Книга Искусственный интеллект на службе бизнеса, страница 33. Автор книги Джошуа Ганс, Аджей Агравал, Ави Голдфарб

Разделитель для чтения книг в онлайн библиотеке

Онлайн книга «Искусственный интеллект на службе бизнеса»

Cтраница 33
Когда человек действует лучше

Вопрос: что оранжевое и рифмуется со словом «коровка»?

Ответ: морковка.

Смешная шутка? Вот еще одна. Маленькая девочка спрашивает отца: «Папочка, все сказки всегда начинаются со слов “Жили-были”?» Он отвечает: «Нет, есть еще много сказок, начинающихся со слов: “Если за меня проголосуют, я обещаю…”»

Ладно, признаем, что остряки из экономистов получаются так себе, но все равно лучше машин. Вот что обнаружили исследователь Майк Йоманс и его коллеги: если люди думают, что пошутила машина, шутка кажется им не такой смешной, как если бы она прозвучала из уст человека. По данным исследователей, машина лучше умеет придумывать шутки, но люди предпочитают выслушивать остроты от себе подобных. Даже если шутка принадлежала машине, люди высказывали большее одобрение, если им говорили, что ее придумал человек.

То же касается художественных и спортивных достижений. Впечатление от искусства, как правило, основано на знании зрителя о жизненном опыте автора. Интерес к спортивным состязаниям отчасти вызван противоборством между людьми. Даже если бы машина могла бежать быстрее человека, исход забега не вызывал бы таких эмоций, как мы привыкли.

Игра с детьми, забота о стариках и другие виды деятельности, подразумевающие социальное взаимодействие, тоже по определению приятнее, если их совершают люди.

Пусть даже машине известно, что рассказать с образовательной целью ребенку, иногда лучше возложить эту обязанность на человека. И пусть со временем мы свыкнемся с тем, что роботы заботятся о нас и наших детях, и научимся получать удовольствие от просмотра спортивных соревнований с их участием, пока для нас предпочтительнее, чтобы некоторые действия предпринимали люди.

Решения, в которых человек оптимально подходит для выполнения действия, не будут полностью автоматизированы. В других случаях ключевым ограничением автоматизации становятся прогнозы. Когда их качество станет достаточно высоким, а суждение об отдаче возможно будет задать предварительно – в коде, написанном человеком, либо в результате обучения машины в ходе наблюдений за людьми, – тогда решения будут автоматизированы.

Выводы

• Привлечение ИИ к выполнению задач не всегда подразумевает полную автоматизацию, прогноз – лишь один из компонентов. В большинстве случаев применение суждения и совершение действия возлагаются на человека. Однако иногда суждение возможно встроить в код или, при наличии достаточного количества примеров, научить машину прогнозировать его. Кроме того, машины способны совершать действия. Когда все элементы задачи выполняет машина, то задача полностью автоматизирована и человек из цикла устранен.

• Вероятнее всего, полностью автоматизированным станет выполнение задач, в которых это обеспечит максимальный доход. В первую очередь это задачи, в которых:

• остальные элементы, за исключением прогноза, уже автоматизированы (горнодобывающая промышленность);

• отдача от скорости выполнения действий после прогноза высока (беспилотные автомобили);

• отдача от сокращения времени ожидания прогноза высока (освоение космоса).

• Важное отличие между автономным транспортом, функционирующим на городских улицах, и тем, что используется в горном промысле, заключается в том, что первый, в отличие от второго, создает существенные экстерналии. На улице города автономный транспорт может стать причиной аварии, в результате чего понесут издержки люди, не имеющие отношения к принятию решения. И наоборот, несчастные случаи, виновниками которых выступают автономные транспортные средства, обслуживающие горный промысел, налагают издержки только на ресурсы или людей. Государство регулирует действия, создающие экстерналии, следовательно, урегулирование становится потенциальной преградой к полной автоматизации средств, создающих существенные экстерналии. Эта проблема решается присвоением внешних издержек посредством распространенного экономического метода – возложения ответственности. Мы предполагаем активную волну развития нормативно-правовой базы в отношении возложения ответственности как следствие растущего спроса на автоматизацию в новых сферах.

Часть III. Инструменты
Искусственный интеллект на службе бизнеса
Глава 10. Разбор рабочих процессов

В разгар IT-революции компании задавались вопросом, как внедрить компьютеры в свой бизнес. Для некоторых ответ был ясен: определить сферу, где требуется много расчетов, и заменить людей компьютерами; они лучше, быстрее и дешевле. Для других все выглядело не столь очевидно, тем не менее многие пробовали. Но плоды экспериментов созрели не сразу. Роберт Солоу, лауреат Нобелевской премии по экономике, сокрушался: «Эпоха компьютеров наступила всюду, кроме статистики производительности труда» [94].

Из этой проблемы зародилось интересное движение под названием «реинжиниринг». Майкл Хаммер и Джеймс Чампи в книге «Реинжиниринг компании» (1993) [95] утверждали, что для применения новой универсальной технологии – компьютеров – компании должны отвлечься от процессов и обозначить цели, которых хотят достигнуть. Затем следует изучить рабочие процессы и определить, какие задачи необходимо выполнить для достижения целей, а только затем думать, какую роль в них можно отвести компьютерам.

Один из любимых примеров Хаммера и Чампи – дилемма Форда, с которой тот столкнулся в 1980-х; она касалась не производства автомобилей, а оплаты труда [96].

Его отдел расчетов с кредиторами в Северной Америке насчитывал 500 человек, и вложением немалых средств в компьютеры он надеялся сократить их количество на 20 %. Вполне реальной ему представлялась цифра в 400 человек, ведь у его конкурента Mazda эти функции выполняли всего пять сотрудников. Хотя в 1980-е годы все превозносили продуктивность японских рабочих, не нужно быть гуру менеджмента, чтобы понимать: дело не только в этом.

Для повышения производительности менеджеры Ford изучили процесс покупки. Между составлением и оформлением заказа на покупку было задействовано много людей; если хотя бы один выполнял свои обязанности слишком долго, буксовала вся система. Неудивительно, что некоторые покупки совершались проблематично, особенно если требовалось уточнить или дополнить заказ. Эту задачу выполнял один человек, и даже если трудности возникали только с частью заказа, большую часть времени он был занят их решением. Поэтому весь заказ продвигался со скоростью самой проблемной его части.

Вход
Поиск по сайту
Ищем:
Календарь
Навигация