Очевидно, история развития искусственного интеллекта наполнена самыми разными событиями, периодами взлетов и падений, однако сейчас, когда инновации приносят практическую пользу и широко применяются в самых разных сферах деятельности, наступает лучший момент для их применения. Искусственный интеллект уже помогает принимать, обрабатывать и выполнять заказы, он участвует в поиске мошенников, отвечает на звонки клиентов, дает инструкции начинающим пользователям сервисов, ищет музыку по запросам посетителей, а также напрямую участвует в физических процессах – например, в производстве.
Искусственный интеллект в деле
Как показывает история, когда машины и люди начинают соперничать за рабочие места на заводах, именно человек нередко оказывается в невыгодной позиции. В конце девятнадцатого и начале двадцатого века такое уже неоднократно происходило – с запуском новых машин сокращались рабочие места, ведь обслуживание техники обходилось значительно дешевле, чем оплата труда множества людей.
Однако времена меняются. Теперь машины в целом и искусственный интеллект в частности не только не отнимают работу у людей, но также становятся причиной появления совершенно новых специальностей. Все дело в том, что в прошлом машины и люди выполняли одну и ту же работу. Теперь же эти обязанности можно разделить. Как это можно сделать? Весь вопрос заключается в адаптивности развития бизнеса – именно способность быстро приспосабливаться к новым тенденциям позволяет машинам и людям сотрудничать, а не конкурировать.
Искусственный интеллект позволяет управляющим, инженерам и людям с креативным мышлением находить новые способы применения своих талантов. Под влиянием новых технологий само понятие работы обретает новые оттенки, которые ранее были неизвестны. Прежде труд рабочего был необходим для выполнения самых однообразных и скучных функций. На мануфактурах и заводах старого образца работники могли часами выполнять одни и те же задачи, даже не надеясь на смену деятельности и разнообразие. Теперь, когда роботы берут на себя эти скучные функции, человек может работать в других сферах, где не нужно проводить целый день практически в неподвижности, выполняя только одну заданную программой функцию. На что же должен быть направлен труд человека?
Роботы облегчают задачи рядовых рабочих, либо берут самые сложные функции на себя, и со своей стороны человек может направить свое внимание на их совершенствование, доработку и адаптацию. Кроме того, специалисты по маркетингу и обслуживанию могут посвящать больше времени решению вопросов, связанных с продвижением и распространением товаров и услуг. Конечно, для достижения положительных результатов при разделении обязанностей каждый человек должен точно понимать, на что направляются его усилия. Кроме того, предпринимателям и руководителям стоит определить, какие обязанности следует доверить машинам, а какие лучше оставить за человеком.
Как машины учатся работать
Как известно, труд в ночную смену должен оплачиваться по более высокой ставке, нежели дневная работа, однако даже разница в доходах неспособна компенсировать ущерб, который получает человеческий организм, вынужденный проводить в активной деятельности часы, предназначенные для отдыха. Лучшим решением было бы и вовсе упразднить ночные смены. Но как сделать это без ущерба для производительности? Токийские предприниматели решили этот вопрос.
Компания Preferred Networks, работающая в Японии, в содружестве с фирмой Fanuc, представила вниманию японских производителей новые манипуляторы. Их задача – заменять человека в ночную смену. Сами по себе машины уже оснащены лучшими камерами и чувствительными датчиками, позволяющими им производить сборку техники и выполнение других операций практически без ошибок. Но их главное преимущество – они могут учиться. Для этого разрабатываются новые программы, которые внедряются в спектр функций роботов, способных освоить их без помощи человека, только с использованием техник машинного обучения.
Как выглядит этот процесс? Один из разработчиков этого проекта, Шохей Хидо, подтвердил, что на обучение роботу требуется несколько часов, однако после завершения этого процесса его продуктивность составляет почти 90%. При этом роботу демонстрируется результат, которого он должен достичь, и он сам подбирает нужные алгоритмы для его достижения. Ранее, когда роботы могли двигаться только под руководством встроенных схем, этим занимались программисты – они меняли программное обеспечение и обновляли систему, на что также уходили часы сложной, скучной и ответственной работы. Теперь же, когда робот может справиться с этими задачами без помощи человека, внимание программистов направляется на решение более интересных задач. Еще удивительнее, что такие роботы могут обмениваться опытом – если один представитель группы освоит определенный навык, он может передать его остальным участникам за более сжатые сроки.
Роботы в производственном процессе
Еще в 1990 году Родни Брукс, будущий основатель компаний iRobot и Rethink Robotics, опубликовал свой труд под названием «Слоны не играют в шахматы». В этой статье он развил идею, в рамках которой следовало отойти от стандартных протоколов программирования и испытать новый подход – оснастить роботов датчиками, что позволило бы расширить их возможности. На основе его трудов специалисты совершили настоящий прорыв.
Ярчайшие представители последнего поколения роботов – так называемые коботы, разработанные фирмой Rethink Robotics. Оснащенные десятками датчиков, они распознают предметы вокруг себя и поэтому могут работать рядом с людьми – им не требуются специальные свободные участки или ограждения, защищающие работников от возможного нанесения вреда.
Компания Siemens уже давно внедрила в свою работу роботов – им доверена сборка сложных моделей, зачастую даже экспериментальных образцов, разработанных в лабораториях. Такие роботы умеют видеть, поскольку оснащены соответствующими сенсорами. Другой пример – роботы, которые трудятся на производстве Hitachi. Там машины не только занимаются однообразной и физически сложной работой, но также передают работникам команды, сформированные на основе анализа данных, меняющихся в режиме реального времени. Производственный процесс при этом ежедневно подстраивается под нужды потребителей, поскольку данные обрабатываются с небывалой скоростью, а команды передаются мгновенно.
Конечно, на каждом производстве остаются задачи, с которыми может справиться только человек. Автоматическая сварка может прекрасно справляться с простыми задачами – например, когда нужно соединять прямые и длинные металлические детали. Там, где требуется креативный подход – на сложных и мелких соединениях и в труднодоступных местах – по-прежнему незаменим труд человека. Однако задачи роботов, как мы уже поняли, заключаются не в соперничестве с человеком, а в сотрудничестве с ним, поэтому на долю машин теперь приходится самая опасная и неинтересная работа.
Роботы последних поколений достаточно чувствительны и безопасны, они также разработаны с расчетом на небольшие столкновения с окружающими объектами – теперь энергия от удара поглощается специальными механизмами, что делает работу значительно безопаснее. Однако разработчики из Fraunhofer IML пошли еще дальше и представили на производстве целые комплексы, которые могут самостоятельно настраиваться. Зачем это нужно? Такие производственные линии могут заниматься сборкой не одной и той же выбранной программой модели, они способны несколько раз менять задачи. Они также способны восполнять пробелы – если определенные производственные сегменты выходят из строя, их задачи распределяются между другими линиями.
Что же остается человеку? Специалисты, которые ранее выполняли однообразные функции, контролируя работу роботов, теперь могут посвящать время решению инженерных задач – проработке механизмов, совершенствованию моделей.
Но разве это не опасно? Что если оборудование выйдет из строя? Элементы искусственного интеллекта позволяют добиться больших успехов и в контроле – теперь они могут самостоятельно собирать данные о состоянии техники и передавать информацию о любых изменениях рабочим. Людям больше не нужно осматривать и проверять оборудование вручную – со всем справляются датчики и обучающиеся программы.
Новый взгляд на техническое обслуживание
Каждый автомобиль нуждается в регулярном техническом осмотре. Это не очень удобно, поскольку отнимает лишнее время у водителя, а также нагружает автосервисы, отнимает средства и требует соблюдения графика. Но если технический осмотр настолько важен у отдельных автомобилей, то на производственных объектах он становится неотъемлемой частью работы. Регулярное обслуживание машин, включающее в себя осмотр, может тормозить производство, хотя зачастую во время этих процедур специалисты не выявляют никаких неисправностей – они лишь убеждаются в том, что техника работает правильно. Если бы можно было привлекать специалистов только в моменты, когда техника действительно нуждается во вмешательстве, но при этом еще не поломана и работает вполне исправно, это значительно сократило бы расходы времени и средств.
Именно этому вопросу посвящены труды разработчиков платформы Predix. Эта платформа следит за состоянием подключенной к ней техники, что открывает большие перспективы.
Например, собранные платформой данные за определенный период времени могут использоваться для статистического анализа – на их основе можно выявить самые слабые детали и определить средний срок их службы. Кроме того, входящие в состав платформы датчики позволяют проводить исследования прямо во время производственного процесса – их можно устанавливать внутри турбин и сложных устройств, измеряя их выносливость и реакцию на нагрузки. К этому следует добавить и пользу от полученных данных, на базе которых производитель может сформировать рекомендации по более безопасной и эффективной эксплуатации техники.
Успешно применяющая эту технологию компания General Electric уже продемонстрировала впечатляющие результаты – производительность ее ветряных электростанций увеличилась на 20%.
Беспилотные аппараты, склады и разведка
Кроме того, искусственный интеллект, управляющий дронами – беспилотными летательными аппаратами, оснащенными датчиками и съемочной техникой – может в значительной степени упростить задачи предприятий, занимающихся добычей сырья. Дроны с легкостью проникают в местности, которые остаются труднодоступными для людей. Они собирают нужные данные и передают их операторам, а в некоторых случаях анализируют информацию сами. Помощь дронов незаменима и в работе – компания BHP Billiton Ltd из Австралии использует летательные аппараты для проверки состояния техники и ландшафта. Помощь дронов практически незаменима, когда речь идет о контролируемых взрывах, за счет которых человек получает доступ к нужным ресурсам – техника проверят состояние почвы, обеспечивает видимость и проверяет, не находятся ли люди в опасной зоне. В этом случае используется уже знакомая нам платформа Predix.
Как роботы влияют на логистику
Обычная проблема складов заключается в невозможности идеально организовать пространство. Между стеллажами и паллетами оставляют достаточно широкие проходы, которые позволяют людям свободно перемещаться с грузом, когда они передвигают его вручную или при помощи техники. За счет этого склады занимают большую территорию и нуждаются в сложном обслуживании.
Роботы достаточно эффективно решают эту проблему. Они без проблем поднимают, удерживают и переносят сложные грузы, доставляют их к специалистам, занимающимся сортировкой, а также очень быстро перемещаются по складам. Привлечение роботов к работе на складах позволило таким крупным компаниям как Amazon и L’Oreal существенно повысить продуктивность, уменьшить число несчастных случаев на складах. Как заверяет один из разработчиков складских машин, Джо Каракаппа, занимающий пост вице-президента компании Symbotic, вскоре такие роботы помогут в два раза уменьшить территорию любого склада.
Люди, которые до этого управляли погрузчиками вручную, а также выполняли сложные и опасные задачи, теперь могут переключиться на более интересную и разнообразную работу – некоторые продолжают заниматься сборкой заказов, другие посвящают время ремонту и обучению роботов.
Однако размеры складов и сложность протекающих в них процессов – далеко не все проблемы современных предпринимателей, занимающихся доставкой товаров. Чаще всего система логистики сталкивается с множеством вопросов, которые приходится решать слишком быстро – запросы людей растут, скорость операций повышается.
Весьма распространенные в наше время маркетплейсы сотрудничают с сотнями разных поставщиков и получателей, и это вынуждает их оперировать массивным объемом данных. При этом каждый отправитель и получатель имеют свои особенности и запросы, и информацию обо всех этих тонкостях собирает, структурирует и предоставляет специалистам искусственный интеллект. Будучи встроенным в логистические цепочки, он позволяет понять, как протекают те или иные процессы, в чем нуждаются поставщики, как часто они задерживают товар.
В работе самих складов машины также берут на себя интеллектуальный компонент – они подсчитывают количество оставшегося товара, а также отслеживают динамику, с которой раскупают те или иные позиции. Это позволяет управляющим составлять прогнозы, вовремя восполнять нужные образцы продукции, работая без ошибок и сбоев.
Неправильно устроенная логистика может привести к большим затратам – сюда включаются расходы на топливо, оплату труда, а также издержки, возникающие из-за неправильного учета продукции. Каждый производитель мог бы терять значительно меньше средств, если бы получил возможность точно прогнозировать динамику спроса на те или иные товары. Данные, которые предоставляют машины, позволяют приблизиться к желаемому результату и добиться в этом деле серьезных успехов. При правильном использовании ИИ в работе логистической системы крупные производители могут снизить объем нереализованных товаров почти на треть – это огромные средства, которые можно направить на другие, более креативные и продуктивные задачи.
В масштабе мирового лидера Procter & Gamble такие перемены могут сокращать ненужные расходы почти на 1 млрд. долларов ежегодно.
Сельское хозяйство и искусственный интеллект
В чем заключаются главные сложности работы фермера? Кроме тяжелой физической работы, которую отчасти упростили тракторы, комбайны и автоматические оросительные системы, каждый фермер сталкивается с естественными проблемами – заболеваниями, истощением почвы, изменением климата. Зачастую проблемы успевают разрастись до масштабов, когда их уже сложно контролировать, и фермерам приходится принимать решения на фоне уже имеющихся убытков. При этом пригодные для засева земли, а также источники пресной воды постепенно теряют свою эффективность – ухудшающиеся экологические условия уже не позволяют производить прежний объем пищи на многократно обработанных территориях. Все эти вопросы стоят как никогда остро на фоне роста земного населения – с каждым годом для удовлетворения базовых нужд людей требуется все больше еды.
Как уменьшить потери, повысить эффективность и вовремя замечать любые проблемы? В этих задачах решающую роль может сыграть искусственный интеллект – на сей раз речь идет об интернете вещей, работа которого основывается на установке множества датчиков, связанных в общую сеть. Если подобная система работает на определенном засеянном участке, она может в режиме реального времени передавать информацию об изменениях, происходящих с растениями. К примеру, с помощью таких систем можно зафиксировать случай заражения культуры гораздо раньше, чем это сделает фермер, которому для этих целей приходится обходить огромную территорию.
Еще эффективнее эти системы работают, если они подчиняются командам фермера. К примеру, если на участке было зафиксировано превышение допустимой температуры, эти данные мгновенно передаются фермеру, и он может принять решение о защите земли. Однако для этого ему не придется искать средства и перемещаться – он может отдать нужные команды системе, и она сама обо всем позаботится.
В этом направлении уже работает компания Accenture, технические решения которой позволяют отслеживать передвижения насекомых, анализировать состав почвы и удобрений. Произведенные в результате длительных исследований системы способны не только замечать изменения и информировать фермеров – они также вырабатывают предпочтительные решения, которые и предлагают человеку. Фермеру остается выбрать наиболее подходящий вариант и утвердить его.
Однако возможности искусственного интеллекта на этом не заканчиваются. Смелые решения, предлагаемые нейросетями, позволяют проектировать совершенно новые фермы с многоярусными конструкциями. Такие фермы потенциально способны приносить огромный урожай, занимая при этом минимум пространства, требуя лишь базовых затрат. Обслуживание таких систем, которое ранее могло бы показаться слишком опасным и трудоемким, теперь осуществляется при помощи специальных машин, а установленные в нужных местах датчики позволяют отслеживать температуру, влажность, содержание воды для полива и даже самой почвы.
В штате Нью-Джерси подобные решения уже внедрены в комплексе Ньюарк, где компания AeroFarms разбила собственный комплекс. При высокой производительности этот комплекс потребляет на 95% меньше влаги, что решает один из самых острых вопросов современности – рациональное использование водных ресурсов. Занимая сравнительно небольшой участок, такая ферма может приносить до 900 тонн зелени и овощей ежегодно.
Последовательное распространение таких технологий может стать эффективным решением для фермеров и предприятий, обеспечивающих население едой. Более того, в этом сегменте не приходится беспокоиться о потерянных рабочих местах, ведь основной проблемой фермерства последних лет стал именно недостаток рабочих рук – переезжая в города, люди оставляют свои участки, которым теперь можно будет найти совершенно новое применение. Крайне важно, что при внедрении искусственного интеллекта исчезнет проблема тяжелого труда, которая всегда волновала людей, работавших в секторе сельского хозяйства.
Искусственный интеллект в офисе
Однообразие – враг продуктивности. Исследования специалистов Уортонской бизнес-школы показывают, что люди чувствуют себя гораздо лучше, если у них есть возможность заниматься различными задачами в течение рабочего дня. Смена фокуса внимания способствует повышению продуктивности, которого сложно добиться при выполнении однообразной работы. Однако на производстве и в офисах монотонность – неизбежное условие, с которым сталкиваются миллионы сотрудников.
Как искусственный интеллект может упростить задачи работников, которым приходится постоянно трудиться, выполняя одни и те же задачи? Ответ лежит на поверхности – если эти самые задачи теперь будет выполнять машина. При этом сотрудники получат относительную свободу и возможность выполнять задачи, которые им действительно интересны – разумеется, в рамках целей и принципов компании, в которой они работают. Высвобождающиеся человеческие ресурсы могут направить свои усилия на решение более интересных задач, а не тратить время и энергию на работу, которой им просто физически сложно заниматься.
В прошлой главе мы неоднократно рассматривали примеры, которые показывали, как внедрение искусственного интеллекта помогло создать другие рабочие места или переобучить сотрудников, открыв перед ними новые горизонты. В этой главе мы рассмотрим этот процесс подробнее – он действительно заслуживает внимания.
В прошлом внедрение машин в различные процессы позволяло сократить время работы и увеличить продуктивность, однако задачи человека оставались все теми же. Чтобы понять, как это работало, стоит рассмотреть пример с библиотекой. Когда читатели обращались к библиотекарю в сороковые или пятидесятые годы, сотруднику приходилось углубляться в изучение картотеки, искать нужные номера книг, потом указывать на определенные секции стеллажей, где и покоились необходимые публикации. Изучение картотеки было занятием однообразным и не всегда быстрым – обычно карточки хранились в специальных шкафах с выдвижными ящиками, отмеченными разными буквами алфавита. Позднее, когда картотеки были оцифрованы, библиотекарям больше не приходилось подниматься с кресел, подходить к шкафам, выдвигать ящики, листать карточки и доставать нужные образцы. Теперь было достаточно обратиться к компьютеру, запустить программу, нажать несколько клавиш, и назвать читателю код или другой ориентир, по которому можно было бы найти искомую книгу. Время поисков значительно сократилось, но задачи при этом остались теми же – библиотекарь по-прежнему должен целый день искать книги, которые нужны посетителям.
Но что если поиском книг теперь будет заниматься искусственный интеллект, который сам выполнит все задачи? Библиотекарь сможет заняться другими, более интересными делами – например, его внимание будет направлено на создание новой системы хранения и упорядочивания книг, на разработку более комфортного дизайна читального зала, на создание подходящих условий для хранения старых фолиантов, нуждающихся в особой защите.
Аналогичным образом ситуация выглядит и в случае с другими специальностями. Искусственный интеллект, работа которого используется для выполнения рутинной работы, может буквально освободить человека, которому больше не будет нужно выполнять монотонную работу, уподобляясь при этом механизму. Человеческий разум должен переключаться, развиваться и мыслить творчески. Именно этим он и может заняться, если за дело примутся машины.
Почему машины и люди – не конкуренты
Настало время обратиться к примеру из реальной жизни. Один из крупных банков с десятками тысяч сотрудников во множестве филиалов затрачивал миллионы долларов на отслеживание нелегальных операций, призванных скрыть уклонение от налогов. Для этого была создана сеть из десяти тысяч специалистов, регулярно следивших за переводами и другими действиями клиентов. Однако на смену человеческому труду пришла деятельность ИИ, и возможности для сбора данных и их анализа расширились. Используя сложную систему, позволявшую учитывать параметры финансовых операций, связи между клиентами и динамику использования счетов, искусственный интеллект повысил продуктивность процесса на 30% при сокращении финансовых затрат на 40%. Что же стало с людьми, которые ранее занимались этой работой? Теперь система на основе ИИ направляла на рассмотрение предварительно выявленные подозрительные операции, и сотрудники, которые ранее были вынуждены принимать и анализировать данные, теперь занимались проверкой каждого отдельного случая.
Это весьма логично, поскольку благодаря заданным алгоритмам и точным протоколам машина может определить наиболее рискованные и подозрительные случаи, но она неспособна проверить их на соответствие нормам законодательства. Здесь, когда в ход идут рассуждения, моральные факторы и личные условия каждого участника операции, без контроля специалиста не обойтись.
Другой пример успешного внедрения искусственного интеллекта можно увидеть в работе крупной транспортной компании Virgin Trains, сотрудникам которой приходилось получать множество жалоб от клиентов. Работа с клиентами весьма утомительна, и каждый сотрудник принимал сотни заявок ежедневно, причем большинство из них были однообразными и имели одинаковые решения. Так продолжалось до тех пор, пока в работу не была интегрирована система inSTREAM, способная воспринимать живую речь и выявлять некоторые закономерности в сообщениях. Эти способности позволили системе понять, как операторы общаются с клиентами, и каким образом они отвечают на самые распространенные жалобы. В результате система взяла на себя самые сложные и однообразные обязанности – теперь она сама принимает тысячи похожих друг на друга заявок, дает актуальные ответы и повышает тем самым продуктивность работы с клиентами. Нестандартные случаи направляются к сотрудникам, которые решают их на личном уровне – система следит и за этими процессами, продолжая обучаться и перенимая навыки человека для дальнейшего использования в работе. В результате трудозатраты людей уменьшились на 85%, а продуктивность работы с клиентами возросла на 20%.
Примеры множества крупных компаний по всему миру демонстрируют впечатляющие возможности искусственного интеллекта в самых разных сферах. В одних случаях он отслеживает комментарии пользователей, в других занимается рутинной аналитикой, в третьих передает данные между разными отделами предприятия.
Виртуальный офис – это реальность
Во всех рассмотренных выше случаях искусственный интеллект не только собирал и проверял данные – например, платформа inSTREAM постоянно обучается, поскольку направляет сотрудникам нестандартные вопросы и жалобы, а затем запоминает, каким образом они решают те или иные сложные вопросы. Подобный механизм обучения делает искусственный интеллект более гибким, подвижным и адаптивным.
Хотя приведение к единым стандартам позволяет значительно упростить работу с документами, от страны к стране или даже от компании к компании нормативы могут меняться. Представьте себе машину, которая не только сканирует полученные документы, но также распознает их по смыслу, вне зависимости техники оформления. В этом случае оборудование не просто оцифровывает данные – оно действительно читает и сортирует документы. Более того, машина работает с полученными данными, подобно человеку – она заносит информацию в различные базы и таблицы, где они надежно фиксируются для дальнейшей обработки или учета. Такое положение вещей кажется невероятным, однако именно к подобным результатам стремятся современные разработчики, многие из которых вполне успешны в своих изысканиях. Однако даже это далеко не предел возможностей машины.
Некоторые системы способны обучаться. На примере inSTREAM мы увидели, что искусственный интеллект может следить за работой человека, но это касается не только сферы обслуживания и коммуникаций – такой процесс обмена опытом возможен в любой сфере. Аналогичным образом действует Amelia – виртуальный помощник, призванный улучшить сервис банка Skandinaviska Enskilda Banken (SEB) из Швеции. Амелия принимает заказы, решает проблемы, взаимодействует с клиентами и при этом работает быстро, одновременно обрабатывая целый ряд звонков. Она не выходит за рамки этикета, сохраняет спокойствие, не повышает уровень стресса у клиентов. Отслеживая настроение клиента по его тону и набору слов, она может оказывать поддержку на самом высоком уровне. При этом в банке не отказываются от работы человека – Амелия учится у живых операторов, перенимая их навыки.
Гибкий подход может принимать разные формы. Например, компания Unilever, будучи одним из мировых лидеров производства повседневных товаров, ежедневно принимает тысячи заявок от соискателей, желающих получить рабочие места. На проведение собеседования с каждым соискателем могут потребоваться тысячи часов рабочего времени, и у отдела кадров нет подобных ресурсов. Кроме того, подобные методы выбора сотрудников непродуктивны, поскольку нередко на принятие окончательного решения влияют предрассудки, личные мотивы и эмоции.
Заручившись поддержкой специальной платформы HireVue, руководители компании смогли решить проблему решения кадровых вопросов. Теперь соискатели получают возможность пройти несколько интуитивных игр, позволяющих выявить особенности их характеров и уровень навыков. Далее платформа позволяет соискателям прислать собственные видеоинтервью. Полученные материалы анализируются – ответы, которые соискатели давали при прохождении игр, а также присланные видеозаписи подвергаются тщательному изучению. На основе полученных данных, в которых учитывается тон голоса, мимика, жестикуляция и даже интонации человека, программа выявляет самых предпочтительных соискателей, которых в дальнейшем и направляют на реальные собеседования. Роль специалиста по подбору кадров при этом сохраняет свою значимость – человек проводит обычные собеседования с каждым, кто прошел тестирование и был признан наиболее подходящим кандидатом. Ранее на одобрение заявки соискателя уходило до 4 месяцев, теперь этот срок сократился до 1 месяца. При этом отмечается, что круг специалистов значительно расширился, и штат компании пополнился самыми продуктивными и креативными сотрудниками.
В каких случаях требуется вмешательство искусственного интеллекта
Какие функции обычно утомляют людей? Чаще всего к числу самых сложных и неприятных задач относятся те, что отличаются однообразием, присутствуют в избытке и при этом требуют повторения.
Создание даже небольшого и простого на первый взгляд приложения требует написания десятков тысяч строк кода, состоящих из зачастую повторяющихся команд и сочетаний символов. Выполнять такую работу вручную – обязанность не из приятных. Именно поэтому Роджер Дики запустил проект Gigster – систему, позволяющую создавать программы и приложения на базе искусственного интеллекта.
Почти каждое предприятие имеет собственное приложение. Например, у сервисов доставки еды и товаров имеются свои программы, в которых пользователи оформляют заказы. Банки имеют приложения для осуществления транзакций. Транспортные компании используют приложения для обеспечения клиентов машинами. Во всех этих случаях Gigster может предложить нужный вариант программного обеспечения с учетом пожеланий клиента.
При этом Gigster не пишет программный код полностью – система не берет на себя столь ответственные задачи. Она объединяет усилия нескольких специалистов на основе имеющихся у нее данных, формируя команду из программистов, способности которых более всего актуальны в том или ином случае. Под этим руководством каждый специалист может выполнить поставленную задачу в максимально сжатые сроки, и при этом результаты работы обязательно фиксируются для внесения в базу данных – на основе этой информации и будет распределяться работа в будущем. Таким образом, Gigster не отнимает работу у программистов, а делает их труд более эффективным, простым и интересным.
Какие возможности открывает будущее
Постоянно обучающийся искусственный интеллект позволяет выполнять самые разные задачи. Одной из главных обязанностей специалистов в области IT считается обеспечение безопасности данных. Когда компания имеет дела с клиентами, она всегда гарантирует полную защиту личной и любой другой информации, однако хакерские атаки, вирусы и другие инструменты злоумышленников могут нанести существенный вред как репутации, так и эффективности любого предприятия.
Конец ознакомительного фрагмента.
Текст предоставлен ООО «Литрес».
Прочитайте эту книгу целиком, купив полную легальную версию (https://www.litres.ru/chitat-onlayn/?art=70426708&lfrom=174836202&ffile=1) на Литрес.
Безопасно оплатить книгу можно банковской картой Visa, MasterCard, Maestro, со счета мобильного телефона, с платежного терминала, в салоне МТС или Связной, через PayPal, WebMoney, Яндекс.Деньги, QIWI Кошелек, бонусными картами или другим удобным Вам способом.
