Однако объективные различия есть у каждого слоя этого стека, и самые важные из них касаются трех отличительных характеристик новых машин, выделенных нами раньше: способность обучаться, значительная оперативная мощность и огромное количество данных. В таблице 4.1 мы обозначим несколько ключевых различий в каждом слое этого программного стека. Далее мы проработаем разные компоненты, общие для всех интеллектуальных систем, как показано на рисунке 4.1.

Рисунок 4.1. Анатомия интеллектуальной системы

Независимо от того, насколько цифровым становится наш мир, эта перемена в первую очередь ориентирована на людей; это наша, углеродная, форма жизни без кнопки вкл./выкл. Поэтому чем более технологичны успешные цифровые решения, тем более человечными будут ощущаться. Лучшие цифровые решения не замедляют нас, напротив, они как будто отходят в сторону, помогая достичь цели. Мы не хотим обучать системы, мы просто хотим получать результат. GPS-навигаторы Waze дают нам возможность добраться до места самым быстрым путем, платформа Predix от GE – наша ветроэлектростанция, юридический аналитический сервис Lex ех Machina ведет запись действий конкретного судьи. Машины способны на невероятные вещи, но общая черта успешных систем – они ставят в центр разработок человеческое восприятие. Часто даже среди самых автоматизированных, будто богатых искусственным интеллектом средах все еще очень много следов человеческого участия.

В нашей частной жизни мы думаем о Netflix, Strava, Linkedin и другом как о приложениях. Большинство из нас уже даже не зовет их «программным обеспечением». То, до чего вы дотрагиваетесь, контент, которым делитесь, получаемые информация или идеи, – все это проходит через приложение (или через слой приложения), являющееся входом в оставшуюся часть новой машины. Годами вы загружали приложения в свой компьютер, смартфон или планшет, а сегодня их внедряют и в промышленные машины (такие как автомобили). Важнейшим является то, что ваше впечатление будет сформировано приложением. Остальная часть интеллектуальной системы, если она хоть сколько-то хороша, для нас невидима.

Кроме того, как мы подчеркивали в нашей книге «Code Halos», приложение должно обеспечивать пользователя чувством прекрасного. Приложение должно проходить по критериям FANG в части элегантности и простоты использования. Это объясняет стремительный подъем «дизайн-мышления» в корпоративных IT-кругах, ведь эти интерфейсы должны подходить вашим клиентам, партнерам и сотрудникам для использования в повседневных делах (никакие учебники или тренинги для пользователей не разрешаются!). Ключ к успеху в том, что интерфейс приложения должен быть простым и интуитивным, вписываться в контекст пользовательских потребностей.

Несмотря на всю шумиху, узкий искусственный интеллект – это современное, сложное, адаптивное программное обеспечение в сердце интеллектуальной системы. То, что мы считаем ИИ, по-настоящему должно включать три элемента.

1. Логика цифрового процесса. Каждый раз, входя в интеллектуальную систему, мы участвуем в каком-то процессе: бронируем машину, обращаемся за страховой выплатой, заключаем финансовую сделку или проверяем статус МРТ-аппарата. В этом нет ничего исключительно нового. IT-специалист из 1990-го распознал бы технические элементы, управляющие протекающими внутри интеллектуальной системы процессами. Революционная составляющая интеллектуальных систем в том, что они преобразуют многие ручные процессы в автоматизированные. Вспомните еще раз пример с противопоставлением Uber и такси. Процесс заказа автомобиля в обычном такси выполняется вручную (например, клиент звонит, посредник информирует диспетчера, диспетчер связывается по радио с подходящим водителем и т. д.). В Uber весь процесс автоматизирован. Когда этот оцифрованный процесс вылился в миллионы транзакций, революция в отрасли состоялась. Мы опишем, как это сделать, во второй половине книги. Однако сейчас главная проблема в том, что, хотя руководящая процессным слоем искусственного интеллекта технология довольно проста, правильно структурировать этот лежащий в основе процесс – крайне трудная работа.

2. Машинный интеллект. Вот это действительно новая и другая технология современной машины. С помощью комбинации алгоритмов, процесса автоматизации, машинного обучения и нейронных сетей система подражает «обучению» через получение опыта, то есть через расширение набора данных. Именно так она может автоматизировать рабочий процесс (например, чтение рентгеновского обследования), инструктировать работников по поводу лучшего следующего шага (например, продавец будет знать точную цену, которая с наибольшей вероятностью приблизит сделку) и распознавать рыночные тренды, что поможет создать следующий прорывной продукт. Внутренний «счетчик» (программный механизм внутри интеллектуальной системы) и есть машинный разум, настоящее сердце ИИ. Если смотреть с этой точки зрения, то все не так страшно, загадочно или безнадежно сложно. Не поймите нас неправильно: мы не умаляем техническую сложность этой созидательной работы. Но также в ней нет ничего мистического. Все эти разговоры про «духа в машине»⁶ в реальном мире едва ли имеют отношение к узкому ИИ. Это ничуть не больше и, конечно, ничуть не меньше, поскольку находится в корпусе новой машины, сердца искусственного интеллекта.

3. Программная экосистема. Наш, как видится, магический опыт взаимодействия с интеллектуальными системами кажется бесшовным, единым, однако мы никогда не взаимодействуем с только одним участком ПО. Обычно эти системы составляют экосистему из десятков разнообразных инструментов, связанных интерфейсом прикладного программирования (API), являющимся частями программного обеспечения, соединяющими один инструмент с другим, как детали Lego. Uber, например, привлекает богатый набор инструментов, в том числе Twilio для облачной коммуникации, Google для карт, Braintree для оплаты, SendGrid для отправки e-mail, и так далее. Благодаря программному интерфейсу Uber у каждого из нас есть собственный первоклассный опыт общения с этой системой, но на самом деле мы взаимодействуем с целой экосистемой инструментов и сервисов.

Это бизнес-книга для технологичной эпохи. Мы не планируем вдаваться в мельчайшие подробности конкретных технологий, включенных в сегодняшний искусственный интеллект. Мы могли бы написать еще одну полноценную книгу о машинном обучении, глубоком обучении и нейронных сетях (эти темы – в топе популярности в ведущих мировых университетах), но, честно говоря, это было бы излишним, поскольку сегодня на рынке уже представлено огромное количество обучающих ресурсов.

Исходных параметров в новых машинах много, и они весьма разнообразны. Некоторые являются зрелыми системами на базе ERP, в другие будет в реальном времени поступать информация от оснащенных оборудованием предметов – тот самый Ореол кодов с данными об окружающих продуктах, людях и местах, – то есть постоянно информировать свой нервный центр о том, что происходит вокруг. Со временем эти параметры будут изменяться, иногда быстро и радикально. Эти вводные параметры отвечают за создание контекстуализированных, ценных данных. Без новых источников данных строить или подпитывать ваши современные машины будет сложно. За выработку новой информации – кода – будут ответственны сенсоры в вашем мобильном телефоне, одежде, спортивном оборудовании, машинах, дорогах и буквально любых других физических объектах. Связь этих сенсоров с интеллектуальными системами – это и есть зарождающийся «Интернет вещей».