Искусственный интеллект – новый этап цифрового развития
Александр Сахаров, руководитель департамента «Цифровой Банк» банка «Уралсиб», член правления Союза ИТ-директоров России, в колонке для FutureBanking рассматривает предпосылки для развития ИИ и возможности, которое оно дает. Подробнее о применении Machine Learning в банке «Уралсиб» можно узнать 23 ноября на форуме FinMachine 2017.
Последние достижения в области строительства суперкомпьютеров позволяют приблизить их вычислительные возможности (около 1015 FLOPS) к возможностям головного мозга человека, вычислительная мощность которого оценивается приблизительно в 1020 FLOPS (FLOPS – количество операций с плавающей точкой в секунду). Это заставляет многих специалистов реально опасаться скорой реализации сценария захвата мира машинами. Например, Илон Маск недавно заявил: «Я работаю с самыми передовыми технологиями ИИ и думаю, что людям нужно быть очень внимательными к этой проблеме. ИИ представляет опасность для существования человеческой цивилизации.» А, например, специалисты Facebook были вынуждены приостановить эксперименты с искусственным интеллектом, когда боты, построенные на алгоритмах deep machine learning, разработали новый несуществующий язык и полностью перешли на общение на нем, что сделало эксперимент бессмысленным. Однако, думаю, у нас еще есть шанс предотвратить катастрофу – для этого достаточно перестать разрабатывать процессоры не на базе кремния. Кремний теоретически не позволит достичь вычислительных мощностей больше 1018 FLOPS, а это значит, что человек и машина будут наравне. Хотя это, конечно, фантастика – вряд ли мы можем остановить прогресс и человечеству рано или поздно придется столкнуться с восстанием машин. Но это все, безусловно, важнейшие вопросы безопасности, которые должны решаться на государственном уровне, и относятся они к достаточно отдаленному будущему. Поэтому имеет смысл, не опасаясь за судьбу человечества, пока процессоры построены на кремнии, взглянуть на то, какие возможности предоставляет нам современное развитие ИИ.
Начать следует с определения. Не стоит путать ИИ с обычной автоматизацей. ИИ обладает очень важной отличительной особенностью – он умеет менять алгоритм своей работы на базе данных, которые собирает. Причем эти изменения далеко не всегда запрограммированы логическими алгоритмами, а являются выводами, которые системы ИИ делают сами.
В 2016 году инвестиции в ИИ превысили 30 млрд долларов (данные McKinsey), что более чем в 3 раза превышает показатели 2013 г. Причем более половины этих инвестиций были направлены на развитие проектов, связанных с Machine Learning. Конечно, это происходит в основном на средства крупнейших hi-tech компаний (Google, Amazon и др.), однако практическое использование созданных алгоритмов и систем выходит далеко за их рамки. Применение по истине широко – управление системами добычи полезных ископаемых, управление турбинами при транспортировке энергоносителей, контроль процесса литья стали и создания композитных материалов и многое другое. Согласно исследованию McKinsey Global Institute, если применить уже существующие и проверенные системы ИИ, то можно сократить более 1 млрд сотрудников во всем мире, что совокупно сэкономит более 14 трлн долларов ежегодно, которые выплачиваются сегодня в виде зарплат.
В 2008 г. произошло важнейшее событие – количество устройств, подключенных к Интернету, превысило популяцию планеты. В 2016 году количество подключенных к Интернету устройств уже превысило 16 млрд. К 2020 г. это количество превысит 26 млрд. Количество терабит данных, передаваемых в секунду по сети Интернет, с 2005 года увеличилось в 10 раз и превысило 30 терабит в секунду. При этом рост экспоненциальный, как видно из графика ниже из исследований МВФ и Всемирного банка.
Такое количество данных, наряду с активным развитием теоретической базы, позволяет кардинально усовершенствовать процесс их использования. Разные индустрии это делают с разным успехом, однако все пионеры заявляют о том, что им удается получить существенные финансовые результаты – увеличить маржинальность бизнеса на 5–15%. И, как видно из опросов, финансовые компании делают это успешнее всех (исследования McKinsey Global Institute). Например, уже сегодня более 80% объема торгов на американских биржах совершают роботы.
При этом использование интеллектуальных алгоритмов Machine Learing приносит существенно более значимые результаты, чем классический регрессионный анализ. Проекты и исследования, которые мы проводим в банке «Уралсиб» показывают экономическую эффективность и очень быструю окупаемость.
Все это говорит о том, что развитие и использование ИИ – это важный фактор конкурентоспособности любой компании, а тем более банка. Россия в этом смысле имеет уникальную возможность стать одним из лидеров в этой области.
Источник: Регламент
