Бизнес
#статьи

Азбука цифровизации: от нейрона до умного города

Чем цифровизация отличается от цифровой трансформации? Правда ли, что 5G продлевает жизнь? Что такое «сильный ИИ»? Разбираемся вместе.

Обложка: Meery Mary для Skillbox

Такие слова, как «искусственный интеллект», «нейросеть» и «цифровизация», мы слышим каждый день. С помощью всего этого работают и госучреждения, и хайповые приложения для обработки фотографий, и домашняя техника. Тем не менее объяснить устройство нейросети смогут не все, а цифровизацию, к которой так стремится бизнес, в каждой сфере понимают по-своему.

В этом гайде мы разберём самые важные понятия и процессы, связанные с диджитализацией. Расскажем, откуда взялись расхожие заблуждения (например, о том, что 5G вызывает рак). Спросим разработчиков, как научить нейросеть творить. Узнаем, когда люди начнут жить в умных городах и чем опасно быстрое развитие ИИ.

Что такое искусственный интеллект?

Единственного канонического определения искусственного интеллекта не существует. Обычно под ИИ подразумевают систему, способную «мыслить» или действовать как человек и постепенно учиться новому, используя собранную информацию.

Последнее необязательно. Иван Ямщиков, исследователь искусственного интеллекта, доцент ВШЭ, а в прошлом ИИ-евангелист ABBYY, считает, что «искусственный интеллект — расплывчатое понятие; иногда под ним понимается просто экспертная система, которая отвечает по развесистому набору правил в духе „если А, то Б“. <…> Чтобы такую систему улучшить, программист должен руками прописать новое правило».

Самые распространённые ИИ-технологии — это чат-боты, системы персонализированных рекомендаций в онлайн-магазинах и кинотеатрах и голосовые помощники вроде Siri или Алисы. Намного более сложные алгоритмы уже руководят строительством и разрабатывают новые лекарства.

И всё же искусственный интеллект пока не достиг уровня человеческого разума. Создать систему, которая справится со всем, что по силам человеку, то есть «сильный ИИ», — мечта многих разработчиков. По оценке технического директора Google Рэймонда Курцвейла, это произойдёт не ранее 2029 года.

ИИ может учиться новому. Это и есть машинное обучение?

Да, машинное обучение — это обучение ИИ. Чтобы создателю системы не приходилось постоянно дополнять её вручную, ИИ тренируют выполнять определённые действия, используя в качестве обучающих материалов массив данных. Например, показывают тысячи изображений котов и собак и учат отличать этих животных друг от друга. Если система назовёт собаку котом, программист поправит её и в следующий раз вероятность ошибки будет ниже.

В машинном обучении выделяют более сложный уровень глубокого обучения. Например, компания TwoSense.AI, которая специализируется на цифровой безопасности, с помощью глубокого обучения борется с мошенничеством. Алгоритмы составляют уникальный профиль для каждого пользователя, анализируя несколько параметров, включая длину его шага и геолокацию устройства. В глубоком обучении почти всегда участвуют нейросети.

Расскажите подробнее про нейросети. Это ведь они обрабатывают фото в приложениях? При чём тут обучение ИИ?

Грубо говоря, нейронная сеть — это модель человеческого мозга. В биологии нейронами называют клетки мозга, которые принимают, обрабатывают и передают электрические сигналы. В цифровой сети нейрон — это математическая функция, вписанная в код.

Сеть состоит из нескольких слоёв нейронов, каждый из которых выполняет свою задачу. Например, первый слой принимает информацию, второй обрабатывает её, а на третий выводится результат вычислений. Каждому соединению нейронов — ребру нейросети — разработчики присваивают определённый вес. Если сеть ошибается, то вес корректируют. Это повторяется много раз до тех пор, пока система не перестанет делать ошибки.

Оказалось, что такой подход позволяет не только решать утилитарные задачи, но и творить. В 2016 году российское приложение Prisma, которое превращает фотографии в картины с помощью нейросети, попало в топ App Store. За прошедшие с этого момента пять лет нейросети научили писать собственные картины и музыку. А в 2017 году вышел рассказ «Гарри Поттер и портрет того, что выглядит, словно большая куча пепла», созданный нейросетью, в которую загрузили всю поттериану.

Иллюстрация: Майя Мальгина / Skillbox

Творческий процесс с использованием нейросети состоит из нескольких этапов. Прежде всего нужно выбрать архитектуру. Она зависит от задачи. Чтобы писать рассказы, нужна одна архитектура сети, а чтобы обрабатывать фото — другая. Например, тексты пишут нейросети, которые называют языковыми моделями. Они «читают» много текста, собирают статистику о нём и «учатся» понимать, как организованы слова: что за чем чаще всего идёт.

При этом нейросеть, которая «обучалась» на книгах Роулинг, не напишет ничего принципиально нового.

«Текст получится похожим на книги о Гарри Поттере, чем-то средним между всеми этими книгами. Чтобы он был другим, нужно дать нейросети „почитать“ других авторов. Например, Пелевина. Тогда на выходе получится что-то среднее между Роулинг и Пелевиным.

И это относится ко всем подобным моделям. Нейросети, которые пишут тексты, картины или обрабатывают фото, ничего принципиально нового в искусстве не изобретут», — рассказала Skillbox Media преподаватель Deep Learning School МФТИ Татьяна Гайнцева.

А как это всё связано с цифровизацией?

В широком смысле цифровизацией принято называть внедрение digital-решений, в частности нейросетей. Весь процесс обычно проходит в несколько этапов. Разберём их на примере бизнеса.

На первом этапе данные с физических носителей просто переводят в цифровой формат. Это стадия оцифровки. Завершив её, можно приступать собственно к цифровизации. На этом этапе оцифрованные данные используют для упрощения и оптимизации процессов. Но цифровизация не финальный этап. За ней следует цифровая трансформация. Это глубокое преобразование бизнеса с опорой на digital-решения. Цифровая трансформация открывает перед компанией новые возможности (например, выйти в новые ниши или повысить выручку за счёт новой стратегии), но не гарантирует успех. Это лишь возможности.

В 2020 году процесс цифровой трансформации резко набрал скорость из-за пандемии. По данным Dell, 85% компаний в России и 80% компаний в мире ускорили внедрение программ цифровой трансформации.

Это всё о бизнесе. А как выглядит цифровизация в обычной жизни?

Сейчас digital-решения внедряют во всех сферах. ИИ помогает в выборе фильма на вечер и подбирает партнёров в Tinder. Дополненную реальность (AR) используют в играх (вспомним хотя бы Pokemon Go), а с помощью виртуальной реальности (VR) можно провести тест-драйв перед покупкой автомобиля.

Иллюстрация: Майя Мальгина / Skillbox

Кейс Volvo

Для продвижения люксовой модели XC90 компания Volvo создала ролик с тест-драйвом, который можно посмотреть в очках Google Cardboard. Видео набрало четыре миллиона просмотров, а первую партию Volvo XC90 раскупили за два дня.

Доцент «Сколтеха» Дмитрий Лаконцев называет одним из основных драйверов цифровизации интернет вещей (IoT). На бытовом уровне это явление особенно заметно: «умные» устройства с доступом к интернету «общаются» между собой. Чайник можно включить со смартфона, а холодильник также через телефон подсказывает владельцу, какие продукты купить. Это и есть интернет вещей. Правда, чайниками его возможности не ограничиваются. Промышленный интернет вещей (IIoT) автоматизирует производство с помощью «умного» оборудования.

Если технологии уже есть, то почему ещё не всё цифровизировали?

Есть несколько факторов, которые этому мешают. Одних технологий недостаточно.

«Для того чтобы запустить процесс с нужной скоростью, нужны квалифицированные кадры. Пока таких специалистов не хватает», — объясняет заведующий Международной лабораторией цифровой трансформации в государственном управлении при НИУ ВШЭ Евгений Стырин.

По мнению продакт-менеджера Intel по глубокому обучению Ольги Перепёлкиной, для цифровизации нужно больше качественных, правильно размеченных данных, а их подготовка — например, соотнесение с определёнными классами — дорогой и трудоёмкий процесс. Также внедрение ИИ сдерживается недоверием людей к этой технологии и боязнью того, что искусственный интеллект заменит живых специалистов:

«Например, в медицине бывают случаи, когда персонал сопротивляется внедрению таких систем из страха, что часть функций будет отдана на откуп машинам, а специалисты потеряют свою ценность», — пояснила Ольга Skillbox Media.

Ещё одно существенное препятствие — недостаточное распространение 5G-сетей. По оценкам Ericsson, только к 2026 году на них будет приходиться больше половины мирового трафика.

5G? А они безопасны?

5G — это мобильные сети пятого поколения. Буква G в названии означает generation. Первое поколение появилось ещё в 1980-х годах, а в 2010-х стал популярен стандарт 4G. Сейчас идёт развёртывание 5G-сетей. Сигнал 5G передаётся на более высоких частотах, чем 4G-сигнал.

Миф о том, что сети 5G провоцируют развитие рака, появился в 2019 году, когда журнал Scientific American опубликовал статью под названием «У нас нет никаких причин считать 5G безопасными». Её автор опирался на результаты эксперимента 2018 года: крысы, которых подвергали воздействию высокочастотных электромагнитных полей, чаще других болели раком. Эти выводы оказались ошибочными. Выяснилось даже, что самцы крыс, которые подвергались воздействию, жили дольше своих сородичей.

Scientific American выпустил опровержение через полторы недели после первой публикации, но волну паники было не остановить. Противники сетей нового поколения до сих пор жгут вышки 5G и всё, что за них принимают.

Иллюстрация: Майя Мальгина / Skillbox

Чем 5G лучше 4G?

Новое поколение намного быстрее предшественников. Скорость 5G-интернета — 10–25 Гбит/с, а задержка в передаче сигнала — всего 1–2 мс. Для сравнения: в 4G скорость 1 Гбит/с считалась прорывом.

Это открывает новые возможности. Например, для передачи изображений высокого качества. C 5G виртуальная реальность станет доступной, а телемедицина — более продвинутой. То есть хирург сможет руководить операцией удалённо. 5G ускорит развитие беспилотного транспорта, а идея умного города сможет реализоваться в полной мере.

Умный город — это когда везде камеры?

Не совсем. Сразу оговоримся: единого определения умного города нет. Это словосочетание превратилось в бренд, под которым запускают разные проекты — от экологических до связанных с безопасностью и здравоохранением. Несмотря на разницу в подходах, большинство концепций «умных городов» предполагают такие характеристики, как:

  • экологичность,
  • участие горожан в принятии решений,
  • опора на данные,
  • улучшение сервисов.

Сейчас главная трудность в том, чтобы совместить и скоординировать все эти направления.

«Городское управление представляет собой не монолитную систему „умный город“, а своеобразный оркестр из множества информационных сервисов, которые работают в единой связке. Одни сервисы муниципалитеты могут создавать сами, другие они заказывают профильным поставщикам. Оптимальная IT-среда для такого оркестра — открытые гибридные облачные платформы, позволяющие быстро интегрировать новые сервисы, в том числе основанные на искусственном интеллекте», — рассказал Skillbox Media Олег Бяхов, директор по государственным программам и развитию бизнеса IBM в России и СНГ.

Иллюстрация: Майя Мальгина / Skillbox

Чтобы смоделировать все процессы, которые происходят в городе, и оптимизировать их, строят цифровые двойники. Среди самых ярких проектов — двойники Сингапура, Бостона и нового индийского города Амаравати.

Что такое цифровой двойник?

Это виртуальная модель объекта или процесса. Городу цифровой двойник нужен для того, чтобы эффективнее управлять инфраструктурой (например, «умными» светофорами, системами ЖКХ и общественным транспортом), следить за тем, как климатические изменения влияют на жителей и здания, моделировать разные варианты развития территорий и выбирать оптимальные.

А цифровой двойник завода помогает спрогнозировать разные сценарии и предсказать, когда нужно будет ремонтировать оборудование, а когда — менять. Ещё он может подсчитать, сколько именно сырья и в какой момент нужно иметь на складе. Если вы разрабатываете сложное промышленное оборудование, то с помощью цифрового двойника его можно виртуально протестировать в разных условиях. При этом не придётся тратиться на физический прототип.

Цифровые двойники — важная составляющая Индустрии 4.0. Этим термином принято обозначать технологии эпохи четвёртой промышленной революции. Третья пришлась на начало XXI века — она характеризовалась внедрением компьютеров и сокращением использования полезных ископаемых.

В Индустрии 4.0 материальные объекты соединяются с виртуальными и образуют единую цифровую экосистему. «Умное» предприятие, на котором многими процессами управляет ИИ, и есть такая система.

Но ведь ИИ часто ошибается. Как же можно поручать ему ответственные задачи?

Подобные мысли в последнее время высказывают в разных странах на самом высоком уровне. Например, Европарламент хочет запретить ИИ принимать решения о применении оружия, а в США рассматривают вопрос о том, чтобы ограничить его использование при отсеивании резюме кандидатов. В России тоже хотят регламентировать применение ИИ в тех сферах, где ошибка может иметь юридически значимые последствия.

Татьяна Гайнцева (Deep Learning School МФТИ) считает, что опасения обоснованны: «Да, действительно, нейросети очень быстро развились, и законы не поспели за этим процессом. По сути, сейчас он никак не регулируется. Две главные проблемы — необъективность нейросетей и невозможность интерпретировать принятые ими решения.

Предвзятость связана с тем, что сеть обучается на данных. Нейросеть лучше „понимает“ то, что она видела чаще всего, а сделать выборку данных сбалансированной по всем параметрам невозможно. Допустим, в ней будет поровну мужчин и женщин всех рас, но тех, кто носит очки, окажется меньше, чем тех, кто их не носит. Людей с короткими волосами может быть больше, чем длинноволосых, и так далее. Всё это делает нейросеть предвзятой.

Вторая проблема: мы никогда не сможем сказать, почему сеть выбрала то или иное. Представим, что нейросеть выносит приговор в суде, — невозможно будет узнать, на каких выводах он основан.

„Вылечить“ это мы пока никак не можем. Поэтому я считаю, что сейчас нет другого выхода, кроме как внести в законы ограничения для нейросетей. Важно реагировать быстро: проблемы будут постоянно обнаруживаться то в одной сфере, то в другой».

Вопрос о том, что можно и нельзя поручать ИИ, — один из главных в цифровой этике. Эта область этики сейчас только формируется. К ней относятся нормы обращения с информацией (в том числе с персональными данными) и технологиями, а также правила онлайн-коммуникации.

Чтобы «присматривать» за ИИ, крупные корпорации, например Google или IBM, нанимают собственных специалистов по цифровой этике или создают для этого группы из нескольких экспертов:

«В IBM есть AI Ethic Boards, то есть комитеты по этике ИИ, которые ещё на этапе дизайна рассматривают проекты с применением искусственного интеллекта. В такие комитеты входят специалисты по данным, дизайнеры систем, юристы и бизнес-консультанты», — говорит Олег Бяхов (IBM).



Научитесь: Профессия Machine Learning Engineer Узнать больше
Понравилась статья?
Да

Пользуясь нашим сайтом, вы соглашаетесь с тем, что мы используем cookies 🍪

Ссылка скопирована