Наталья Городнова - Применение искусственного интеллекта в цифровой экономике

Использование виртуальных помощников – это один из ИИ-инструментов, который со временем будет более широко внедряться в бизнес-процессы и повседневную жизнь современного человека. По статистике Facebook, более 10 000 компаний занимаются разработкой чат-ботов. К примеру, Juniper Research отмечается высокая популярность применения виртуальных помощников. Использование чат-ботов в финансовом секторе и медицине способно сэкономить до 20 млн долл. США в год, к 2022 г. такая экономия составит около 8 млрд долл. США. 19 19 Сергеева Ю. Вся статистика Интернета на 2020 год – цифры и тренды в мире и в России. – [Электронный ресурс]. – Режим доступа: https://www.web- canape.ru/business/internet- 2020 -globalnaya-statistika- i -trendy/ (дата обращения: 05.06.2021 г.).

Постоянный контроль и мониторинг инфраструктуры различных компаний – это еще одно направление применения искусственного интеллекта. К текущему моменту времени на мощностях французской энергетической компании Engie успешно применяются дроны с программами распознавания изображенийна основе машинного обучения, которые следят за оборудованием и изучают инфраструктуру в целях предотвращения технологических и иных нарушений.

ИИ-системы контроля и мониторинга широко используются и в городской среде. Наиболее простой пример – система распознавания автомобильных номеров с помощью камер видеослежения, применяемая муниципальными организациями. Кроме того, применяются подобные алгоритмы для систем распознавания лиц.

Искусственный интеллект способен снижать риски износа и повреждения оборудования, а также создавать систему безопасности для различных компаний. Автоматизация ручного труда также является важной и неоднозначной темой, поскольку использование алгоритмов искусственного интеллекта в промышленности способно вытеснить из этой сферы человеческий труд. Автоматизированные технологии выполняют сложные процессы быстрее и качественнее, чем человек, они способны работать 24 часа в сутки. Следует подчеркнуть, что основная цель внедрения высокоинтеллектуальных решений сегодня – это не полная замена человека в производственных и бизнес-процессах, но повышение эффективности человеческого труда.

К примеру, японская страховая компания Fukoku Mutual Life Insurance установила программу от IBM-Watson Explorer AI. Данная система анализирует данные медицинских полисов по операциям и процедурам в целях вычисления размеров страховых выплат. По расчетам представителей Fukoku, внедрение искусственного интеллекта позволит им увеличить производительность на 30%.

Еще одно направление применения алгоритмов искусственного интеллекта – это предиктивная аналитика. ИИ-алгоритмические технологии способны обрабатывать огромные массивы данных, выявлять закономерности и осуществлять прогностические функции. В одном из R&D-проектов разрабатывают систему рекомендацийдля крупной розничной сети супермаркетов. Система анализирует характеристики покупателей и товаров и на основании данного анализа автоматически составляет качественные рекомендации.

Другой пример применения искусственного интеллекта в бизнесе – это Expedia, крупнейшая в мире онлайн-платформа по планированию путешествий. В рамках этой платформы осуществляется целый ряд процедур, от бронирования отелей до аренды транспорта. Компанией довольно эффективно используются сети машинного обучения для персонализации процесса планирования поездки каждого конкретного клиента. В отличие от традиционных типов прогнозирования, предиктивная аналитика легко адаптируется к изменениям поведения, используя массивы вновь поступающих данных.

При применении возможностей анализа неструктурированных данных с помощью ИИ-сервисов в процессе распространения мобильного контента, в частности сообщений в мессенджерах, электронных писем, фото и видео, осуществляется структурирование сгенерированных данных и сведений в целях получения возможностей их дальнейшей обработки. Указанный принцип заложен в основе работы сервиса Siri, который позволяет разговорной речи с помощью алгоритмов программы структурироваться и подготавливаться к дальнейшему анализу. В системах анализа неструктурированных данных заложен огромный потенциал для производственных и ресурсодобывающих предприятий, которые накапливают массивы смешанной информации в течение долгого периода времени. Такой анализ способен облегчить работу и самих R&D-инженеров, в том числе сэкономить время на сортировку и организацию данных, перед тем как оценить их и выявить важные взаимосвязи.