Кстати, Target и другие торговые сети в своей аналитике опираются не только на потребительские предпочтения покупателя, но и на имеющиеся данные о жизни человека. Нейросети рассчитали, что больше всего потребительские предпочтения людей меняются в моменты смены социальной роли (женитьба, развод, повышение по службе), переезда, поступления в колледж и, конечно, беременности и рождения ребенка.
Как рассказала «The NewYork Times», аналитики Target выявили около 25 продуктов, которые являются предварительными «маркерами беременности». Проанализировав покупки, алгоритмы могут достаточно точно оценить, на каком сроке находится конкретный клиент, что позволит компании высылать ему скидочные купоны на товары, приуроченные к различным этапам процесса беременности.
Более того, искусственный интеллект довольно быстро выяснил, что многие женщины плохо относятся к тому, что их покупки и поведение анализируются, и это негативно сказывается на продажах. Поэтому менеджеры Target сделали хитрый ход: наряду с купонами на товары для беременных торговая сеть начала отправлять женщинам рекламу товаров, которые ожидающие ребенка, по данным сети, никогда не купят. Лучше всего это работает, когда рядом с купонами на подгузники клиентке доставляется, например, реклама газонокосилки или винных бокалов. В этом случае женщина думает, что всем клиентам торговой сети приходит одна и та же рассылка, в которой продукты просто подобраны случайным образом.
Если вы думаете, что такие технологии используются только в «прогрессивных» Соединенных Штатах Америки или в «цифровом» Китае, вы ошибаетесь. Например, осенью 2019 года российские СМИ наперебой писали, что в московских кофейнях «Правда кофе» и «OneBucksCoffee» будут внедрены новые сверхсовременные технологии. При помощи системы распознавания лиц искусственный интеллект будет анализировать покупки и поведение клиентов, формировать списки постоянных и нежелательных посетителей, создавать архивы и готовить детальные отчеты о предпочтениях аудитории. Исходя из них алгоритмы будут корректировать меню, а также предпринимать другие действия для увеличения продаж.
Потребность в подобном сервисе, как объяснил основатель сети «Правда кофе» Филипп Лейтес в интервью газете «Коммерсантъ», возникла из-за непопулярности карт лояльности среди клиентов. Артем Копаев, директор по развитию сети кофеен «Правда кофе», подтвердил внедрение технологии распознавания лиц в кофейнях. «Результатов пока нет, тестирование находится на самой ранней стадии… Наша задача – не собрать персональные данные, а предупредить предпочтение гостя и предложить его привычный любимый напиток еще до того, как он начал делать заказ».
Читатель может задаться вопросом: неужели искусственный интеллект может учесть все факторы и предсказать на основе «больших данных» практически все? Очень вероятно, что да. По крайней мере, американская компания Geisinger недавно объявила, что разработала искусственный интеллект, который точно предсказывает смерть человека, если она должна наступить в течение ближайшего года.
Алгоритм анализирует электрокардиограмму (ЭКГ) пациента, и дает свой прогноз, основываясь лишь на ней. В Geisinger особо отмечают, что о риске скорой смерти нейросеть может точно предупредить даже тогда, когда врачи не находят у человека проблем со здоровьем и каких-либо отклонений в медицинских показателях. Но вот что самое удивительное: чем именно руководствуется искусственный интеллект, делая те или иные выводы, неизвестно даже его разработчикам.
В Geisinger рассказали, что в процессе обучения нейросети были собраны и обработаны 1,7 миллиона электрокардиограмм от 400 тысяч пациентов, и это единственные данные, которыми руководствуется алгоритм. Кстати, это не такая большая выборка, и сложно представить себе, на что может быть способен искусственный интеллект, когда проанализирует в десятки и сотни раз большие массивы данных.
Ученые отмечают, что фиксируется все больше и больше случаев, когда нейросети принимают верные, но необъяснимые с точки зрения человеческой логики решения. Кто-то боится этого, но многие ученые смотрят в будущее с надеждой. «Искусственный интеллект может научить нас понимать вещи, которые мы неправильно интерпретировали на протяжении десятилетий», – уверен один из разработчиков нашумевшего аналитического алгоритма Geisinger Брендан Форнуолт.
Аналогичные особенности в работе роботизированного интеллекта отмечают и в других областях человеческой жизни. Есть мнение, что нейросети все чаще будут делать выводы, руководствуясь своей, не всегда понятной людям, логикой. Но насколько правильно будет принимать решения на основании таких «алгоритмических» выводов, особенно, если будут затронуты интересы многих людей?
Так, комиссар полиции Лондона Крессида Дик, выступая на конференции по безопасности в Сиднее в августе 2019 года, сделала весьма неожиданное для сотрудников правоохранительных органов заявление. По ее словам, необходимо жестко регламентировать этические вопросы использования полицией таких технологий, как робототехника и искусственный интеллект, иначе «мир скатится в состояние «ужасного оруэлловского всезнающего полицейского государства». Также в своем выступлении она отметила, что вскоре технически будет возможна и предиктивная полиция – нейросети будут в состоянии предсказывать еще не случившиеся преступления, анализируя большое количество информации как с видеокамер наблюдения, так и в сети интернет.
Получается, что искусственный интеллект уже может поистине все – предсказывать смерти, беременности, преступления, думать и решать за людей, как в частных вопросах, так и в глобальных масштабах. Когда-нибудь наступит момент, и нейросеть, просто анализируя большие данные, легко сможет предсказать и вашу судьбу.
Все это стало возможным во многом благодаря Джеффри Хинтону, английскому программисту, увлекшемуся в начале 2010-х годов анализом изображений. Именно он впервые презентовал свою программу распознавания образов на конкурсе ImageNet в Стэнфорде в 2013 году. О распознавании человеческих лиц тогда еще и не думали. Участники конкурса на многих миллионах фотографий пытались отличить друг от друга различные предметы – кошек от собак, мотоциклы от автомобилей и так далее. Все понимали, что это только первый шаг, но, если удастся его сделать, последующие этапы можно будет пройти гораздо быстрее. Так и вышло.
Соперники Джеффри Хинтона на конкурсе в Стэнфорде показывали неудовлетворительные результаты. Конкурирующие программы-алгоритмы не могли распознавать изображения с эффективностью выше чем 75 %, то есть ошибались минимум в одном случае из четырех. Хинтон же, тренировавший нейросеть на своем персональном компьютере с простыми геймерскими видеокартами Nvidia, оказался вне конкуренции. Новейшие видеокарты оказались идеально приспособлены под задачу: множество мелких вычислений производились с помощью специализированного процессора (graphics processing unit, GPU) в видеокарте Nvidia – до Джеффри Хинтона никто не додумался до того, что все это может быть так просто.
Тот конкурс ImageNet Хинтон выиграл, наголову разбив своим алгоритмом всех конкурентов. Его нейросеть показала эффективность анализа изображений в 85 % – на тот момент это была недосягаемая высота. Сразу стало понятно, что это прорыв и несколько лет топтания на месте остались в прошлом. Фактически именно Хинтон дал старт эпохе нейросетей, а технологию, решающий вклад в которую внес британский программист, стали успешно применять во всех отраслях
