Часть 2.1. Искусственный интеллект в логистике
Примеры внедрения искусственного интеллекта в других отраслях

В 2017 году на новостном канале CW6 вышла передача, посвященная уязвимостям «умных колонок» Amazon Echo укомплектованным виртуальным ассистентом Алекса (см. видео ниже). В выпуске разбирался случай, зафиксированный на камеру видеоняни: детишки, в отсутствии родителей, просили у Алексы игрушки. Та, в свою очередь, заверяла их: «Заказ на игрушку такую-то оформлен. Ваша игрушка в пути». Имя «Алекса» в видеоролике было предусмотрительно «запикано», чтобы не вызвать никаких коллизий. Каких это «коллизий», спросите вы? А вот таких: на экране разворачивались жаркие баталии о месте гаджетов в нашей жизни и в частности о том, что таким голосовым помощникам, как Алекса, абсолютно безразлично кто и каким голосом с ней разговаривает. «Да-да, — воскликнул один из экспертов, — меня прямо умиляет то, как эти детишки просят: Алекса, закажи нам кукольный домик». Сразу после этой фразы интернет-магазин Amazon накрыла волна заказов кукольных домиков. Думаю, вы поняли что произошло.

Тысячи колонок по всему миру восприняли команду «Алекса, закажи нам кукольный домик» прямо с телевизионных динамиков. Amazon, конечно, успела такие заказы поудалять. Но… первая в истории человечества попытка «восстания машин» состоялась!

За последние несколько лет технологии искусственного интеллекта вошли в нашу повседневность настолько прочно и глубоко, что более половины их фактических потребителей [источник 1] даже не догадываются о том, что они УЖЕ используют эту технологию ЕЖЕДНЕВНО.

Научные достижения в области ИИ и компьютерного зрения уже сейчас могут делать «зрячие устройства». В феврале 2017 года социальная сеть Pinterest представила миру визуальный поиск объектов в изображениях и даже в режиме прямой трансляции с камеры. Идея этой платформы состоит в том, чтобы показывать пользователю предметы, которые могут быть ему интересны. Теперь, когда вы встретите в путешествии что-то незнакомое и интересное, наведите на ЭТО камеру смартфона и Pinterest расскажет об этом предмете все подробности. Например, цену, где купить, можно ли трогать;)

Созданная на базе ИИ технология обработки естественного языка (natural language processing — NLP), помогает нам с вами расширять «языковой кругозор». Учебные приложения типа Duolingo добавляют к NLP автоматическое распознавание речи (automatic speech recognition — ASR), чтобы помочь пользователям исправлять ошибки в произношении иностранных слов. В ноябре 2017 года Google выпустила пару беспроводных наушников с функцией перевода в реальном режиме времени. Это решение позволяет любому неподготовленному индивиду слушать и говорить на 40 иностранных языках просто при помощи смартфона.

С помощью ИИ можно вести масштабные и одновременно очень персонифицированные рекламные кампании. Сегодня 3,2 из 4 миллиардов интернет-пользователей (или 79% мирового интернет-населения) активно используют социальные сети. Неструктурированный контент, который мы с вами сами же и создаем в виде постов, комментариев, «видюшек», блогов и форумов, представляет собой золотую жилу рекламодателя. Наши настроения, ожидания, предпочтения стали доступны для них «как на ладони». Всё это теперь можно анализировать в реальном режиме времени, предлагая необходимые нам с вами товары «здесь и сейчас».

Инструмент Personality Insights от IBM Watson может быть использован для создания новых и персонально направленных услуг. Например, в индустрии управления активами IBM Watson Investment Advisor может определить взаимосвязь между личностью клиента, жизненной ситуацией и обширным океаном данных финансового рынка. Все эти данные могут быть сопоставлены с различными инвестиционными альтернативами, чтобы рекомендовать оптимальную стратегию управления портфелем личных инвестиций.

Инструмент Personality Insights от IBM Watson может быть использован для создания новых и точечно персонализированных услуг. Например, в индустрии управления активами IBM Watson Investment Advisor может определить взаимосвязь между личностью клиента, жизненной ситуацией и обширным океаном данных финансового рынка. Все эти данные могут быть сопоставлены с различными инвестиционными альтернативами, чтобы рекомендовать оптимальную персонализированную стратегию управления портфелем личных инвестиций.

Зачастую предприятия разных отраслей имеют схожие задачи, проблемы и потребности. ИИ может повышать производительность и эффективность практически любой компании в следующих областях:
— поддержка клиентов,
— помощь в исследованиях,
— ввод данных,
— контентные изыскания.

Поддержка клиентов — автоматизация взаимодействия с клиентами при помощи голоса или чат-ботов. Аналитики Gartner прогнозируют, что к 2020 году большинство коммерческих коммуникаций будет происходить между клиентами и виртуальными агентами [источник 2]. Использование чат-ботов и других виртуальных агентов может быть весьма эффективным для автоматизации первой линии поддержки. Autodesk, разработчик ПО для компьютерного проектирования, добился огромных успехов в этом деле. Используя службу IBM Watson Conversation, компания создала виртуального агента Autodesk (AVA), который может отвечать на 40 уникальных низкоуровневых запросов со скоростью 30 000 взаимодействий в месяц и сокращает время ответа на запросы клиентов с полутора суток до 5 минут, или… на 99%.

Постоянное использование чат-ботов позволяет им улучшаться со временем и развиваться для обработки более сложных запросов. Одним из примеров такого самообучающего развития стал BlueBot, запущенный авиакомпанией KLM. Поначалу бот умел отвечать только на самые базовые запросы. Но теперь клиенты могут бронировать через него авиабилеты и даже получать советы из области «что взять с собой в поездку». В результате, множество отделений KLM по всему миру получают огромную экономию на сотрудниках коллцентров, а их клиенты гораздо быстрее получают необходимую информацию.

Помощь в исследованиях. Как правило, создание любой базы знаний сопровождается кропотливыми изыскательскими работами. Среднестатистический работник умственного труда тратит более одного (целого!) часа в день на поиск требуемой информации в подчас устаревших системах, неструктурированных базах и разрозненных интрасетях. Обычно, поиск ведется по ключевым словам. Такие запросы возвращают результаты весьма плачевного качества, порождая необходимость генерировать повторяющиеся итерации типа «запрос в запросе». ИИ может брать на себя такие поиски, используя автоматическую кластеризацию, онтологии и технологии визуального распознавания. Это сокращает время поиска на 50 и более процентов [источник 3].

Между прочим, ИИ может не только анализировать контент, но и создавать его! В 2016 году The Washington Post развернула генератор текстов Heliograf. Это решение — виртуальный писатель — самостоятельно производило короткие отчеты на основе исторических текстовых графов, поступающих онлайн фактов и данных, предоставляемых «живыми репортерами» онлайн. Heliograf подготовил около 300 коротких репортажей в ходе Олимпийских игр в Рио. На сегодняшний день этим виртуальным писателем создано более 850 статей. Сами СМИ с восторгом рассказывают о таких достижениях и ждут внедрения аналогичных технологий в их редакциях, чтобы квалифицированные журналисты смогли освободить своё драгоценное время для анализа и творчества. По оценкам Associated Press, такие инструменты способны высвобождать до 20% репортерского времени.

Ввод данных — автоматическая пред-обработка электронных писем, счетов-фактур, таблиц, презентаций, PDF-файлов и других документов с помощью машинного обучения. Большинству компаний необходимо ежедневно обрабатывать большие объемы информации. Например, всё тот же среднестатистический работник умственного труда отправляет и получает более 120 сообщений электронной почты в день. То, что большинство документов сегодня оцифрованы, конечно, немного облегчает задачу предобработки. Но если к процессу оцифровки приложить «немного» ИИ, получится значительное подспорье офисным сотрудникам. Например: страховая группа VKB (Германия), внедрила инструмент интеллектуального анализа неструктурированных данных для определения тем и настроений людей, обращающихся в компанию по электронной почте. Получаемая ими информация используется для определения приоритетных направлений внедрения инноваций.

Контентные изыскания — автоматический анализ неструктурированных данных, содержащихся в электронных письмах, PDF-файлах, изображениях, аудио и видео. Это стало возможным благодаря развитию инструментов анализа больших данных и, конечно же, ИИ.

80% данных любой организации — это неструктурированные данные. Обычно они никем не анализируются. Исследователи из IBM Watson подсчитали, что в сентябре 2017 года на всех предприятиях мира использовалось 17 триллионов PDF-файлов. [Источник 4]
Ведущее научно-исследовательское учреждение Германии Fraunhofer Society использует ИИ для выявления новых научных тенденций и соответствующей фокусировки исследований. Получаемые данные служат источником новых идей и основанием для более эффективного финансирования тех или иных научных проектов. [Источник 5]

Источники:
1. An, M. (2017). Artificial Intelligence Is Here - People Just Don't Realize It. In: Hubspot Research. research.hubspot.com
2. Gartner (2011). Customer 360 Summit 2011. www.gartner.com
3. IBM (2018). Watson Visual Recognition: Maintenance with AI-driven Visual Inspection.
4. Hunter, B. (2017). AI for Business: Tackling Enterprise Challenges. Live Presentation. AI Summit San Francisco, USA. 28 September 2017.
5. IBM Watson/IBM Institute for Business Value (2018).
Insights from cross-industry research, projects, and implementations.
6. www.kaspersky.com/blog