Человек + машина - читать онлайн книгу. Автор: Пол Догерти, Джеймс Уилсон cтр.№ 12

Страница

Точное земледелие пока не очень распространено, но некоторые связанные с ним технологии — например, анализ спутниковых данных — используются уже много лет. Сегодня все меняется благодаря быстрому распространению интернета вещей, который позволяет своим приложениям получать информацию с датчиков, а затем передавать ее системам машинного обучения. Конечная цель точного земледелия — объединить разрозненные системы таким образом, чтобы они могли вырабатывать рекомендации для фермеров, которые можно применять в режиме реального времени. Как следствие, бизнес-процессы в аграрном секторе будут требовать меньше ресурсов и обеспечат рост урожайности. Согласно прогнозам, рынок услуг точного земледелия к 2020 году вырастет до $4,55 миллиарда ^[25]. Распространение этих технологий принесет пользу всем: земле, фермерам и сотням миллионов людей, нуждающихся в здоровой и доступной пище.

В этой главе мы расскажем, как искусственный интеллект меняет суть бизнес-процессов. Заводы и целые отрасли экономики сохранят высокий уровень автоматизации по ряду причин, прежде всего в целях безопасности и высокой эффективности. Новые технологии автоматизации приведут к уничтожению ряда профессий, однако для людей останется достаточно вакансий на производстве, если только руководители сумеют пересмотреть свои взгляды на характер труда и не зацикливаться на ликвидации рабочих мест. Изменение мировоззрения является частью такого элемента модели MELDS, как лидерство, подробно описанного во введении. Концепт лидерства требует от руководителей переосмыслить бизнес-процессы и функционал сотрудников, работающих в области «недостающей середины» (о чем мы подробно поговорим во второй части). Спрос на некоторые навыки растет, более того, появляется потребность в совершенно новых навыках. Как будет показано в главе 8, General Electric и ее клиенты всегда будут нуждаться в специалистах по техническому обслуживанию и ремонту, а работа и навыки этих сотрудников должны быть интегрированы с технологиями. Это еще один элемент MELDS — навыки (skills). Специалисты по техническому обслуживанию будут делать именно то, что удается людям лучше всего: адаптироваться к новым ситуациям и находить новаторские решения возникающих проблем. На долю машин останется изнурительный труд, мониторинг и монотонные операции.

Что касается исследователей, инженеров, фермеров и прочего, данные и аналитика, предоставляемые системами искусственного интеллекта, могут послужить им «третьим глазом». Вот почему в MELDS так важен элемент данные (data). Очень сложные производственные системы становятся понятными. Инженеры и руководители могут устранять ранее скрытые неэффективности и уверенно менять те или иные элементы бизнес-процесса. Если честно оценить сильные стороны людей и машин и понять, что им хорошо удается в сотрудничестве, вам откроется новый спектр возможностей ведения бизнеса и разработки бизнес-процессов (это еще один важный элемент MELDS) — надлежащий образ мышления (mindset). Изучив эти возможности, многие компании запускают инновационный бизнес, например вертикальную ферму. Действительно, именно в процессе экспериментирования (experiment) руководители выявляют инновации, меняющие правила игры и потенциально способные преобразить всю компанию, а возможно, и всю отрасль.

В следующей главе мы обсудим, как искусственный интеллект помогает бэк-офису. Именно там остановилась «вторая волна» автоматизации, и «третья волна» искусственного интеллекта покажется долгожданным облегчением для многих, кому приходится работать с неудобными IT-инструментами или неэффективными процессами. Здесь мы также увидим, как искусственный интеллект и человеческое воображение трансформируют, казалось бы, обыденные явления, открывая новые возможности сотрудничества человека и машины.

Краткая история искусственного интеллекта

Технология искусственного интеллекта, драйвер современных адаптивных процессов, развивалась десятилетиями. Краткий экскурс поможет вам составить представление о том, каковы ее возможности в настоящее время.

Официально считается, что искусственный интеллект как научная дисциплина зародился в 1956 году, когда в Дартмутском колледже на первой конференции по искусственному интеллекту собралась небольшая группа исследователей во главе с Джоном Маккарти. В группу также входили Клод Шеннон, Марвин Минский и другие. На конференции обсуждалось, как машинный интеллект способен имитировать мышление человека ^[27].

В сущности, вся конференция представляла собой мозговой штурм, участники которого обсуждали предположение о том, можно ли достичь такой точности в описании любого аспекта обучения и творчества, которая позволяла бы перевести его в математическую модель и воспроизвести на компьютере. Планы были наполеоновскими, начиная с анонса мероприятия: «Будет предпринята попытка выяснить, как научить машину использовать язык, формы, абстракции и понятия, решать задачи, якобы посильные лишь людям, и самосовершенствоваться». Разумеется, это было только начало.

Страница