Только десять процентов компаний смогли увеличить доход, внедряя искусственный интеллект. Исследователи разобрались, что лежит в основе их успеха.
Среди компаний, применяющих искусственный интеллект в рабочих процессах, только десятая часть смогла получить из этого существенные финансовые выгоды, говорится в докладе аналитиков Массачусетского технологического института и консалтинговой компании Boston Consulting Group.
Исследование показало, что главным фактором успеха стала взаимообучаемость, когда, не только алгоритмы учились у людей, но и сотрудники компании были готовы учиться у машины. Корреспондент.net рассказывает подробности.
Взаимодействие человека и машины
Аналитики BCG, которая входит в "большую тройку управленческого консалтинга" и научно-исследовательского журнала лучшего технического вуза мира MIT Sloan Management Review, опубликовали на этой неделе исследование о результатах внедрения ИИ в рабочие процессы компаний.
В последние годы искусственный интеллект внедряются в самых разных сферах, в том числе далеких от IT-технологий. Однако только десяти процентам из них получилось применять алгоритмы с финансовой для себя выгодой.
Роботы отберут работу. Доклад о бурном развитии ИИ
Исследователи опросили более трех тысяч менеджеров из 29 отраслей и 112 стран. Большинство из них (57 процентов) сообщили, что в их компаниях тестируется или уже внедрен искусственный интеллект в рабочие процессы. 59 процентов рассказали, что в их компаниях разработали стратегию по применению ИИ.
При этом больше 70 процентов опрошенных менеджеров сообщили, что в их компания есть понимание того, как ИИ может помочь в получении прибыли от бизнеса. В докладе отмечается, что три года назад утвердительно на этот вопрос ответили 57 процентов респондентов.
Однако только каждый десятый принявший участие в исследовании управленец заявил, что внедрение ИИ уже принесло им существенные финансовые выгоды.
Авторы исследования делают вывод, что залогом успеха является сочетание взаимодействия человека и ИИ. Эффективность искусственного интеллекта в такой ситуации может вырасти в шесть раз.
Аналитики выделили пять способов взаимодействия алгоритмов и людей:
-
ИИ принимает решения и выполняет их
-
ИИ принимает решения, а люди выполняют
-
ИИ дает рекомендации, а люди принимают решения
-
ИИ генерирует идеи и аналитические выводы, а люди используют их в процессе принятия решения
-
люди генерируют идеи и выводы, а ИИ оценивает их
Среди компаний, которые используют только один из этих способов, финансовые успехи наблюдаются только у пяти процентов. Если два способа - шесть процентов.
При использовании трех или четырех вариантов - 15 процентов, зато при сочетании всех пяти способов взаимодействия - 32 процента.
"Единственный наиболее важный фактор, определяющий создание ценности с использованием ИИ, - это не алгоритмы и не технологии, а человек. У избранной группы успешных компаний лучше, чем у других, получается создавать интегрированные системы ИИ - человек, в которых ИИ учится у человека, а человек учится у ИИ", - считает управляющий директор и партнер BCG Макс Хаузер.
Искусственным интеллектом сейчас называют нейронные сети, которые используют так называемый метод глубокого обучения.
Такая сеть в некотором роде воспроизводит организацию нейронов в мозге, и по сути является набором простых вычислителей, связанных между собой и умеющих получать входные данные, передавать друг другу сигналы и формировать ответ. Чем сложнее архитектура нейросети, тем более сложные задачи она может научиться решать.
Одной их самых перспективных сфер использования машинного обучения является медицина, а именно поиск новых лекарств.
Так, в начале этого года стало известно, что ученые Массачусетского технологического института впервые за полвека нашли несколько новых антибиотиков. Сделать открытие им помогла нейросеть, что стало уникальным достижением в истории медицины.
А в октябре 2020 года в MIT представили модель, которая может генерировать новые лекарства против туберкулеза. Большая часть вариантов алгоритма оказались эффективными.
Это получилось благодаря внедрению новой функции в алгоритмы машинного обучения, которая улучшает способность к прогнозированию.
Используя новый подход, который позволяет компьютерным моделям учитывать неопределенность в данных, команда института выявила несколько перспективных соединений, которые нацелены на транспортный белок, необходимый бактериям M. tuberculosis. Если он отсутствует или не активен, то бактерии больше не могут размножаться.
Еще об одной интересной сфере применения нейросетей сообщалось в конце сентября. Тогда власти Нью-Йорка возобновили работу пилотного проекта по использованию искусственного интеллекта в судебной системе.
Власти надеются, что ИИ поможет им сократить нагрузку на местные тюрьмы и избежать предвзятости, которая характерна для консервативных американских судей.
Подробно о том, как разрабатывалась и какие итоги показала нейросеть-судья в материале Без предвзятости: в Нью-Йорке приговоры выносит ИИ.
Новости от Корреспондент.net в Telegram. Подписывайтесь на наш канал https://t.me/korrespondentnet