На смену большим данным пришли искусственный интеллект и системы машинного обучения

CNews: SAS работает на рынке аналитики данных уже 44 года. Когда компания начала заниматься технологиями искусственного интеллекта? Какие первые шаги в этом направлении были предприняты?

Александр Тихонов: Мы действительно работаем на рынке уже 44 года и все это время фактически занимаемся машинным обучением и продвинутой аналитикой. Основы того, что сейчас называется искусственным интеллектом, были заложены в нашем программном обеспечении давным-давно. Сегодня технологии искусственного интеллекта лежат в основе аналитической платформы Viya и встроены во многие наши системы.

CNews: Что такое, в вашем понимании, искусственный интеллект?

Александр Тихонов: Искусственный интеллект и системы машинного обучения пришли на смену большим данным. В свое время «большие данные» как термин появились с подачи журнала Nature, который сделал специальный выпуск о том, что данных становится все больше, что они очень разные и как на будущее науки повлияют новые технологии для работы с большими объемами данных. Стали появляться технологии, нацеленные именно на хранение и обработку больших данных. Было ясно, что внедрение таких технологий окажет влияние на производственные компании, медицину, торговлю, финансы, работу государственных служб. Затем появился термин «искусственный интеллект», который помогает уже не просто изучать данные, но и строить модели, которые самообучаются на основании фактов. Это и есть основа того, что в английском языке называется Artificial intelligence (AI).

Когда много лет назад мы спрашивали руководителей компаний о том, чего они ждут от искусственного интеллекта, практически никто не понимал, как можно использовать эти технологии. Это был хайп, все рвались реализовывать проекты, но на выходе цель не оправдывала средств. Серьезные опасения вызывало и то, что технологии искусственного интеллекта в какой-то момент начнут самостоятельно принимать решения за человека, и эти решения могут быть ошибочны.

Проблема в том, что Artificial intelligence перевели на русский язык как «искусственный интеллект». Поэтому у большинства людей в голове возникают образы некой машины будущего, которая вот-вот начнет управлять людьми. На самом деле ИИ - это системы, которые анализируют данные, что позволяет человеку принимать более правильные, взвешенные решения. Однако это не предполагает принятие решений без участия человека.

CNews: В прошлом году SAS сообщила, что инвестирует 1 млрд долларов в развитие своих ИИ-решений и создание новых учебных программ по ИИ. На что конкретно будут направлены эти инвестиции?

Александр Тихонов: SAS на протяжении всей своей истории тратит примерно четверть выручки на развитие. Когда мы объявили об инвестициях в миллиард долларов, речь шла о перефокусировке наших R&D-расходов на технологии, связанные с искусственным интеллектом. Эти инвестиции направлены не только на развитие технологии, но и на создание инфраструктуры вокруг продукта: учебных программ, бизнес-кейсов, сообществ по обмену опытом, организацию просветительской работы о возможностях искусственного интеллекта. Создание такой инфраструктуры – это тоже важная часть работы, которая требует инвестиций.

Мы также создали так называемые Quick Start – пакеты для быстрого развертывания приложений в облачных средах. Облако в тренде. Оно дает возможность быстрого создания решений, интеграции этих решений с Open Source, и является частью той инфраструктуры, которую мы создаем вокруг ИИ.

CNews: Вы говорили о том, что планируется доработка SAS Viya. Какие новые возможности в ней уже появились?

Александр Тихонов: Дополнения и доработки действительно были и продолжаются. Была проделана большая работа, чтобы упростить управление ИИ-моделями и их внедрение в бизнес-процессы компаний. Причем это касается в том числе ИИ-моделей, созданных на Open Source, они прекрасно могут работать в среде SAS Viya. Также пользователям доступны такие возможности, как автоматизированное управление данными, автоматизированное машинное обучение и продвинутые функции интерпретации моделей. Те этапы подготовки данных и построения моделей машинного обучения, которые раньше проходили в ручном режиме, требовали времени и отдельных компетенций от пользователя, теперь проходят автоматически. Это сделано, чтобы технологии ИИ стали прозрачнее и доступнее для всех пользователей.

CNews: Какие задачи можно решать с помощью искусственного интеллекта сегодня? Что можно будет доверить ему в будущем?

Александр Тихонов: На данный момент с помощью искусственного интеллекта решается огромное количество задач. Например, это стандартные задачи, встроенные в уже привычные бизнес-процессы. Такой проект мы сделали с Почта Банком. С помощью наших технологий их специалисты профилируют базу клиентов, сегментируют ее, исходя из поведенческих факторов, выбирают наиболее подходящие предложения и канал их доставки. Может эту работу сделать человек? Может, но в очень ограниченном объеме. А с помощью технологий, интегрированных в нашу платформу, можно быстро просчитать вероятность отклика и помочь принять решение о дальнейших коммуникациях.

Еще один пример - обслуживание техники и повышение надежности перевозок. Lockheed Martin Corporation, один из лидеров рынка авиационной и космической техники, использует наши технологии искусственного интеллекта и данные интернета вещей для прогнозирования сбоев и ремонта оборудования. Аналогичные задачи решает Volvo, которая анализирует состояние грузовиков. Иногда появляются очень экзотические задачи. Например, в США мы внедрили решение, которое помогает спасать колонии медовых пчел. Мы проводим мониторинг и акустический анализ ульев и прогнозируем распад колонии.

Вообще, внедрять технологии искусственного интеллекта можно практически в любой бизнес-процесс. Это и кадровая служба, для которой искусственный интеллект может искать новых сотрудников или проводить оценку уже работающих в компании, и служба логистики, и маркетинг, и продажи, и управление рисками.

CNews: Успешных кейсов внедрения ИИ не так много. Заказчики рассказывают о сложностях, с которыми они столкнулись, и советуют тщательно продумывать и просчитывать такие проекты. Что в такой ситуации может рекомендовать SAS?

Александр Тихонов: Да, это действительно так. Перед запуском проекта его надо тщательно продумывать и просчитывать. Прежде всего, нужен сильный проектный менеджер, который понимает цели и задачи и может подобрать людей с необходимой экспертизой для их достижения. Если нет четко сформулированной задачи, а есть просто желание внедрить технологии искусственного интеллекта, это обычно приводит к провалу проекта. Часто возникают сложности с развертыванием и запуском модели, поэтому очень важен последний этап, когда модель уже создана, опробована, и ее надо перевести в промышленную эксплуатацию и встроить в бизнес-процесс.

Мы рекомендуем целостный подход к внедрению технологий. Во-первых, надо использовать правильную платформу, которая содержит нужный функционал, отвечает вашим требованиям по масштабируемости, интеграции с уже существующими решениями. Во-вторых, нужно адаптировать процессы внутри компании. Надо понимать, что искусственный интеллект и вообще аналитика в отрыве от реальных задач мало кому интересны. Технологии должны быть встроены в процесс и помогать принимать решения. Например, советовать, выдавать или не выдавать кредит, куда и каким маршрутом отправлять грузы. Если мы говорим о противодействии мошенничеству, то искусственный интеллект может помочь остановить подозрительную транзакцию. В медицине - помочь врачу поставить правильный диагноз. И в-третьих, надо обучать людей. Потому что построить точную модель и внедрить ее - мало. Люди тоже должны быть готовы к изменениям и понимать, что они получат от внедрения технологий.

CNews: Как вы видите идеальную проектную команду? Из кого она должна состоять?

Александр Тихонов: Идеальная проектная команда должна состоять из представителей бизнес-департамента, ИТ-департамента. Очень часто в нее входят также представители департамента безопасности, особенно тогда, когда речь идет об обработке персональных данных. Также необходим проджект-менеджер со стороны заказчика, который имеет достаточно полномочий для организации взаимодействия с внутренними подразделениями. Со стороны исполнителя в проекте должны участвовать проджект-менеджер, эксперты и технические консультанты. И, как я уже говорил, проект должно поддерживать руководство. Встречи на уровне руководства заказчика и исполнителя очень важны для успеха проекта.

CNews: На прошедшем в июне виртуальном SAS Global Forum было объявлено о стратегическом партнерстве с Microsoft. Расскажите об этом подробнее.

Александр Тихонов: Мы видим, что облачные среды и развертывание корпоративных сред в облаках – этот тренд. И этот тренд будет набирать обороты. Партнерство с Microsoft нацелено на то, чтобы сделать аналитику более доступной, ускорить процесс реализации проектов. Важно понимать, что, когда мы говорим об облаках, речь идет не только об экономии на инфраструктуре для внедрения решений, но и о возможности быстро выйти на рынок с тем или иным продуктом. Облака позволяют практически без ограничения тестировать новые идеи, продвигать новые проекты и продукты.

Microsoft Azure становится рекомендованным поставщиком облачных услуг для SAS Cloud. Наша обновленная платформа SAS Viya будет оптимизирована для Microsoft Azure и множества отраслевых решений SAS, таких как antifraud-инструменты, управление цепочками поставок в ритейле и так далее. Все они будут интегрированы в Azure Marketplace. Также в рамках нашего партнерства будут реализовываться совместные проекты в сфере R&D и создаваться новые коробочные решения для клиентов из вертикальных отраслей. Вообще наша основная цель – сделать облако более масштабируемым и гибким в работе с аналитикой и искусственным интеллектом.

CNews: Насколько создаваемые SAS отраслевые решения подходят для российского рынка? Есть ли у него какая-то специфика?

Александр Тихонов: Россия очень развитая с точки зрения технологий страна. Мы видим огромный интерес к технологиям искусственного интеллекта со стороны российских заказчиков и вместе с ними продолжаем искать способы применения этой технологии.

В России есть много успешных кейсов, которые являются примером для международных заказчиков. Например, ВТБ создал кросс-канальную систему для выявления транзакционного мошенничества. Почта Банк, как я уже рассказывал, внедрил систему целевых маркетинговых коммуникаций. Страховая компания ВСК использует систему принятия решений и скоринга по КАСКО. Онлайн-гипермаркет «Утконос» с помощью наших технологий прогнозирует спрос и в режиме реального времени предлагает покупателю альтернативы, если товар, который он хочет купить, закончился. Мы также работаем с золотодобывающим комбинатом, строим цифровые двойники для производственных компаний.

CNews: Gartner предупреждает о новых проблемах обеспечения информационной безопасности, которые несет с собой искусственный интеллект. Это защита систем, использующих ИИ, применение ИИ для укрепления обороны и упреждение злонамеренного использования ИИ в атаках. Как SAS работает над решением этих проблем?

Александр Тихонов: Безопасность – это всегда гонка технологий. Кибератаки стали совершаться с использованием технологий искусственного интеллекта. Но системы противодействия мошенничеству и атакам тоже используют искусственный интеллект, а значит могут предотвратить их, спрогнозировать атаку или установить факт, что она в данный момент совершается.

Наш главный принцип при создании antifraud-систем – это гибридный подход. Мы применяем его уже не первый год. Это гибкое сочетание бизнес-правил, методов машинного обучения, предиктивных моделей, анализ социального окружения и взаимосвязей объектов. Важно понимать, что безопасность – не тот вопрос, который решается одной определенной системой. Необходим комплекс мер на стороне заказчика и аналитическая система со встроенными технологиями искусственного интеллекта, которая является частью бизнес-процесса.

CNews: Как, по вашему мнению, будет развиваться направление искусственного интеллекта в России в ближайшие годы?

Александр Тихонов: За технологиями машинного обучения и искусственного интеллекта будущее. Количество данных во всех индустриях продолжает расти. Анализируя эти данные, строя прогнозы, любая компания может улучшить свои позиции на рынке, протестировать новые идеи. Поэтому я уверен, что искусственный интеллект и машинное обучение будут встраиваться во все бизнес-процессы, которые есть в компаниях, где есть данные, которые можно проанализировать и сделать вывод, помогающий принять правильное решение.

Одновременно будет происходить более тесная интеграция ИИ с другими технологиями и источниками данных. Прежде всего, это интернет вещей, системы сбора изображений и видео.

Если говорить об отраслях, то искусственный интеллект постепенно становится востребован везде - в энергетике, на транспорте, в промышленности, сельском хозяйстве и особенно в здравоохранении. Здесь с его помощью можно прогнозировать болезни на базе генетических данных, анализа данных разных людей и данных мониторинга показателей по конкретному пациенту.

Очевидно, что искусственный интеллект будет интегрирован в разного рода помощников: голосовых роботов, системы подсказок и рекомендаций и так далее. На производстве появятся цифровые двойники на базе искусственного интеллекта - мы уже делаем такие проекты на уровне предприятий, оборудования, на уровне проектных офисов, когда прогнозируем срывы сроков в строительстве. И конечно, будет возрастать роль искусственного интеллекта при создании систем противодействия мошенничеству и кибератакам.

• Что дает внедрение ИИ в процессы компании?
• Как привлечь дополнительное финансирование и создать добавленную стоимость?
• Как получить полную вовлеченность команды?