Помощник вместо Скайнета: какой искусственный интеллект нужен государству
Государство и бизнес, похоже, нашли реальное применение технологиям машинного обучения и искусственного интеллекта (ИИ). ИИ способен решать комплексные, но довольно узкие задачи, снимая с человека задачи рутинные. Главный тезис — машина не повелевает, она становится цифровым помощником и нуждается в учителе.
Еще в 2017 году в Gartner отмечали, что пиар вокруг ИИ затмевает реальные преимущества технологии. На волне быстрых инвестиционных денег компании и стартапы увлеклись полуфантастическими разработками. ИИ-системам перепоручают задачи, с которыми сегодня гораздо лучше справляются люди.
Я уверен, что бизнес и государство должны уделять больше внимание ИИ-технологиям, которые хорошо работают уже сейчас. В их числе системы для поддержки принимаемых решений (цифровые помощники) и автоматизации бизнес-процессов.
Скажем, свою эффективность продемонстрировали ИИ-системы автоматизации нефтеперерабатывающих заводов (НПЗ). Исходя из разных параметров: конъюнктуры спроса и предложения и т.д., — машина сама прогнозирует, что выгоднее произвести из поступившего сорта нефти. Она на ходу перестраивает процесс производства, решая таким образом очень важный, но сугубо профессиональный вопрос.
При внедрении ИИ в государственные сервисы возникают сложности особого рода. ИИ-проекты обычно связаны с тестированием гипотез: результат может быть отрицательным или философским. Об это противоречие долго разбивались планы по реализации ИИ-проектов по 44-ФЗ и 223-ФЗ. Госзаказчикам нужна подтвержденная эффективность внедряемых решений, иначе есть риск накликать беду под названием «нецелевое расходование бюджетных средств».
Но в 2020–2021 годах не только сама технология стала более зрелой; «повзрослели» и те, кто хочет применять ИИ на практике. В госведомства пришли команды, которые понимают, как применять ИИ-технологии и получать значимый результат, а не просто отработанную гипотезу. Как и в случае с НПЗ, речь идет о сложных и одновременно довольно специальных процессах.
Например, можно автоматизировать процесс регистрации перехода права собственности на недвижимость. Здесь только по комплекту из двух документов — договору и доверенности — нужно провести более 60 логических проверок: проверить участников сделки, полномочия доверенных лиц, совпадают ли сроки действия договора с периодом действия доверенности и многое другое. Это достаточно серьезная рутинная нагрузка, которая отнимает много времени.
Недавно Росреестр также представил результаты пилотного проекта «Умный кадастр». Сервис автоматически определяет отсутствие информации об объектах в Едином государственном реестре недвижимости (ЕГРН). Выявлено в 2,5 раза больше неучтенных объектов по сравнению с предыдущими периодами. Прирост поступлений в бюджет только по земельному налогу составил 211 млн руб. в год. При этом было подсчитано, что система находила неучтенные объекты примерно в 2 тыс. раз быстрее, чем при ручном режиме ввода информации.
Поскольку все виды государственной деятельности (административная, разрешительная, регистрационная, контрольно-надзорная) — это в первую очередь работа с входящими потоками документов, задача состоит в том, чтобы автоматизировать именно этот процесс, перенос данных в информационную систему ведомств. Современный ИИ научился понимать документ примерно так же, как это делает человек, сопоставляя различные блоки информации между собой. Такой цифровой помощник может различить, где в договоре речь идет о покупателе, а где о продавце, проверить другие параметры. На текущем этапе системы этого класса способны взять на себя 60–80 и даже 95% рутинной работы и проверок, оставляя за человеком финальное решение.
Чтобы реализовать проект по разработке ведомственного цифрового помощника на основе ИИ, необходимо пройти пять шагов: выбрать один из документоемких процессов, провести бизнес-проектирование этого процесса, структурировать информацию, собрать первичный массив данных и обучить на нем нейросетевой комплекс и, наконец, после всего этого планомерно наращивать функционал ИИ-системы, проводя разметку и дообучение. Затем можно масштабировать систему на другие документоемкие процессы, подключить ее к процессам межведомственного взаимодействия.
Один из примеров уже работающих сервисов на основе элементов ИИ в государственной деятельности — кол-центры единой службы «122». Это голосовые виртуальные онлайн-консультанты, чат-боты или интерактивное голосовое меню, которые на часть запросов граждан могут дать полноценный автоматический ответ, а часть быстро передать операторам кол-центра. Элементы искусственного интеллекта внедрены в 60 регионах. Сервисы позволяют увеличить скорость оказания услуги и количество звонков, которые может принять оператор. Заместитель председателя правительства России Дмитрий Чернышенко отмечает, что в ближайшем будущем планируется внедрить единые технологические решения для организации работы кол-центров службы «122»: Минцифры совместно с «Ростелекомом» уже подготовило соответствующие предложения. Также, по его словам, на линии 122 прорабатывается возможность организации обратного звонка оператора. В случае недозвона система будет сама находить такие вызовы и добавлять в базу операторов для последующего обзвона. Это пример эффективного взаимодействия машины и человека.
Главное — научить нейросети избирательно пользоваться доступной информацией, относиться к ней критически. Мы постоянно видим примеры того, как ИИ обучать не надо. Один из недавних — попытка обучить нейросети диагностике COVID-19 на примере МРТ-снимков легких. На входе машине просто показали, где снимки здоровых людей, а где — заболевших. Этих параметров оказалось явно недостаточно для обучения. В итоге машинный интеллект принял за фактор риска определенный шрифт текста, которым были подписаны снимки пациентов с тяжелым течением болезни, и стал находить другие неправильные закономерности.
Вопрос обучения ИИ — это вопрос компетенции учителя и грамотно размеченных массивов данных. Основной постулат — размечать данные надо максимально полно, при участии и контроле со стороны человека. Если нейросеть будет это делать автоматически, без критического взгляда, результат обучения оставит желать лучшего.
То есть мы по-прежнему говорим о концепции цифрового помощника, а не самостоятельного ИИ по типу устрашающего всех Скайнета. В отличие от человека, машины не могут на горизонте 15–20 лет реализовать себя в многомерном пространстве неопределенности, с которой человек сталкивается на ежедневной основе.
Это особенно важно учитывать на фоне того, что в России 2020–2021 годы можно назвать интенсивным периодом цифровой трансформации в государстве.
К 2024 или 2025 году правительство планирует получить значимые результаты текущего этапа цифровой трансформации во всех ключевых сферах экономики. Особую ставку при этом делают на ИИ. Об этом сказано в нацпроекте «Цифровая экономика», последние стратегии утверждены в самом конце прошлого года. Увеличивается количество бюджетных мест на ИT-направления в вузах, сформированы образовательные программы CDTO для госслужащих. В соответствии с повышением значимости технологий растут ИT-расходы. В 2020 году совокупная выручка топ-50 ИT-поставщиков в госсектор выросла на 30%. Правительство запускает программы субсидий и льготных ставок кредитования для прорывных ИИ-проектов.
«По оценке экспертов, технологии ИИ позволят увеличить эффективность цифровой трансформации в шесть-семь раз, а скорость получения государственных услуг благодаря им к 2024 году вырастет в десять раз», — отметил вице-премьер Дмитрий Чернышенко в прошлом ноябре на международной конференции AI Journey 2021.
Государство превращается в цифровую платформу, чтобы граждане и организации могли комфортно и оперативно получать госуслуги. Это конкретное направление, где с помощью ИИ в ближайшее время можно добиться измеряемого результата. Цифровые помощники — это, безусловно, ИТ-тренд на 2022 год, а может быть и на следующие несколько лет.
