Свод знаний по управлению бизнес-процессами: BPM CBOK 4.0 (Авторов) - страница 146
Компании, инвестирующие в ИИ, ведут разработку в трех направлениях:
1. Создать систему, думающую точно так же, как человек (сильный ИИ).
2. Просто создать работающую систему, не задаваясь вопросом о человеческом мышлении (слабый ИИ).
3. Использовать человеческое мышление в качестве модели, а не обязательно конечной цели.
Большинство сегодняшних разработок лидеров отрасли ИИ относятся к третьей категории – они нацелены на создание новых сервисов или новых продуктов, а не идеальной копии человеческого разума [Marr 2018].
Amazon, значительная часть бизнеса которого использует машинное обучение, определяет искусственный интеллект как «область информатики, занимающуюся решением когнитивных проблем, то есть тех, которые обычно ассоциируются с человеческим интеллектом, таких как обучение, решение проблем и распознавание образов». Для Amazon это очень важно – «без машинного обучения amazon.com не смог бы развить свой бизнес, улучшить уровень клиентского сервиса, повышать скорость и качество логистики».
Компаниям, стремящимся использовать большие данные, чтобы лучше понимать своих клиентов, машинное обучение и глубокое обучение дают возможность:
● построить модель организации на основе наблюдений;
● находить новые идеи, одновременно анализируя множество факторов и переменных (гораздо больше, чем способен человек за разумное время и за разумные деньги);
● постоянно самообучаться по мере поступления новых данных;
● количественно оценивать вероятность исходов (то есть предсказывать вероятный результат);
● предписывать конкретные действия по оптимизации результатов и показателей;
● быстро адаптироваться к новым бизнес-правилам за счет быстрого переобучения вместо медленного традиционного перепрограммирования.
ИИ, машинное обучение и глубокое обучение стали возможными благодаря быстрому росту объемов и разнообразия данных в сочетании со снижением затрат на компьютерное оборудование и хранение информации. ИИ, машинное обучение и глубокое обучение – это естественное развитие бизнес-аналитики.
В мае 2011 года дефицит менеджеров и аналитиков, умеющих пользоваться результатами анализа, составил 1,5 миллиона – на порядок больше, чем тех, кто анализ проводит (аналитиков и исследователей данных). Иными словами, точка отсчета в цепочке создания ценности из данных – это не данные и не аналитика, а способность разумно и учитывая контекст использовать данные и аналитику. Другими словами, сложность заключается в извлечении из данных контекстных подсказок (паттернов) [Manyika 2011].
На страницах Infoworld (2019) Джерри Хартанто (Jerry Hartanto) анализирует применение ИИ, машинного обучения и глубокого обучения в бизнесе: