На грани разумного: Искусственный интеллект уже меняет экономику



Чтобы стимулировать развитие ключевых отраслей, государство рассматривает вариант создания отдельного фонда цифровой экономики объемом 100 млрд рублей в год. Но уже через несколько месяцев искусственный интеллект (ИИ) придет в больницы и поликлиники области. Зачем бизнесу ИИ, - рассуждает представитель разработчика искусственного разума для региональной медицины, замдиректора компании «К-МИС», член экспертного совета федерального минздрава Александр Гусев.

– Искусственный интеллект в последнее время очень популярная тема, ваша организация давно этим занимается?

– Сейчас искусственным интеллектом много кто занимается, поэтому может сложиться впечатление, что это пустая, хайповая тема. Но с нашей точки зрения, это не так. Методы искусственного интеллекта (ИИ) и машинного обучения могут действительно эффективно решать задачи. И прямо влиять на экономическую эффективность, в том числе и здравоохранения.

Так сложилось, что я уже 20 лет, с того момента, как закончил институт, работаю на стыке IT и медицины. Наша компания в сфере информатизации здравоохранения работает более 10 лет. Последние несколько лет мы искали рыночные ниши, которые могли бы стать точками роста. Мы поверили в ИИ, так как поняли, что, с одной стороны нам это по силам, с другой стороны — это направление может дать прорывной результат и стать следующим этапом развития компании.

Направлением ИИ активно занимаемся примерно два года. В результате в прошлом году мы разработали продукт, который относится к группе систем поддержки принятия решений. В нашем случае врачебных решений.

В прошлом году мы начали сотрудничать с правительством Кировской области фактически на принципах государственно-частного партнерства и сейчас инвестируем в разработку системы.

– Насколько я понимаю, один из плюсов для вас в том, что для создания ИИ требуется доступ к базам данных...

– Даже не в этом основная проблема. ИИ не будет работать без практической апробации. Классический софт можно сделать самим, а потом идти к пользователям, предлагать, внедрять, немного кастомизировать [подстраивать под потребителя — прим. ред.].

Когда же речь идет об ИИ, например, в медицине, то происходит процесс сродни разработке лекарства. Препарат невозможно создать без понимания болезни и без доступа к больным. И здесь такой же подход.

Нам также важно было не ограничиваться рамками одной организации, а создать большой региональный проект. Но в каждом регионе свои проблемы и задачи, это еще один аргумент для использования такой модели сотрудничества. Кроме того, как и в клинических исследованиях, нужно согласие больного на участие и готовность к обратной связи, если первые опыты будут неудачными.

Другими словами, все, что касается ИИ, идет от заказчика. Разработчик в этой сфере в значительной степени оказывается на вторых ролях.

– Как работает ИИ, который вы разрабатываете для правительства?

– Как советник. Как будто по ту сторону экрана сидит человек, который говорит: я подозреваю то-то и то-то на основе таких-то признаков и рекомендую действовать так-то.


Мы проверяли наш ИИ на основе данных по Кировской области, он анализирует информацию пациентов практически моментально. Буквально на днях мы показывали программу вашим врачам. По моим наблюдениям, их действительно заинтересовали результаты.


– Насколько применим ИИ в других отраслях экономики, в реальном секторе?

– Это внедряется уже везде и повсеместно. Если смотреть такую тему, как финансы, то есть уже хрестоматийная история, когда один из американских банков применил ИИ для трейдинга, машину научили играть на бирже. Экономическая эффективность ИИ оказалась настолько высокой, что целый департамент был уволен, насколько я помню, 600 трейдеров. Их заменил ИИ, который стал играть более эффективно.

– О нейронных сетях в прогнозировании биржевых курсов я действительно что-то читал еще лет 10 назад. Там понятно. А в реальном секторе, на производстве?

– Точно так же. У меня знакомый работает в европейской компании, которая занимается бурением, участвует в строительстве подземных переходов, тоннелей и так далее. Когда они применили ИИ для проектирования и подбора оборудования, их экономическая эффективность резко улучшилась.

– Даже там? Полагал, что для работы ИИ нужны большие массивы стандартизированной информации, например, станок, реактор или линии, обвешанные датчиками...

– Вы очень четко уловили этот момент. Когда есть большой набор цифровых данных, big data, и неважно, в какой области они собраны, это основа для применения ИИ. Кстати, еще один нашумевший пример. Методы машинного обучения применили в программе управления подкормкой почвы и поливом теплиц. Маленький компьютер с ИИ позволил настолько точно и своевременно подавать воду и питательные вещества, что урожайность заметно выросла, а затраты на сколько-то процентов снизились. Все это позволило предприятию заметно оторваться от конкурентов.

Еще раз, если есть big data, которые можно «перелопатить», то методами ИИ и машинного обучения можно достичь принятия более правильных решений. И неважно, какая это отрасль экономики или сфера деятельности.

– А что нужно для создания ИИ? Как вообще делают это?

– Для работы с ИИ нужно пройти несколько этапов. По пунктам. Нужно локализовать проблему. Для сравнения: в приложении Word можно набрать любой текст. Оно может решать огромное количество задач. Если мы всерьез говорим об ИИ, а не о профанации, то он может на должном уровне решать очень узкий вопрос в очень ограниченных рамках. Каждый новый вопрос — это новый ИИ, то есть новое обучение.

Например, в Кировской области мы решаем задачи прогнозирования сердечно-сосудистых заболеваний. Но прогнозирование у здоровых людей — это одна задача. Прогнозирование у людей с инфарктом — вторая, с инсультом — третья, с ишемической болезнью сердца — четвертая. Соответственно, необходимо создать несколько ИИ даже для такой локальной сферы.

Второй вопрос — существует большое количество методов ИИ. Только разновидностей нейронных сетей 40-50, и постоянно появляются новые варианты. Но по описанию метода нельзя определить, насколько эффективным он будет в данном конкретном случае. Чтобы выбрать оптимальный вариант, нужно каждый раз пробовать, как этот метод решает эту задачу с этим конкретным набором данных, их качеством и размерностью.

Третий этап — непосредственно машинное обучение. Оно требует очень много времени. Каждый сеанс машинного обучения занимал у нас 50-60 часов. То есть мы даем машине команду научиться чему-то, и она 60 часов что-то делает. А сейчас представьте, что мы эти часы умножаем на 40 алгоритмов, затем на несколько десятков задач… Все это связано с огромными затратами времени.

В нашей области — здравоохранении — остро стоят и юридические вопросы, связанные с доступом к медицинским данным. Перед нами даже стояла задача разобраться — относится ли с правовой точки зрения ИИ к медицинским изделиям.

На самом деле ИИ — это terra nova, неизведанная земля, а при движении на ощупь постоянно сталкиваешься с барьерами, которые нужно преодолевать или искать обходные пути.

– Насколько быстро работает уже созданный ИИ, для него нужны мощные компьютеры?

– ИИ и обычная программа — это диаметрально противоположные с этой точки зрения решения. Обычную программу мы делаем относительно быстро, но при работе со сложными задачами или большими объемами данных она может надолго «загрузить» компьютер, как, например, при обработке больших видеофайлов. Еще более сложные задачи машина может обсчитывать сутками.

ИИ очень долго учится, но когда он вышел на заданный уровень достоверности решений, когда число ошибок в пределах нормы, то соз­дается правило, модель, которая отрабатывается за доли секунды.

Мы проверяли наш ИИ на основе данных по Кировской области, он анализирует информацию пациентов практически моментально, буквально на лету. На самом деле больше времени занимает процесс подготовки данных из электронной карты для отправки их в искусственный интеллект. Он может затягиваться на 20 - 40 секунд, но сам ответ — это очень быстро.

– Признаться, думал, что проблема ИИ как раз в том, что он ведет себя как «черный ящик». Нельзя понять, как он приходит к тому или иному выводу.

– Все зависит от разработчиков. Действительно, можно применить эти методы «в лоб»: зайти в интернет, почитать статьи, накачать бесплатных пакетов ИИ… Вот тогда да, такой ИИ будет по-настоящему «черным ящиком», то есть нельзя будет понять, как он пришел к тем или иным выводам. ИИ просто не сможет вам это объяснить. Мы очень давно работаем в медицинской сфере и знали о проблеме. Поэтому применили те методы проектирования и обучения, которые позволяют проследить всю цепочку целиком. Наша система не только дает заключение, но и может объяснить выбор решения.

Буквально на днях мы были в Кировской области и показывали программу врачам. По моим наблюдениям, их действительно заинтересовали результаты. Причем они очень внимательно смотрели именно на то, как машина пришла к своим выводам. Мы пошагово показывали, как определенные признаки формируют те или иные подозрения и какие выводы ИИ делает на этом основании.

– Назовите порядок сумм, которые необходимы для инвестиций в ИИ.

– Начальные инвестиции исчисляются миллионами рублей. Очень дорого стоят специалисты. Большие расходы — это аналитический этап, исследования и эксперименты внутри компании.

– Кто финансирует разработки ИИ в России?

– В нашей стране действительно вкладываются в ИИ, причем это не только и даже не столько государство. В эту сферу идут и частные деньги.

Я знаю проекты, в том числе в сфере медицинского ИИ, которые финансируют частные лица. Люди настолько поверили в идею, что вкладывают в проекты собственные средства. Есть проекты, которые финансируют венчурные фонды. Есть истории с государственным финансированием. Например, этой тематикой занимается «Сколково», «Национальная технологическая инициатива» также профинансировала ряд разработок в этой теме.

– Можете ли спрогнозировать, сколько времени потребуется для того, чтобы методы ИИ вошли в повседневную практику и большинство практических приложений?

– Это произойдет очень быстро. Полагаю, что потребуется не более 5 лет, чтобы ИИ стал таким же привычным, как сейчас облачные сервисы. 10-15 лет назад облачные технологии только начали развиваться, а сейчас мы уже не задумываясь пользуемся ими. Мы уже забыли, что на определенном этапе они были были эпохальным достижением в IT-сфере.


В 2030 году ИИ может привнести в мировую экономику до 15,3 трлн долларов, что больше чем существующий объем производства Индии и Китая вместе взятых. В текущих условиях, когда существуют более продвинутые страны, отрасли, отдельные предприятия, сфера ИИ пока все еще находится на очень ранней стадии развития.

Поэтому, на уровне вашей отрасли внедрение ИИ означает, что через 10 лет лидерами рынка могут стать применившие его стартапы или компании, которые пока даже не созданы.

*Отчет PwC «Глобальное исследование искусственного интеллекта: Как использовать ИИ-революцию в своих интересах»


– С точки зрения разработчиков — можно ли еще войти в сферу ИИ или момент уже упущен?

– Пока еще нет. Пока у нас практически нет конкуренции, по крайней мере на российском рынке. Да и в мире — могу точно говорить только о медицинских приложениях — сфера ИИ находится на стадии первичного роста.

Сейчас эпоха пионеров. В индустрии работают небольшие компании-первооткрыватели. Их много, но каждая предлагает очень нестандартные решения. Даже с точки зрения постановки задач редко можно встретить повторы.

Даже в классических учебниках именно такой момент характеризуют как самый благоприятный для инвестиций и освоения технологий. Полагаю, в 2019—2020 годы сфера ИИ будет находиться именно на этом этапе.


Распечатать