Обсудить ваш проект

Как эффективно изучать языки программирования? Отвечают эксперты

09.07.2019
В Сети сейчас очень много обучающих курсов, статей, видео и прочих ресурсов, которые призваны помочь в изучении того или иного языка программирования, и каждый из них советует свою программу обучения. Какой алгоритм самый эффективный? Спрашиваем у экспертов.

Андрей Степанов, руководитель отдела интеграционных решений компании «Синимекс»:

Вопрос достаточно сложный. Нельзя выбирать между теорией и практикой, должна быть гармония. Нужно учить синтаксис и понимать алгоритмы и основы. При этом без практики эти знания не имеют ценности. Нужно чередовать — прочитали некоторую часть, затем опробовали на практике. При этом, на мой взгляд, совсем не обязательно покупать платные подписки на курсы. Очень много материалов есть в открытом доступе. Большое количество интересных практических задач можно получить, задав в Google вопрос «олимпиадные задачи по программированию». На них вам придётся поискать и почитать теорию про алгоритмы, их сложность, структуры данных и прочее. При этом они дают возможность писать свой код, и потом при разборе увидеть свои ошибки и варианты решения из best practice.
Как только почувствовали уверенность — нужно браться за боевые задачи, чтобы увидеть реальный мир и реальные проблемы. Зачастую в учебнике и обучающих задачах многие сложные и интересные практические моменты пощупать не получится. Начните писать свой проект на GitHub. Ещё очень важный момент: ваш шанс на успех сильно повысит наличие ментора — более опытного друга/коллеги/наставника, который может помочь, если у вас «затык», что-то объяснить, проверить результат вашей работы и дать правильный вектор вашему развитию. Никогда не останавливайтесь на достигнутом. Удачи.

Подробности в публикации tproger.ru

Банки распробовали ИИ

25.03.2019
ComNews: "Банки распробовали ИИ". Комментирует технический директор "Синимекс Дата Лаб" Кирилл Дубовиков.

81% банковских специалистов по рискам уже оценили преимущества искусственного интеллекта (ИИ). Такие данные приводят SAS и Глобальная ассоциация специалистов по управлению рисками (GARP) по результатам исследования "Искусственный интеллект в банковской сфере и управлении рисками". Тем не менее, как сообщают SAS и GARP, пока на финансовом рынке наблюдается дефицит навыков для внедрения или использования технологий ИИ.

В опросе участвовали и российские компании. В стране по использованию ИИ финансовый сектор лидирует, и в первую очередь речь идет о банках. Ответы SAS и GARP дали представители 21 российской организации: 14 банков, остальные - инвестиционные компании, компании, которые предоставляют услуги по управлению активами, хедж-фонды и аудиторы.

По данным исследования, пять организаций сообщили, что пока не используют машинное обучение, но планируют внедрить в течение ближайших трех лет. 11 организаций используют ИИ. Одна - нет и пока не планирует, планы четырех в этом направлении пока не ясны. Обработка естественного языка уже применяется в шести организациях, в четырех планируется. Компьютерное зрение пока применяется в пяти, в шести планируют внедрять. Инструменты прогнозирования и оптимизации есть практически у всех опрошенных. Только одна организация ответила, что пока ими не обладает, но рассчитывает приобрести.

Сейчас в крупных российских банках кредитный скоринг почти полностью автоматизирован. Причем ИИ не только оценивает потенциального заемщика по множеству параметров, но и борется с попытками злоумышленников выяснить, что это за параметры.

Помимо скоринга, инструменты ИИ активно используются для выявления мошеннических транзакций. Кроме того, с помощью инструментов ИИ проводится удаленная идентификация клиентов, контроль за соблюдением норм и предписаний, ИИ активно задействуют в маркетинге (причем не только в банках, а еще и в ретейле).   

"Если сравнивать российский банковский сектор с банковским сектором других стран, то определенное отставание пока есть, но оно постоянно сокращается. Технологические тренды в банковской сфере, которые сначала появляются на Западе, приходят в Россию через год-два, и это время постоянно сокращается. В том, что касается освоения ИИ, концептуально мы движемся с Западом. Но уровень проникновения технологий, массовость их применения у нас, конечно, пока ниже", - сообщили в пресс-службе SAS.

В целом же SAS и GARP опросили более 2000 представителей разных сегментов мирового рынка финансовых услуг (банковское дело, инвестиционный банкинг/ценные бумаги и управление активами). Респонденты отметили положительное влияние ИИ в автоматизации процессов - 52%, в кредитном скоринге - 45%, в подготовке данных - 43%. Почти треть опрошенных сообщили об ускорении и повышении гибкости таким процессов, как валидация, калибровка и подбор моделей расчета риска.

"ИИ прочно укоренился во всех отраслях, в том числе в области рисков в финансовом секторе, - говорит сопредседатель GARP Марк Кэри. - Больше половины респондентов продемонстрировали умеренные знания о текущем и планируемом уровне использования искусственного интеллекта в компаниях. Опрос показывает, что у организаций все еще много вопросов относительно ИИ".

Из результатов опроса следует, что 84% специалистов по рискам и финансам, которые еще не использует ИИ, планируют внедрить технологии в ближайшие три года.

Почти все респонденты ожидают, что технологии ИИ приведут к повышению производительности (96%), ускорят время получения информации из данных (95%), увеличат объем информации и упростят ее обработку для быстрого принятия эффективных решений (95%).

По данным SAS и GARP, препятствиями для внедрения ИИ остаются социальное напряжение и нехватка специалистов для работы с системами ИИ. Больше половины опрошенных (52%) обеспокоены недостатком квалифицированных кадров. Тем не менее респонденты уверены, что в их организациях продолжат внедрять ИИ.

Также среди проблем, которые препятствуют внедрению ИИ, респонденты отметили низкую доступность и качество данных (59%), недостаточное понимание ИИ ключевыми заинтересованными сторонами (54%) и сложности интерпретируемости математических моделей - основы работы ИИ (47%).

"Финансовые организации стремятся конкурировать на новом рынке, управляемом ИИ, - сказал старший вице-президент и руководитель отдела управления рисками SAS Трой Хейнс. - Важно, чтобы компании объединяли специалистов по рискам и исследователей данных для решения реальных проблем с помощью ИИ. Не каждая задача требует вмешательства технологий ИИ, но нужно, чтобы специалисты по рискам знали о них. Так они выберут лучший вариант решения своих задач".

В Почта Банке корреспонденту ComNews рассказали, что обладают большим опытом в сфере ИИ. Организация использует биометрические технологии для идентификации сотрудников и клиентов (в том числе в рамках Единой биометрической системы). На базе ИИ в банке работает антифрод-система и CRM событийного маркетинга Real Time Marketing (RTM).

"Использование искусственного интеллекта позволяет Почта Банку увеличивать вторичные продажи по всем продуктам. В 2018 г. конверсия по ряду предложений, в частности по кредитным картам, превышает 50%. RTM позволяет банку продолжить контакт с клиентом посредством sms-сообщений, телемаркетинга, а также стремительно набирающих обороты цифровых каналов обслуживания - мобильного приложения и онлайн-банка. Система может формировать опросы, анализировать результаты с помощью аналитического CRM, выявлять проблемы и зоны роста в процессах обслуживания", - рассказал член правления, клиентский директор Почта Банка Павел Тулубьев.

Директор по работе с финансовым сектором Abbyy Россия Ольга Морозова рассказала, что, по опыту Abbyy, ИИ в России наиболее востребован в задачах, которые связаны с повышением качества клиентского обслуживания, как для физических, так и для юридических лиц. "С помощью ИИ многие банки автоматизируют открытие счета, оформление кредитов, ответы на вопросы в службу поддержки, создание персонализированных предложений. Также спросом пользуются решения, которые позволяют автоматизировать рутинные задачи сотрудников - обработку платежных документов, мониторинг информации для оценки финансовых, инвестиционных, кредитных и других рисков, разбор внутренней входящей почты и т.п.", - считает Ольга Морозова.

По ее словам, в России внедрение решений ИИ идет быстрее, чем в Европе или в США. Возможно, предполагает она, одна из причин - высокая конкуренция в российском финансовом секторе. Банки пробуют все виды автоматизации одними из первых. Для этого они используют и технологии обработки естественного языка, и компьютерное зрение, и распознавание лиц, и многие другие интеллектуальные решения.

"Основные препятствия внедрения ИИ связаны с качеством и доступностью данных, которые необходимы для обучения интеллектуальных алгоритмов. На их подготовку, как правило, требуется много времени. Кроме того, финансовые организации не могут передавать многие документы вовне, так как ограничены банковской тайной и защитой персональных данных. Это также увеличивает сроки проектов и создает дополнительные трудности при их реализации. Наконец многие руководители осознают необходимость использовать ИИ в своих задачах, но не всегда понимают технологические особенности таких проектов и объем работы", - говорит Ольга Морозова.

Генеральный директор F2F Group Борис Фрол считает, что процесс внедрения ИИ в России заметно медленнее, чем за рубежом. "Причина в том, что развитием ИИ в основном занимаются стартапы, а у нас в России они или сами затухают, или выкупаются гигантскими корпорациями, вместе со всеми идеями и мотивацией сотрудников. "Выжившие" уезжают в Европу или Кремниевую долину, прокачиваются у менторов и лидеров рынка, а потом возвращаются в Россию как представительства", - уверен Борис Фрол.

Технический директор "Синимекс Дата Лаб" Кирилл Дубовиков называет отечественные банки одними из самых технологичных в мире. Тем не менее внедрение ИИ проходит не так быстро, как хотелось бы. "Этому мешают многие факторы: длительный цикл закупки и внедрения решений, отсутствие или плохое качество данных, недостаточное понимание принципов работы ИИ на уровне организации. Для того чтобы идеи получали достойную реализацию, нам нужно меньше бояться экспериментов. Важно знакомить сотрудников компании с возможностями и основными понятиями современного анализа данных. При внедрении систем на основе ИИ невозможно избежать сложностей, в связи с чем крайне важно снижать цену ошибок и повышать скорость проверки идей", - считает Кирилл Дубовиков.

Кроме того, полагает специалист, во многих банках еще не развита культура сбора и каталогизации данных. Низкая осведомленность сотрудников компаний о возможностях ИИ препятствует развитию и распространению новых идей и сценариев применения.

Директор центра компетенций по банковским технологиям компании "Техносерв" Михаил Иванов рассказал ComNews, что лучше всего решения ИИ сейчас представлены в подразделениях, которые связаны с взаимодействием с клиентами (чат-боты, ассистенты, роботизация call-центров и т.д.), с бизнес-анализом, антифродом и управлением рисками. "Если говорить о перспективах, то намечается тренд на разработку и внедрение специализированных решений на базе ИИ для документооборота и информационной безопасности. В России внедрение ИИ происходит ощутимо быстрее чем, например, в странах ЕС. Это связано как с достаточностью свободного капитала внутри банковского сектора, так и с наличием доступных и квалифицированных человеческих ресурсов в ИТ-секторе", - говорит Михаил Иванов.

"Есть мнение, что ИИ во многом определит будущее банковского рынка, ведь все идет к полной автоматизации финансовых процессов. Возможно, через несколько лет вместо привычных операционистов клиентов банков будут встречать только компьютерные терминалы. Через них можно будет заказать услуги, карты, провести банковские операции без участия человека", - прогнозирует руководитель центра разработки компании Artezio (входит в группу "Ланит") Дмитрий Паршин.

Он оценивает перспективы внедрении ИИ в банках как радужные. По мнению Дмитрия Паршина, технологии требуют значительных инвестиций и до сих пор ограничены в эксплуатации законами и стандартами, которые принимались еще до начала активного развития цифровых технологий. "Это очень актуально для России, где банки, хоть и стараются быть на волне прогресса, но еще не готовы тратить значительные средства на внедрение новых решений", - утверждает он.

Источник: comnews.ru

Отечественный ИИ всех обогнал

25.03.2019
Отечественный ИИ всех обогнал. Технический директор ООО "Синимекс Дата Лаб" Кирилл Дубовиков комментирует развитие технологий искусственного интеллекта в России в материале ComNews.

30% российских компаний активно внедряют технологии, связанные с искусственным интеллектом (ИИ), в то время как в среднем по миру этот показатель равен 22,3%. Такие данные приводит компания Microsoft по результатам исследования. Кроме того, аналитики выявили связь между использованием искусственного интеллекта и темпами роста компании.

Эксперты Microsoft представили исследование "Бизнес-лидеры в эпоху ИИ" (Business Leaders in the Age of AI), которое они провели с 18 по 27 января этого года. В выборку попали компании с численностью от 250 человек. В опросе приняли участие 800 менеджеров высшего звена из Франции, Германии, Италии, Нидерландов, России, Швейцарии, Великобритании, США (100 респондентов на страну).

К компаниям, активно внедряющим ИИ, исследователи отнесли те организации, где технология стала официальной частью корпоративной стратегии, а также те, в которых ИИ - часть структуры компании.

"30% российских руководителей активно внедряют ИИ: в среднем по миру этот показатель равен 22,3%, а к примеру, во Франции - только 10%", - приводит данные Microsoft.

По наблюдению авторов исследования, российские руководители среди основных приоритетов использования ИИ назвали постановку правильных целей (32%), разработку бизнес-идей (26%), определение новых возможностей рынка (25%) и принятие решений (23%).

По данным исследования 73% директоров российских компаний считают, что технология позитивно повлияет на управленческую деятельность. 90% из них захотели получить поддержку профессионалов, чтобы лучше и эффективнее работать с этой технологией (в мире же этот показатель составляет 67,3%). При этом 30% из них готовы выделять время для адаптации к новым условиям работы (данные по миру - 20,3%).

65% российских бизнесменов считают, что ответственность за этику применения ИИ лежит на руководителе компании. В мире такой точки зрения придерживается 53,9% директоров.

Связь между использованием ИИ и темпами роста компании, по мнению экспертов Microsoft, наблюдается в том, что 40,6% руководителей быстрорастущих компаний по всему миру активно внедряют ИИ, в то время как среди медленнорастущих компаний этот показатель оказался более чем в два раза ниже и составил всего 18,5%. Быстрорастущие компании также выразили готовность внедрять ИИ в обозримом будущем: 93,2% руководителей таких организаций намерены использовать ИИ при принятии решений в течение года - трех лет, в медленнорастущих компаниях 64% руководителей сделают это только в течение трех-пяти лет.

К быстрорастущим исследователи отнесли те предприятия, темпы роста выручки которых, по их прогнозам, будут измеряться двузначной цифрой в течение следующих пяти лет. К медленнорастущим отнесены те предприятия, темпы роста выручки которых, по их прогнозам, составят менее 10%.

Технический директор ООО "Синимекс Дата Лаб" Кирилл Дубовиков с уверенностью заявил, что Россия опережает страны Европы в вопросах применения ИИ.

"Например, по данным Deep Knowledge Analytics, в нашей стране, наряду с Польшей, не только наибольшее в Восточной Европе количество компаний, которые так или иначе в своей деятельности прибегают к использованию технологии, но и максимальное количество инвесторов и стартапов. Качество наших решений и уровень экспертов также крайне высоки. Российские специалисты по анализу данных прочно закрепились на четвертом месте в рейтинге крупнейшей площадки для проведения соревнований в области ИИ - Kaggle. Любой крупный бизнес или заинтересован, или уже использует ИИ. Инициативы рассматриваются и на государственном уровне. Например, нейротехнологии и ИИ являются частью нацпрограммы "Цифровая экономика". Однако многим организациям все еще не хватает гибкости для того, чтобы быстро опробовать и внедрить новые технологии и практики. Решения на базе ИИ требуют скорости - большого числа экспериментов, проверки гипотез. Для этого нужно готовиться как организационно, так и технически. Развитая культура сбора и каталогизации данных, наличие платформ для обработки и анализа данных, готовность бизнеса к экспериментам и талантливая многопрофильная команда - определяющие факторы успеха", - считает он и добавляет, что отсутствие оцифрованных данных препятствует применению ИИ.

"Так, многим компаниям интересно повышать эффективность и безопасность процесса закупок за счет ИИ. Зачастую эти процессы недостаточно информатизованы. Подобные проблемы возникают и на производствах. ИИ может помогать улучшать качество производимой продукции и снижать процент брака, но перед применением алгоритмов для анализа данных оборудование необходимо оснастить датчиками и подключить к системе мониторинга. Таким образом, выгоду от ИИ получают организации, которые уже автоматизировали и цифровизировали ключевые бизнес-процессы", - отметил Кирилл Дубовиков.

Генеральный директор компании "Вокорд" Константин Кравченко сказал, что российские технологии ИИ - одни из лучших в мире. "Мы можем говорить о четко прослеживающейся тенденции: технологии, основанные на искусственном интеллекте, развиваются быстрыми темпами. Они внедряются повсеместно в производственные процессы, в повседневную жизнь. Отечественные софтверные продукты конкурентоспособны на мировом рынке. ИИ востребован и внедряется в финансовом секторе, телекоммуникациях, розничной торговле, сфере обслуживания, на транспорте. Интеллектуальные решения применяются для управления транспортными потоками, мониторинга платных магистралей, предоставления сопутствующих сервисов, в системах "безопасный город". На базе машинного зрения разрабатываются решения, которые нашли широкое применение в сегменте "умных дорог". Максимальный эффект от инвестиций наблюдается в тех отраслях, где больше других применяются ИТ-технологии. Новые разработки там внедряются достаточно быстро, и результат виден через один-два года", - прокомментировал Константин Кравченко.

Генеральный директор "Abbyy Россия" Дмитрий Шушкин подтвердил, что ИИ, машинное обучение, NLP становятся неотъемлемым элементом цифровой трансформации компаний разных отраслей и 2018 г. стал знаковым для российского рынка.

"Мы видим это и на примере заказчиков Abbyy: по итогам прошлого года, наши доходы от проектов для бизнеса с применением технологий ИИ в России выросли на 63%. Почти все крупные российские компании применяют ИИ в том или ином виде. Это интеллектуальная обработка информации, компьютерное зрение, распознавание лиц, речи и другие технологии. Наиболее активно ИИ внедряют банки, ретейл и телекоммуникации: они живут в условиях высокой конкуренции за клиентов, поэтому начинают применять инновации одними из первых. В последнее время больше проектов появляется в нефтегазовой и энергетической отрасли. Полагаю, что потенциал России в области развития ИИ огромен. Один из наиболее активно растущих сегментов, по нашему опыту, - ИИ для извлечения структурированных и неструктурированных данных, классификации и поиска информации в корпоративных источниках. Forrester Research отмечает, что 60% руководителей компаний считают сложность работы с неструктурированными данными главным препятствием на пути цифровой трансформации бизнеса. Интеллектуальные решения с применением технологий обработки естественного языка помогают компаниям решить эту проблему, расширяя возможности в процессах, связанных с обработкой больших объемов данных", - прокомментировал Дмитрий Шушкин.

Президент НП "Руссофт" Валентин Макаров предположил, что авторы опроса задавали вопросы прежде всего руководителям коммерческих компаний. "В этом сегменте цифры точно отражают состояние дел. Исторически так сложилось, что российские компании активно занимаются технологиями искусственного интеллекта, поскольку эти технологии крайне востребованы при решении задач обработки сигналов, речи, образов - то, чем славится российский разработчик. Естественно, что эти решения разработчик предлагает в первую очередь российским клиентам, которые также разделяют эту идеологию, поскольку учились в тех же вузах, что и разработчики, и хорошо знают разработчиков лично. Наиболее активно применение ИИ в решениях, связанных с обработкой сигналов - речевых, акустических, визуальных, - в распознавании образов, в управлении сложными мультиагентными системами и процессами без участия человека, в киберфизических системах. Важный сегмент - работа с большими данными. Применение таких технологий происходит в ретейле, рекламе", - говорит Валентин Макаров.

"Российский ИТ-бизнес крайне активен и гибок в поиске клиентов. Везде, где есть потребность в решениях ИИ, он их предложит. Пожалуй, что фармакология имеет еще неиспользованный потенциал, медицина кране интересна", - подчеркнул Валентин Макаров.

Руководитель центра разработки компании Artezio (входит в группу компаний "Ланит") Дмитрий Паршин отметил, что в компании видят увеличение спроса на решения с использованием ИИ. "В Artezio приходит много запросов на продукты и решения, которые подразумевают обучение и использование ИИ. Фактически ИИ становится ключевой технологией, и в будущем мы увидим значительный рост внедрения и спроса на соответствующую разработку. Со своей стороны, мы готовимся к этому, занимаясь собственными исследованиями ИИ. Наиболее активно ИИ внедряют в медицине и транспортной сфере. Беспилотные автомобили - уже реальность, причем не только на Западе, но и в России, где делаются значительные шаги по разработке на этом рынке. Среди ключевых сфер для внедрения ИИ - управление многими координированными процессами (например, транспорт, изготовление материальных объектов, энергетика), быстрое оказание помощи людям для поддержания их здоровья и жизни (медицина, спасательные работы), юридическая сфера", - сказал Дмитрий Паршин.

Он отметил, что, однако, есть сферы, которые не демонстрируют большого интереса к решениям ИИ. "Есть большие возможности для применения интеллектуальных технологий в области государственного управления, управления финансами и городской инфраструктурой. Отдельные решения с ИИ в этих областях, безусловно, есть, но их могло бы быть значительно больше", - добавил Дмитрий Паршин.

Генеральный директор F2F Group Борис Фрол считает, что ИИ, "понимая" и имитируя поведение человека, незаменим в сферах страхования, финансовых организациях, маркетинге и нейромаркетинге, на транспорте - в тех областях, где необходимо максимально точно оценить и интерпретировать поведение человека для успешного ведения бизнеса.

Представитель пресс-службы ГК "Ай-Теко", комментируя исследование, сказал, что данные выглядят реалистично, учитывая, что масштабный переход к цифровизации и кардинальная модернизация оборудования и инфраструктуры - задача большинства крупных компаний в России.

"В целом, на наш взгляд, ИИ и связанные с ним технологии широко распространены в отраслях с более высоким уровнем автоматизации процессов. В таких отраслях, как нефтегазовый сектор, ретейл, телеком, крупные компании уже находятся на очень высокой степени цифровизации, и внедрение ИИ становится следующим шагом. Однако есть отрасли, которые начинают этот путь с более низкого старта и должны для сохранения и роста конкурентоспособности проходить этот цикл быстрее. Это, например, энергетика, сельское хозяйство, крупные сборочные производства. Решения на основе ИИ наиболее эффективны там, где требуется либо качественное выполнение типовых рутинных операций - например, скоринг в банке или оценка параметров работы оборудования под землей или водой в добывающей промышленности, - либо быстрое "сканирование" информации и принятие на ее основе достаточно простых решений - как правило, рекомендательных, так как решающее слово остается все равно за человеком. В целом рынок систем ИИ будет расти, но стоит отметить, что на этом пути придется столкнуться не только со стандартными задачами эффективности, конкурентоспособности и защиты данных, но и с серьезными вопросами в области этики - взаимодействие человека и искусственного интеллекта, права и обязанности роботов, разделение ответственности в принятии решений и много других пока не исследованных в достаточной мере вопросов", - заметил представитель пресс-службы ГК "Ай-Теко".

Руководитель цифровой лаборатории Softline Юрий Зайцев сказал, что лидерами в применении ИИ являются Digital native компании. "Это компании из области ритейла, банковской отрасли, цифровые компании вроде Яндекса. Также в российской экономике есть лидеры, которые движутся в этом направлении, инвестируют в развитие ИИ  и имеют определенный план действий по их внедрению и использованию. Например, у Сбербанка есть целое подразделение компетентных сотрудников, которые этим занимаются. Помимо этого, они покупают компании-стартапы, вроде VisionLabs, специализирующейся на разработке технологий по распознаванию лиц, и продолжают приобретать те компании, у которых есть перспективные технологии. Они не только их внедряют, но и планируют с помощью этих технологий генерировать выручку и конкурировать с крупнейшими компаниями, в том числе международными гигантами. Есть также лидеры и в промышленном секторе - например, "Северсталь" - у них есть видение применения интеллектуальных технологий в их бизнесе и они активно внедряют и используют их", - привел примеры Юрий Зайцев.

Константин Кравченко из компании "Вокорд" назвал перспективы роста рынка ИИ в России хорошими. "Среди руководителей новой формации есть четкое понимание, для чего нужно внедрять эти технологии. Попутно будет обновлена инфраструктура и аппаратно-программные платформы", - добавил он.

Кирилл Дубовиков из "Синимекс Дата Лаб" сказал, что влияние ИИ на нашу жизнь трудно не заметить уже сегодня. "Рост будет большим, как и область применения: больше идей, компаний, проектов, экономического эффекта при внедрении", - считает он. 

Руководитель направления "Машинное обучение" компании "Норбит" (группа компаний "Ланит") Дмитрий Тимаков сказал, что Рынок ИИ в России довольно сложно посчитать в денежном выражении (по некоторым оценкам он составляет порядка 30 млрд руб.), но, несмотря на информационный шум и маркетинговые вбросы, мало у кого есть сомнения в том, что сегодня рынок ИИ реально существует и довольно динамично развивается.

Юрий Зайцев думает, что рынок ИИ будет развиваться, но компаниям потребуется еще какое-то время, чтобы начать активно внедрять и использовать интеллектуальные решения. "У крупных быстрорастущих компаний уйдет на это около 2-х лет, остальным потребуется чуть больше времени и успешный опыт компаний-лидеров", - говорит он.

Валентин Макаров прогнозирует, что рост рынка ИИ-решений в России продолжится. "Но этот рынок будет развиваться медленнее, чем продажи российских производителей ИИ. Слишком неповоротлива в России система регулирования, которая пока не способствует внедрению ИИ в новых секторах экономики", - считает он.

Источник: comnews.ru

Все грани искусственного интеллекта

25.03.2019
Искусственный интеллект (ИИ) и машинное обучение применимы во всех областях бизнеса. Попробуем разобраться в том, какие проблемы ИИ помогает решать, каковы перспективы и проблемы на пути развития технологии и насколько с финансовой точки зрения оправданно внедрение и применение ИИ. Кирилл Дубовиков, технический директор компании "Синимекс Дата Лаб", об искусственном интеллекте на comnews.ru Искусственный интеллект (ИИ) и машинное обучение применимы во всех областях бизнеса. Попробуем разобраться в том, какие проблемы ИИ помогает решать, каковы перспективы и проблемы на пути развития технологии и насколько с финансовой точки зрения оправданно внедрение и применение ИИ.

Какие проблемы ИИ помогает решать

"AI (artificial intelligence) is the new Electricity". Такой фразой открыл доклад в 2017 году один из ведущих в мире специалистов по машинному обучению (МО) Эндрю Ын. Искусственный интеллект (ИИ) и машинное обучение применимы во всех областях бизнеса - ИТ-компаниях, банках, ретейле, страховых компаниях, медицинских учреждениях, промышленных и агропромышленных предприятиях, автомобильных и строительных компаниях и др. В ретейле ИИ помогает отслеживать покупки клиентов и прогнозировать спрос на товары. Крупные производства повышают качество продукции путем тонкой настройки производственных процессов и оборудования, а врачи получают мощный диагностический инструмент. Банки оптимизируют процессы поддержки, а автомобильные компании экспериментируют с беспилотными автомобилями. Современные технологи решают огромный круг задач. Новые варианты применения появляются чуть ли не каждый день, поэтому компании, игнорирующие область анализа данных, рискуют оказаться позади конкурентов.

Любые бизнес-процессы, порождающие данные в цифровом форме, имеют большой простор для улучшений на базе современных технологий анализа данных. В B2C, например, решения на базе ИИ повышают эффективность маркетинга, процент конверсии и удовлетворенность клиентов. В B2B же ИИ может помочь оптимизировать внутренние процессы, предсказать утилизацию ресурсов серверов, упростить работу HR-служб и осведомлять службу безопасности при помощи видеоаналитики.

Какие ожидания у бизнеса от ИИ?

Ожидания у всех разные. В некоторых случаях люди неоправданно оптимистичны и ждут от технологий магии, в других - недостаточно доверяют возможностям алгоритмов. В основном это связано с низкой степенью осведомленности о возможностях современных технологий. Машинное обучение - достаточно свежая для массового рынка технология. Поэтому повышать степень демократизации ИИ - крайне важная задача. Проведение обзорных семинаров и сессий по генерации идей помогает направить ожидания бизнеса в правильное русло и найти практическое решение с наибольшим ROI. У каждой организации внутри - десятки, если не сотни сценариев применения новых технологий. Идеи появляются как внутри, благодаря сотрудникам компании, так и снаружи, от компаний, предоставляющих услуги и продукты в сфере ИИ. Эти идеи требуют оценки и нуждаются в тщательном ранжировании. Понимание базовых принципов работы алгоритмов машинного обучения помогает ответить на вопросы о способах реализации и эффективности каждого проекта.

Каковы перспективы и проблемы на пути развития технологии

Многие этого не замечают, но ИИ уже значительно влияет на нашу ежедневную жизнь: расчетное время прибытия в навигаторах, погода, подсказки слов на телефоне, реклама в социальных сетях - все работает на базе технологий анализа больших данных. В ближайшее время область применения ИИ будет расширяться. Так, Amazon открывает автоматизированные магазины без кассиров, Uber тестирует беспилотные такси, а Google разрабатывает персонального помощника, способного самостоятельно совершать звонки и бронировать столики в ресторанах.

Наука совершила гигантский скачок за последние годы: прорывные результаты исследований, развитие открытых платформ для анализа данных и рост научного и инженерного сообщества расширили горизонты возможного. В качестве примера упомяну международное соревнование ImageNet, открытое в 2010 году. На соревновании необходимо реализовать систему, успешно идентифицирующую объект, изображенный на фотографии. Всего в ImageNet - около 10 тыс. таких объектов и 14 млн изображений. Ошибка человека при определении объекта на фотографии из ImageNet составляет 5,5%, а ошибка глубокой нейронной сети на 2016 год составляла 3,1%.

Ведущие технологические корпорации инвестируют большие средства в открытые платформы машинного обучения, доступные для использования каждому желающему. Наличие открытых библиотек помогает росту сообщества и стандартизации решений.

Без проблем, конечно, не обходится. Даже у крупнейших игроков возникают неожиданные неприятности. Система поиска Google Photos путала людей с животными. Бот Tay от Microsoft был закрыт через несколько дней после выпуска в связи с жалобами на расистские сообщения и некультурную речь. Проблема оказалась в пользователях: бот учился онлайн на потоках сообщений в Twitter. Amazon прекратил использовать систему интеллектуального рекрутинга собственной разработки в связи с тем, что алгоритмы делали систематически нечестный выбор в пользу мужской половины населения.

Во всех случаях проблемы вызваны двумя факторами - данными и метриками. К примеру, проблемы возникали при решении задачи диагностики пневмонии по рентгеновскому снимку. Клиника предоставила набор данных из 30 тыс. снимков легких, где каждый снимок предварительно анализировался врачами-радиологами. Эксперты по компьютерному зрению обучили глубокие нейронные сети и получили точность работы алгоритма, значительно превышающую точность работы врачей. На практике оказалось, что решение не работает. В наборе данных присутствовали снимки, сделанные как в больнице, так и портативным сканером дома у пациента. Последние имели небольшую маркировку в углу. В результате алгоритм обучился решать задачу максимально эффективным способом - отделять больных пациентов от здоровых по наличию маркировки. Причиной послужило то, что большинство случаев, заснятых портативным сканером, были положительными. Если пациент не в состоянии доехать до больницы и врачи вынуждены проводить диагностику с выездом к пациенту, то шансы на обнаружение заболевания высоки. Этот феномен называется утечкой данных. Такие проблемы крайне тяжело выявить на стадии формирования выборки, хотя дефект кажется очевидным после обнаружения.

Таким образом, некачественная подготовка данных может сделать алгоритм нечестным по отношению к определенным группам людей или даже подвергнуть риску их жизни.

Обеспечить честность и непредвзятость ответов моделей машинного обучения - приоритетная задача, стоящая перед научным сообществом. Потенциальных путей решения существует много, но "серебряной пули" пока никто не изобрел.

Вторая проблема - выбор бизнес-метрики - числа, отражающего качество работы системы с точки зрения бизнеса. Так же как и постановка KPI для бизнес-подразделения, метрика будет определять характер работы алгоритма. Неправильный выбор бизнес-метрики приводит к неправильному решению задачи. На старте проекта следует тщательно продумывать способы расчета метрики, определяющей успешность решения. Крайне важно, чтобы это число рассчитывалось быстро и без ручной работы.

Следующая важная проблема - создание гибкого и быстрого процесса разработки. Решения на базе ИИ требуют проведения множественных экспериментов. Часть из них неизбежно безуспешны, поэтому следует максимально уменьшать цену ошибки. Долгие циклы внедрения налагают большие риски на проект. Как следствие, создание организационной среды, позволяющей быстро внедрять и проверять идеи, - фундаментальны для успеха.

Насколько с финансовой точки зрения оправданно внедрение и применение ИИ

Финансовый успех целиком и полностью зависит от целей, которые преследует компания. В первую очередь необходимо найти сценарий применения ИИ, дающий наибольший финансовый рычаг.

Один из наших клиентов - зарубежная микрофинансовая организация. У них возникла идея использовать машинное обучение в пассивной форме для получения отчетов по своей клиентской базе. Отчеты предполагалось строить путем анализа большого объема внутренних и внешних данных по клиентской базе: профили социальных сетей, текстовые сообщения пользователей и др. После совместного исследования мы выяснили, что наиболее эффективным способом использования собранных данных является разработка качественной скоринговой модели на основе алгоритмов машинного обучения. Таким образом, технологии анализа данных могут напрямую принимать участие в бизнес-процессе и положительно влиять на прибыль.

Другая компания искала способы монетизации данных мобильных приложений. Вместе мы разработали подходы к алгоритмизации маркетинга. Разработанные нами интеллектуальные маркетинговые стратегии автоматически сегментируют пользователей, определяют вероятность покупки и шансы оттока клиентов. Результат разработки - платформа, которая может подключать к себе любые мобильные приложения и выдавать их клиентам таргетированные маркетинговые предложения.

С несколькими клиентами мы прорабатываем решения на основе ИИ, нацеленные на уменьшение рисков и операционных издержек. Системы учатся управлять процессами поддержки и мониторинга: маршрутизировать и реагировать на заявки пользователей и осуществлять предиктивный мониторинг оборудования.

ИИ - это шаг вперед или деградация?

С каждым новым витком технического прогресса люди задавались подобными вопросами: автомобили - шаг вперед или деградация? А электричество? Атомная энергия? У каждой медали есть обратная сторона. Область влияния ИИ крайне широка, и использоваться он может как во благо, так и во вред. Пока одни организации решают проблемы потребления энергии, ищут пути для предотвращения суицидов и помогают в определении эмоций обратившегося на горячую линию экстренной службы человека, другие с помощью машинного обучения разрабатывают систему социального рейтинга (или кредита) на государственном уровне. Система оценивает поведение человека 24/7 при помощи камер наружного наблюдения. При наличии видимых отклонений от социальных норм система занижает рейтинг человека. Впоследствии это может влиять на жизнь человека: низкий балл повышает стоимость билетов в общественном транспорте, снижает вероятность устройства на работу в определенные компании или дает повод отказывать в обслуживании в гостиницах и ресторанах. Система социального кредита - не фантастика. Она разрабатывается в Китае с 2014 года, уже внедрена и работает в отдельных городах.

Крупные игроки в области ИИ создали собственные отделы этики. К примеру, в отделении DeepMind Ethics & Society исследуются вопросы о влиянии ИИ на наше общество. Цель этого подразделения - предотвратить пагубные и потенциально опасные сценарии использования новых технологий. Важно понимать, что ИИ - лишь инструмент. Будущее, которое мы строим, полностью зависит от нас. Принятие правильных решений зависит от осведомленности всех слоев общества о возможностях современных технологий. Ждет ли нас прогрессивное и технологическое общество или антиутопия Оруэлла? Покажет только время.

Нужно ли бояться ИИ?

Основная причина страха перед новыми технологиями заключается в непонимании принципов их работы. Сам термин ИИ уже широко употребляется в СМИ, но используется некорректно. В большинстве случаев технологии придается смысл, взятый из художественных произведений, где он - лишь плод фантазии авторов.

На деле же наука еще крайне далека от создания истинного искусственного интеллекта, обладающего способностью рассуждать и действовать, как человек.

При общении с клиентами мы всегда говорим о концепции улучшенного интеллекта (Augmented Intelligence). Основной смысл концепции заключается в том, что технологии улучшают и дополняют человеческую деятельность, делают работу более интересной и простой, а результат - более качественным.

Однако некоторые разработки действительно могут значительно повлиять на жизнь людей. Применение беспилотных автомобилей уже угрожает представителям более 100 профессий. Интеллектуальные HR-системы могут поставить под вопрос необходимость в найме специалиста по набору персонала или, как минимум, снизить потребность в нем. Это далеко не первый случай в истории, когда большое количество людей нуждались в переквалификации. Появление принципиально новых технологий во много раз снижало потребность в представителях одной профессии, создавая кадровый голод в новой, только что образовавшейся области. Как примеры упомянем индустриальную революцию и фермеров, роботизацию производства и работников фабрик, системы документооборота и клерков. О решении этих проблем стоит задумываться на государственном уровне - создавать программы переквалификации и обеспечивать специальные льготы.

Информационная безопасность и ИИ

Информационная безопасность аналитических систем - актуальный вопрос, обсуждаемый научным сообществом. В публикациях перечислено много способов обмануть современные алгоритмы компьютерного зрения. Хороший способ защититься - не допускать возможности совершения подобных атак на практике при помощи построения архитектуры информационной безопасности и учитывать особенности используемых алгоритмов. К примеру, техника под названием adversarial examples может незаметно для человека изменять изображения так, что алгоритмы компьютерного зрения будут совершать серьезные ошибки при их анализе и принимать одни объекты за другие. Для обмана модели также возможно сделать специальный стикер и поместить его на объект или человека.

Информационная безопасность алгоритмов машинного обучения - молодая дисциплина, и пока ей занято не так много исследователей. Тем не менее учеными постоянно разрабатываются новые виды атак и новые методики защиты. Так же как и классическая информационная безопасность, это бесконечная игра в кошки-мышки.

Цена ошибки ИИ для бизнеса

Ошибки в работе алгоритмов неизбежны, как и в работе людей. Как правило, ИИ применяется там, где доля совершаемых системой ошибок меньше, чем у человека, или там, где человек просто не в состоянии сделать выводы из-за необходимости в обработке чрезвычайно большого количества данных.

Чем важнее решения, принимаемые на основе работы алгоритмов, тем выше цена ошибки. Если оценивается вероятность отклика на маркетинговую стратегию, то цена ошибки мала и измеряется бюджетом, который компания готова вложить. Так сказать, "заплатить за опыт". Если же речь заходит об определении аварийной ситуации на производстве или о здоровье человека, то ставки возрастают во много раз. Тщательная проработка процедуры тестирования и оценки качества - неотъемлемый элемент любой задачи машинного обучения.

Источник: comnews.ru

Компания «Синимекс» штурмует рейтинги

12.11.2018
Компания «Синимекс» улучшила свои позиции в топ-50 крупнейших поставщиков ИТ для банков в 2018 году. Компания «Синимекс» улучшила свои позиции в топ-50 крупнейших поставщиков ИТ для банков в 2018 году. В CNews Analytis провели обзор ИТ в банках и страховых компаниях за 2018. Среди поставщиков ИТ для банков компания «Синимекс» занимает 23 строчку. По сравнению с прошлым годом результат улучшился на один пункт. Среди финансовых компаний, для которых выполнены наиболее значимые проекты: ВТБ, Газпромбанк, Альфа-Банк, Россельхозбанк, Райффайзенбанк, ЮниКредит Банк, Почта Банк, Росбанк, Банк Ренессанс Кредит. С полным текстом обзора можно ознакомиться на сайте CNews. Рейтинг доступен здесь.

Источник: cnews.ru