Світовий ринок штучного інтелекту покаже щорічне зростання до 2024 рокуна 17,5% і перевищують $500 млрд доходу, як
Лікар-діагност
У сфері охорони здоров'я замінити людей роботамискладно, але частину своїх завдань лікар-діагност все ж може перекласти на машину. При постановці діагнозу лікар грунтується на власному досвіді і знаннях, але завжди є ризик, що він втратить щось з уваги просто в силу людського фактора. ІІ простіше оперувати великими масивами даних і працювати з деталями, що знижує відсоток помилок при аналізі.
Наприклад, допомога може надати стартап ZebaMedical Vision: сервіс призначений для рентгенологів і за допомогою ІІ вивчає рентгенівські знімки, дає опис і аналізує відхилення. У сервісу своя база даних з декількох мільйонів зображень, висока швидкість обробки і точність. В першу чергу він дозволяє знизити навантаження на лікаря і прискорити процес аналізу знімків.
Чим більше база даних і прикладів, яківивчила машина, тим нижче ризики, що вона пропустить якийсь випадок. І хоча ІІ не може бути абсолютно точним, він помиляється з меншою ймовірністю, ніж людина. При цьому фінальне рішення все одно залишиться за живим лікарем.
Машиніст залізничного транспорту
Поїзди далекого прямування без машиніста навряд чиз'являться найближчим часом, але ІІ вже починають впроваджувати в метрополітені. На відміну від живої людини, керуючого залізничним транспортом, комп'ютер застрахований від помилок, пов'язаних з неуважністю і втомою. Тим самим підвищується безпека пасажирів і збереження вантажів. ІІ вже управляє поїздом в метро Дубая, і в «кабіні машиніста» можуть перебувати пасажири, які милуються видом на місто. У Нью-Делі реалізували ідею для однієї з гілок, метро в Копенгагені давно працює за рахунок автоматизованої системи контролю, а в Празі намір запустити потяги без машиніста в 2027 році.
У Росії теж розробляють розумні системиуправління поїздами: зокрема РЖД тестує 10 локомотивів з ІІ, які покликані зменшити число залізничних катастроф, пов'язаних з людським фактором. В основі технології - нейромережі і комп'ютерний зір. У московському метро потяги без машиністів очікували ще в 2017 році (розроблялися «Ластівки» для МЦК), але для цього потрібно вносити зміни в законодавство. У 2020 році почали говорити про тестування елементів автоматичного ведення поїздів на Некрасівській лінії, але результати поки невідомі.
Банківський аналітик
Ключові вимоги до такого фахівця.глибокі знання в галузі економіки та фінансів, компетентність у прийнятті різноманітних рішень: від участі в інвестиційних проектах банку до підбору кредитних продуктів фізичним особам. Робота здебільшого ведеться за шаблоном, тому її можна довіряти комп'ютеру.
У більшості великих російських банків вжевідбувається роботизація ряду завдань - в «Газпромбанку» ІІ займається випуском карт і роздрібним кредитуванням, в «Росбанку» він обробляє документи для клієнтського досьє, а в банку "Хоум Кредит» готує персональні пропозиції по продуктам. Але саме активне використання ІІ у «Ощад»: все роздрібні кредитні рішення приймає комп'ютер, 95% з них формуються автоматично, без живого фахівця.
Продавець-консультант
Робота продавця-консультанта досить рутинна:він надає клієнтам інформацію про товари і послуги компанії, допомагає у виборі і відповідає на ці запитання про якість, характеристики товару і навіть більш суб'єктивні: «Мені це підходить чи ні?». Подібні дії виконують і алгоритми ШІ, які враховують індивідуальні потреби, пропонують заміну товару, відсутнього в наявності.
Ідею реалізували багато магазинів одягу тапарфюмерно-косметичні бренди. Наприклад, в мережі Sephora сервіс Color IQ допомагає підібрати консилер і тональний крем, а Lip IQ - помаду. У Uniqlo ще в 2015 році з'явилися стійки UMood, що демонструють покупцеві кілька продуктів. З них потрібно вибрати вподобані, щоб ІІ і нейропередатчики визначили, що порекомендувати клієнту. Не потрібно навіть прямого контакту з пристроєм - воно орієнтується на настрій людини. Не менш цікава і ідея, реалізована в універмазі Neiman Marcus: додаток Snap. Find. Shop. (Від стартапу Slyce) по фотографії предмета, завантаженої клієнтом, шукає схожі або ті самі товари в каталозі магазина.
Але ІІ може вибрати не тільки одяг, взуття абопомаду - в інтернет-магазині Instamart (сьогодні - «Сбермаркет»), який займається доставкою продуктів з гіпермаркетів, консультантів теж замінили машинні алгоритми. Вони пропонують заміну відсутнім позиціях, аналізують переваги покупця за попередніми чеками, допомагаючи збирачеві замовлення прискорити процес наповнення кошика.
Касир в магазині
Дії касира однотипні - він пробиває товарз кошика покупця, скасовує позиції, що не підійшли, оформляє чек, приймає оплату. Все те саме з легкістю можуть робити і алгоритми ІІ. Спочатку те, що машина здатна замінити живу людину, продемонстрували каси самообслуговування, що з'явилися в Росії в 2012 році, а за кордоном взагалі в 90-х. Але сьогодні історія зайшла набагато далі і ІІ замінює касирів цілком і повністю у магазинах без продавців.
Першим ідею просунув Amazon зі своїм Amazon Go -розумні алгоритми бачать, що покупець поклав у кошик (і що повернув на полицю), з чим в результаті вийшов з магазину, і списують суму по чеку з рахунку Amazon або прив'язаною банківської карти. Навіть сканувати на касі нічого не треба. Це не тільки економія на ФОП (фонд оплати праці), але і підвищення трафіку в магазині - 90% американців при довгому очікуванні своєї черги залишать кошик і підуть. У Росії ідею реалізували Сбербанк з «Абеткою смаку» (правда, поки це не повноцінний магазин, а тільки відділ), а також X5-Group.
тренер
У пандемію фітнес-індустрія, нарешті, побачилазатребуваність онлайн-технологій і переконалася, що проводити заняття можна і дистанційно: при правильному налаштуванні обладнання тренер цілком може працювати віддалено, контролюючи дії підопічних. Разом з цим з'ясувалося, що комп'ютер здатний у багатьох питаннях замінювати живого інструктора: роз'яснювати техніку вправ, контролювати їх виконання і правильність дій, давати рекомендації по темпу, нагадувати про дихання, рахувати кількість підходів. Це досягається за рахунок використання технології комп'ютерного зору, яка збирає інформацію з камери і передає для аналізу машині.
Ідею реалізували вже кілька стартапів — узокрема Aaptiv: компанія випустила додаток для смартфона з «розумним» тренером, який створює персоналізовані тренування та дає рекомендації щодо способу життя. Чим частіше людина користується сервісом, тим індивідуальнішими стають його заняття. А у Zenia Yoga створено першу програму для йоги з віртуальним ІІ-асистентом. Воно контролює роботу тіла через аналіз руху 16 суглобів, допомагаючи тренеру помітити помилки під час онлайн-уроків або виступаючи у ролі тренера під час самостійних занять.
Рекрутер
HR-фахівець здійснює пошук і підбірпридатних співробітників на вакантні посади (фактично сортує за заданими критеріями). А в разі, коли пропозиція перевищує попит, рекрутер при відборі може керуватися особистими симпатіями чи антипатіями, і на якість відбору починає впливати людський фактор. Машина, здатна проводити ті ж самі операції, що й HR, позбавлена емоційного аспекту, а значить, безстороння та оцінює кандидатів більш об'єктивно.
Проби пера в цьому напрямку проводяться давно:в 2016 році FirstJob розробив бота Мію, який пропонував претендентам на сайті підходящі вакансії, пов'язував потенційних працівників і роботодавців. А компанія HeadHunter вирішила переводити свою пошукову систему на машинне навчання, щоб зробити більш точним сервіс комп'ютерних рекомендацій. Але всіх обганяє нейронна мережа Facebook, яка здатна аналізувати профілі зареєстрованих в соцмережі фахівців, порівнювати кандидатів, відсівати невідповідні варіанти. Не виключено, що пізніше вона буде пропонувати компаніям потенційних співробітників.
У Росії технології теж розвиваються:робот-рекрутер Віра (стартап Stafory) навчився підбирати резюме і обдзвонювати співробітників для проведення первинної співбесіди. За дев'ять годин він може відпрацювати 1,5 тис. Кандидатів (в інтерв'ю). А в «Альфа-банку» деякі функції HR-фахівця замінив комп'ютер: тепер ІІ відповідає вже влаштованим співробітникам на типові питання - від «як замовити перепустку» до «що зробити з документами». Для цього розроблена платформа AutoFAQ на базі навченої нейронної мережі. У компанії мають намір автоматизувати 30% запитів від співробітників, щоб розвантажити HR-фахівців.
Оператор колл центру
Ця людина приймає дзвінки від клієнтів,розповідає про продукт компанії, надає технічну підтримку або консультацію. Залежно від розміру організації в колл-центрі може бути як 200 операторів, так і понад 2 000 (стільки у Tele2). Але навіть цього штату не завжди вистачає. Як показує дослідження Oracle, кожен другий клієнт сьогодні очікує, що компанія буде доступна 24/7. Забезпечити це за допомогою штату живих співробітників для великої організації більш затратно, ніж за допомогою ІІ. Тому рішенням стають роботи, що відповідають на дзвінок і допомагають вирішити як мінімум типові питання - наприклад, дізнатися статус замовлення. При складних випадках вони вже переадресовують дзвінок на живого оператора. Але ідея поки на стадії розвитку: в російських банках замість живих колекторів борги пробують стягувати роботи (про результати експерименту нічого невідомо), а в інших галузях всього 10% операторів замінює ІІ. Хоча більше половини фахівців колл-центрів вважають, що машинні алгоритми зможуть їх замінити як мінімум частково.
Схожі функції виконують і чат-боти, які замінятьживої людини в чат-підтримки. У Росії вони набирають обертів: у 2017 році їх впроваджували тільки 16% компаній, як показало дослідження Sherlock.im, а в 2019 вони були вже у 60% (дослідження Accenture). Передбачалося, що в 2020-м чат-боти вже будуть використовуватися в 80% компаній. Невідомо, наскільки збулися прогнози, але за підсумками року експерти і гравці ринку вказували, що попит на такі ІІ-рішення (класичні та голосові помічники) в пандемію дійсно виріс і крім традиційного банківського сектора й рітейлу підключилися освітні установи, медичні, e-commerce, держструктури.
Музикант і діджей
Важко уявити, щоб машина могла виконуватитворчі завдання, однак і це майбутнє, можливо, не за горами. Як мінімум в музичній індустрії розумні алгоритми вже починають створювати конкуренцію живим фахівцям або приходити їм на допомогу. У 2017 році Яндекс створив нейронну мережу, здатну складати музику (і пізніше написала п'єсу, але разом з людиною). Для цього алгоритмам довелося провести аналіз величезних масивів даних (близько 600 годин музики), виявити закономірності і правила в музичних творах відомих композиторів і зрозуміти, що впливає на позитивне сприйняття мелодії у людини.
Окремі стартапи вже намагаються розроблятирішення в цьому напрямку: наприклад, китайський Jukedeck створює генеруються ІІ мелодії. У липні 2019 року Jukedeck купила ByteDance - з високою ймовірністю для розвитку TikTok. Схожі ідеї просуває Amper Music, придбаний азіатським гігантом Tencent. А компанія Mubert зібрала велику базу семплів і звуків і навчила ІІ збирати з них унікальні музичні композиції.
Всю роботу за композиторів машина поки незробить, але вона вже здатна створювати фонові треки для громадських місць, відеороликів та іншого, де через авторські права не можна просто використовувати вже існуючі — треба заплатити лейблу. Крім того, нейромережі можуть генерувати музику для ігор, як це робить стартап Melodrive і група 65daysofstatic (написали саундтрек для гри No Man's Sky).
програміст
У цифровій з галузей впровадження ІІ якна помічника людині чекають у багатьох спеціальностях, але в першу чергу це буде актуально для програмістів. Вони займаються розробкою алгоритмів та написанням програмного коду для реалізації певного завдання: дії типові, але потребують переробки великих масивів даних. І сам обсяг програмного коду може бути величезним. Полегшити ці завдання може ІІ, який підключатиметься на етапі аналізу та тестування коду для пошуку помилок та варіантів їх виправлення.
У перспективі це прискорить процеси розробки.Не виключено, що комп'ютер з часом візьме на себе і завдання написання коду, якщо накопичить «в пам'яті» досить відповідних прикладів. Як вважають експерти, програмісти низьку кваліфікацію можуть зникнути - їх обов'язки візьме на себе ІІ.
таксист
Ідею автоматизованих автомобілів просуваютьдавно. Tesla з її розумної «начинкою» дає надію, що ера роботів-таксистів настане, але поки світ йде до неї дуже повільними кроками. У 2015 році в Японії компанія Robot Taxi Inc спільно з керівництвом префектури Канагава анонсувала пілотний проект таксі-роботів (автоматизованих автомобілів) на міських вулицях - раніше експерименти проводилися на швидкісних магістралях. У 2016 році Uber збирався запускати аналогічний проект, але все ж з живою людиною (інженером) за кермом - цього вимагають закони США. У 2018 безпілотну машину представив і Яндекс (експеримент триватиме до 2022 року). Але до сих пір ідея ніде не отримала масового застосування. Занадто складна задача і занадто непередбачувано поведінку ІІ в складних ситуаціях на дорозі, щоб віддати йому керування машиною з живими людьми всередині. Поки без інженера, який в критичний момент візьметься за кермо, не обійтися. Про повне зникнення таксистів мови зараз точно не йде.
Машина не витіснить людину повністю, тому що здатна працювати тільки за стандартними шаблонами, але її зв'язок із живими фахівцями у різних професіях посилюватиметься.
Читайте також:
Створено першу точна карта світу. Що не так з усіма іншими?
Інфрачервоне випромінювання від рук людини використовували для шифрування
У Долині Смерті знайшли бактерії, які перебували в еволюційному застої мільйони років