Прикладная книга для тех предпринимателей и экспертов, которые хотят использовать искусственный интеллект для более точного прогнозирования и автоматизации.
Новая волна искусственного интеллекта принесла нам не в полной мере разум, но его критическую составляющую — прогнозирование. Компания Deep Genomics сделала шаг вперед в медицине, предполагая, какие процессы начнутся в клетке после изменений в последовательности ДНК. Компания Chisel усовершенствовала правовую практику прогнозом того, какая именно часть документа подлежит редактированию. Компания Validere повысила эффективность нефтедобычи, рассчитав процент содержания влаги в поступающем на переработку и хранение сырье. Все это — лишь малый перечень всех возможностей применения, которые появятся в бизнесе в ближайшем будущем.
Если вы плохо представляете, что значит искусственный интеллект для вас и вашего бизнеса, эта книга поможет вам понять все его возможности и сориентироваться в преимуществах технологии.
Руководители бизнеса из этой книги узнают о влиянии ИИ на управление и принятие решений. Студенты — о перспективах развития трудовой деятельности и карьеры. Политики — о том, как менять общество к лучшему с помощью ИИ.
Качественное прогнозирование снижает неопределенность, а значит, ИИ можно использовать на практике — для принятия решений по развитию бизнеса.
Целевая аудитория:
Для предпринимателей и руководителей, заинтересованных в применении искусственного интеллекта для прогнозирования.
К сегодняшнему дню интуиция и гипотезы аналитиков утратили свою значимость. Таким образом, машинное обучение позволяет делать прогнозы на основе непредусмотренных сопоставлений.
Когда ребенка учат слову «кошка», то повторяют его каждый раз при появлении животного; в машинном обучении действует тот же самый принцип. Снабдите компьютер фотографиями кошек с названием «кошка» и фотографиями без кошек и, соответственно, без этого названия. Машина научится распознавать паттерны пикселей, связанные с названием «кошка».
Возможности прогностических машин огромны, но не беспредельны. Они не очень хорошо работают с ограниченным объемом данных.
За что же машинное обучение считается революционной вычислительной технологией и заслужило название «искусственный интеллект»? В некоторых случаях прогнозы настолько хороши, что их можно использовать вместо основанной на правилах логики.
Люди обладают тремя типами данных, которых нет у машин. Во-первых, органы чувств: глаза, уши, нос и кожа по многим показателям пока еще превосходят машинные датчики. Во-вторых, люди определяют свои предпочтения самостоятельно.
Это классическая «дилемма инноватора» — давно существующие компании не хотят портить сложившиеся отношения с клиентами даже ради улучшений в долгосрочной перспективе.
Аджей Агравал (Ajay Agrawal) — профессор стратегического менеджмента и предпринимательства Школы Мунка Ротманской Школы менеджмента Университета Торонто. Научный сотрудник Национальном бюро экономических исследований в Кембридже (Массачусетс) и соучредителем предпринимательских программ Next 36 и Next AI. Проводит исследования в области технологической стратегии, научной политики, финансирования предпринимательской деятельности и географии инноваций. Основатель ЛСР — «Лаборатории созидательного разрушения», программы для ранних этапов развития бизнеса, повышающей вероятность успеха наукоемких стартапов. Соучредитель компании Kindred, занимающейся разработками в сфере ИИ и робототехники. Миссия компании — создание машин с человеческим интеллектом.
Джошуа Ганс (Joshua Gans) — профессор стратегического менеджмента, заведующий кафедрой технических инноваций и предпринимательства Джеффри С. Сколла в Ротманской Школе менеджмента Университета Торонто. Ведущий экономист ЛСР Университета Торонто. Опубликовал более 120 научных статей, редактор по вопросам стратегий журнала Management Science. Автор двух востребованных учебников и пяти популярных книг. Имеет докторскую степень Стэнфордского Университета по экономике, в 2008 г. получил награду Сообщества молодых экономистов Австралии.
Ави Голдфарб (Avi Goldfarb) — профессор маркетинга в Ротманской Школе менеджмента Университета Торонто. Главный специалист по обработке и анализу данных ЛСР, ведущий редактор журнала Marketing Science, научный сотрудник Национального бюро экономических исследований. Имеет докторскую степень Северо-Западного Университета по экономике.
Часть I. Прогностика
Часть II. Принятие решений
Часть III. Инструменты
Часть IV. Стратегия
Часть V. Общество