Как ИИ помогает монетизировать большие данные
Сможет ли искусственный интеллект заменить инженеров на стройке, зачем на производстве роботы и дроны, почему почти все проекты, связанные с внедрением искусственного интеллекта, проваливаются? Об этом говорили участники организованной CNews Conferences конференции «Искусственный интеллект 2022». Представители разных сфер бизнеса и промышленных отраслей рассказали, как используют машинное обучение и ботов в своей практике.
Отари Меликишвили: Кода вообще не нужно: достаточно загрузить табличные данные, задать параметры в интерфейсе, и вы получите результат
Порог входа на рынок разработки ИИ-приложений довольно высокий, и позволить себе это может далеко не каждая компания. Однако можно воспользоваться уже готовыми сервисами, а значит быстро и относительно недорого внедрять ИИ-приложения в своей компании, рассказал Отари Меликишвили, лидер продуктового направления SberCloud.
CNews: На рынке появляется все больше кейсов внедрения искусственного интеллекта (ИИ). В каких направлениях его использование приносит самый ощутимый эффект?
Отари Меликишвили: Самый ощутимый эффект наблюдается в изначально цифровых сферах и там, где хорошо развита культура сбора данных. Например, в e-commerce рекомендательные системы дают прирост к среднему чеку, а динамическое ценообразование помогает уберечь продавца от издержек и при этом эффективно конкурировать.
Ритейл также демонстрирует отличные показатели при применении искусственного интеллекта. Благодаря ему можно, например, прогнозировать складские запасы и управлять промо-акциями так, чтобы товар с истекающим сроком годности не залежался на полках, а востребованные позиции всегда были в наличии. ИИ в промышленности и энергетике сейчас развиваются интенсивнее, чем когда-либо, лидируют металлургия и нефтедобыча.
CNews: Насколько высок порог входа на рынок ИИ? Всем ли компаниям по карману разработка таких решений?
Отари Меликишвили: Порог входа в ИИ сегодня достаточно высокий. Во-первых, чтобы построить и обучить модель, нужны данные, инфраструктура для их сбора, а в идеале — и люди, которые будут их очищать. Во-вторых, на рынке катастрофически не хватает дата-сайентистов, и конкуренция за них разворачивается нешуточная, в результате многие компании не могут себе позволить DS-команду. В-третьих, инфраструктура для ML-разработки крайне требовательная. А в эпоху кризиса полупроводников еще и бессовестно дорогая. Поэтому самостоятельная работа над ИИ – решение для самых отчаянных.
Но мы в SberCloud стараемся сделать разработку ИИ-сервисов доступной всем: от крупных корпораций до малого бизнеса. Прежде всего мы даем удобный инструмент работы: на платформе ML Space можно в едином окне и из любой точки мира вести работу над импортом, препроцессингом данных, заниматься обучением модели или ее развертыванием. Обучаются модели быстро за счет использования мощностей двух суперкомпьютеров Christofari (более 1700 GPU). А с сервисом AutoML кода вообще не нужно: достаточно загрузить табличные данные, задать параметры в интерфейсе, и вы получите результат.
CNews: Какие возможности предлагает SberCloud?
Отари Меликишвили: У SberCloud есть решения для всех юридических лиц. Если у бизнеса есть конкретная задача, для которой не требуется постоянный штат, или есть сомнения в том, заводить ли себе DS-команду, мы можем предложить AI Consulting. Это создание AI-сервиса «под ключ»: наша команда приходит, берет данные, обучает модель, затем передает специалистам заказчика или берет на поддержку. Это дешево по сравнению с содержанием своей команды, сердито, быстро.
Если команда есть, но инфраструктуры не хватает, мы можем предложить воспользоваться инфраструктурой Christofari и ML Space в качестве единого окна разработки. По нашему опыту, в этом случае модели обучаются до трех раз быстрее, чем при использовании стандартных инструментов, что сокращает время выхода сервиса на рынок. Более того, в экосистеме ML Space есть маркетплейс предобученных моделей, которые достаточно обогатить своими данными, чтобы еще быстрее получить готовое к внедрению решение.
Немного сложнее обстоит дело с госкомпаниями. Им нельзя пользоваться публичными облаками из соображений безопасности. Поэтому для них мы готовы внедрить инструментарий ML Space в частном облаке.
