ИТ-портал компании «Инфосистемы Джет»

RAIF 2018: об искусстве использования искусственного интеллекта

23 октября в конгресс-парке «Рэдиссон Ройал Москва» прошел второй ежегодный Форум по системам искусственного интеллекта — RAIF 2018 (The Russian Artificial Intelligence Forum), организованный компанией «Инфосистемы Джет». В этом году мероприятие собрало свыше 800 топ-менеджеров крупных компаний и экспертов.

«За прошедший год мы продвинулись далеко вперед в практической реализации технологий AI/ML: выполнили десятки пилотных проектов и комплексных внедрений, — отметил Владимир Молодых, руководитель Дирекции по разработке и внедрению программного обеспечения компании “Инфосистемы Джет”. — Эксперты компании представили на форуме обобщенный опыт реализации подобных проектов. Девизом RAIF 2018 стал слоган “Превосходя Мастера”. Как подчеркивают организаторы, он отражает ключевую идею: искусственный интеллект не только способен к обучению, но и совершенствует плоды человеческого труда, проявляя поистине нечеловеческие возможности.

Фактически RAIF становится главным российским отраслевым событием, посвященным искусственному интеллекту. И если на других подобных мероприятиях в основном озвучиваются “футурологические прогнозы”, то RAIF является настоящей рабочей площадкой для обмена опытом, обсуждения конкретных практик, достижений и подводных камней при внедрении решений ML/AI. Именно об этом говорили спикеры форума — представители крупных промышленных предприятий, банков, ретейла и стартапов».

Пленарная часть форума включала 3 блока: визионерский, практический и блок, посвященный смежным с AI технологиям: Smart City, IoT, Data Lake.

Партнерами RAIF 2018 выступили компании IBM, Huawei, NetApp, Cisco, «Лаборатория Касперского», «Solar-Ростелеком» и другие.

Данные — кровь в AI-системах

Пленарную секцию открыл Эдвин Диндер, вице-президент Huawei Enterprise Business Group. Он представил результаты исследования «Глобальный индекс сетевого взаимодействия Huawei — 2018» (Global Connectivity Index — GCI). Это уже пятое ежегодное исследование развития цифровых технологий, проведенное Huawei. В этом году оценивались 79 стран, на долю которых приходится 95% мирового ВВП. Россия заняла 36-е место в этом рейтинге, повысив свой GCI на 1 пункт.

В Huawei уверены, что именно ИКТ-инфраструктура играет ключевую роль в развитии экономики. По оценке Эдвина Диндера, инвестиции в цифровую экономику в объеме 0,2% ВВП приводят к росту ВВП на 2,32%. Синергия технологий ML/AI, Big Data, IoT, считают в Huawei, открывает новую эру «интеллектуального сетевого взаимодействия» и инициирует дальнейшее развитие цифровой экономики. Согласно исследованию Digital Spillover, проведенному Huawei и Oxford Economics, к 2025 г. ее объем может достичь 23 трлн долл. (рост с 12,9 трлн долл. в 2017 г.), а ее доля в мировом ВВП превысит 24%.

Как отметил в своем выступлении Владимир Молодых, за последние пару лет число конференций и хакатонов, посвященных искусственному интеллекту, выросло на порядок. Однако далеко не все проекты по внедрению AI/ML оказываются успешными и приводят к росту эффективности. Он рассказал о типичных ошибках и подводных камнях при реализации таких проектов. Владимир уверен, что нельзя ограничиваться лишь использованием «коробочных» решений от вендоров: они не могут учесть специфику конкретного бизнеса. Трансформируя свой бизнес с помощью AI, компании должны пересмотреть подход к работе с данными, обеспечить тесное взаимодействие математиков, специалистов по Data Science, ИТ-специалистов и бизнес-экспертов, точно ставить задачи и задавать метрики, привязанные к экономическому эффекту. Оптимизация конкретного бизнес-процесса с помощью AI позволяет заработать или сэкономить 3–5%, а если таких процессов десятки, то при грамотном подходе регулярная работа по внедрению ML-технологий может дать гигантский общий эффект.

«На пути внедрения AI имеются барьеры, но они преодолимы», — уверен директор по технологиям IBM в России и СНГ Николай Марин. Ссылаясь на данные глобальных опросов AI Survey, проводившихся в 2016 и 2018 гг., спикер отметил, что во всем мире компании стали более реалистично оценивать ожидаемый эффект от внедрения технологий AI. Если два года назад среднестатистическая доля AI в общих расходах бизнеса на ИТ составляла 4%, то в 2018 г. она снизилась до 3%. А величина ожидаемого ROI сократилась с 15% (в 2016 г.) до 9%. Вместе с тем число компаний, внедряющих технологии AI либо рассматривающих такую возможность, выросло на треть. По словам Николая, чтобы подобные проекты были успешными, необходимы инвестиции в данные и в навыки.

С этим согласен Анджей Аршавский, директор по анализу данных и моделированию Группы НЛМК, который поделился опытом реализации индустриальных AI-проектов. По его словам, данные — это кровь в системах искусственного интеллекта: «Жизненный цикл данных состоит из шести стадий, начиная со сбора и первичной обработки и заканчивая обеспечением работы промышленных приложений. На различных стадиях может выясняться, что данные недостаточно качественные. Могут потребоваться поиск нестандартных решений или модернизация систем и процессов для сбора нужных данных. Мы ведем ряд проектов, чтобы систематизировать потоки данных и обеспечить их доступность и качество».

В НЛМК выделили десятки производственных процессов, в которых возможно применение технологий ML/AI, и теперь предприятие отрабатывает каждый из них. Сегодня параллельно ведутся 23 проекта с применением искусственного интеллекта. Некоторые из них уже находятся в промышленной эксплуатации, часть — в стадии испытаний, часть — на этапе пилотирования и разработки. «Внедрение таких решений требует глубокого погружения в задачу и технологическую экспертизу. Необходимо учитывать множество противоречивых KPI и технологических ограничений. Для успешной реализации и эксплуатации решений необходимо иметь многофункциональную платформу данных, моделей и приложений», — подчеркнул Анджей Аршавский. Он отметил, что некоторые из этих проектов уже приносят экономический эффект.

Финансовый сектор одним из первых оценил преимущества использования технологий ML/AI. На форуме представители ведущих банков поделились опытом внедрения этих решений.

По словам Максима Белоусова, заместителя председателя правления банка «УРАЛСИБ», увеличить прибыль можно уже на первых этапах AI-трансформации банка. Он рекомендует начинать этот процесс с наиболее болезненных и в то же время простых с точки зрения автоматизации процессов — работы с просрочкой, скоринга, прогнозирования оттока клиентов: «Я бы посоветовал не страшиться использовать достижения технологического прогресса, тем более что на рынке немало успешных кейсов применения ML/AI-продуктов. Онлайн-сбор данных и их глубокий последующий анализ для получения предиктивной аналитики уже позволяют выстраивать оптимальные модели развития и избегать рисков».

К примеру, в Сбербанке технологии активно используются в скоринге, для прогнозирования просроченных платежей и таргетирования клиентской базы. Олег Седелев, директор проектов управления инфраструктуры и больших данных Сбербанка (блок «Корпоративный бизнес»), рассказал об AI-решении, которое позволило банку сократить время одобрения кредитов для юридических лиц с 14 дней до 7 минут. Оценка кредитного риска производится на основе анализа множества данных (включая неструктурированные) из 27 источников, как внутренних, так и внешних. Речь идет о сотнях терабайт. С этой осени получить «кредит за 7 минут» (до 2 млрд рублей) могут компании из Московского региона, прошедшие скоринг на благонадежность. К концу года Сбербанк планирует сделать его доступным и в других регионах.

Руководитель направления R&D компании «АК БАРС Цифровые Технологии» Ярослав Шуваев рассказал, как чат-платформа на базе AI улучшила клиентский сервис и оптимизировала работу контакт-центра банка «АК БАРС»: «Сегодня уровень автоматизации достиг 40%. При этом мы видим, что клиенты, которые пользуются нашими чатами, в среднем дольше задерживаются в банке. Такой формат удобен пользователю, поэтому большую часть функциональности мы переносим туда». Он также сообщил, что сейчас в банке тестируется система платежей на основе распознавания лиц, построенная с использованием ML/AI.

Конечно, технологии ML/AI востребованы не только в промышленном производстве, финансовом секторе, телекоммуникациях и ретейле. Это подтверждают спикеры RAIF, применяющие их в самых разных сферах деятельности. Об использовании AI в управлении городом рассказал Дмитрий Карандин, руководитель проектов Департамента информационных технологий Москвы, в здравоохранении — Марина Безуглова, исполнительный директор Ipsos Comcon, в геологии — Антон Гаврилов, начальник отдела ИТАТ «Газпромнефть-ГЕО» и др.

Ключевая задача — перейти к процессному AI

Евгений Колесников, руководитель направления «Большие данные и машинное обучение» компании «Инфосистемы Джет», поделился опытом AI-трансформации бизнеса заказчиков, рассказав о базовой стратегии и практических шагах по ее реализации. Он дал рекомендации по формированию проектных команд и ресурсных планов, описал необходимые действия на каждом из этапов: анализ, пилотирование, внедрение, контроль. По его словам, внедрение технологий ML/AI подразумевает постоянный процесс оптимизации компании не только в техническом, но и в организационном плане: «Ключевая задача — уйти от AI в качестве ИТ-инструмента и перейти к процессному AI».

Одновременно с пленарной частью в соседнем зале проходили 4 тематические дискуссии, в которых приняли участие спикеры из компаний «Инфосистемы Джет», WildBerries, «Сколтех», «ВымпелКом», «М.Видео», «АК БАРС Банк», Accenture, «Орбита Капитал Партнерз» («Росатом»), S7 TechLab, Rubbles, а также из Министерства связи и информатизации республики Беларусь и из других организаций. Обсуждались вопросы окупаемости и прибыльности инвестиций в ML/AI-проекты, использования ML/AI для информационной безопасности, синергии технологий ML/AI и IoT.

В ходе дискуссии о применении ML/AI для обеспечения ИБ Олег Бакшинский, ведущий советник по вопросам информационной безопасности IBM в России и СНГ, привел данные аналитиков: в 2017 г. потери бизнеса, связанные с утечкой данных, выросли на 7%. При этом, как признали участники дискуссии, большинство компаний пока не используют новые технологии для отслеживания киберугроз. По мнению Алексея Сизова, руководителя направления противодействия мошенничеству Центра информационной безопасности компании «Инфосистемы Джет», технологии ML/AI могут помочь справиться с задачами, которые еще вчера казались неразрешимыми: «Для нас целевой вектор развития ML в области ИБ — это направление антифрода. Мы внедряем различные системы, поддерживающие и использующие искусственный интеллект, с 2012 г. Сегодня мы стали заглядывать в соседние области, смотреть на проблемы наших заказчиков, которым ранее не могли предложить готовое решение. В частности, это направления Identity Management (управление учетными записями), Segregation of duties (разделение обязанностей), поведенческий анализ (UBA), SOC и SIEM».

Синергия от совместного использования технологий ML/AI и IoT обсуждалась не только в рамках пленарной секции, но и в ходе дискуссии «Промышленный интернет вещей: чего ждать к 2022 году?». Грамотное построение AI-решений, использующих данные, передаваемые IoT-устройствами, по мнению участников дискуссии, может существенно повысить рентабельность в самых разных отраслях. Виталий Порубов, директор по стратегии и инновациям департамента информационных технологий X5 Retail Group, рассказал об использовании IoT в продуктовом ретейле. «Умными» устройствами оснащаются транспорт, торговое и технологическое оборудование в магазинах. Передаваемая информация позволяет строить модели прогнозирования спроса, планировать цепочки поставок, отслеживать изменения предпочтений покупателей. О применении IoT в сельском хозяйстве рассказал Павел Дрейгер, руководитель управления информационных технологий ГК «Русагро». Так, благодаря использованию IoT, выросло производство сахара, хотя сахарной свеклы стали выращивать меньше. Дело в том, что перед переработкой свекла должна отлежаться в овощехранилищах, «дойти до кондиции». И очень важно не пропустить этот момент. Для этого в гурты вставляются штанги с датчиками, которые на нескольких уровнях измеряют разнообразные показатели и позволяют выявить оптимальное время для отправки свеклы на переработку.

RAIF Hackathon

Параллельно с деловой программой в рамках форума прошел финал RAIF Hackathon 2018. Участники соревнования решали реальные задачи «Утконоса», Росреестра и НЛМК с применением технологий ML/AI, используя их обезличенные данные.

На первом этапе хакатона, в рамках отборочного онлайн-тура, который проводился 5–19 октября, были получены 322 заявки от разработчиков из разных городов России. Команды распределились по трем номинациям: оптимизация процессов производства (НЛМК), анализ спроса на товары («Утконос»), прогнозирование кадастровой стоимости объектов (Росреестр). В финал вышли 42 команды в номинации от НМЛК, 4 команды в номинации от «Утконоса» и 5 команд в номинации от Росреестра. В рамках финального офлайн-соревнования участникам предоставили дополнительные данные. После почти 4 часов кодинга и дальнейшей защиты проектов в творческих номинациях жюри определило победителей.

Три лучшие команды разделили призовой фонд более 1 млн рублей: KeKsiK (номинация от НЛМК), r_test (номинация от Росреестра) и Help The Platypus (номинация от «Утконоса»). Каждая команда получила по 350 тыс. рублей.

После завершения хакатона, на заседании технической секции, которую вел Виктор Кантор, автор курса Data Mining in Action, ученые, математики и эксперты Data Science поделились опытом и новейшими кейсами в сфере ML/AI.

Константин Воронцов (МФТИ) рассказал о тематических векторных представлениях текстов, графов и транзакционных данных. Эмели Драль (Mechanica.AI) выступила с докладом об искусственном интеллекте в сфере производства. Николай Князев («Инфосистемы Джет») провел сравнение метрик бизнеса и машинного обучения. Алексей Драль (BigData Team) раскрыл тему массового обучения по Big Data. Дмитрий Бугайченко («Одноклассники») поделился опытом построения витрины контента с помощью потокового анализа данных и обучения с подкреплением. Алексей Каткевич («Инфосистемы Джет») рассказал, как правильно переносить ML-модели в продуктив, а Евгений Бурнаев («Сколтех») рассмотрел кейсы по обнаружению аномалий и прогнозу неисправностей на транспорте.

Вернуться к архиву
О журнале

Журнал Jet Info регулярно издается с 1995 года.

Узнать больше »
Подписаться на Jet Info

Хотите узнавать о новых номерах.

Заполните форму »
Контакты

Тел: +7 (495) 411-76-01
Email: journal@jet.su