«ДОБРЫЙ ДОКТОР, ЭЙ-АЙ-БОЛИТ». AI100: отчёт о развитии искусственного интеллекта, часть 4

«Человечество пережило все напасти, переживет и современную медицину».

Герхард Кохер, швейцарский врач, лауреат

Нобелевской премии по физиологии и медицине

«Годовой доход 20 фунтов при расходе 19 фунтов 96 пенсов – это счастье. Годовой доход 20 фунтов при расходе 20 фунтов 6 пенсов – это нищета».

Чарльз Диккенс, английский писатель

В 4-й части отчёта о проекте «AI100» – серии аналитических отчетов Стэнфордского университета о развитии искусственного интеллекта (ИИ) – советы как делать деньги, как сохранить здоровье и как потратить деньги или время.

Здравоохранение

Приложения ИИ все чаще используются в биомедицинских приложениях, особенно в диагностике, открытии новых лекарственных препаратов (включая вакцины) и в других научных исследованиях. И говоря об использовании AI в медицине, невозможно обойти стороной его применение в борьбе с COVID-19. Системы AI уже доказали свою эффективность в мониторинге эпидемии, в области диагностики пациентов и в процессе поиска новых вакцин. Так, например, Джон Курис, президент Tampa General Hospital, заявил об успешном применении программного обеспечения компании care.ai, которая разрабатывает автономную платформу мониторинга для системы здравоохранения. Решение, основанное на распознавании лиц и одновременном измерении температуры тела, позволило существенно сократить приток пациентов.

В качестве примера можно привести опыт больницы города Тампы (штат Флорида, США), которая внедрила AI в свою стратегию против коронавируса. Программное обеспечение, разработанное Care.ai, – автономной платформой мониторинга для здравоохранения – использовали, чтобы сократить посещаемость больниц. Решение способно сканировать лица людей и определять пациентов с высокой температурой, что позволило сократить приток людей на 75%.

Финансы

Все способы использования ИИ в сфере финансов можно отнести к шести категориям: 1) автоматизация рутины документооборота; 2) помощь в принятии решений о кредитовании; 3) автоматизация маржинальной торговли; 4) управление рисками; 5) предотвращение мошенничества; 6) персональные финансовые услуги (чат-боты и персональные ассистенты).

Решения о кредитовании принимаются частично на основе работы моделей и методов машинного обучения, а платежные системы, WeChat Pay, используют ИИ для определения кредитного рейтинга пользователей. Причем для этого они берут данные, которые ранее не использовались в традиционном кредитном скоринге. В некоторых случаях такой подход может открыть доступ к кредитам для новых групп населения, а в некоторых людей может заставить менять свое социальное поведение. И не удивительно, если завтра выяснится, что ваш кредитный рейтинг зависит от частоты посещения синагоги репостов в социальных сетях и мессенджерах.

В сфере личных финансов в мейнстриме – автоматизированное финансовое консультирование, в том числе для высокочастотной торговли, в которой важно принимать быстрые решения, и в которой программы уже давно заменили людей. Примеры таких систем – Vanguard Digital Advisor, SoFi Wealth, Betterment.

Исторически сложилось так, что финансовые организации использовали методы ИИ, в первую очередь, для борьбы с мошенничеством с кредитными картами, так называемый фрод (от англ. fraud – «мошенничество»), но постепенно их использование становится все более популярным. ИИ особенно эффективен в областях, связанных с большим количеством документов, для автоматизации рутинных и повторяющихся процессов, в области кибербезопасности, для автоматизации обработки юридической и нормативной документации, равно как и в противодействии отмыванию денег (anti-money laundering – AML) и выявлении регуляторных рисков.

Традиционно эти варианты использования были сосредоточены на автоматизации дорогостоящей ручной работы, оставляя ключевые решения людям или системам, основанным на правилах. В некоторых случаях финансовые организации смогли автоматизировать до 90% их процессов.

Однако в среде, определяемой статистикой, инструменты ИИ должны конкурировать с другими процессами, которые могут быть более эффективными или оправданными с финансовой точки зрения. Проще говоря, ИИ должен работать, но успех не предопределен.

Итак, как финансовые организации могут преодолеть ажиотаж, страх и тайны, окружающие ИИ, чтобы убедиться, что они используют его инструменты и методы в правильном направлении? Чтобы демистифицировать ИИ с точки зрения рисков и соблюдения требований и заставить его работать, финансовым организация следует предпринять три шага: 1) поймите и определите, что доступно – итеративная, основанная на правилах или объяснительная? Чтобы применить статистический алгоритм, финансовые организации должны знать, какой из них использовать, и понимать связанные с ним процессы 2) определите проблему, которую нужно решить, и связанный с ней вариант использования.

ИИ, казалось бы, безграничен по возможностям, поэтому финансовые организации должны иметь возможность сосредоточиться на том, что важно; 3) используйте правильную технологию.

В качестве примера использования ИИ в мире финансов можно привести опыт японского государственного пенсионного инвестиционный фонда (GPIF), крупнейшего в мире пенсионного фонда, который внедрил систему для отслеживания инвестиционных стилей менеджеров, управляющих фондами, и выявления рисков от неожиданных изменений ситуации на рынке. Такие приложения позволяют финансовым учреждениям обнаруживать ранее невидимые риски и способствуют более надежному и стабильному управлению активами.

Рекомендательные системы

Задумывались ли вы когда-либо как Netflix, HBO, Hulu или Pornhub подбирают для вас подходящие фильмы, а Spotify, Apple, Google или «Яндекс» – музыку?

Поскольку на нас ежедневно сваливается огромное количество информации, существенное значение стали играть рекомендательные системы – системы, которые автоматически определяют приоритеты того, что мы видим в социальных сетях и в находим в поисковиках. Такие системы активно используют инструменты ИИ, и теперь они имеют огромное влияние на людей в области потребления продуктов, услуг и контента – новости, музыка, видео и другое, все это проходит через сито рекомендательных систем.

Помимо общей тенденции к увеличению использования в ИИ в интернет-коммерции, принципы работы рекомендательных систем значительно изменились за последние пять лет.

Первый тренд связан с практически универсальным внедрением моделей глубокого обучения (deep learning) для более качественного предсказания реакции пользователя на рекомендацию. То есть AI100 система использует больше данных и усилий для того, чтобы «понять» почему данная рекомендация является удачной для того или иного пользователя. Так, например, Spotify использует данные модели для анализа музыки, рекомендуемой своим пользователям, а Twitter применяет большие языковые модели, такие как BERT, чтобы улучшить свои рекомендации новостей или сообщений в своей социальной сети.

Второй тренд – использование так называемых многозадачных моделей, в которых моделирование и прогнозирование основывается на множестве различных поведенческих событий пользователей, вместо того, чтобы давать рекомендации по только одному действию. Конечно, при выдаче рекомендаций на основе анализа множества событий, усложняется выбор, плюс возникает повод для конфликта целей самой системы и целей пользователя.

Авторы отчета выражают серьезную озабоченность по поводу вопросов справедливости, разнообразия, поляризации мнений и фильтрации, а иногда даже и цензурирования рекомендованного контента, где рекомендательная система предлагает, например, новости, которые лайкнули другие люди, а не те, которые действительно для вас являются наиболее важными и интересными. Или новости, которые получили много дислайков скрываются от вас.

Превратятся ли рекомендательные системы в «Большого брата» – это уже даже не вопрос времени. Будущее, в котором Оруэлл нервно курит в сторонке и тот самый дивный новый мир уже наступили.

В следующем материале мы подробно расскажем об использовании ИИ в научных исследованиях.

Оригиналы AI100 отчетов ниже:

Отчет 2021 — https://ai100.stanford.edu

Отчет 2016 — https://ai100.stanford.edu/2016-report

P.S. И на закуску видео от Джона Ланчбери, директора офиса информационных инноваций, управления перспективных исследовательских проектов Министерства обороны США. В этом коротком (16 мин.) видео Джон развеивает мифы об ИИ.

https://www.youtube.com/watch?v=-O01G3tSYpU&t=8s

close

Подписка на новости

Подпишитесь, чтобы получать эксклюзивные материалы и быть в курсе последних событий!

Мы не спамим! Прочтите нашу политику конфиденциальности, чтобы узнать больше.