Журнал "Information Security/ Информационная безопасность" #4, 2019

Именно такой набор дает очень широкие возможности повышения эффективности бизнеса, и к началу XXI в. программисты и аналитики данных уже активно его используют. Первый и самый яркий пример использования технологий на базе машинного обуче- ния – это поисковые систе- мы Яндекс, Google, Yahoo, словом, все те сервисы, через которые мы ориенти- руемся в Интернете. Второй пример – это рек- лама. Наверняка люди, близкие к индустрии, слы- шали про programmatic-плат- формы, через которые про- исходит автоматизирован- ная закупка показов онлайн- рекламы в сети на базе собираемых данных о целе- вых аудиториях. Задача искусственного интеллекта – сделать показываемую потребителю рекламу наи- более релевантной. Уже сейчас все сервисы, напрямую соприкасающиеся с клиентом, в своей работе используют те или иные ML- алгоритмы. Будь то интернет- магазины, медиаплатформы, приложения по вызову такси, социальные сети – все они интегрируют технологии на базе машинного обучения и уже сей- час позволяют нам как потре- бителям получать наиболее полезные услуги по оптималь- ной стоимости, а бизнесу – эко- номить на издержках. Зачем ИИ крупному бизнесу Это все иллюстрации более- менее близких к ИТ-отрасли компаний. Глобальная причина, из-за которой крупный бизнес стал смотреть в сторону ИИ, заключается в изменившейся экономической реальности, в которой уже невозможно мас- штабироваться только за счет развертывания новых мощно- стей. Любой крупный завод больше не может поставить рядом еще один крупный завод для того, чтобы удвоить свою выручку. Решение – оптимиза- ция существующего производ- ства, которая возможна только после тщательного аудита всех бизнес-процессов. А как я ска- зал ранее, самый лучший спо- соб обработки большого коли- чества данных – использовать машинное обучение. Анализи- руя все этапы создания про- дукта, ML-алгоритмы находят так называемые зоны роста, улучшая которые, можно опти- мизировать каждый процесс на 3–5%. Однако в итоге эти еди- ницы дают и более серьезный экономический эффект. Однако не все предприятия готовы к внедрению, некоторые были построены десятилетия назад, с использованием уста- ревших технологий. Поэтому они, может быть, и выполняют свою функцию, но емкость их оптимизации очень ограничена. А там, где нет возможности банально оцифровать производ- ство, собрать данные с датчи- ков, консолидировать инфор- мацию в единой системе, нет возможности улучшить процесс целиком. Кстати, после первой волны автоматизации на предприятиях стало понятно, что реальная перспектива применения ИИ – не замена человека (распро- страненное заблуждение), а оптимизация его труда. Напри- мер, благодаря системе тре- кинга деятельности сотрудников на площадках можно проводить справедливую оценку объема и качества выполняемой работы, следить за их безопасностью, корректировать технологиче- ские процессы. Кстати, именно этот тезис я привожу, отвечая на тревожные вопросы: не лишит ли искусственный интел- лект работы большинство людей? Нет, не лишит, а улуч- шит условия их работы. Инвестиции в ИИ за рубежом и в России За рубежом в силу экономи- ческим причин действительно больше инвестируют в машин- ное обучение. Начнем с того, что именно там находятся ком- пании – драйверы этой техно- логии: Google, Facebook, Ama- zon. За рубежом также истори- чески очень технологичная неф- техимическая промышленность: Schlumberger, BP – все они используют передовой опыт применения алгоритмов на базе искусственного интеллекта. Например, чтобы перейти к новым методам работы, ком- пания Schlumberger разработа- ла новую когнитивную среду для разведки и разработки месторождений под названием DELFI. В ней используются AI/ML-технологии, высокопроиз- водительные вычисления и Интернет вещей – все это работает в комплексе для мак- симального увеличения экс- плуатационной эффективности и оптимизации производства. China Petroleum and Chemical (Sinopec Group) работает над созданием десяти новых пере- рабатывающих заводов, кото- рые почти полностью управ- ляются ИИ. Несколько лет назад компания объединила усилия с Huawei в создании интеллек- туального центра управления данными. Его цель – снизить эксплуатационные и производ- ственные затраты примерно на 20%. А компания ExxonMobil тратит миллионы на разработку управляемых искусственным интеллектом роботов для работ на морском дне и при поисках труднодоступной нефти. Но когда речь заходит про тяжелую и легкую промыш- ленность, добычу полезных ископаемых, ритейл, финан- 16 • ЦИФРОВАЯ ТРАНСФОРМАЦИЯ Как технологии искусственного интеллекта трансформируют бизнес ля начала надо определиться с терминологией. В среде дата- сайентистов есть шутка: “Как отличить искусственный интеллект от машинного обучения? Если написано на Python, то это машинное обучение, а если в Power Point, то искусственный интеллект". На сегодняшний день ИИ превратился в маркетинговый термин, объединяющий слишком много понятий, затрагивающих как программные продукты, так и биоинженерию и робототехнику. Однако в своих производственных процессах мы в первую очередь работаем с машинным обучением и определяем его как набор методов из линейной алгебры и математической статистики, которые позволяют нам анализировать и прогнозировать закономерности в объемных данных. Д Евгений Колесников, директор центра машинного обучения “Инфосистемы Джет”