Mēs nevaram uzticēties lēmumiem, kurus pieņem mašīnas vienas pašas bez cilvēka
Viedoklis

Aldis Ērglis

FOTO: Publicitātes foto

Biznesā aktualitāte ir lēmumu automatizācija, izmantojot mašīnmācīšanās, taču mūsdienu tehnoloģijas kā Deep reinforcement learning neirona tīklu tehnoloģijas nespēj pietiekami labi strādāt nenoteiktības apstākļos. Vēl viens ļoti liels ierobežojums ir tas, cik ātri šādas mašīnas spēj mācīties. Piemēram, labākajiem algoritmiem 80 stundas jātrenējas populārajā Atari spēlē, lai sasniegtu cilvēka līmeni, kuru jebkurš cilvēks spēj sasniegt vien 15 minūtēs. Līdzīgi ir populārajā spēlē Starcraft, lai sasniegtu cilvēka līmeni vienā spēles apgabalā mašīnai ar labākajiem algoritmiem ir nepieciešami 200 gadi treniņa pašai ar sevi. Tas norāda, ka, neskatoties uz pieejamajām tehnoloģijām, veiksmīgai to izmantošanai nepieciešams atrast veidu, kā cilvēks var ātri apmācīt šos algoritmus.

Viena no šādām pieejām ir mašīnu mācīšana (Machine Teaching), kas dod vidi, kurā cilvēks var norādīt algoritmam pareizās un nepareizās atbildes, tādā veidā apmācot sistēmu arī nelielam datu apjomam. Microsoft izpētes organizācija Micrososft Reasearch uzskata, ka tieši Machine Teaching ir tehnoloģija, kas tuvākajā laikā dos iespēju cilvēkiem biznesa vidē efektīvāk izmantot tehnoloģijas lēmumu pieņemšanai.

Šogad RIGA COMM Machine Learning konference ir veltīta tam, kā cilvēki var veiksmīgi izmatot mašīnmācīšanās programmas efektīvākiem procesiem.

Aizsardzība digitālajā vidē ir viena no svarīgākajām jomām, kur izmanto mašīnmācīšanās tehnoloģijas, nākamās ir - cēloņsakarību meklējumi datu analīzē, viedo tehnoloģiju apmācība vieglākai un ērtākai statistiskajai analīzei, kā arī biznesa vides autoamtizācija.

Tieši iespēja automatizēt daļu no tā saucamajiem zināšanu darbinieku uzdevumiem, tādiem, kas prasa cilvēka līmeņa inteleģenci, paver iespējas biznesa automatizācijai. Balss un žestu vadīta automatizācija vairs nav jaunums augsto tehnoloģiju aspektā. Arī šobrīd Latvijā darbojas daudzi moderni uzņēmumi, kuros lielu daļu cilvēkresursu darba paveic roboti.

Biznesa vides automatizācija paver jaunas iespējas digitālajā transformācijā. Piemēram, datoram veicot noteiktas automatizētas darbu operācijas, tas rezultējas ar noteiktu paveiktu darbu kopu, kas ietver gan datu kopēšanu, ievadīšanu un šķirošanu, dokumentu automatizētu tulkošanu, darbu secīgumu un analīzi, un galā saņemam uz automatizētām darbībām balstītu lēmumu.

Biznesa automatizācija kļūst par nepieciešamību, un tā šodien vairs nav tikai modes lieta. Uzņēmums “Emergn” palīdz organizācijām izstrādāt un ieviest automatizācijas stratēģiju, kas parasti sastāv no 3 daļām: robotizēta procesu automatizācija, darba plūsmu automatizācija, lēmumu automatizācija.

FOTO: Publicitātes foto

Šinī aspektā mūsu vīzija biznesa automatizācijas jomā ir tāda, ka lielākais ieguvums ir no darba plūsmu automatizācijas kombinācijā ar lēmumu automatizāciju, piemēram, e - pastu vai dokumentu klasifikācijā.

Lēmumu automatizācija nenotiek uzreiz, un, lai nonāktu līdz lēmumu automatizācijai, nepieciešams veikt dažādus loģiskos soļus cēloņsakarību meklējumos.

Automatizācija palielina darba ātrumu, kas ir būtiski brīžos, kad nepieciešama darba dalīšana. Vadības līmeņa cilvēki tad labāk izprot, kā veiksmīgāk organizēt darbplūsmu. Tas palīdz arī saņemt atbildes uz prognožu jautājumiem, kā labāk ietekmēt darba rezultātu; vadība sāk redzēt, kā kognitīvos uzdevumus varētu automatizēt darbplūsmas uzlabošanai.

Agri vai vēlu organizācijas būs spiestas pāriet uz lēmumu automatizācijas risinājumiem, kuri aizvietos noteiktus procesu soļus vai veselus procesus. Piemēram, jau šodien bankā varētu aizvietot visu kredīta izvērtēšanas un apstiprināšanas procesu ar algortimu, kuru uzrauga un apmāca eksperts. Taču šī pāreja nav vienkārša un pat kontrintuitīva, tieši tāpēc šī pāreja nenotiks dabīgas attīstības ceļā. Organizācijām ir jāvelta īpašas pūles, lai saprastu, kā procesa mērķi vai procesa soļi var tikt sasniegti, izmantojot automatizētus lēmumu pieņemšanas algoritmus, kā motivēt darbiniekus iegūt zināšanas šajā jomā un radīt vidi, kurā darbinieki būs gatavi eksperimentēt nebaidoties, saprotot kā mainīsies darba pienākumi pēc algoritmu ieviešanas un apmācības.

Biznesa transformācija, kuras galvenais virzītājas ir gudrās mašīnas, jau ir klāt, svarīgākais organizācijām ir radīt vidi, kurā šīs tehnoloģijas darbinieki ir gatavi lietot, kas nozīmē nevis vienkārši sistēmu izmantošanu, bet daudz ciešāku sadarbību, kas iekļauj apmācību, uzraudzību un korekciju.

Mašīnmācīšanās Latvijā vēl ir “zaļa”, taču daudzi grib un vēlas izprast tās būtību, klausās lekcijas, kalkulē, mēģina iedziļināties, saprast ieviešanas izmaksas uzņēmumos, kā arī ieguvumus no tā visa, un cik ilgā laikā ieguldījumi atmaksāsies. Mans uzdevums ir to visu skaidrot, ko arī cenšos darīt savās lekcijās. Lai arī digitalizācija, mašīnmācīšanās un mākslīgais intelekts strauji iekaro pasauli, Latvijā paies vēl ilgs laiks, kamēr virtuālā realitāte iekaros birojus un rūpnīcas, un kamēr lielākajā daļā uzņēmumu daudzi lēmumi tiks pieņemti, balstoties uz algoritmiskajiem risinājumiem.

Aldis Ērglis, AS “Emergn” Mašīnmācīšanās laboratorijas vadītājs

Uz augšu