально интеллектуального ИИ.
9) Переход от ИИ, основанного на коэффициенте интеллекта (IQ), на основе данных, к ИИ, управляемому глубоким эмоциональным интеллектом (EQ).
Аннет Циммерман, вице-президент по исследованиям в Gartner, написала: К 2022 году ваше личное устройство будет знать о вашем эмоциональном состоянии больше, чем ваша собственная семья. Всего два месяца спустя знаменательное исследование, проведенное Университетом Огайо, показало, что его алгоритм теперь лучше определяет эмоции, чем люди.
Мы можем обучить модель ИИ интерпретировать эмоции, прислушиваясь к тону чьего-то голоса или выражению лица. Затем мы можем обучить ИИ, как реагировать, если он обнаружит гнев или печаль, но мы не можем научить его реагировать самостоятельно, как это делают люди, главным образом потому, что мы не можем объяснить, как мы это делаем сами. Это называется Парадокс Поланьи, теория, согласно которой человеческое знание того, как устроен мир, в значительной степени находится за пределами нашего явного понимания.
Возможно, самая большая проблема, с которой мы сталкиваемся при разработке эмоционально интеллектуального ИИ, может заключаться в том, чтобы найти более эмоционально интеллектуальных людей, которые помогут их создать. Распространено мнение, что женщины, как правило, получают несколько более высокие баллы при тестировании на эмоциональный интеллект. Независимо от того, правда это или нет, отчет Kaggle Состояние науки о данных и машинного обучения в 2020 году показал, что наука о данных по-прежнему страдает от значительного гендерного разрыва на рабочем месте; только 16 процентов специалистов по данным идентифицируют себя как женщины.
Создание более разнообразных групп по машинному обучению и включение в них людей, не являющихся техническими специалистами, могло бы устранить текущие ограничения в разработке эмоционально интеллектуального ИИ.
10) Начните с малого, но мыслите с умом.
Первый проект ИИ должен дать команде быструю победу, чтобы побудить их заняться более сложным будущим проектом. Быстрый успех также поможет получить немедленную поддержку со стороны команды ELT и остального бизнеса, что приведет к необходимому финансированию, если это необходимо.
Прежде чем начинать проект ИИ, важно подумать о тех, кто усвоил некоторые тяжелые, но важные уроки. ИИ может быть мощным, но он также очень наивен, молод и чаще терпит неудачу, чем добивается успеха.
Будьте готовы к провалу, потому что проект может очень быстро пойти не так, в зависимости от проекта ИИ. Возьмем, к примеру, случай, когда пользователи Твиттера научили нового чат-бота Microsoft с искусственным интеллектом менее чем за 24 часа становиться крайне неуместным.
Помните, что потерпеть неудачу — это нормально; неудача может создать новые возможности. Google Glass, изначально задуманные как следующая эволюция смартфона. Хотя он так и не стал популярным на массовом рынке, он стал уникальным корпоративным решением, помогающим производственным работникам работать умнее, быстрее и безопаснее.
В заключение, Harvard Business Review об искусственном интеллекте был захватывающим чтением. При разработке стратегии искусственного интеллекта важными выводами являются обеспечение разнообразия команд машинного обучения и участие в проекте нетехнических сотрудников. Однако, что более важно, всегда уважайте конфиденциальность данных пользователей в моделях обучения и учитывайте этические ограничения каждого проекта.
Готовы заняться проектом ИИ? Эндрю Нг, основатель и глава Google Brain, создал План по трансформации ИИ, чтобы вы могли начать работу.
