Такой разный ИИ: что нужно знать о типах задач, которые
решают алгоритмы

ИИ-решения становятся все популярнее, и многие компании уже отстали от конкурентов в вопросе внедрения новых систем в свою инфраструктуру. Это вполне ожидаемо: ведь эти решения очень разнообразны, постоянно развиваются — и многие пока плохо их понимают. Но чтобы разобраться в видах ИИ и определить, как к нему должен адаптироваться ваш бизнес, в первую очередь нужно уяснить, что за аббревиатурой «ИИ» скрывается множество самых разных вещей.

В нашей готовящейся к публикации книге «Artificial Intelligence for Sustainable Value Creation» мы описали более 800 разных ИИ-систем, используемых в 14 отраслях. На основе этого анализа мы установили, что ИИ-инструменты можно разделить на четыре типа по задачам, которые они решают: простые механические задачи с минимальной этической составляющей; простые задачи со значительной этической составляющей; сложные, креативные задачи с минимальной этической составляющей и задачи, которые требуют одновременно креативности и этических решений.

При интеграции ИИ-инструментов в вашу организацию важно понимать различия между вопросами, которые они решают. Это поможет вам определить лучший инструмент для каждой задачи, а также понять, как дополнить каждый инструмент человеческими навыками и оптимизировать взаимодействие между людьми и машиной.

1. Рутинные задачи

Первая категория, которую мы выделили, — это ИИ-системы, предназначенные для повторяющихся рутинных задач. Такие роботы — например, роборуки на заводах, роботележки (AGV) или автоматические подъемники — выполняют простые механические задания на фабриках и складах. Роль человека сводится к надзору за ИИ-инструментом.

Из-за этих роботов исчезнут многие из традиционных рабочих мест на заводах, но ими все равно должны будут управлять люди, так что возникнут новые менеджерские рабочие места. Чтобы подготовиться к этому переходу, компаниям нужно спланировать программу переобучения сотрудников, а также постараться сохранить вовлеченность и мотивацию в командах, которым предстоит взять на себя новые обязательства.

2. Простые задачи с этической составляющей

Некоторые задачи, физически сводящиеся к механическому труду, все же требуют этической осознанности. Важно, чтобы такие ИИ-системы работали вместе с человеком. Например, если вы используете роботов, которые помогают инвалидам при приеме пищи (как, например, роборука от Kinova), дают престарелым и инвалидам возможность стоять или ходить (например, экзоскелеты от Ekso Bionics и ReWalk) или выдают лекарства и обеспечивают когнитивную стимуляцию (Nao для пациентов с аутизмом или Paro для пациентов с болезнью Альцгеймера), вместе с этими роботами должны работать люди, которые бы отвечали за этику и эмпатию, ведь сами по себе роботы на это неспособны.

При внедрении таких ИИ-систем обязательно следует рассмотреть этические последствия автоматизации любых задач и убедиться, что вместе с этими роботами работают квалифицированные сотрудники-люди, которые могут при необходимости принимать сложные этические решения. Например, если робот выдает лекарства, нужно подумать, как можно автоматизировать информирование пациентов и получение согласия — возможно, на этом этапе в дополнение к роботу лучше на всякий случай привлечь человека.

Кроме того, такие задачи вообще выигрывают от человеческого участия, несмотря на то что робот выполняет те же действия, что и человек. Если в доме престарелых работает робот, то лучше, чтобы его сопровождал человек — хотя бы для того, чтобы людям, которым он помогает, стало приятнее.

3. Креативные задачи с ограниченной этической составляющей

К этой категории ИИ-систем относятся сложные задачи, которые требуют высокой креативности, но почти не требуют осознания этики. Например, финансовые ИИ-инструменты, которые должны предсказывать рыночные изменения, проводят сложные расчеты, чтобы получить полезные результаты, но этической составляющей у этих процессов нет. Роботы-хирурги тоже выполняют сложные задачи, и иногда им приходится креативно решать проблемы, но, как правило, это проблемы не этического свойства.

При внедрении такой системы потенциал для возникновения этических проблем, как правило, не слишком велик, но нужно осознавать ограничения своих ИИ-инструментов в отношении креативности и инноваций. Возможно, стоит создать систему, с помощью которой люди смогут контролировать, как ИИ решает свои задачи, и иногда предлагать более эффективные или инновационные решения.

4. Задачи, у которых есть и креативная, и этическая часть

Последняя из выделенных нами категорий — это ИИ-системы для решения задач, которые требуют одновременно высокой креативности и учета этических проблем. К этой категории относятся роботы, которые должны взаимодействовать с окружающей средой и выполнять сложную задачу, сопряженную с этическими проблемами, почти или совсем без человеческого участия. Так, полностью автономные автомобили (например, проекты Tesla или Google, у которых есть потенциал как для коммерческого, так и для потребительского применения) должны выполнять сложные креативные задачи и в то же время автоматически принимать сложные этические решения — например, выбирать из нескольких потенциальных опасностей самую важную. Поисково-спасательным роботам, которые эвакуируют людей с мест природных катастроф, тоже нужна и креативность, и этическая подкованность, чтобы безопасно выполнять свою работу.

У таких систем огромный потенциал, и они могут сделать нашу жизнь лучше, но за ними особенно важно следить. Мы уже далеко продвинулись в разработке автоматизированных систем, которые могут выполнять сложные задачи с этической составляющей, но важно обязательно задействовать в поддержке этих систем креативные и этические способности человека. Как минимум, нужно учитывать несколько измерений сложности в работе этих систем и отслеживать те сферы, где ИИ-инструмент может принять не то решение, которого мы бы от него хотели (в этических или креативных вопросах).

***

При внедрении ИИ в бизнес нет простых, однозначных ответов, а в будущем по мере развития и распространения подобных систем все станет только еще сложнее. Но наша простая схема покажет вам, какие таланты нужно развивать в своей команде, чтобы извлечь максимум из разнообразных ИИ-инструментов в вашем распоряжении.

Об авторах

Маргерита Пагани (Margherita Pagani) — преподаватель цифрового маркетинга в бизнес-школе EMLYON (Франция), директор исследовательского центра AIM по искусственному интеллекту в создании ценности и содиректор магистерской программы по цифровому маркетингу и data science.

Рено Шампьон (Renaud Champion) — исполнительный директор по новому интеллекту и разработчик стратегии по ИИ в бизнес-школе EMLYON, основатель института «Искусственный интеллект в менеджменте» (AIM). В качестве предпринимателя основал венчурный фонд Robolution Capital и экспертную компанию PRIMNEXT, которые специализируются на ИИ и продвинутой робототехнике. Независимый советник Европейской комиссии и участник Глобальной инициативы IEEE по этике в автономных и интеллектуальных системах.