Почему без человека у ИИ нет будущего

Потеря рабочих мест — главный миф про эволюцию ИИ. Мы решили его развеять и рассказать, с какой точностью на самом деле работает искусственный интеллект, как улучшить текущие результаты, и действительно ли ИИ отбирает рабочие места, а не создает.

Еще 10 лет назад ИИ учился играть в Марио, где все ходы предсказуемы, а уже сегодня обыгрывает человека в Го — самую сложную настольную игру в мире. Игры — далеко не единственная область, где произошел прорыв: в большинстве индустрий точность работы ИИ достигает примерно 95%. Это значит, что уже 95% автоматизировано и отлажено, и до идеального результата осталось немного.

Однако на практике большинству кейсов нужен стопроцентный результат. Как мы рассказывали в нашем Телеграм-канале, недавно аэропорт Хитроу запустил тестовую систему на базе ИИ, которая помогает диспетчерам сажать самолеты в условиях плохой видимости. Система отслеживает процесс посадки через камеры и сообщает, когда полоса освобождается для следующего воздушного судна. Важно, что ИИ только подсказывает, как поступить — финальное решение остается за диспетчером. Как вы понимаете, посадить 99 из 100 самолетов — не лучшая статистика.

А вот другая ситуация: автоматическое выписывание штрафов для автомобилей. Нельзя выписать штраф, полностью полагаясь на алгоритм, — номер машины должен быть указан без погрешностей, и кто-то должен подтвердить, что было нарушение. Финальное решение, опять же, за сотрудником: ИИ автоматизирует просмотр камер, но не выписывает штраф.

Чтобы усовершенствовать точность работы ИИ, в цикл обучения нейросети помещают людей: они совершенствуют процесс, большая часть которого уже автоматизирована.

В предыдущей статье мы упоминали о решении human-in-the-loop. Давайте подробнее разберемся, что это такое.

Решение human-in-the-loop — это коллаборация ИИ и человека для создания эффективных алгоритмов. Люди участвуют в обучении, тестировании и самом процессе работы нейросетей, создавая непрерывную обратную связь (“loop”), чтобы со временем алгоритм выдавал все более точные результаты.

Когда нейронная сеть допускает ошибку при распознавании текста, человек в реальном времени ее поправляет и тем самым дополняет работу ИИ, обучая не ошибаться в дальнейшем. Этот способ чрезвычайно эффективен и решает главную проблему — как обеспечить 99% точности. Human-in-the-loop бьет сразу в несколько целей:

От теории к практике: чтобы зарегистрироваться в сервисе такси, водитель скачивает приложение и вводит данные из паспорта, водительского удостоверения и СТС. Данные проверяются вручную в базе МВД на наличие прав и отсутствие судимости — так компании защищают себя от мошенничества и убеждаются, что это реальный человек, которому можно доверить перевозку пассажиров.

Под кейс онбординга мы в Dbrain разработали ИИ-решение с дополнительной валидацией разметчиками. При регистрации человек загружает фото документов, ИИ распознает текст, люди убирают возможные ошибки, и ключевая информация отправляется в базу. Люди дополняют работу нейросети: если она ошибется на один символ, мы получим ложный ответ — например, база не найдет человека. Вместо обычной проверки документов, которая занимает полтора часа, такое решение работает за несколько минут.

Дополнительный бонус быстрой регистрации — повышаются шансы, что человек действительно приступит к работе, попав систему за 5 минут. Выгода очевидна: рост и развитие сервиса напрямую зависит от притока водителей.

ИИ экономит бизнесу деньги и время, но доверить ему финальные решения в ситуациях, когда нужна максимальная точность, по-прежнему нельзя. Очевидно, что в ближайшее время ИИ не отберет хлеб у человека, а создаст новые профессии, востребованные в будущем. Уже сейчас популярны решения на основе human-in-the-loop, где алгоритм выполняет рутинную работу, а человек доводит результат до ума.

Dbrain — платформа для создания искусственного интеллекта. Мы делаем инструменты для машинного обучения и помогаем внедрять искусственный интеллект в бизнес. Связаться с нами можно по ссылке.