Мешки с костями против искусственного интеллекта

10 октября 2018 года в Бальном зале Лотто-отеля, что на Новинском бульваре, прошла ежегодная конференция консалтинговой компании GfK Rus, которая сама себя именует Международным институтом социальных и маркетинговых исследований. Людей на это мероприятие собралось много, и все тут друг друга давно знали. Разговоры во время чаепития в фойе в основном происходили следующие: «А ты давно в «Хеннесси»?», «Уходила в «Тефаль», но меня вернули…», «Помнишь Гришу? Он теперь в «Марсе», в шоколадном офисе работает …», «Когда ты уволилась, это был такой импакт для рынка…», «А я дата-сайентист. Работаю с большими данными. Заставляю модель писать стихи».

Докладчики говорили на языке, понятном аудитории. Вот, например, пассаж из вступительной речи генерального директора GfK Rus Александра Демидова: «Мы частично отказываемся от адхок, именно от адхок адхока, от чистого адхока, который не связан, например, с бренд-тракингом, с синдикативными исследованиями и с другими тракинговыми исследованиями. Что это означает? Прежде всего, мы планируем приостановить проведение таких видов исследований, как сатисфекшн, лоялти и мистери шопинг».

Ну и так далее.

Большинство собравшихся пришли послушать традиционные обзоры рынков бытовой техники и продуктов питания, однако темы многих сопутствующих докладов старались соответствовать высокому статусу организации. К примеру, эксперты GfK с помощью 36 дихотомических вопросов без проблем вывели на чистую воду загадочную русскую душу, а также рассказали, чем отличаются мужчины от женщин (и это совсем не те глупости, о которых вы подумали, а то, что мужчины больше ценят патриотизм и секс, а женщины чаще покупают печенья). Кроме того, исследователи GfK выяснили, что пенсионеры тоже люди, потому что могут платить в магазинах. Любопытно, что по данным компании, главной ценностью для людей возраста 50+ во всем мире является честность (вспоминается афоризм о том, что каждый ценит больше всего то, чего ему не хватает), а вот в России честность – на восьмом месте в списке ценностей, а на первом – защита семьи. Представители GfK не стали уточнять, какой именно. Однако центральным пунктом высоконаучной программы стала, несомненно, панельная дискуссия на очень «хайповую», по выражению ведущей, тему «Мир данных о потребителе и искусственный интеллект».

Перед тем, как перейти к ней, приводим наш традиционный НИКС-парад высказываний экспертов.

5-е место: «Я буду говорить медленно, потому что лучше понять пару мыслей, чем не понять двадцать».

4-е место: «Наверное, все слышали этот анекдот: большие данные – это как подростковый секс, все о нем говорят, но никто не занимается. На самом деле занимаются».

3-е место: «Данных не стало больше. Стало больше мусора, в котором надо копаться».

2-е место: «Когда у тебя много больших данных, то в них очень много мусора. Иногда дешевле не заниматься переработкой мусора, потому что, как вы знаете, вся эта история даже с реальным мусором без государственных субсидий не работает».

1-е место: «Мне, с одной стороны, грустно, что восстание машин еще не скоро, но мешки с костями до сих пор нужны и важны. И это продлится еще какое-то время».

Желающие познакомиться с мнением экспертов более детально могут читать дальше.

Пара понятных мыслей

Александр Дмитриев, консультант по индустриальным решениям клиентского центра IBM, не стал скрывать сытого скепсиса по поводу дела, которым вполне успешно занимается его компания.

«Я буду говорить медленно, потому что лучше понять пару мыслей, чем не понять двадцать».

«Целая группа экспертов из консалтинговых компаний говорят, что у нас возникают большие данные. С моей личной точки зрения (еe может не разделять моя компания в данном случае, но все-таки я твердо на этом стою), проблема больших данных не в том, что их много – петабайты, зеттабайты. Сейчас я попробую это проиллюстрировать. Вот прекрасный забор. На нем есть послание от парня девушке. Чтобы передать это сообщение с точки зрения теории информации достаточно примерно 180 байтов. Но суть в том, что любой человек, проходя мимо этого забора, воспринимает это как сигнал, даже если он ему не нужен. Он понимает эту информацию и перерабатывает ее: сплетни пускает или просто запоминает – не важно, но он ее воспринимает. Что происходит сейчас? Следующую фотографию я сделал на Ленинградском вокзале: там есть такая стенка, когда выходишь из электрички. Представьте, что такой же безнадежно влюбленный юноша пытается передать своей девушке сообщение на этом заборе. Вот вам ситуация с большими данными. Данных не стало больше. Стало больше мусора, в котором надо копаться».

«Я собрал ряд проектов, которые делала IBM с помощью предсказательной текстовой цифровой аналитики, так называемой системы Watson. Это то, что делал конкретно наш клиентский центр… Я с удивлением узнал, что судьи после обеда выносят – по крайней мере, в конкретном суде, который мы исследовали, – более, скажем так, мягкие приговоры».

«Все эти продукты и направления, чтобы ни говорили вам уважаемые лекторы, в том числе и я, – очень новые и плохо изученные, бизнес-модель применения которых не отработана и содержит большие риски. Они требуют достаточно серьезных денег и больших усилий. Поверьте мне, мы все время сидим на этих проектах. Но есть и плюс: это как раз тот случай, когда кто рискует, тот и пьет шампанское. Те, кто умудряются делать реальные проекты и продукты, существенно выигрывают по сравнению с конкурентами и просто резко выскакивают вперед».

Человек будущего

Олег Коверзнев, директор по развитию бизнеса «Яндекс.Облака», рассказал, как надо витать в облаках.

«Можно процитировать одного очень умного писателя, который сказал: будущее уже наступило, только оно очень неравномерно распределено».

«Внутри «Яндекса» в последние годы мы добились, что 80% сотрудников в той или иной степени исследуют данные».

«Бизнес-аналитик – это не выделенный человек, а та компетенция, которой должен обладать любой сотрудник. Их у нас уже более 5 тыс. в той или иной степени используют инструменты бизнес-аналитики».

«Задача «Яндекс.Облака» в том, чтобы кейсы об использовании искусственного интеллекта в бизнесе рассказывали не такие компании, как IBM, у которых есть большие бюджеты, а обычные пользователи».

«Мы через облако даем доступ к таким технологиям, которые раньше были доступны только крупным компаниям».

«Мы хотим, чтобы дата-сайентистов становилось все больше и больше, а инструменты были доступны из облака за очень небольшие деньги».

«Все знают Яндекс.Метрику. Это система, которая входит в тройку веб-аналитических систем в мире и работает с колоссальным объемом данных».

«Наша задача в том, чтобы любая компания могла создать свою базу данных в три клика без каких-то дорогих компетенций и специалистов».

Кость в мешке

Федор Винокуров, руководитель направления продуктовых исследований компании МТС, начал с анекдота.

«Наверное, все слышали этот анекдот: большие данные – это как подростковый секс, все о нем говорят, но никто не занимается. На самом деле занимаются».

«Настало время, когда большие данные стали доступны даже для подростков».

«Анализ больших данных или искусственный интеллект нельзя делать карго-культом, когда ты надеваешь наушники из кокоса и ждешь, когда прилетит самолет в твой аэропорт из пальм».

«На самом деле, большие данные в большинстве случаев вам не помогут».

«Когда у тебя много больших данных, то в них очень много мусора. Иногда дешевле не заниматься переработкой мусора, потому что, как вы знаете, вся эта история даже с реальным мусором без государственных субсидий не работает, поэтому все эти мусороперерабатывающие заводы экономически не особо выгодны».

«Никакой магии в больших данных нет. И нет никакого бога из машины, который за вас все проанализирует. Watson считается суперкомпьютером, который решает много разных проблем. На самом деле за всем этим стоят люди, очень много очень умных людей, которые берут задачу и разбирают ее. Пока что каких-то черных коробочек, которые дают результат, не так много. Но мы к этому движемся».

«В команде, которая анализирует данные, обязательно должен быть человек, который в них разбирается».

«На самом деле мы видим, что разница между точностью тех моделей, которые построили с помощью больших данных, не всегда значимо лучше, чем то, что мы нагенерили и выгрузили просто как эксперты».

«Естественный интеллект до сих пор дешевле искусственных аналогов. Если вы, например, дозвонитесь до кол-центра МТС, то услышите очень формальный и очень быстрый ответ на свой вопрос, после которого разговор практически сразу прекращается. Почему так? Потому что мы построили суперэффективную, абсолютно роботизированную систему из людей. То есть люди работают как роботы. Они не будут вас особо внимательно слушать, не будут спрашивать, как ваше настроение и что у вас сегодня стряслось. Они будут очень четко отвечать на поставленные вопросы и отправлять смс-информацию. Их задача минимизировать время обслуживания для того, чтобы обслужить как можно большее количество людей. Соответственно, получается, что мы очень хорошо автоматизируем работу людей, но люди все еще дешевле. Если бы мы заменили людей на роботов, то эффективность очень сильно бы упала. «Мегафон» сейчас проводит забавный эксперимент с роботом, но у нас не получилось рассчитать такого кейса, когда робот был бы выгоднее, чем человеческий кол-центр».

«Когда читаешь интернет, часто встречаешь заголовки, что машины что-то делают точнее, чем люди. Ну, например, ложь распознают точнее, чем человек. То есть машина решает задачу, которую вроде только человек может решить. На самом деле это означает, что машину тренируют на какой-то обучающей выборке и на этой выборке машина превосходит человека. Люди проигрывают, потому что в первый раз видят эту задачу. Но если сделать шаг влево или шаг вправо, машина уже как бы немножко ломается. Ее надо постоянно переобучать, постоянно следить, чтобы эта модель работала. На самом деле за всем этим стоит очень много человеческого труда, и пока еще невозможно оставить машину без присмотра».

«Если машину обучить на плохих данных, например на таких, где лжи и правды будет не 50 на 50, а чуть больше в ту или иную сторону, то машина будет или слишком подозрительна, или слишком доверчива».

«Недорого собрать и обработать данные. Дорого иметь людей, которые способны обучить машину».

«Мне, с одной стороны, грустно, что восстание машин еще не скоро, но мешки с костями до сих пор нужны и важны. И это продлится еще какое-то время».

Холдинг НИКС – это сеть из более чем 100 магазинов цифровой техники по всей России; это инжиниринговый центр по проектированию высокотехнологичных производств «Проектмашприбор», на 75% принадлежащий компании НИКС и на 25% – Госкорпорации «Ростех»; это нанотехнологическая лаборатория, в стенах которой разработаны и изготовлены сканирующие туннельные микроскопы, исследуется квантовый электронный транспорт в металлических наноструктурах, ведутся работы по квантовым вычислениям; это агропромышленный комплекс «Тюринский» площадью 19 100 га в Тульской области, который по производительности труда сопоставим с немецкими фермерскими хозяйствами.