AlphaGo и сдвиг окна ожиданий от ИИ
Победа AlphaGo над Ли Седолем - это не только технический результат. Это момент, после которого разговор об ИИ перестаёт быть только про распознавание.
На прошлой неделе программа AlphaGo от Google DeepMind выиграла матч у Ли Седоля - одного из сильнейших игроков в го в мире. Счёт по итогам пяти партий: 4-1 в пользу программы. Го долго считался игрой, недоступной машинам - слишком большое пространство позиций, слишком много нужно интуиции, которую невозможно формализовать.
Оказалось, возможно.
Я хочу поговорить не о технических деталях AlphaGo, а о том, что этот результат означает для того, как мы думаем об ИИ в бизнес-контексте.
Граница сместилась
До недавнего времени разговор об ИИ в практическом контексте был по большей части про распознавание: изображений, речи, текста. Это классификационные задачи - система смотрит на что-то и говорит, к какому классу это относится. Полезно, применимо, но концептуально понятно.
AlphaGo - другое. Это система, которая не просто классифицирует позицию на доске, а принимает последовательность решений с долгосрочными последствиями. Она играет на несколько ходов вперёд, оценивает позиции, которых ещё нет, и действует в условиях, где результат каждого хода зависит от множества будущих ходов противника.
Это ближе к стратегическому планированию, чем к распознаванию паттернов.
Что это значит за пределами игр
Подход, который позволил AlphaGo победить в го, не ограничен играми. Та же архитектура - комбинация глубокого обучения и алгоритмов поиска с подкреплением - применима к задачам, где нужно принимать последовательные решения в сложном пространстве вариантов.
Управление цепочкой поставок с динамическими ограничениями. Оптимизация производственного расписания с учётом отказов. Ценообразование в условиях конкурентной среды. Все эти задачи имеют структуру, похожую на игру: есть состояние, есть допустимые действия, есть отложенные последствия решений.
Это не значит, что AlphaGo завтра заменит планировщика на производстве. Но это значит, что класс задач, где ИИ может быть полезен, расширился за пределы того, что многие ожидали.
Сдвиг окна ожиданий
У каждой технологии есть "окно ожиданий" - неявное представление о том, на что она способна и на что нет. Для ИИ это окно долгое время было довольно узким: хорошо с чётко определёнными паттернами, плохо с неопределённостью и стратегией.
Результат AlphaGo сдвигает это окно. Не в смысле "теперь ИИ умеет всё" - это не так и ещё долго не будет так. Но в смысле "задачи, которые мы считали недоступными для автоматизации, стоит пересмотреть".
Для руководителя это практический вопрос: есть ли в вашем бизнесе задачи, которые вы не рассматривали как кандидатов для ИИ именно потому, что они требуют чего-то большего, чем классификация?
Как думать об этом сейчас
Несколько вопросов, которые стоит задать своей команде:
- Какие наши решения принимаются последовательно и имеют долгосрочные последствия, которые трудно предвидеть заранее?
- Есть ли у нас исторические данные по таким решениям - что выбирали, к чему это привело?
- Где у нас больше всего потерь от субоптимальных решений, принятых под давлением времени?
- Какие эксперты в компании тратят большую часть времени на то, что можно описать формально?
Эти вопросы не дадут готового проекта. Но они помогут точнее определить, где новые возможности ИИ могут оказаться применимыми - раньше, чем это станет очевидным для всех.
Граница сдвинулась. Это хороший момент, чтобы пересмотреть карту.