ИИ стал синонимом слова «успех»: он ставит диагнозы, рисует картины и пишет программы. Кажется, ИИ — панацея от всех проблем. Почему же такие гиганты, как IBM и Amazon, пали жертвой увлечения им, разбирается Артем Бондарь (облачная платформа Voximplant)
Согласно прогнозам IDC, мировой рынок искусственного интеллекта продолжит ежегодно расти в среднем на 18,5% до 2024 года. Таким образом, к 2023 году рынок преодолеет отметку в $500 млн, а к 2024 году — в $555 млн. Спрос на ИИ тесно связан с уровнем «зрелости» самих компаний. Согласно результатам опроса, проведенного исследовательской и консалтинговой компанией Gartner в 2021 году, в среднем 48% ИТ-директоров уже используют ИИ или планируют начать использовать его в течение 2023 года. Однако, по оценке той же Gartner, к 2025 году лишь половина организаций в мире сможет достичь того этапа зрелости, который необходим для использования ИИ.
На сегодняшний день многие известные корпорации уже побывали в центре скандалов в погоне за званием лидеров в области внедрения ИИ. Поучимся на их ошибках.
Как IBM пыталась произвести революцию в медицине
В 2012 году американская технологическая корпорация IBM совместно с докторами центра онкологии в Нью-Йорке начала обучение своего суперкомпьютера Watson for Oncology — ключевого решения в линейке технологий Watson Health. Суперкомпьютер был призвал диагностировать рак и назначать персонализированную терапию, досконально изучая историю болезни пациентов, комментарии врачей, а также последние исследования на данную тему. Однако в 2018 году в результате проверки внутренней документации выяснилось, что Watson выписывал не просто шаблонное, но усугубляющее состояние пациента лечение. К счастью, рекомендации были лишь гипотетические, поэтому ни один пациент не пострадал.
Причины провала
Чаще всего проблема заключается в том, что компании пытаются перепрыгнуть фундаментальный шаг создания модели — работу с данными. Изначально предполагалось, что суперкомпьютер Watson будет самостоятельно обрабатывать огромный массив данных «свежим взглядом». Однако в действительности модель обучалась на нерепрезентативных данных из трех-четырех больниц, где проходили лечение в основном пациенты среднего класса. У модели с самого начала не было полных данных, а значит, и шансов на адекватное обучение.
