Стань лидером рынка! Техники ниндзя для революции в вашей нише

Но магия больших данных происходит, когда вы используете методы анализа для поиска новых подходов. Данные о том, кто, когда, что и как

в информации, которую вы обрабатываете, могут ответить на вопрос почему. Например, «Почему некоторые люди с заболеванием умирают от него, а другие – нет?», «Какие перекрестки наиболее опасны и в какое время дня?», «Что покупают люди в киберпонедельники?».

Использование больших данных для предсказательной аналитики – это большая возможность для будущих ниндзя. Например, если управляющая на фабрике хочет понять, как создать лучшую, более безопасную, более продуктивную среду для работников, то ей в первую очередь нужно изучить их физическую среду. Машины на фабрике могут осуществлять сбор дюжин данных каждую минуту – от температуры до вибрации и влажности – и могут отправлять эту информацию назад, в штаб-квартиру производителя станков. Там данные могут сравниваться с данными, полученными от машин с тысяч других фабрик; такой анализ может улучшить эффективность и даже определить, может ли определенное оборудование быть подвержено сбоям. Она также может искать менее очевидные корреляции. Предположим, эта определенная фабрика располагается в Детройте, и так вышло, что на ней работает какое-то количество фанатов футбольного клуба Lions. Менеджер должен отследить продуктивность, сверяясь с расписанием игр национальной футбольной лиги, чтобы определить, влияют ли вечерние воскресные игры Lions на продуктивность сотрудников фабрики в понедельник.

Обратите внимание, будущие ниндзя: самый передовой уровень анализа больших данных включает в себя не только прогнозирование вероятности будущих исходов, но и автоматическое принятие мер на основании этих прогнозов. Предсказательная аналитика требует постоянного цикла обратной связи для повторного улучшения способности прогнозировать. Выявление случаев мошенничества в секторе кредитных карт является отличным примером: если вы когда-либо получали автоматический звонок, оповещающий вас о подозрительных платежах, совершенных с вашего счета, то этот звонок был, вероятнее всего, обусловлен алгоритмом. Этот алгоритм опирается на большие данные, проанализировав не только выработанный вами паттерн платежей, но и паттерны миллионов других клиентов. Сервисы по прослушиванию музыки, как Pandora, являются другим примером – они предлагают идеальную песню в идеальное время благодаря анализу ваших прошлых прослушиваний.

Большие данные, облачные вычисления и анализ представляют собой основу умных городов: прогнозируя транспортные потоки, давая возможность беспилотным автомобилям устанавливать контакт с окружающим миром и друг с другом, отслеживая состояние инфраструктуры для выявления признаков износа. И чтобы действительно использовать мощь этого потока информации, нам нужен ИИ.

ИИ – это одна из самых обсуждаемых тем в мире технологий. Но он скромно работал годами вдали от посторонних глаз в самой элементарной своей форме – узкоспециального ИИ, который специализируется в одной области. В 2011 году Уотсон от IBM продемонстрировал отличный пример ИИ: инженеры обучили ИИ для одной определенной задачи: игры в Jeopardy! Чатботы и технологии распознавания голоса, включая «Сири» от Apple, «Алексу» от Amazon и «Кортану» от Microsoft, являются другими примерами узкоспециального ИИ. Эти сервисы используются для различных целей, но все обусловлено распознаванием голоса.

Когда узкоспециальный ИИ разовьется до общего ИИ, известного также как «ИИ человеческого уровня», эти машины будут способны делать практически все, что может живой человек: например, поддерживать сложные разговоры и понимать особенности языка. Другая тема для подобных размышлений заключается в том, что общий ИИ будет способен «сойти» за человека. У ученых есть различные тесты для распознавания общего ИИ, включая тест Тьюринга (можно ли в ходе разговора принять машину за человека?), тест на должность (могут ли принять машину на работу, которую сейчас выполняют люди?) и кофе-тест (может ли машина зайти к кому-то домой и разобраться, как приготовить кофе – определить местоположение кофемашины, залить в нее воду, найти кофе и налить готовый напиток в кружку?).

В 2017 году имя Рэя Курцвейла оказалось на первых полосах газет, ведь именно он спрогнозировал, когда именно эти основные этапы в развитии ИИ будут пройдены. Курцвейл – блестящий компьютерный ученый, футурист, изобретатель, автор книги «Сингулярность уже близка», а ныне технический директор в Google – не говоря уже о том, что он находится в Зале Славы CTA. Он предсказал, что к 2029 году ИИ пройдет тест Тьюринга, достигнув подобного человеку интеллекта, и что в 2045 году «люди будут умножать наш эффективный интеллект… при помощи слияния с интеллектом, созданным нами»[91].