Что такое нейросети и чем они интересны для автоматизации бизнеса?

Слово нейросети в нашей разговорной речи стало появляться относительно недавно. Несмотря на то, что работы над этим направлением проводятся уже не первый год, новое понятие стало проявлять себя в повседневной жизни всего последние пару лет. 

По сути дела нейросеть – это искусственный интеллект. Тот самый интеллект, который пытался уничтожить человечество в Терминаторе, и тот самый Скайнет, название которого стало чем-то легендарным.

Нейросеть даже без лишних комментариев автоматически ассоциируется в сознании с работой нашего с вами мозга. Это совершенно правильная логика. Ведь нейросетями как раз называют компьютерные программы, принцип функционирования которых строится аналогично мозгу человеку. 

Если сильно упростить объяснение, то можно сказать, что внутри одной программы функционируют сразу несколько программ. Каждая программа выполняет свою функцию, а потом их результаты в автоматическом режиме сопоставляются для достижения поставленной цели. Использование этих промежуточных результатов позволяют добиться возможности самообучения, а при сложных нейронных цепочках промежуточные результаты позволяют поочередно обучать алгоритмам друг друга.

Самостоятельные алгоритмы выступают тут как мысли человека, а потом связываются друг с другом в одну единую базу. Такая база и называется нейросетью. Благодаря этому подходу, программы способны к самообучению практически как и маленький ребенок. Как и маленький ребенок алгоритм будет собирать информацию об окружающем мире и строить дальнейшие решения исходя из полученной информации.

Например, если рассмотреть логику работы нейронной сети, пригодной для работы с компьютерным зрением, то она будет, в общем-то, не самой сложной. В рамках интегрированного алгоритма будут содержаться несколько более простых алгоритмов. Один будет собирать характерные черты изучаемой проблемы. Скажем, будет изучать фотографии людей и искать характерные черты. У одного человека будет темная кожа, а у другого – длинные волосы. На выходе этого алгоритма мы получим перечень уникальных отличий. Теперь нужно обработать эти отличия для составления портрета – это уже следующий самостоятельный алгоритм. Ну а на следующем шаге нужно, например, распознать конкретного человека в толпе – это ещё один алгоритм, который базируется на работе двух предыдущих.

Блок-схема такой программы будет очень сложной и иметь постоянные циклы и разветвления! Ведь в зависимости от получаемых промежуточных результатов, программный продукт, который относится к нейросети, может кардинально изменить логику и даже принцип своей работы. Это и есть фундаментальное отличие нейросети от любой другой программы с линейной логикой. 

Подобные алгоритмы хорошо подойдут для решения нетривиальных задач. Простая линейная программа не может делать выводы и функционировать на их осмыслении, а вот современная нейросеть вполне на это способна!

Одна “ветвь” нейросети соберет данные о предмете, а вторая “ветвь” уже на основании этих данных отнесет предмет к какому-либо типу. 

Логично предположить, что подобная схема работы прекрасно подойдет для автоматизации бизнеса любого типа. Так, системы анализа спроса часто строятся именно на этих методиках. Нейросеть анализирует спрос в зависимости от времени года, от возраста покупателей, от времени суток и от самых неожиданных факторов. Часто один из встроенных алгоритмов сам подкидывает нейросети варианты для будущего анализа.

Сегодня именно нейросети управляют обработкой большого объема статистических данных или предлагают какие-то способы улучшения и совершенствования уже имеющихся схем. Если загрузить в предназначенную для этого нейросеть перечень бизнес-процессов организации, то на выходе можно получить прекрасно оптимизированную новую схему управления. 

Подобным образом можно обыграть и любые другие задачи, характерные для бизнеса. Можно анализировать спрос, а можно анкетировать новых сотрудников при приеме на работу. Можно проанализировать расход кофе в офисе в зависимости от времени года, а можно сделать выводы о взаимосвязи хорошей зарплаты и щедрой премии с отдачей сотрудников процессу. Задачи можно придумать самые разные и самые сложные.

Но в этом деле есть и одна проблема. Если нейросеть “заклинит”, то результат получится примерно такой, как было продемонстрировано в фильмах Терминатор или Вирус. Там искусственный интеллект решил, что человек – это угроза, а в случае выплаты премий исходя только из решений нейросети, сотрудники могут получить не самое справедливое распределение. Перехватить ошибку в работе нейросети смогут только опытные программисты, а значит “влезть” в процесс функционирования сможет уже далеко не каждый. И то, что робот сам решил назначить новый коэффициент эффективности для сотрудника, можно будет только лишь разматывая клубок действий алгоритма по логам функционирования. В простой же аналитической системе мы можем быстро проанализировать код и найти неподходящую логику или фактическую ошибку.

В итоге, если представить это как-то более очеловечено, то мы получим робота, который целыми днями сидит за столом и упрямо старается решать одинаковые шаблонные проблемы, меняя свой взгляд на проблему в зависимости от входных условий и имеющихся результатов работы каждого из алгоритмов.