Камен Павлов: Очаквам постоянно повишаване на интереса към изкуствения интелект

Второто приложение на изкуствения интелект - за подпомагане на решенията на хората, заемащи отговорни постове, е популярно като Decision Making Support и освен в електронната търговия се използва масово във финансовия сектор.

Ползите са многобройни, като най-важни са, разбира се, повишаване на удовлетвореността на клиентите и печалбите. Ако погледнем ключовите приложения в електронната търговия поотделно, може да обобщим следното: препоръките, чатботовете и анализът на поведението помагат клиентите да получат персонално отношение, съобразено с техните предпочитания. По този начин се улеснява процесът на продажба и клиентите купуват по-бързо и повече. Оптимизирането на складовите наличности има за цел да се държат на склад точно толкова запаси, колкото са необходими за задоволяване на търсенето.

Това се постига, като първо се предвиди търсенето за всеки продукт и след това се намери оптималното количество за поръчка от доставчиците. По този начин се избягва както възможността даден артикул да не е наличен по време на клиентската поръчка, така и "заключването" на капитал в други продукти, за които не се очаква никакво търсене. Това освобождава капитал, намалява употребата на складови пространства, като същевременно намалява и времето за доставка до крайния клиент. Автоматизацията на логистичната верига чрез ИИ редуцира шанса за човешка грешка и улеснява работата на служителите.

С какви предизвикателства се сблъсква използването на изкуствен интелект в организациите?

Изкуственият интелект е нищо повече от съвкупност от алгоритми, които се "тренират" да решават много добре даден проблем, било то в бизнеса, в разработките на електронни игри или на електронни устройства. Проблемът с тези алгоритми е, че за да се "тренират" да решават комплексни проблеми, трябва да се захранват с голямо количество данни.

В малкия и средния бизнес качественото събиране и изобщо събирането на данни е не толкова добре разпространена практика все още, което ограничава използването на ИИ. При по-големите бизнеси, които използват монолитни системи за обработка и съхранение на данни, този проблем не съществува, но при тях опазването на данните е от голям приоритет, което само по себе си е също пречка за интегрирането на изкуствен интелект. Това се дължи на факта, че големите компании трудно поверяват данните си на специализирани фирми, които да изготвят ИИ решения. Тази тенденция се променя и има много иновативни решения на пазара като Federative Learning и Blockchain, които по дизайн осигуряват защита на данните на потребителите и в бъдеще ще позволят на иновативни стартъпи да предлагат решения с изкуствен интелект и на корпорации. В нашата компания също работим по използването на тези технологии.

Тези проблеми важат главно за IoT и Decision Making Support бранша, където фигурира и оптимизацията на складовите наличности, и оптимизация на цените на артикулите. За препоръките, чатботовете или профилирането на потребителите данните са от по-универсален характер и могат да се набавят лесно или могат да се закупят от

компании като Google и Facebook. При профилирането на потребители проблемът е по-скоро от етичен характер.

Започнаха ли българските компании от сектора на е-търговията да осъзнават ползите от използването на изкуствен интелект?

Осъзнаването на ползите е процес, който зависи от структурата и обема на пазара, на който е активен е-търговецът. В България обемите са все още малки, но показват значителен растеж. Аз лично очаквам постоянно повишаване на интереса към изкуствения интелект в следващите поне 10 години. Той е тук и сега и не бива да се губи време, а веднага да се започне ползването му за повишаване на конкурентното предимство.

Можете ли да посочите добри примери за използване на изкуствен интелект?

Няколко са факторите, които определят скоростта на развитие на изкуствения интелект в света. Единият е подобряването на изчислителните технологии. Има точна закономерност, която описва темповете на развитие на тази изчислителна технология, и тя се нарича Закон на Мур. Конкретен пример как ИИ е зависим от тази изчислителна технология е наличен в подразделението на ИИ компютърно зрение (Computer Vision). Учените Дейвид Хюбел и Торстен Визел получават Нобелова награда за откритията им, че визуални стимули активират определени невронни области в мозъка, още през 60-те и 70-те години на миналия век.

В края на 80-те Ян Лекюн прилага биологичния принцип на Хюбел и Визел в компютърна програма, способна да разпознава изображения на снимка. Но чак през 2004 г., с комерсиализирането на графичните видеокарти за ИИ сферата, изчислението става достатъчно бързо, така че разпознаването на изображения на снимки да бъде приложено на практика за бизнес цели. Заедно с Computer Vision идва и друго подразделение на изкуствения интелект - Natural Language Processing (NLP). Това са едни от първите приложения на ИИ, развили се с навлизането на по-мощни изчислителни машини. Ярък пример на достиженията на ИИ благодарение на тази по-голяма изчислителна мощ e AlphaGo, разработка на DeepMind, която успя да победи световния шампион на подобната на шах игра Го.

Други подобни световни примери са автономните автомобили на компанията Tesla и роботите на Boston Dynamics. Също така доста нашумялата в последно време платформа за видеострийминг Netflix дължи популярността и доста голяма част от приходите си на изкуствения интелект. Нейното персонализирано съдържание осигурява приятно преживяване на всеки зрител. Бързият и лесен избор на продукция за гледане гарантира висок процент на задържане на клиентите.

Netflix изчислява вероятността зрителят да гледа дадено заглавие на основата на много фактори като взаимодействието с услугата (история на гледаните продукции и тяхната оценка); други потребители със сходни преференции; информация за продукциите като жанр, категория, актьори, година на издаване и други; времето от деня, когато се използва услугата; устройството, което се използва за гледане; и продължителността на гледане.

Цялата тази информация се използва от алгоритмите на изкуствения интелект, за да предложи най-подходящата продукция по всяко време. Netflix взима информация от всяко посещение и взаимодействие с платформата и я използва за постоянно подобрение на точността, с която се предвижда какво е най-вероятно да гледа всеки зрител.

Вторият фактор, определящ развитието на изкуствения интелект, е Open Source общността, благодарение на която има изключително много примери как да си направим ИИ, който да работи на личния ни компютър. Следвайки примерите на общността OpenAI, може да си направим собствен преводач. Точно този втори фактор за развитието на ИИ дава голям тласък на иновативните разработки в стартъпите. Не е тайна, че броят на иновативните новосъздадени компании расте главоломно. България не е изключение и много стартъпи разработват иновативна технология, базирана на Open Source. Тази тенденция точно сега сериозно променя софтуерната екосистема и я фрагментира на много малки части, където технологични компании предоставят услуги, базирани на изкуствен интелект, които решават много специфични проблеми на бизнеса.

В момента масово тези ИИ базирани малки приложения притежават API интерфейси, които правят възможен и надежден преноса на данни между приложенията, така че бизнесът да може лесно да ги използва комбинирано и да оптимизира едновременно различни свои процеси. В България тепърва такава екосистема от компании се заражда и до няколко години ще видим дали български стартъпи ще успеят да се наложат. В световен план утвърдена ИИ компания е People.ai, която предлага услуги в сферата на електронната търговия.

Ние в KG Intelligence сме осъзнали потенциала от този модуларен подход и ИИ продуктите, които създаваме, са специално разработени да решават предизвикателствата, типични за специфични бизнеси.

Интервюто взе Майя Бойчева-Манолчева