Каждый день в новостях появляется новая история о впечатляющей разработке нового искусственного интеллекта. Но, как бы увлекательно ни звучало одежда для чтения мыслей и игра в шутеры от первого лица с вашим мозгом, эти гаджеты вряд ли в ближайшее время повлияют на вашу повседневную жизнь. Что неизбежно повлияет на вас и ваш бизнес, так это все передовые достижения в области корпоративного ИИ.

Но для тех из нас, кто не имеет степени в области науки о данных, такие термины, как Совместное обучение или Составной ИИ, как правило, кажутся абстрактными и трудными для понимания с точки зрения потребностей нашего собственного бизнеса. Именно поэтому соучредитель и технический директор WorkFusion Эндрю Волков и вице-президент Data Science Эбби Левенберг провели веб-семинар Технический радар: прогнозирование будущего корпоративного ИИ. Они обсудили технический радар (который вы можете увидеть и увеличить выше), разбив все причудливые термины, связанные с ИИ, и наметили, какие технологические достижения принесут прямую пользу вашим программам интеллектуальной автоматизации или RPA 2.0. Как вы понимаете, такая увлекательная тема вызвала множество вопросов, вот пятерка лучших:

Как неспециалисту мне очень трудно понять, какие продукты RPA имеют возможности искусственного интеллекта. Как я могу узнать наверняка?

Мы создали этот технический радар и провели веб-семинар, чтобы помочь вам оценить эти вещи. Вы спрашиваете, как отличить, какие роботизированные инструменты действительно обладают возможностями ИИ, от тех, которые утверждают, что они есть, но на самом деле это не так. Вот почему мы наметили возможности ИИ, которые доступны сейчас и которые мы считаем важными. Если в инструменте RPA есть машинное обучение, вам следует искать именно эти возможности. Мы также скоро выпустим очень подробное руководство, которое не только объяснит, каковы возможности, но и расскажет, почему вам нужны определенные вещи и что они будут делать для вас и вашего бизнеса.

Когда система продолжает обучение по мере поступления новых данных, означает ли это, что бот достаточно умен, чтобы проверить базовый алгоритм, или разработчик решает, какие алгоритмы использовать?

Обычно алгоритмы меняются не очень часто. В зависимости от домена и размера данных, которые проходят через систему, может быть важно иметь эти возможности. Когда вы говорите о том, какой тип алгоритмов дает наилучшие результаты для различных типов задач, это довольно предписывающий. Вот почему в продукте WorkFusion есть разные алгоритмы. Те, которые вы видите на диаграмме выше, упорядочены по типу вариантов использования, о которых мы говорили. Они идут от того, что мы называем извлечением данных, где мы используем один набор алгоритмов, к классификации, которая представляет собой другой набор алгоритмов, затем к ранжированию, которое представляет собой маршрутизацию решений, а затем к чат-ботам, где вы будете использовать что-то еще. Отвечая на ваш вопрос о том, что разработчики выбирают алгоритмы: WorkFusion выбирает алгоритм, а не разработчик, потому что разработчика нет. Когнитивные боты создаются путем наблюдения за повседневной работой людей, а технология может выбирать стратегию использования алгоритма или техники в зависимости от проблемы. Каждый выпуск продукта WorkFusion добавляет дополнительные варианты использования, категории и алгоритмы. И даже в одном пакете, если вы говорите об извлечении информации, то есть о сборе данных, один алгоритм может использоваться для 3000 примеров, а совершенно другой алгоритм может использоваться для 100000 примеров. Вот почему они поставляются предварительно упакованными, и мы добавляем их по мере необходимости.

Теперь, когда у нас есть GDPR [нормативный акт, который требует, чтобы компании защищали личные данные и конфиденциальность граждан ЕС в отношении транзакций, которые происходят в государствах-членах ЕС] и других требований, которые поступают, физическое лицо имеет право потребовать от организации удалить все свои личные данные. В таком случае, как нам создать данные для машинного обучения?

Именно тогда мы используем так называемое совместное обучение - область, которую мы уже тестируем с некоторыми из наших клиентов. В нем есть часть, называемая Differential Privacy, которая касается некоторых из этих новых правил. Это означает, что нет частной информации, которую можно было бы восстановить из данных, но данные достаточно ценны, чтобы создать результат, такой же хороший, как результат, который был бы создан с использованием частных данных.

Когда меняются правила, нужно ли мне переделывать и заново изучать процесс машинного обучения? Или в существующей структуре будут учтены дифференцированные изменения?

Во-первых, машинное обучение не означает, что вы должны сбрасывать со счетов правила, когда у вас есть правила. Представьте себе, что у вас есть беспилотный автомобиль, который не учат останавливаться на красный свет, это было бы довольно глупо, не так ли? Итак, у нас есть правила, которые служат барьером для работы системы. Но чтобы ответить на вопрос, первое, что вы сделаете, - это добавите это правило впереди, потому что вы должны руководствоваться здравым смыслом при переносе существующего сегодня процесса в мир автоматизации. Во-вторых, программное обеспечение имеет возможность повторного обучения с использованием статистического контроля качества, который представляет собой небольшую выборку работы, которую производят когнитивные боты, которая проверяется и позволяет обнаружить серьезное отклонение. Таким образом, новое правило можно повторно изучить в течение более длительного периода времени, когда проблема будет обнаружена и система переключается в режим повторного обучения, чтобы существующий когнитивный бот или модель могли адаптироваться к изменениям.

Какой вы видите интеллектуальную автоматизацию через 10 лет?

Нам нравится думать об этой технологии как о следующей промышленной революции. Итак, я думаю, что будет больше типов ботов, которые будут делать то, чего мы не видим сегодня, но то, что они делают, основано на тех же принципах. Мы не думаем, что сильно отклонимся от этого. Будут разные типы ботов, выполняющих более сложные задачи, которые выполняются людьми сегодня, возможно, задачи, требующие, чтобы боты могли разговаривать друг с другом во взаимодействиях между ботами, которые также можно изучить. Кроме того, эта технология создаст так называемую Систему разведки, которая будет дополнять Систему записей [систему хранения и поиска информации, которая обеспечивает централизованный авторитетный источник элементы данных в ИТ-среде], которая уже здесь, и System of Engagement [децентрализованные ИТ-компоненты, включающие такие технологии, как социальные сети и облако], которая почти здесь. Эта технология позволит предприятиям следить за своими активами и создавать систему интеллекта, которая, по сути, будет иметь всю бизнес-аналитику в одном месте и не только хранить ее там, но и развертывать ее для продуктивного использования для запуска когнитивных ботов на основе этих знаний.

Посетите WorkFusion, чтобы узнать больше о том, как наши решения автоматизации на базе искусственного интеллекта могут снизить затраты, увеличить пропускную способность и улучшить предоставление услуг для вашего бизнеса.