Как прогнозирующий ИИ может изменить целые отрасли

Нам постоянно приходится принимать решения в своей жизни. Взять зонт на прогулку или нет? А что, если вероятность дождя составляет 25%? А что, если вы надели вещь, которую не хотите намочить? 

По мнению Аджея Агравала (Ajay Agrawal), экономиста, профессора и соавтора книги Искусственный интеллект на службе бизнеса. Как машинное прогнозирование помогает принимать решения, для принятия любого решения (в сложных и простых ситуациях) мы руководствуемся прогнозами и суждениями. Возможности ИИ обусловлены его способностью взять составление прогноза на себя — сообщить о вероятности дождя. В конечном итоге вы будете использовать человеческое суждение, чтобы решить, брать ли зонт. Решение будет зависеть от того, что вам неприятнее: промокнуть или носить с собой зонт, когда нет дождя.

Модели искусственного интеллекта могут обрабатывать огромные объемы данных для выявления закономерностей и составления точных прогнозов. Несомненно, ИИ переносит работу людей на новый уровень: помогает им повышать производительность, улучшать способы ведения коллективной работы и совершенствовать навыки. Если компании используют ИИ для прогнозной аналитики, это может коренным образом изменить то, как лидеры принимают решения: ИИ помогает им повышать качество обслуживания клиентов, лучше распределять ресурсы и создавать новые и улучшенные процессы.

Аджей недавно присоединился к нашей серии вебинаров на тему эволюции работы, чтобы поговорить о возможностях ИИ и прогнозной аналитики. Мы с Аджеем продолжили разговор о прогнозирующем ИИ. Далее изложены его мысли о потенциальной возможности прогнозирующего ИИ изменить все отрасли и о том, какие сотрудники могут получить наибольшую выгоду от использования инструментов прогнозирующего ИИ.

Некоторые воспринимают инструменты ИИ в качестве интеллектуальных машин, роботов, способных говорить или думать, как люди. Что вы думаете об ИИ как экономист?

Искусственный интеллект помогает нам прогнозировать. Прогнозирование — это использование имеющейся информации для создания данных, которых у нас нет. 

Именно этим и занимаются модели генеративного ИИ, такие как ChatGPT, — используют прогнозирование для создания формулировок, похожих на человеческие. Модели генеративного ИИ прогнозируют следующий знак или слово в последовательности, чтобы создать сообщение, похожее на человеческое. Еще один пример: банк использует ИИ для выявления мошенничества. ИИ обрабатывает данные по прошлым транзакциям и привычкам пользователей, чтобы точно спрогнозировать, осуществляется ли покупка мошенником.

Главный принцип экономики состоит в том, что если какой-либо ресурс дешевеет, мы начинаем его использовать в большем объеме. Рост популярности ИИ свидетельствует об уменьшении стоимости прогнозирования. Поскольку прогнозирование дешевеет, мы начинаем использовать его чаще. 

Давайте обсудим прогнозирование более подробно. Что такое прогнозирующий ИИ и каковы его примеры из реальной жизни?

Прогнозирующий ИИ использует входные данные для создания выходных данных. Типичный пример: можно использовать данные о продажах за прошлые 20 лет, чтобы спрогнозировать объем продаж в третьем квартале следующего года. Прошлые данные — это входные данные, а прогноз объема продаж — выходные. 

Менее типичный пример: можно использовать пиксели медицинского изображения, чтобы спрогнозировать, является ли опухоль злокачественной или доброкачественной. Пиксельные данные — это входные данные, вид опухоли — выходные. Это тоже прогнозирование. 

Одна интересная особенность ИИ: в отличие от предшествующих статистических методов, он может использовать в качестве входных данных мультимодальные данные (например, изображения, видео, формулировки), а не только числа, и составлять прогнозы в виде изображений, видео и формулировок.

Прогнозная аналитика — основа многих типов инноваций. Реальные области применения ИИ для прогнозирования — это вождение, перевод, выявление мошенничества, распределение частиц по размерам, составление ответов по электронной почте и проверка.

Какое влияние прогнозирующий ИИ окажет на рабочие места в отраслях, где он становится доминирующей силой? Люди боятся лишиться работы из-за этих революционных достижений в области ИИ. Обоснован ли этот страх?

До того как у нас появились стиральные машины, стиркой занимались два человека целый день. Теперь стирка одежды занимает у одного человека небольшую часть дня. Но никто не жалуется, что эти машины отняли у людей работу. 

Точно так же мы сможем переложить некоторые аспекты нашей работы на машины. Когда речь идет о работе, многое зависит от принятия решений. И каждое решение основывается на двух составляющих — прогнозе и суждении. Если мы сможем переложить прогнозную аналитику на машины, у нас останется человеческое суждение. Это именно тот навык, совершенствованию которого люди должны уделять свое внимание. 

ИИ может использовать прогнозирование, чтобы составить сообщение электронной почты или карту маршрута из точки А в точку Б. Однако решение о том, отправлять ли такое сообщение электронной почты или идти по созданному маршруту, принимает человек. ИИ — это «второй пилот», помощник, но он не может принимать решения.

Какое влияние оказывает ИИ на производительность сотрудников и рабочую силу в целом? 

После появления компьютеров производительность труда высококвалифицированных сотрудников непропорционально повысилась, что привело к значительному неравенству в доходах. ИИ, похоже, оказывает противоположное влияние. От использования помощников («вторых пилотов») на базе ИИ большую выгоду получат низкоквалифицированные работники.

Возьмем, к примеру, контактные центры. Они начали внедрять инструменты ИИ, предоставляющие сотрудникам рекомендации о том, как помочь клиентам, с которыми они разговаривают. Исследователи из Массачусетского технологического института и Стэнфордского университета пришли к выводу, что ИИ оказывает ограниченное влияние на высокопрофессиональных специалистов, поскольку они уже умеют добиваться высоких результатов. А вот сотрудники, которые ранее работали не столь хорошо, теперь с помощью инструментов ИИ поднялись почти до уровня высококвалифицированных работников. 

Еще один всем знакомый пример: благодаря ИИ для навигации все смогли ездить на автомобилях в любом городе, как профессионалы. Это способствовало появлению таких инновационных компаний, как Uber. До возникновения Uber профессиональными водителями были 200 000 человек. Сейчас на компанию Uber работает 3–4 млн водителей. Мы находимся на пороге исторического момента, когда в разных отраслях начинает появляться системный сдвиг такого рода. 

Какие достижения в области ИИ вас радуют больше всего? Если бы у вас был хрустальный шар, какую следующую крупную инновацию вы бы в нем увидели и как она повлияет на наш мир?

Я предсказываю, что через два-три года ИИ сойдет с экрана в реальный мир. Сейчас у нас есть модели для прогнозирования серии слов на экране. Следующий этап — добиться того, чтобы роботы прогнозировали серию действий для выполнения таких задач, как приготовление кофе или парковка автомобиля.

Однако реальный основательный сдвиг будет наблюдаться в области научных открытий. У нас будут модели ИИ, которые смогут формулировать и проверять гипотезы, запускать роботов для проведения экспериментов и передавать результаты этих экспериментов назад в инструменты ИИ для обновления гипотез и проведения дополнительных экспериментов. Мы уже видим, как в лабораториях делают нечто подобное.

Продолжение разговора о прогнозирующем ИИ

Для того чтобы получить еще больше аналитических выводов Аджея о том, куда нас приведет следующая волна инноваций в области ИИ, посмотрите этот доступный по требованию вебинар на тему эволюции работы. Вы более подробно ознакомитесь с прогнозирующим ИИ и узнаете, как он помогает компаниям экономить время и создавать новые и более эффективные способы работы.

Хотите узнать, как компания Zoom внедряет инновации с помощью ИИ? Ознакомьтесь с тем, как Zoom AI Companion, наш ИИ-помощник, может улучшить вашу работу.