Изкуствен Интелект

Къде компаниите могат да използват изкуствен интелект

CIO Media

Изкуственият интелект не е магическа пръчица, но може да намери приложение в множество корпоративни системи, особено в областта на анализа и разпознаването на аномалии

Галън Груман, CIO

Изкуственият интелект (AI) е нещо, което всяка ИТ организация трябва да притежава, ако иска да успее. Да, изкуственият интелект може да генерира добавена стойност за бизнеса. И, не, това не е магическа пръчица, с която да се решат всички проблеми на организацията.

Ако се използва рационално, AI може да подобри корпоративните системи и бизнес операциите. За да разбере как корпоративните системи могат да се възползват от изкуствения интелект, CIO.com интервюира AI анализаторите Чел Карлсън от "Форестър Рисърч", Чарли Рич от "Гартнър" и Мики Норт Рица от Ай Ди Си.

Не бъркайте автоматизацията с AI
Производителите често твърдят, че внедряването на техните решения ще доведе до революция в бизнеса. Не им вярвайте. "Подхождайте с недоверие, ако всичко изглежда като на филм", казва Карслън.

Повечето вендори предлагат системи, базирани на определени правила, обяснява Норт Рица от Ай Ди Си. Сложните алгоритми или логика в техните софтуерни решения съдържат много общоизвестни случаи и работят по-бързо и прецизно, отколкото хората. Но това всъщност е автоматизация, а не изкуствен интелект.

Автоматизацията е добър вариант, но тази, която се базира на машинен интелект, създава проблеми. При истинския изкуствен интелект системата решава какво да прави, а това не е нещо, което искате в повечето бизнес случаи. Представете си какво би станало, ако вашите финанси, човешки ресурси, продуктово планиране, мрежово управление и т.н. се управляват от независим интелект, когото вие не разбирате напълно и не можете да контролирате.

Насочете AI към приложния анализ и откриването на аномалии
Изкуственият интелект може да се използва за идентифициране на анормални ситуации на вземане на решения от човека. Автоматизацията е приложима при популярните модели, но за неизвестните до този момент модели машинното обучение, дълбочинното обучение и изкуственият интелект са правилният избор.

Изкуственият интелект, основан на анализ, може много по-бързо от човека да идентифицира тези непознати модели. Той може да предложи и начин за действие, базиран на подобен модел, но решението какво действие да бъде предприето се оставя на човешкия интелект и човешкия опит и може лесно да бъде проверено от други хора.

Автоматизацията или софтуерът могат впоследствие да изпълнят решенията, използвайки зададените правила и логика. Автоматизация на роботизираните процеси (robotic process automation - RPA) е добър пример за напредъка на технологията в днешно време. Тук не става въпрос за AI - тези технологии "не мислят" сами, но могат да поддържат работни потоци с нарастваща сложност. Софтуерът може да изглежда интелигентен, но това е заради интелекта, който програмистите са заложили, а не заради изкуствения интелект, внедрен в системата.

Анализът и разпознаването на аномалиите представляват голяма част от внедрения в корпоративните системи изкуствен интелект. Тази интеграция обикновено се прави от софтуерните доставчици, като се базира на добре познати примери на използване и бизнес процеси.

При системите, разработени вътре в организацията, не е много лесно да се доведе изкуственият интелект до анализа, смята Карлсън от "Форестър". Науката за данните стои в основата на превръщането на интелекта в анализ, но "хората често не осъзнават, че изследователите не са научени да вземат решения и да извършват бизнес анализ, така че в крайна сметка получавате прогноза за търсенето, но не знаете какво точно да направите", заявява той.

В идеалния случай "изкуственият интелект създава по-добър предиктивен модел, който да използвате при вашия класически метод на оптимизация. "Те са взаимно допълващи се", обяснява Карлсън. Но е трудно, защото тези, които се занимават с оптимизация, не знаят как да говорят с тези, които се занимават с данните, и обратно. "Изследователи в областта на данните" е термин, който може да означава почти всичко, и не са много организациите, които го разбират."

Но според Карлсън има надежда: "Инженерите започват да достъпват машинното обучение чрез AutoML - рамки, които намаляват необходимостта моделите на машинно обучение да се изграждат от нула. Инструментите стават доста лесни за употреба за бизнес потребителите. Мултифункционалните екипи за подобряване на процесите, които имат опит в подходи като Six Sigma и Lean, се справят много добре с превръщането на изкуствения интелект в анализ. "Те притежават нужното ДНК, за да се справят с промените в управлението, обяснява Карлсън. Събирането на данните и тяхното рационализиране са сериозните предизвикателства."

Тези по-проучвателни форми на изкуствен интелект, или както Карлсън ги нарича - "добавен интелект" (augmented intelligence), имат доказани случаи на използване в различни корпоративни системи - в областта на маркетинга, логистиката, обработката на документите и самите ИТ системи.

AI с приложение в бизнес системите
Приложно-аналитичната форма на изкуствения интелект често намира приложение в корпоративните системи, които използват голям обем от данни, ангажирани са в постоянно променяща се или несигурна среда и се справят с нуждата за бързо адаптиране на процесите.

Класическото приложение включва: логистика - доставка на товари, определяне на пътя на превозните средства и управление на инвентара, и ситуационни оценки, включително кредитни и продуктови препоръки. По-новите сфери на приложение включват: управление на репутацията, оценка на автобиографиите и управление на риска.

Непозната сфера на използване на изкуствен интелект е и автоматизираната обработка на документи. "Много процеси зависят от тях", обяснява Карлсън от "Форестър". Въпреки че договорите, политиките, медицинските картони и други използват стандартни формуляри и изглеждат сякаш лесно биха могли да бъдат обработени, от тези документи доста трудно се извежда информацията, смята той. Дори малки отклонения в стила на заглавията и очертанията на таблиците могат да объркат файловите екстрактори.

Още по-трудна е обработката на описания, които не са добре дефинирани във формулярите. "Добър пример са финансовите съветници и техните клиенти, които се интересуват от нови пазари. Те трябва да разгледат инвестиционния профил, ресурсите и маркетинг моделите, вместо да прилагат класическия метод с инвестиционни модели, които подобни клиенти избират. Друг пример е анализът на докладите на медицинската патология с цел "да се прецени дали има риск от развитие на рак, тъй като тези резултати обикновено се различават от традиционните оплаквания на пациентите", обяснява Карлсън, като допълва, че познава случай, при който болница използва изкуствен интелект за обработка на документи с цел да открие такива примери и да автоматизира въвеждането на данни в националната база данни с болни от рак на САЩ.

AI с приложение в ИТ системите: AIOps
AIOps (AI операциите) идват със сериозни обещания за ИТ работните потоци при идентифицирането и диагностицирането на проблемите в мрежите, бизнес процесите и т.н., като дават възможност автоматизацията дори да извършва възстановяване. Подобни подходи могат да бъдат от помощ в областта на сигурността - при идентифициране на прониквания и кражби на информация отвътре.

"AIOps е доста по-неразвита област в сравнение с другите корпоративни AI области", смята представителят на "Гартнър" Чарли Рич. По принцип включва машинно обучение и понякога - дълбочинното обучение и графичен анализ, с които "се прилага математиката към проблемите". Това означава да се търсят модели и аномалии, обикновено в логовете, които сигнализират на ИТ да отговорят директно или чрез автоматизация.

Предизвикателството пред AIOps е, че "има твърде много шум, в резултат на което и фалшиви сигнали", смята Рич. Сега, когато почти всичко е дигитализирано, е още по-сложно. Корелационният анализ на събитията като основополагаща техника съществува от години. Но "той е базиран на правила, които трябва постоянно да се ъпдейтват, обяснява Рич. Данните може да не са с добро качество, което прави почти всяка имплементация къстомизирана. Но работи", ако можеш да си позволиш да платиш за това. Пазарът би се радвал, ако можеха да се избегнат изследователите на данни, но това не е възможно на този етап.

Друго предизвикателство е извършването на анализ на данните от времевите редове, чрез който да се установят аномалиите, базирани на времеви модели. "Тези алгоритми съществуват от 1950 г., но съвсем наскоро активизирахме компютърната мощ при тяхното извършване", обяснява Рич.

Друга област, в която изкуственият интелект може да се намеси, е анализът на първопричините, който включва огромни обеми от анализи на корелациите и времевите редове. "Отдавна се говори в тази насока и сега започваме да виждаме прогрес с графичния анализ", допълва Рич.

Не трябва да пропускаме и NoOps системите. "Някой ден ще стигнем и до това", категоричен е Рич. "Това, което може да бъде направено днес, е да се инициират действия на база на условна конструкция, които да задействат скрипт", обяснява той.

Но Чарли Рич споделя и някои притеснения за момента, в който AIOps ще извършват сами всичките операции. "Никога не получаваш всички сигнали. Дори и да ги получиш, какво ще се случи, ако проблемът е нов и няма решение? И тук е и рискът от промяната: Какво още може да се счупи? Анализът на риска е необходим, но всъщност не съществува."

В същото време AIOps може да бъде от помощ на добавените усилия на ИТ екипа да идентифицира проблеми, които по-бързо да разрешава или да се предпазва от тях.

AI и потребителските интерфейси
От години очакваме обработката на естествените езици (natural language processing - NLP) да елиминира нуждата от екипа по поддръжка. Чатботовете са добър пример за това и за съществуващото недоверие в тях - дали тези "интелигентни" взаимодействия всъщност не фрустрират клиентите? Детерминистичните правила, които следват, доста често не отговарят на проблемите на клиента. Въпреки това NLP (и в писмена, и във вербална форма) напредна изключително много в опита си да разбере човешкия диалог, обяснява Карлсън.

През последните 20 години NLP направи сериозни крачки при разпознаването на говор и разбирането на неструктуриран текст, като по този начин се улесни комуникацията, без да има нужда от клавиатура или филтриране (стесняване) на запитването, преди да достигне до човека или автоматизираната система. Това в известен смисъл също е анализ на значението и начините на изразяване.

Изкуственото зрение също направи голям скок през последните години. Докато автономните коли засега са все още добро пожелание, отколкото реалност, технологиите за намаляване на катастрофите показват, че възможността да се възприема заобикалящата среда и да се извършват автоматизирани действия, базирани на определени правила (като активиране на спирачката например), са напълно реални.

Развитието на анализа прави изкуственото зрение и другите технологии приложими и в други сфери: в складовете - за разпознаване на обекти за опаковане, в медицината - за откриване на тумори, в търговията - за разбиране на поведението на купувача, и т.н.

При всички тези случаи ключовото е, че AI анализира точно реални състояния на хората и заобикалящата среда, като така намалява необходимостта хората да разбират специфичен синтаксис и се справя с ограниченията на потребителските интерфейси, а хората могат да си взаимодействат с технологиите по един естествен начин.

Превод и редакция Майя Бойчева-Манолчева

X