Мы нужны роботам больше, чем они нам

Представьте, что вам нужно найти определенный кадр в архиве Национальной футбольной лиги США (НФЛ), где хранятся сотни тысяч видеозаписей. Все игры одного сезона – это более 16 320 минут (около 680 часов) видеосъемки. Если присовокупить записи всех предматчевых и послематчевых шоу, тренировок и интервью для СМИ, количество отснятого материала покажется бесконечным. И это лишь за один сезон.

Чтобы было удобнее пользоваться архивом при создании трейлера или другого контента, в декабре 2019 года НФЛ заключила партнерское соглашение с Amazon Web Services об использовании искусственного интеллекта для поиска и разметки фрагментов видеозаписей. На первом этапе команде редакторов НФЛ пришлось обучать ИИ поиску требуемой информации. Для каждого запечатленного в кадрах элемента — игрока, команды, игровой формы, стадиона и проч. — были созданы теги метаданных. Затем эти теги добавили к уже имеющейся у Amazon системе распознавания образов на основе ИИ, обученной на десятках миллионов изображений. Используя оба набора данных, ИИ размечал кадры в видеотеке, а команда редакторов в несколько кликов подтверждала правильность установки каждой метки. Раньше приходилось вручную находить и вырезать каждый видеофрагмент, сохранять его в базе, а затем помечать тегами, но с помощью ИИ от Amazon большинство операций удалось автоматизировать.

В статье «Искусственный интеллект для всех» мы рассказали, как лидеры инноваций используют преимущества совместной работы человека и машины для трансформации бизнеса и повышения прибыли — вопреки всеобщим ожиданиям, что с развитием технологий люди станут лишними. Идя путем симбиоза, некоторые компании не просто опережают своих конкурентов в инновациях, но и решительно подходят к человекоцентричной технологии ИИ, тем самым в корне меняя саму природу инноваций по сравнению с прошлым десятилетием.

ИДЕЯ КОРОТКО

Положение

Инновационные компании кратно увеличили инвестиции в ключевые цифровые технологии, такие как облачные вычисления и искусственный интеллект, и теперь их выручка растет в два раза быстрее, чем у отстающих.

Объяснение

Все более человеко-ориентированный подход к ИИ помогает наиболее дальновидным компаниям обеспечить бесшовную интеграцию человека и машины и быструю адаптируемость разработок.

Совет

Компании, желающие попасть в число лидеров, могут использовать модель IDEAS, чтобы сосредоточиться на пяти элементах технологического ландшафта — интеллекте, данных, опыте, архитектуре и стратегии — и найти способы комбинировать их для ускоренного продвижения инноваций.

В случае НФЛ, например, ИИ ускорил процесс распознавания изображений, но ИТ не справились бы с этим, если бы люди не определили, какие данные загрузить, и не обучили бы систему ставить теги. Нельзя сказать, что НФЛ просто делегировала ИИ нарезку для репортажей; эту задачу выполнили редакторы, но работа шла легче и быстрее благодаря уникальной способности ИИ оперативно упорядочивать огромный объем информации.

Новый человеко-ориентированный подход к ИИ меняет представление о базовых элементах инноваций. Компании Etsy, L.L.Bean, McDonald’s и Ocado с помощью ИИ и автоматизации сумели связать воедино широкий спектр передовых информационных технологий и систем, обеспечивающих гибкую адаптацию и бесшовную интеграцию человека с машиной. (Раскрытие информации: некоторые из упомянутых компаний — клиенты Accenture.) Эти первопроходцы невиданными темпами инвестировали в ИТ, чтобы реагировать на операционные проблемы и быстро меняющиеся запросы потребителей. Они значительно увеличили инвестиции в облачные сервисы, ИИ и подобные технологии, и теперь их выручка растет в два раза быстрее, чем у отстающих, что следует из результатов опроса 2019 года, проведенного Accenture среди более чем 8300 компаний. А исследование 2021 года, охватившее более 4 тыс. фирм, показало, что самые настойчивые в освоении цифровых технологий 10% выборки стремительно вырываются вперед, увеличивая выручку в пять раз быстрее, чем отстающие.

Изучив оба исследования, мы составили для руководителей рекомендации, которые помогут их бизнесу успешно конкурировать в мире, где большинство компаний будут обязаны своим успехом людям, а не машинам. В основе нашей модели IDEAS (Intelligence, Data, Expertise, Architecture, Strategy) лежат пять элементов формирующегося технологического ландшафта: интеллект, данные, опыт, архитектура и стратегия. Модель поможет руководителям технического и других профилей лучше разобраться в этих элементах и придумать, как комбинировать их для ускоренного продвижения инноваций.

В этой статье модель IDEAS используется для анализа работы компаний, внедривших управляемые человеком процессы и приложения ИИ в электронной коммерции, онлайн-доставке продуктов, робототехнике и многих других отраслях. Вы можете сделать то же самое, мобилизовав умения и опыт своих сотрудников для управления технологическими инновациями во всем: от НИОКР и операционных задач до управления персоналом и выработки бизнес-модели.

Интеллект

СДЕЛАЙТЕ ИИ БОЛЕЕ ЧЕЛОВЕЧЕСКИМ И МЕНЕЕ ИСКУССТВЕННЫМ

Человеческий и искусственный интеллект дополняют друг друга. Никакая машина с ИИ не может сравниться даже с ребенком в способности осваивать новое, понимать смысл и учитывать ситуацию. Если вы случайно что-то уроните и потянетесь к упавшему предмету, увидевший это годовалый ребенок принесет его вам. Бросьте тот же предмет нарочно, и малыш не станет этого делать. Другими словами, даже очень маленькие дети понимают, что у людей есть намерения — видимо, такие удивительные когнитивные способности чуть ли не изначально заложены в человеческий мозг.

И это не все. С самого раннего возраста у детей развивается интуитивное понимание законов физики: предметы обычно движутся по плавной траектории и падают на землю, не имея опоры. Еще не овладев речью, они уже отличают живые существа от неодушевленных объектов. По мере изучения языка дети проявляют замечательную способность к обобщению на очень небольшом количестве примеров и усваивают новые слова, услышав их всего пару раз. А еще они самостоятельно, путем проб и ошибок, учатся ходить.

Напротив, ИИ может хорошо делать многое из того, что невозможно или очень трудно для человеческого ума: распознавать паттерны в огромном объеме данных, побеждать чемпиона мира по шахматам; управлять сложными производственными процессами; одновременно отвечать на множество звонков в колл-центре; анализировать погоду, состояние почвы и спутниковые снимки для того, чтобы обеспечить лучший урожай; просматривать миллионы изображений в интернете для борьбы с абьюзом детей; выявлять финансовые махинации; прогнозировать потребительские предпочтения; персонализировать рекламу и многое другое. Важнее всего то, что ИИ дал возможность людям и машинам работать сообща. И вопреки паническим прогнозам противников автоматизации такое сотрудничество приводит к созданию множества высокооплачиваемых рабочих мест.

У германского дистрибутора электроники Obeta, чей склад находится под управлением австрийской логистической компании Knapp, сотрудники обучили новое поколение роботов-комплектовщиков перекладывать предметы разного размера и текстуры. Такие роботы оснащены серийным промышленным манипулятором, пневмозахватом и системой зрения. И самое главное, у них есть ИИ — программное обеспечение от калифорнийского стартапа Covariant.

Для обучения робота сотрудники Knapp ставят перед ним незнакомые предметы и наблюдают, насколько он способен к ним приноровиться. Потерпев неудачу, робот заново оценивает предметы в поле зрения и пробует другие подходы. Добившись успеха, он получает заложенный человеком сигнал поощрения, закрепляющий результат обучения. Если набор товаров совсем иной, команда возвращается к обучению: она собирает и размечает большой объем новых данных, что характерно для систем глубокого обучения.

Благодаря ПО Covariant Brain роботы-комплектовщики Knapp приобретают универсальные способности: трехмерное восприятие, умение перемещать объекты и манипулировать ими, планирование движения в реальном времени и овладение новым навыком после выполнения всего нескольких учебных примеров. Благодаря этому они могут брать товары из контейнеров на оптовом складе и комплектовать заказы для отправки без участия оператора. Во многих случаях товары не классифицируют заранее, что необычно для систем комплектации заказов. В Obeta роботы учатся обращению с предметами в процессе работы. Для бытовой техники это очень важное умение, ведь манипулировать электрической лампочкой и электроплитой нужно совсем по-разному.

На торговом складе роботы должны работать на очень высоком уровне. Раньше роботы-комплектовщики Knapp уверенно справлялись всего лишь с 15% предметов, а у нынешних роботов с ПО от Covariant эта цифра достигла 95%. К тому же они делают это быстрее человека, укладывая около 600 предметов в час против 450 при ручной работе. Тем не менее, это не привело к сокращению персонала на складе Obeta. Рабочих не уволили, а направили на переподготовку, чтобы они лучше разбирались в робототехнике и компьютерах.

Данные

УПРАВЛЯЙТЕ ИНФОРМАЦИЕЙ, А НЕ ПРОСТО НАКАПЛИВАЙТЕ ЕЕ

Для McDonald’s 2018 год стал одним из самых сложных. Чтобы обойти лидера рынка фастфуда, его конкуренты начали развивать онлайн-доставку. Руководители McDonald’s быстро наладили доставку по всему миру в партнерстве с Uber Eats, что дало к 2019 году $4 млрд дополнительного объема продаж в годовом выражении. Однако высшее руководство McDonald’s знало, что долгосрочные перспективы компании зависят от того, насколько быстрым и всеохватным станет управление на основе данных. Нужна была стратегия, превращающая рестораны в гигантские центры данных, применяющие машинное обучение и мобильные технологии для персонализации и доставки заказов до подъезда. Данные могли предсказать влияние на спрос таких внешних факторов, как погода или крупное спортивное мероприятие. А еще сбор и обработка данных были нужны для внедрения новых продуктов и проектов с гарантированным быстрым успехом. Вложенные в трансформацию усилия уже через два года принесли финансовую отдачу: лишь немногие фирмы из S&P 500 смогли превзойти McDonald’s по результатам. Отдадим должное руководителям компании — они увидели, что данные представляют собой ценный неосвоенный капитал, которому нужно найти стратегическое применение.

Чтобы использовать ИИ для создания ценности на основе больших и малых данных, организация должна заложить прочный ИТ-базис. Во многих фирмах информация хранится на устаревших разнородных локальных платформах, что затрудняет, а то и делает невозможной работу одного человека с различными массивами. Необходимую для принятия решения информацию трудно собрать и структурировать. Вывод: необходимо перенести данные из устаревших обособленных хранилищ, унифицировать и разместить их так, чтобы информацию легко было оперативно извлекать и анализировать с помощью нового инструментария — и все это в облаке.

Ключами к этому служат три концепции: современная информационная инженерия, управление данными с помощью ИИ и демократизация данных.

• Современная информационная инженерия. В надежной облачной системе данные поступают из нескольких внутренних и внешних источников. Они объединяются в хорошо организованные наборы, которые можно многократно использовать для различных видов анализа. Правильно устроенная информационная система базируется на платформах для приема данных и их последующего извлечения, преобразования и загрузки (ETL), она должна поддерживать различные типы данных, производить их стандартизацию и классификацию, контролировать качество и хранить метаданные. Кроме того, она обеспечивает ускоренное применение шаблонов, что позволяет инженерам быстро разрабатывать новые наборы данных и варианты анализа.

• Управление данными с помощью ИИ. Облачные инструменты ИИ имеют масштабные средства автоматической очистки, классификации и защиты данных по мере их поступления. Они обеспечивают более высокое качество и достоверность данных, а также соблюдение этических правил обращения с ними.

• Демократизация данных. Современные информационные системы делают бóльшие объемы данных доступными бóльшему числу пользователей. Данные можно оперативно подвергать разного рода анализу, будь то самостоятельное исследование, бизнес-разведка, ИИ или другой метод Data Science. Новейшие облачные инструменты «демократизируют данные», позволяя самым разным специалистам использовать их для своих конкретных задач.

Эти три концепции помогут снять некоторые известные барьеры на пути к «всеобщему информационному благу»: проблемы с доступностью, достоверностью, оперативным использованием данных. Они позволят компании объединять элементы из больших и малых наборов данных в режиме реального времени, создавать разные виды отчетов и применять ИИ для подготовки докладов о результатах анализа клиентов, рынков и операционной деятельности. Выводы этих докладов, доступные широкому кругу сотрудников, могут дать значительный экономический эффект.

Имея надежную информационную базу — множество данных из множества источников, обрабатываемых с помощью ИИ и широко распространяемых в вашей организации, — вы не утонете в море информации, а сможете использовать весь ее потенциал. Вы будете применять данные для решения все более сложных и более узких задач, но это потребует, как и в случае с преимущественно человеческим интеллектом, большего вовлечения ваших сотрудников.

Опыт

РАСКРОЙТЕ ПОТЕНЦИАЛ СВОИХ СОТРУДНИКОВ

«Торговля с человеческим лицом» — это девиз Etsy, маркетплейса винтажных товаров и изделий ручной работы из разных стран. Клиенты Etsy обращают внимание не только на размер, материал, цену и рейтинги вещей, но и на их стилевые и эстетические характеристики.