Машинное обучение успешно по двум причинам.

1. Наличие данных. Данные – это сырье для ИИ, а в нынешнем мире больших данных их производится больше, чем когда-либо. Происходит цифровизация: любая деятельность оставляет цифровой след. Вокруг нас все больше устройств, которые собирают и передают данные. Данных для обучения ИИ тоже становится больше, а их многообразие растет крайне быстро.

2. Вычислительная мощность. Прорыв в облачных вычислениях позволяет хранить практически неограниченные объемы данных – и при этом дешево. А с помощью распределенных вычислений они анализируются почти в реальном времени. Микроэлектронные технологии прогрессируют, поэтому сложные вычисления возможны на маленьких мобильных устройствах, например на смартфонах. Мы называем это граничными (или периферийными) вычислениями на устройствах интернета вещей.

Люди непрерывно учатся и совершенствуются на своем опыте. Это обучение действием. В алгоритмах машинного обучения ему соответствует обучение с подкреплением. Ребенок учится ходить, все время делая поправку на опыт: если он упал из-за того, что широко шагнул, – значит, надо сделать шаг поменьше.

ИИ, который действует по алгоритму обучения с подкреплением, выбирает оптимальное поведение точно так же: он исходит из реакции среды. С подкреплением машины, например роботы, учатся ходить, управлять автомобилем и летать. В большинстве передовых программ сочетаются методы подкрепления и глубокого обучения.

Подробнее об этом – по ссылке www.bernardmarr.com. Там найдутся сотни статей и видео, где объясняется и обсуждается все связанное с ИИ и машинным обучением.

Есть три основные модели внедрения ИИ в бизнес, и в некоторой степени они пересекаются. Компании используют ИИ, чтобы: 1) по-новому собирать информацию о клиентах и взаимодействовать с ними; 2) предлагать более интеллектуальные продукты и услуги; 3) совершенствовать и автоматизировать бизнес-процессы.

Клиенты. С помощью ИИ компании глубже понимают своих клиентов, лучше представляют, какие продукты и услуги их заинтересуют, находят к каждому индивидуальный подход и прогнозируют рыночный спрос и тренды. В книге мы рассмотрим примеры Facebook, Stitch Fix и других компаний, которым ИИ помогает собирать информацию о клиентах.

Продукты и услуги. С ИИ компании могут предложить клиентам более интеллектуальные продукты и услуги. Клиенты хотят получить умные телефоны, умные машины и умные дома. Вы узнаете, как Apple, Samsung, Tesla и Volvo создают подобные продукты, а Spotify, Disney, Uber и другие – услуги.

Автоматизация процессов. ИИ может улучшить бизнес-процессы и помочь их автоматизировать. На примере JD.com мы расскажем, как автономные дроны, автоматизированные центры обработки заказов и роботы-курьеры влияют на коммерческую деятельность компании. Еще мы коснемся автоматизации медицинской диагностики в Infervision и Elsevier и проверки качества пиццы в Domino’s.

Когда внедряется ИИ, в компании обычно пересматриваются бизнес-модели, а иногда полностью трансформируется и весь подход к бизнесу. Важно: не получится автоматизировать и усовершенствовать с помощью ИИ бизнес-модели, которые морально устарели за время четвертой индустриальной революции.

Внедрять ИИ нужно со стратегии и данных. Также надо определить важнейшие стратегические возможности и угрозы и составить список максимально эффективных вариантов использования ИИ. Эксперименты без четких планов не сработают.

Мы рассмотрим 50 примеров того, как использовать ИИ, чтобы решить практические задачи в бизнесе. В книге – пять частей.

В первой рассказывается об опыте первопроходцев ИИ – технологических компаниях, которые ухватились за его возможности, ринулись навстречу переменам и получили завидные результаты. Многие сделали инновации в сфере ИИ частью бизнеса. Их пример показывает, чего реально можно достигнуть.

Изначально мы колебались, как распределить остальные примеры – по типу применения или по профилю компании, – и все-таки выбрали второй вариант.

Во второй части рассматривается опыт ритейла – розничной торговли, а также производителей потребительских товаров, продуктов питания и напитков. Из третьей части вы узнаете, как применяют ИИ в медиа, развлекательных и телекоммуникационных компаниях. Четвертая часть посвящена сектору услуг, в том числе финансовых, и здравоохранению. В пятой, заключительной части мы расскажем о промышленных, автомобильных, аэрокосмических компаниях и четвертой промышленной революции.

Читайте все подряд или выбирайте актуальные для вас примеры и темы. Надеемся, будет интересно!

Международная китайская группа компаний Alibaba Group владеет крупнейшей в мире торговой сетью порталов в онлайне. В нее входят Alibaba.com, Taobao, Tmall и Ali Express. По объему продаж они оставили далеко позади Amazon и eBay вместе взятые[11]. Опыт создания международного интернет-магазина компания реализовала в проектах во всех сферах бизнеса и технологий. Онлайн-продажи, обслуживание розничных торговцев, электронные платежи и облачные сервисы В2В принесли Alibaba доход более 500 млрд долларов.

В поиске товаров используются инструменты ИИ. Как крупнейший провайдер облачных вычислений, Alibaba лицензирует платформы, инструменты и облачные сервисы, помогая осваивать ИИ другим компаниям.

Alibaba использует ИИ и для общественно значимых проектов: разрабатывает «умные города». Компания планирует радикально реформировать сельскохозяйственную промышленность Китая (а возможно и других стран), чтобы обеспечить продовольствием растущее население.

Китайское правительство активно поддерживает внедрение ИИ в компаниях, поскольку видит в нем огромный потенциал экономического роста. Цель правительства – довести стоимость промышленности до 1 трлн долларов и к 2030 году выйти в мировые лидеры в сфере ИИ[12].

Плюс у компаний есть доступ к данным огромного числа граждан, что благоприятствует развитию ИИ.

Коммерческие порталы Alibaba для отбора товаров, которые предлагаются пользователю при посещении сайта и в результатах поиска, используют ИИ высокой сложности. Он кастомизирует страницу для конкретного пользователя и показывает ему товары, которые предположительно того заинтересуют, причем учитывает ценовой диапазон.

Отслеживая действия пользователей (покупки, просмотры и уход со страницы), ИИ в реальном времени учится корректировать вид страницы, чтобы повысить вероятность покупки.

Для кастомизации страниц Alibaba применяет на Taobao форму обучения с привлечением учителя – обучение с подкреплением[13].

Если алгоритмы в реальном времени учатся собирать данные пользователей в большом объеме на действиях клиентов, это долгий процесс. Для бизнеса здесь есть риски. Чтобы их снизить, создали виртуальный двойник Taobao: он симулирует поведение пользователей, объем – 100 тысяч часов реальных данных.

При таком количестве данных алгоритмы знакомятся с более широким диапазоном действий пользователей за более короткий период времени.

У Alibaba есть свой чат-бот Dian Xiaomi. Он отвечает на более чем 350 млн пользовательских запросов в день и 90 % из них понимает правильно. Перечисленные инструменты нужны ему в периоды пиковой активности клиентов – во время акций, например в День холостяков на Аlibaba[14].