Baidu - Робин Ли

Во-вторых, в соответствии с новым позиционированием предприятия разработать интеллектуальную стратегию. Это возлагает на руководство компании большую ответственность. Оно должно четко понимать, «что входит» в сферу, а «что выходит», чтобы принимать эффективные решения.

При принятии решений о «входе/выходе» следует придерживаться определенных принципов. Иерархическая структура принятия решения консультанта Кремниевой долины Джеффри Мура (Jeffrey Moore) – хороший пример оценки развития искусственного интеллекта. Суть в том, чтобы войти в сферу с высоким ростом и выйти из сферы с низким. Искусственный интеллект будет постоянно создавать новые сферы с огромным потенциалом роста, такие как беспилотные автомобили, роботы, умные устройства, диалоговые системы. Но в то же время он может и чинить препятствия для некоторых отраслей. Новые продукты с функциями ИИ заменят уже имеющиеся. Новые аппаратные средства и программные стеки нанесут ущерб старым стекам HW. Хорошей идеей будет составить полный список сфер и категорий высокого роста, возможного роста и низкого. Так руководство сможет принимать систематические и взвешенные решения.

Далее следует определить исходные данные продукта. Является ли он «ценным и уникальным»? Стоит отметить, что в эпоху ИИ успех продукта будет во многом зависеть от способности компании сохранять свою индивидуальность. Только так возможно получить уникальные активы данных (приносящие уникальные знания).

Следующий шаг – понимание неопределенности, риска, прибыли и графика для прогнозирования и управления. «Модель горизонта» – оптимальное решение. Примерный план развития: период H1 (следующие 18 месяцев) – упор делается на основное направление бизнеса; период H2 (следующие 18-36 месяцев) – инвестирует в создание прибыльной инновации; период H3 (следующие 36 месяцев+) – ставки делаются на долгосрочные инновации, которые имеют большой потенциал и высокий риск. Эра искусственного интеллекта предлагает широкий ассортимент возможностей для периодов H2 и H3. А некоторые из инвестиций в ИИ могут помочь увеличить прибыль и от периода H1. Сейчас искусственный интеллект находится на ранней стадии своего развития, что порождает множество неизвестных. Для того, чтобы глубже понять ИИ, важно принимать принципиальные и прагматические решения.

Во-первых, на этапе реализации стратегии внедрения ИИ предприятию следует придерживаться принципа «структурной целостности» в опыте продукта, технологической архитектуре и бизнес-модели. Необходимо развиваться последовательно. Если вы меняете направление ICS (архитектура сервера/клиента) или инвестируете в «автономную систему», технологические решения должны быть синхронизированы с продуктами и бизнес-решениями.

Во-вторых, важно, чтобы предприятия, использующие ИИ, следовали за направлением развития технологии глубокого обучения. Синхронизация имеет большое значение.

Ведущие компании индустрии испытывают потребность в изменении мира, стремятся сформировать мировоззрение мирового технологического общества. Они собирают сильные научно-исследовательские группы и проводят масштабные исследования. Их цели соответствуют позиционированию компаний и совершенствованию их продуктов. DeepMind, Google, Baidu и некоторые другие гиганты отрасли разделяют эту позицию.

Обновление исследовательских механизмов также является важным шагом на пути развития. Ведь традиционно ИТ-индустрия и наука не очень успешны в коммерциализации результатов исследований. Недавние OtherLab или OpenAI и некоторые другие стартапы искусственного интеллекта активно набирают собственные исследовательские команды. И это превращается в тенденцию. Потому что для разработки структурированных и устойчивых решений требуются усилия различных организаций (ранние экосистемы, крупные предприятия, учебные и научно-исследовательские учреждения).

Инвестиции являются важным фактором, который необходимо учитывать. С углублением интеллектуальной революции, ожесточается борьба за таланты. Это приводит к росту стоимости искусственного интеллекта. Некоторые стартапы привлекают внушительные суммы денег, потому что в долгосрочной перспективе отдача от инвестиций может быть очень велика (высокий риск/высокая отдача). Ключ к планированию инвестиций заключается в приоритезации ресурсов и продуманном процессе принятия решений, отражающем риски, связанные с искусственным интеллектом.

После того, как все необходимые условия сойдутся, лидерские качества человека станут решающим фактором, ценнейшим и перспективнейшим. Эпоха ИИ базируется на технологии, которая абсолютно не похожа на предыдущую (в качестве ядра выступают нейронные вычисления). Поэтому она требует от руководства высокого внимания и ответственности. Кроме того, новые отрасли в сфере ИИ настолько разнообразны и междисциплинарны (все, что вы можете себе представить от генетики до робототехники), что компаниям требуются люди, способные работать с инновациями (найти их непросто, потому что сегодняшнее общество сосредоточено на развитии узкоспециализированных отраслей). Билл Бакстон, главный научный сотрудник Microsoft Research, предлагает эффективные решения для создания новаторской команды высшего руководства.

Стоит напомнить, что в основе инновационного «маховика» ИИ лежит цикл обратной связи: данные – знания – опыт – новые данные. Оптимизация емкости и скорости этого цикла обратной связи является важной составляющей планирования.

Необходимая макросреда

Предприятия и научно-исследовательские институты не могут работать без хорошей макросреды. Национальный китайский интеллектуальный план призывает к созданию интеллектуальной инфраструктуры на уровне страны. Ведь чтобы встретить эру искусственного интеллекта, необходимо создать надлежащую почву.

Во-первых, необходимо обеспечить беспрепятственный доступ к данным. Данные становятся стратегическим активом для многих организаций и могут рассматриваться как новый тип «природных ресурсов». Для правительств, в частности, данные могут быть полезны в процессе разработки стратегии политического управления. Это может послужить стимулом для более широкого внедрения инноваций.

Во-вторых, нужны инструменты и платформы с открытым исходным кодом. Эра искусственного интеллекта требует нового стека программного обеспечения Silicon+. При этом важно, чтобы инструменты и платформы с открытым исходным кодом, такие как PaddlePaddle, были доступны и разработчикам, и новаторам. Глядя в будущее, мы должны постоянно снижать степень участия человека в процессах и передавать задачи инструментам и модулям. Например, AWS (Amazon Cloud Service) делает проще вычисления, а некоторые AI-as-a-service (AI-Service) делают технологии ИИ более доступными.

В-третьих, новаторы должны быстро создавать рыночные и политические условия для своих продуктов и пользователей. Это также очень важно. Потому что инновационный «маховик» ИИ требует быстрого цикла обратной связи.

В-четвертых, в начале эпохи искусственного интеллекта поощряются непрерывные прикладные исследования. В частности, разработка ML-алгоритма (машинного обучения), который может получать знания из данных и создавать опыт – ядро инновационного «маховика». На данном этапе развития ИИ непрерывные исследования – важная составляющая деятельности для всех предприятий этой сферы.

В-пятых, следует озаботиться образованием. Требования ИИ к человечеству неизбежно приведут к проблеме нехватки талантов. Образование должно стать обширнее и качественнее для того, чтобы для проектирования и реализации алгоритмов машинного обучения хватало человеческого ресурса.

Наконец, должен быть сформирован новый структурированный подход, превращающий знания внешнего мира в организованный и доступный материал. Это имеет решающее значение для внедрения инноваций ИИ во многие компании и сферы жизни.

Культура и управление интеллектуальным обществом

Потребуются десятилетия, чтобы искусственный интеллект начал полноценно функционировать. Амбиции и претензии на изменения мира требуют долгосрочного инвестирования. Поэтому долгосрочное планирование и стратегическое управление играют важную роль в эпоху искусственного интеллекта. Нас ожидает трансформация культуры бизнеса и управления во всем мире.