ИИ в бизнесе. Как машина помогает «делать» деньги

0

Лишь десять процентов компаний смогли увеличить доход, внедряя искусственный интеллект. Исследователи разобрались, что лежит в основе их успеха.


Среди компаний, применяющих ненастоящий интеллект в рабочих процессах, только десятая часть смогла получить из этого существенные финансовые выгоды, говорится в докладе аналитиков Массачусетского технологического института и консалтинговой компании Boston Consulting Group.


Изыскание показало, что главным фактором успеха стала взаимообучаемость, когда, не только алгоритмы учились у людей, но и сотрудники компании бывальщины готовы учиться у машины. Корреспондент.net рассказывает подробности.


 


Взаимодействие человека и машины


Аналитики BCG, которая входит в «вящую тройку управленческого консалтинга» и научно-исследовательского журнала лучшего технического вуза мира MIT Sloan Management Review, опубликовали на этой неделе изыскание о результатах внедрения ИИ в рабочие процессы компаний.


В последние годы искусственный интеллект внедряются в самых разных сферах, в том числе дальних от IT-технологий. Однако только десяти процентам из них получилось применять алгоритмы с финансовой для себя выгодой.


Роботы отберут труд. Доклад о бурном развитии ИИ


Исследователи опросили более трех тысяч менеджеров из 29 отраслей и 112 краёв. Большинство из них (57 процентов) сообщили, что в их компаниях тестируется или уже внедрен искусственный интеллект в рабочие процессы. 59 процентов рассказали, что в их компаниях разработали стратегию по применению ИИ.


При этом вяще 70 процентов опрошенных менеджеров сообщили, что в их компания есть понимание того, как ИИ может помочь в получении барыши от бизнеса. В докладе отмечается, что три года назад утвердительно на этот вопрос ответили 57 процентов респондентов.


Однако лишь каждый десятый принявший участие в исследовании управленец заявил, что внедрение ИИ уже принесло им существенные финансовые выгоды.


Авторы изыскания делают вывод, что залогом успеха является сочетание взаимодействия человека и ИИ. Эффективность искусственного интеллекта в такой ситуации может вытянуться в шесть раз.


Аналитики выделили пять способов взаимодействия алгоритмов и людей:


  • ИИ принимает решения и выполняет их

  • ИИ принимает решения, а люд выполняют

  • ИИ дает рекомендации, а люди принимают решения

  • ИИ генерирует идеи и аналитические выводы, а люди используют их в процессе принятия решения

  • люд генерируют идеи и выводы, а ИИ оценивает их


Среди компаний, которые используют только один из этих способов, финансовые успехи наблюдаются лишь у пяти процентов. Если два способа — шесть процентов. 


При использовании трех или четырех вариантов — 15 процентов, зато при сочетании всех пяти способов взаимодействия — 32 процента.


«Один-единственный наиболее важный фактор, определяющий создание ценности с использованием ИИ, — это не алгоритмы и не технологии, а человек. У избранной группы успешных компаний лучше, чем у иных, получается создавать интегрированные системы ИИ — человек, в которых ИИ учится у человека, а человек учится у ИИ», — считает управляющий директор и партнер BCG Макс Хаузер.


Ненастоящим интеллектом сейчас называют нейронные сети, которые используют так называемый метод глубокого обучения.


Такая сеть в кое-каком роде воспроизводит организацию нейронов в мозге, и по сути является набором простых вычислителей, связанных между собой и умеющих получать входные эти, передавать друг другу сигналы и формировать ответ. Чем сложнее архитектура нейросети, тем более сложные задачи она может научиться решать.


Одной их самых перспективных сфер использования машинного обучения является медицина, а собственно поиск новых лекарств.


Так, в начале этого года стало известно, что ученые Массачусетского технологического института впервые за полвека отыщи несколько новых антибиотиков. Сделать открытие им помогла нейросеть, что стало уникальным достижением в истории медицины.


А в октябре 2020 года в MIT представили модель, какая может генерировать новые лекарства против туберкулеза. Большая часть вариантов алгоритма оказались эффективными.


Это вышло благодаря внедрению новой функции в алгоритмы машинного обучения, которая улучшает способность к прогнозированию.


Используя новоиспеченный подход, который позволяет компьютерным моделям учитывать неопределенность в данных, команда института выявила несколько перспективных соединений, какие нацелены на транспортный белок, необходимый бактериям M. tuberculosis. Если он отсутствует или не активен, то бактерии больше не могут плодиться.


Еще об одной интересной сфере применения нейросетей сообщалось в конце сентября. Тогда власти Нью-Йорка возобновили труд пилотного проекта по использованию искусственного интеллекта в судебной системе.


Власти надеются, что ИИ поможет им сократить нагрузку на здешние тюрьмы и избежать предвзятости, которая характерна для консервативных американских судей.


Подробно о том, как разрабатывалась и какие итоги показала нейросеть-судья в материале Без пристрастности: в Нью-Йорке приговоры выносит ИИ.


 


Новости от Корреспондент.net в Telegram. Подписывайтесь на наш канал https://t.me/korrespondentnet

Оставить комментарий

Ваш электронный адрес не будет опубликован. Обязательные поля помечены *