Человек + машина - читать онлайн книгу. Автор: Пол Догерти, Джеймс Уилсон cтр.№ 21

Страница

Ускоренные тесты

Многие исследователи согласятся, что наименее приятная часть их работы связана как раз с проведением экспериментов и сбором данных. Другие этапы НИОКР-процесса — совершение открытий и постановка вопросов — приносят гораздо больше удовлетворения. Вот почему они с облегчением осознают, каким благом оказывается искусственный интеллект во время экспериментальных испытаний. Искусственный интеллект берет на себя рутинную часть работы и позволяет ученым сосредоточиться на разработке новых типов испытаний или на формулировании гипотез. Польза для бизнеса в данном случае очевидна: на рынок быстрее выводятся первоклассные продукты.

Конечно, нынешние экспериментальные комплексы во многом похожи на лаборатории, существовавшие несколько десятилетий назад: все те же мыши в клетках, чашки Петри в инкубаторах, титровальные установки и так далее, однако все больше научных дисциплин цифровизуются, то есть все эксперименты моделируются на компьютере. В главе 1 мы обсуждали платформу Predix, благодаря цифровым двойникам которой GE моделирует и отслеживает состояние всех основных средств на заводе и за его пределами. В реальности нам не требуется Predix, чтобы моделировать наши процессы и проводить испытания. Нужно всего лишь четко представлять все этапы технологического процесса и выделять те данные, которые могут нам потребоваться для разработки модели.

Любые продукты и услуги — от финансовых услуг и страховых полисов до пивоварения и формулы крема для бритья — можно описать в цифровом виде, а значит, оптимизировать. Исторически оптимизационные алгоритмы оставались академической дисциплиной и применялись лишь исследователями. Стартап SigOpt осознал, что благодаря машинному обучению любая цифровая модель может свестись к задаче по оптимизации, а эту проблему решить сравнительно легко. Таким образом широкой аудитории открывается доступ к этому мощному вычислительному инструменту.

«Не обязательно в совершенстве владеть байесовской оптимизацией, чтобы сразу использовать подобные приемы», — считает Скотт Кларк, СЕО SigOpt. Цель компании — освободить узкопрофильных специалистов от необходимости тратить время на настройку цифровых систем (пытаясь найти оптимальные сценарии) и дать им возможность больше экспериментировать.

«Химику, экспериментирующему с реактивами у себя в лаборатории, достаточно открыть ноутбук или запустить SigOpt на смартфоне, — объясняет Кларк. — Программа подскажет: “А теперь попробуйте вот этот опыт”. Либо заметит, что тот или иной эксперимент особенно удался. Она дает подсказки специалистам, причем делает это максимально просто, поэтому исследователю нет необходимости разбираться в принципе ее работы, — говорит Кларк. — Специалисты просто получают наилучшие результаты» ^[58]. Иными словами, инструментарий SigOpt упрощает исследователю одну из самых главных задач: проверку гипотез.

Персонализированная доставка: теория и практика

Проведя эксперименты, ученые выдвигают гипотезы, после чего повторяют весь процесс, начиная с наблюдений. В бизнесе после тестирования и оптимизации продукт выводится на рынок и доставляется потребителю.

Ответственный искусственный интеллект: этика как предпосылка научных открытий

Значительная доля исследований проводится на людях. Чтобы защитить таких испытуемых, во многих учреждениях создаются экспертные советы: это комитеты, одобряющие, отслеживающие и контролирующие подобные исследования. В США без подобных советов невозможно провести ни одно академическое исследование, однако в коммерческом секторе таких советов практически нет. Однако некоторые компании, например Facebook, решили самостоятельно разработать собственные правила, касающиеся создания внутренних комитетов по исследовательской этике ^[59]. Эти правила основаны на протоколах действующих экспертных советов, но могут отличаться по степени прозрачности информации и корпоративной принадлежности людей, которые допускаются в состав таких комитетов.

Положение осложняется тем, что, за исключением фармацевтической индустрии, не существует стандартного протокола, позволяющего определить, требуется ли провести испытание нового продукта на людях или как именно следует действовать компании в процессе его разработки и тестирования. Естественно, когда речь заходит о новых технологиях вообще и об искусственном интеллекте в частности, мы сталкиваемся со множеством проблем этического характера. Так, Facebook спровоцировал общественную дискуссию, когда выяснилось, что в ходе одного из своих экспериментов компания манипулировала контентом, отображаемым в пользовательских новостных лентах, — увеличивала количество положительных или негативных постов, — чтобы проверить, как это отразится на настроении пользователей. Один колумнист Forbes даже задался вопросом: «Может ли Facebook манипулировать нашим сознанием в научных целях?» ^[60]

Страница